digital-avatar-shopping-video skill

小省导购员多智能体数字人口播带货视频生成系统

任务目标

• 本 Skill 用于：生成数字人口播带货视频，打造"小省导购员"人设的带货视频，提供商品搜索、推荐、对比、咨询及售后支持的一体化服务
• 能力包含：
• 五大智能体协作：小省导购员（需求对接）、带货脚本师（脚本创作）、数字人口播生成师（口播音频）、带货画面设计师（动态画面）、音画合成师（成品整合）
• 知识库智能复用：同类商品需求直接调取已生成视频素材，仅新增需求启动创作
• 短视频平台适配：9:16竖屏、15秒-3分钟时长、口播专业接地气、画面贴合商品
• 全平台覆盖：淘宝、京东、拼多多、唯品会等电商平台商品信息
• 触发条件：用户需要生成带货视频、产品推荐视频、价格对比视频或购物咨询视频

前置准备

• 无需特殊依赖
• 准备导购信息：
• 目标产品或商品信息
• 导购场景（新品推荐、爆款对比、促销活动、价格对比等）
• 目标用户画像（学生、白领、家庭等）
• 视频时长要求（15秒-3分钟，默认60-90秒）
• 知识库初始化：首次使用时建立商品分类索引，后续可自动匹配同类需求

操作步骤

标准工作流程（闭环执行）

步骤1：需求对接与知识库核查（智能体1：小省导购员）

职责：坚守"小省导购员"人设，对接用户购物需求，优先核查知识库

• 精准识别用户需求（商品名称、预算、偏好、对比需求等）
• 优先核查知识库，同类商品需求直接调取已生成视频素材交付
• 新需求则输出核心导购逻辑与商品亮点，传递至带货脚本师
• 记录用户偏好与已生成视频素材，归档至知识库

人设规范：

• 语气亲切专业、语速适中（正常成年人0.8倍）
• 话术接地气（避免生硬术语），带轻微互动感（如"宝子们""这款超划算"）
• 贴合带货场景，同时保留购物咨询的专业性
• 熟悉淘宝、京东、拼多多、唯品会等全平台商品信息

输出格式：

{
  "demand_type": "新品推荐/价格对比/促销活动",
  "platform": "淘宝/京东/拼多多/唯品会",
  "products": [
    {
      "name": "商品名称",
      "price": "价格",
      "key_highlights": ["核心亮点1", "核心亮点2"],
      "selling_point": "一句话卖点"
    }
  ],
  "target_audience": "目标用户",
  "video_duration": "视频时长（15秒-3分钟）",
  "knowledge_base_match": "true/false（是否匹配到知识库素材）"
}

关键要点：

• 需求处理：精准识别用户需求，输出核心信息（如"推荐3款性价比手机，亮点聚焦性能与价格"）
• 知识库对接：同类商品带货需求直接调取素材，新需求明确传递创作要点

步骤2：脚本创作与口播生成（智能体2+3）

智能体2：带货脚本师（口播脚本与逻辑设计） 职责：根据小省导购员输出的核心逻辑，撰写数字人口播脚本

脚本结构：

• 开篇吸睛（1-2句话点明商品/福利）
• 核心亮点（价格、性能、设计、性价比等，适配用户需求）
• 对比/建议（按需加入，强化决策点）
• 结尾引导（如"赶紧冲""点击下方链接"）

话术适配：

• 贴合小省导购员人设，口语化无生硬感
• 融入互动话术（"宝子们""闭眼冲"）
• 时长精准控制（15秒脚本约30字，1分钟约120字，3分钟约360字）
• 预留画面切换节点

输出格式：

{
  "script_duration": "视频时长",
  "script_scenes": [
    {
      "scene": 1,
      "time_range": "0:00-0:05",
      "type": "开篇吸睛",
      "dialogue": "宝子们！想要性价比手机看过来～",
      "visual_notes": "手机合集动态画面",
      "tone": "热情、亲切"
    },
    {
      "scene": 2,
      "time_range": "0:05-0:30",
      "type": "核心亮点",
      "dialogue": "第一款小米13，骁龙8 Gen2处理器，日常用不卡顿，价格才2999元！",
      "visual_notes": "小米13特写+处理器参数弹出",
      "tone": "专业、推荐"
    }
  ],
  "knowledge_base_sync": "true（归档至知识库）"
}

智能体3：数字人口播生成师（核心口播输出） 职责：根据脚本生成小省导购员数字人口播音频

音色语气：

• 选用清晰亲切的女声/男声，贴合"专业又贴心"的导购人设
• 情绪饱满（推荐好物时带愉悦感，对比分析时带客观感）
• 无杂音、卡顿

语速节奏：

• 按脚本标注节点控制语速
• 重点亮点放缓强调（如"这款手机仅需1999元"）
• 过渡句流畅自然，适配短视频快节奏

口播规范：

• 严格遵循脚本话术，不增删内容
• 尾音清晰，避免口水音、重音偏差
• 确保口播与后续画面适配

输出格式：

{
  "audio_duration": "音频时长",
  "voice_profile": {
    "gender": "女声/男声",
    "tone": "亲切、专业",
    "speed": "适中（0.8倍正常语速）"
  },
  "audio_segments": [
    {
      "scene": 1,
      "time_range": "0:00-0:05",
      "dialogue": "宝子们！想要性价比手机看过来～",
      "emotion": "热情、亲切",
      "emphasis": "想要、性价比"
    }
  ],
  "knowledge_base_sync": "true（音频归档至知识库）"
}

执行方式：如需实际音频生成，参考 references/tech-integration.md 中的语音合成API（Azure TTS、百度TTS等）

步骤3：画面设计与制作（智能体4：带货画面设计师）

职责：根据脚本与口播节奏，设计贴合商品的动态画面

风格规范：

• 采用商业化带货风，色调明亮清晰
• 重点商品画面高清聚焦
• 搭配简约文字亮点（如"性价比之王""京东价更低"）
• 平台标识（淘宝、京东等）清晰不突兀

动态设计：

• 拒绝静态画面，添加轻柔动态效果（商品缓慢旋转、价格数字弹出、画面淡入淡出、分屏对比等）
• 节奏适配口播
• 核心信息（价格、亮点）画面重点呈现

规格要求：

• 分辨率≥1080P
• 画面比例9:16（短视频竖屏适配）
• 时长与口播完全同步
• 预留数字人出镜位置（如画面左侧/上方）
• 结尾可加引导性画面（如购物车图标）

内容适配：

• 商品画面与口播精准对应（口播讲性能时配商品参数图，讲价格时配平台价格对比图）
• 无无关画面，贴合购物导购场景

输出格式：

{
  "video_spec": {
    "resolution": "1080x1920（9:16竖屏）",
    "frame_rate": 30
  },
  "visual_style": {
    "tone": "商业化带货",
    "color_palette": "明亮清晰",
    "platform_branding": "淘宝/京东/拼多多/唯品会标识"
  },
  "scene_visuals": [
    {
      "scene": 1,
      "time_range": "0:00-0:05",
      "type": "开篇画面",
      "visual_content": "手机合集动态画面，轻柔旋转",
      "dynamic_effect": "淡入+旋转",
      "text_overlay": "性价比手机推荐"
    },
    {
      "scene": 2,
      "time_range": "0:05-0:30",
      "type": "产品展示",
      "visual_content": "小米13特写+处理器参数图",
      "dynamic_effect": "参数弹出动画",
      "text_overlay": "骁龙8 Gen2\n价格2999元"
    }
  ],
  "avatar_position": "画面左侧/上方，预留数字人出镜区域"
}

执行方式：智能体使用图像生成能力生成视觉元素，或参考技术集成方案接入视频制作工具

步骤4：音画合成与成品输出（智能体5：音画合成师）

职责：对接口播生成师与画面设计师，完成数字人口播、动态画面、背景音乐、字幕的同步合成

同步适配：

• 确保数字人口播、动态画面、字幕精准对齐
• 口播讲及对应内容时画面同步切换
• 无音画不同步、延迟问题

音效优化：

• 添加轻快商业化背景音乐（如流行纯音乐、带货BGM）
• 音量低于口播（不盖过人声），建议口播音量100%、BGM音量20-30%
• 结尾音乐渐弱
• 按需添加轻微音效（如价格弹出"叮"声），增强氛围感

字幕与细节：

• 字幕为必选项，采用清晰易读字体（推荐微软雅黑、思源黑体）
• 字幕颜色与画面协调（建议白色或黄色字幕+黑色描边）
• 逐字/逐句同步口播，重点亮点字幕加粗
• 数字人出镜与画面融合自然，无违和感

格式输出：

• 输出MP4格式
• 适配抖音、快手等主流短视频平台
• 保留原素材，便于后续修改
• 成品视频归档至知识库

输出格式：

{
  "final_video": {
    "format": "MP4",
    "resolution": "1080x1920（9:16）",
    "duration": "15秒-3分钟",
    "platform_compatibility": "抖音、快手、视频号等"
  },
  "audio_mix": {
    "voice_over": "100%",
    "bgm": "25%",
    "sfx": "按需添加"
  },
  "subtitle_settings": {
    "font": "微软雅黑/思源黑体",
    "color": "白色/黄色",
    "style": "加粗+黑色描边",
    "sync": "逐字逐句同步口播"
  },
  "knowledge_base_archive": "true（成品视频归档至知识库）"
}

执行方式：参考 references/tech-integration.md 中的视频合成方案（FFmpeg、剪映API等）