⏳ This skill is pending AI review.

Scores will appear once the review pipeline completes.

version unknown

muse-video-prompt-skill

masonmosen@masonmosen⭐ 33 stars· last commit 10d ago· 0 open issues

Prompt engineering workflow skill for Muse built-in video generation (Muse Video): six-part prompt templates → generation → multi-segment stitching → frame verification. Muse 内置视频提示词实战:写提示词 → 生成 → 拼长片 → 抽帧验证的完整闭环。

Choose how to use this skill

You do not need every option. Choose the path your AI client supports. The stable page stays the same; versioned files are immutable.

1. Native installer

This listing has no registered native installer command. Use the complete package or source fallback below, depending on what your client supports.

Do not guess an installer command or replace an existing version without reviewing the diff.

2. Complete package recommended

Download the ZIP when available. It includes SKILL.md plus the references, security notes and version metadata.

No complete ProSkills package is published for this listing yet.

3. Prompt-only

Copy the prompt above when the agent can read the stable page or when you want to adopt the workflow without installing a skill.

Need only the instruction file?

Download SKILL.md only if your client requires a single file. The complete ZIP is safer for a full installation because it preserves the references and release context.

No path installs or executes anything by itself. Your agent still needs access to the project files. Before updating, compare the installed version and review the diff.

—/10

// RATINGS

⭐GitHub Stars
⭐⭐ 33 on GitHubGitHub ↗

Growing

🟢ProSkills Score
—
📍

Not yet listed on ClawHub or SkillsMP

// README

Muse Video Prompt Skill

A battle-tested workflow skill for Muse's built-in video generation (Muse Video): from prompt to final cut.

License: MIT GitHub stars

Demo

Text-only demo for now. Muse built-in video generation is currently blocked upstream by region (403 video_not_available, still blocked as of 2026-11-05; checked daily at 09:06). No new demo clip can be generated until it is unblocked, so this section quotes the case library instead of showing a clip.

  • Hangzhou National Day trip, 30.04s, 9:16 — full-chain case: prompt → multi-segment stitching → frame verification (see references/cases/).
  • Mahjong, 30s — negative case, kept as a limit: snapshot does not lock faces; the three segments used different people.

Install

git clone https://github.com/masonmosen/muse-video-prompt-skill.git
# Drop into your agent's skills directory, e.g.:
#   Claude Code → ~/.claude/skills/muse-video-prompt-skill/

English | 简体中文


English

The hardest part of AI short video isn't hitting "generate" — it's writing prompts that land, stitching long videos coherently, and keeping characters consistent. This skill is a production-hardened workflow for Muse's built-in video generation:

  • Six-part prompt template: duration & aspect / character / setting / timed beats / camera language / audio / dialogue / restrictions — plus POV lifestyle, talking-head, and multi-segment variants
  • Multi-segment stitching: ~10s per clip is a hard limit? Split by beats, chain with snapshot IDs for continuity, stitch losslessly with ffmpeg into 30s+
  • Frame-extraction verification: auto-extract frames after every generation; what matched the prompt and what drifted, in writing
  • Honesty-first: face-lock is weak on built-in video, reference likeness isn't guaranteed — limits stated upfront, never oversold
  • Growing case library: every experiment becomes a case card (prompt points / result / drift / lesson)

How it differs from muse-video-skill

LuoJiangYong/muse-video-skill (MIT) is an excellent pre-production engine (script / storyboard / art direction → compiled downstream model calls); its engineering ideas (thin center + on-demand loading + deterministic scripts) are this skill's architectural blueprint. This skill is positioned differently: a hands-on closed loop for built-in video — write the prompt, generate, stitch, verify, all in one place, no downstream tools required.

Layout

muse-video-prompt-skill/
├── SKILL.md                  # Entry: workflow + operating rules (Agent Skills format)
├── CONSTITUTION.md           # Design constitution: honesty / final cut / short loop / compound / lean
├── README.md
├── LICENSE                   # MIT
├── references/               # On-demand domain knowledge
│   ├── prompt-template.md    # Six-part prompt template + three variants
│   ├── model-notes.md        # Built-in Muse Video capability limits (measured)
│   ├── consistency.md        # Character-consistency tactics
│   ├── dialogue.md           # Dialogue conventions (Taiwan-accented Mandarin default)
│   ├── stitch-workflow.md    # Segment → stitch → verify
│   └── cases/                # Case library (INDEX + dated case cards)
└── bin/
    └── extract_frames.py     # Frame-extraction self-check script

Install

git clone https://github.com/masonmosen/muse-video-prompt-skill.git
# Drop into your agent's skills directory, e.g.:
#   Claude Code → ~/.claude/skills/muse-video-prompt-skill/

Fits / doesn't fit

  • ✅ Video prompt experiments, short video generation, multi-segment long videos, prompt craft
  • ❌ Projects needing strong face-lock → use Seedance / third-party video models (this skill will tell you so)

简体中文

做 AI 短视频最难的不是点"生成",而是提示词写得准、长片拼得连贯、人物不崩。 这个 skill 是一套为 Muse 内置视频打磨的实战工作流:

  • 六段式提示词模板:时长画幅 / 人物 / 场景 / 节拍时间轴 / 镜头语言 / 声音 / 对白 / 限制清单,另有 POV 生活流、口播、多段长片三个变体
  • 多段拼接:单条 10 秒是硬上限?按节拍拆段,用 snapshot 接续保连贯,ffmpeg 无损拼成 30 秒+
  • 抽帧验证:每段自动抽帧自查,哪些吃进提示词、哪些偏了,白纸黑字写清楚
  • 诚实线:内置视频锁脸弱、参考图不一定像——动手前先说边界,不拿话术包装
  • 案例库:每个实验沉淀一张案例卡(提示词要点 / 结果 / 偏差 / 教训),随用随长

和 muse-video-skill 的区别

LuoJiangYong/muse-video-skill(MIT)是优秀的前期策划引擎(剧本/分镜/美术 → 编译成下游模型指令),它的工程化思想(thin center + 按需加载 + 确定性脚本)是本 skill 的架构蓝本。 本 skill 定位不同:内置视频的实战闭环——写完提示词直接生成、拼接、验证,全流程在一套里跑完,不依赖下游工具。

适用与不适用

  • ✅ 视频提示词实验、短视频生成、多段拼长片、提示词写法打磨
  • ❌ 需要强锁脸的项目 → 走 Seedance / 第三方视频模型(本 skill 会明确告诉你)

License

MIT © 2026 Mason Mosen


More from MOSEN

// HOW IT'S BUILT

// FILES

13 files shipped with this skill. Inline text is the catalog copy. The upstream link is the source repository.

  • SKILL.md3.2 KB1bf660924239upstream ↗
    ---
    name: "muse-video-prompt-skill"
    description: "Prompt engineering workflow skill for Muse built-in video generation (Muse Video): six-part prompt templates → generation → multi-segment stitching → frame verification. Muse 内置视频提示词实战:写提示词 → 生成 → 拼长片 → 抽帧验证的完整闭环。"
    ---
    
    # Muse Video Studio — 内置视频实战工作流
    
    ## Purpose
    Muse 内置视频(Muse Video)从提示词到成片的完整闭环:写提示词、生成、长片分段拼接、抽帧验证。不做锁脸承诺;需要锁脸的线走 Seedance 第三方。
    
    ## Workflow
    1. **镜头设计**(可选上游):复杂镜头先用 `cinematic-shot-design` 做导演风格匹配与镜头决策,其输出的可执行 prompt 直接作为本流程的提示词素材。简单需求跳过。
    2. **写提示词**:按 `references/prompt-template.md` 六段式模板写;cinematic-shot-design 的输出按模板字段归位。用户定稿后原样传入 `media.generate_video`,不擅自改写、扩写。用户长期默认项(台湾腔国语对白)见 `references/dialogue.md`,单独标注后附加。
    3. **生成**:纯文本优先;要用参考图时,先确认文件存在且文件名为 ASCII(中文文件名上传会被上游 400 拒绝)。能力边界见 `references/model-notes.md`。
    4. **长片(>10 秒)**:按节拍拆成多段,每段一个独立提示词;后一段用前一段的 `resume_from_snapshot_id` 接续,保证人物场景连贯;最后 ffmpeg 拼接。见 `references/stitch-workflow.md`。
    5. **验证**:每段用 `bin/extract_frames.py` 抽帧自查;正式审片用 `ai-director-video-review`(单条/多版本/连续镜头三模式,证据链 + 四级发布结论 + 最小返修)。音频、口型、动态连贯性我看不见听不见,必须明说、交用户终验。
    6. **沉淀**:每个实验写一张案例卡进 `references/cases/`(提示词要点、结果、偏差、教训)。
    
    ## 相关 Skills
    - 上游(生成前):`cinematic-shot-design` —— 电影镜头设计与导演风格匹配,输出可执行 prompt。
    - 下游(生成后):`ai-director-video-review` —— AI 导演审片:技术完整性、连续性、生成痕迹检查,输出发布结论与返修方案。
    - 链路见 `references/integration.md`。
    
    ## Output Contract
    - 成片视频文件(`workspace/prompt-experiments/<日期>/`);长片额外交付拼接版,保留分段文件。
    - 抽帧自查结论:哪些吃进了提示词、哪些偏了、偏差原因推测。
    - 明确列出需用户终验的项(音频、口型、动态细节),不含糊。
    
    ## Operating Rules
    1. 所有回复用简体中文。
    2. 提示词以用户定稿为准;我写的版本先给用户看,确认后再跑。
    3. 不承诺人物锁脸、不保证参考图一定像——这是模型能力边界(见 `references/consistency.md`),动手前先说。
    4. 单条 10 秒是硬上限;用户要更长,主动给分段拼接方案,不只丢一条 10 秒。
    5. 参考图只传 ASCII 文件名;`/tmp` 是临时的,传图前先确认文件存在。
    6. 每次生成后必须抽帧看过再交付;没看过的片子不说"没问题"。
    7. 任何情况下不编造画面/声音细节——没验过的就说没验过。
    
  • README.md6.5 KBf79f0a6092f6upstream ↗
    # Muse Video Prompt Skill
    
    **A battle-tested workflow skill for Muse's built-in video generation (Muse Video): from prompt to final cut.**
    
    [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](LICENSE) [![GitHub stars](https://img.shields.io/github/stars/masonmosen/muse-video-prompt-skill.svg)](https://github.com/masonmosen/muse-video-prompt-skill/stargazers)
    
    ## Demo
    
    > **Text-only demo for now.** Muse built-in video generation is currently blocked upstream by region (403 `video_not_available`, still blocked as of 2026-11-05; checked daily at 09:06). No new demo clip can be generated until it is unblocked, so this section quotes the case library instead of showing a clip.
    >
    > - **Hangzhou National Day trip, 30.04s, 9:16** — full-chain case: prompt → multi-segment stitching → frame verification (see `references/cases/`).
    > - **Mahjong, 30s** — negative case, kept as a limit: snapshot does not lock faces; the three segments used different people.
    
    ## Install
    
    ```bash
    git clone https://github.com/masonmosen/muse-video-prompt-skill.git
    # Drop into your agent's skills directory, e.g.:
    #   Claude Code → ~/.claude/skills/muse-video-prompt-skill/
    ```
    
    [English](#english) | [简体中文](#简体中文-1)
    
    ---
    
    ## English
    
    The hardest part of AI short video isn't hitting "generate" — it's **writing prompts that land, stitching long videos coherently, and keeping characters consistent**.
    This skill is a production-hardened workflow for Muse's built-in video generation:
    
    - **Six-part prompt template**: duration & aspect / character / setting / timed beats / camera language / audio / dialogue / restrictions — plus POV lifestyle, talking-head, and multi-segment variants
    - **Multi-segment stitching**: ~10s per clip is a hard limit? Split by beats, chain with snapshot IDs for continuity, stitch losslessly with ffmpeg into 30s+
    - **Frame-extraction verification**: auto-extract frames after every generation; what matched the prompt and what drifted, in writing
    - **Honesty-first**: face-lock is weak on built-in video, reference likeness isn't guaranteed — limits stated upfront, never oversold
    - **Growing case library**: every experiment becomes a case card (prompt points / result / drift / lesson)
    
    ### How it differs from `muse-video-skill`
    
    [LuoJiangYong/muse-video-skill](https://github.com/LuoJiangYong/muse-video-skill) (MIT) is an excellent **pre-production engine** (script / storyboard / art direction → compiled downstream model calls); its engineering ideas (thin center + on-demand loading + deterministic scripts) are this skill's architectural blueprint.
    This skill is positioned differently: **a hands-on closed loop for built-in video** — write the prompt, generate, stitch, verify, all in one place, no downstream tools required.
    
    ### Layout
    
    ```
    muse-video-prompt-skill/
    ├── SKILL.md                  # Entry: workflow + operating rules (Agent Skills format)
    ├── CONSTITUTION.md           # Design constitution: honesty / final cut / short loop / compound / lean
    ├── README.md
    ├── LICENSE                   # MIT
    ├── references/               # On-demand domain knowledge
    │   ├── prompt-template.md    # Six-part prompt template + three variants
    │   ├── model-notes.md        # Built-in Muse Video capability limits (measured)
    │   ├── consistency.md        # Character-consistency tactics
    │   ├── dialogue.md           # Dialogue conventions (Taiwan-accented Mandarin default)
    │   ├── stitch-workflow.md    # Segment → stitch → verify
    │   └── cases/                # Case library (INDEX + dated case cards)
    └── bin/
        └── extract_frames.py     # Frame-extraction self-check script
    ```
    
    ### Install
    
    ```bash
    git clone https://github.com/masonmosen/muse-video-prompt-skill.git
    # Drop into your agent's skills directory, e.g.:
    #   Claude Code → ~/.claude/skills/muse-video-prompt-skill/
    ```
    
    ### Fits / doesn't fit
    
    - ✅ Video prompt experiments, short video generation, multi-segment long videos, prompt craft
    - ❌ Projects needing strong face-lock → use Seedance / third-party video models (this skill will tell you so)
    
    ---
    
    ## 简体中文
    
    做 AI 短视频最难的不是点"生成",而是**提示词写得准、长片拼得连贯、人物不崩**。
    这个 skill 是一套为 Muse 内置视频打磨的实战工作流:
    
    - **六段式提示词模板**:时长画幅 / 人物 / 场景 / 节拍时间轴 / 镜头语言 / 声音 / 对白 / 限制清单,另有 POV 生活流、口播、多段长片三个变体
    - **多段拼接**:单条 10 秒是硬上限?按节拍拆段,用 snapshot 接续保连贯,ffmpeg 无损拼成 30 秒+
    - **抽帧验证**:每段自动抽帧自查,哪些吃进提示词、哪些偏了,白纸黑字写清楚
    - **诚实线**:内置视频锁脸弱、参考图不一定像——动手前先说边界,不拿话术包装
    - **案例库**:每个实验沉淀一张案例卡(提示词要点 / 结果 / 偏差 / 教训),随用随长
    
    ### 和 `muse-video-skill` 的区别
    
    [LuoJiangYong/muse-video-skill](https://github.com/LuoJiangYong/muse-video-skill)(MIT)是优秀的**前期策划引擎**(剧本/分镜/美术 → 编译成下游模型指令),它的工程化思想(thin center + 按需加载 + 确定性脚本)是本 skill 的架构蓝本。
    本 skill 定位不同:**内置视频的实战闭环**——写完提示词直接生成、拼接、验证,全流程在一套里跑完,不依赖下游工具。
    
    ### 适用与不适用
    
    - ✅ 视频提示词实验、短视频生成、多段拼长片、提示词写法打磨
    - ❌ 需要强锁脸的项目 → 走 Seedance / 第三方视频模型(本 skill 会明确告诉你)
    
    ## License
    
    MIT © 2026 Mason Mosen
    
    ---
    
    ## More from MOSEN
    
    - [ip-picture-workshop](https://github.com/masonmosen/ip-picture-workshop) — Photo + text → multi-page illustrated IP carousel.
    - [mason-opc-motion-video](https://github.com/masonmosen/mason-opc-motion-video) — Talking-head video + script → editable motion-graphics video.
    - [mosen-ad-studio](https://github.com/masonmosen/mosen-ad-studio) — Brand ads & product promos made entirely as code.
    - [remake-depth-breakdown](https://github.com/masonmosen/remake-depth-breakdown) — Reference video → depth video + Seedance-ready prompts.
    - [cueshot-starter-skills](https://github.com/masonmosen/cueshot-starter-skills) — Free starter skills for AI video shot planning & review.
    - [reference-video-blueprint](https://github.com/masonmosen/reference-video-blueprint) — Authorized reference video → original Prompt Contract.
    
  • references/cases/cases-2026-10-05.md6.5 KBf934112d085cupstream ↗
    # 案例卡:2026-10-05 内置视频提示词实验专场
    
    ## 男友视角玄关
    - 提示词:第一人称男友视角 POV,夜晚公寓玄关,0-10 秒四段节拍(进门→勾衣领→贴近→耳语台词"怎么现在才回来呀"),iPhone 手持感,大量限制清单。
    - 过程:首次图文(参考图以晴)上传被上游 400 拒绝;排查为中文文件名问题,转英文名后通过。纯文本版先跑通。
    - 结果:v1 开头开门逻辑不对;v2 开头顺了(门推开→暖光玄关→她转身)。音频(台湾腔)用户验过关。
    - 教训:参考图文件名必须 ASCII;开门这类"动作逻辑"提示词要写清因果顺序。
    
    ## 以晴强锁脸口播
    - 提示词:夜晚卧室,人物坐沙发正对镜头口播台词,附加强锁脸指令(脸型五官比例严格一致、全程不漂移)。
    - 结果:脸比无指令版接近以晴,但用户仍判"不像";台湾腔一般。
    - 教训:内置视频锁脸弱是模型边界,指令只能改善不能解决。之后改用纯文本+改名(晓晓)反而更自然。
    
    ## 晓晓纯文本口播
    - 提示词:同上场景,纯文本,人物改名"晓晓",台词"大家好,我是晓晓……"。
    - 结果:人物自然脸、无磨皮,场景对。用户未判死刑。
    - 教训:不需要锁特定真人时,纯文本生成的一致性反而更好(模型自由发挥不打架)。
    
    ## 东京地铁
    - 提示词:15 秒 9:16,东京地铁对面乘客,精确到座位错开 40cm、服装配饰清单、5 段眼神节拍、大量避开项。
    - 结果:9:16 对了,但 15 秒被压缩成 10 秒(硬上限);构图基本吃进(口罩黑衬衫、交叉腿、手表、皮包、牛仔裤膝盖);地板偏蓝紫 vs 要的深灰。
    - 教训:时长轴按 10 秒写;颜色词要绝对化("深灰,无蓝调")。
    
    ## 竹林舞剑
    - 提示词:古风武侠电影质感,全套剑招(挽剑花→横斩→回旋→挑剑→刺剑→旋身→腾空→斜挑)+ 运镜(dolly-in→tracking→orbit→升格→tilt→push-in)。
    - 结果:质感极好,起势/旋身/低身三帧全对,调色青灰低饱和。
    - 教训:动作密度高模型也 hold 得住;电影风是内置视频的强项。
    
    ## 天台落日 POV
    - 提示词:严格第一人称,"男友本人绝不入镜,只允许手或前臂偶尔出现在画面边缘"。
    - 结果:开场构图极好;但 5 秒/8 秒男友肩膀(牛仔衣)大面积入镜,违反约束。
    - 教训:关键约束要写成强约束、单独成段;弱约束会被模型忽略。
    
    ## 北京胡同周五早晨
    - 提示词:以晴参考图(声明只参考人物、不参考服装配饰),30 秒 DV 家庭录像质感,周五早晨故事线(出门→洗脸→买糖→Hello→买报→Happy Friday)。
    - 结果:v1/v2 均 10 秒,故事线被压缩;v1 开头走出家门对,v2 开头走进门反了;v2 走到买报纸更远。脸比之前版本更接近以晴。
    - 教训:长故事线在 10 秒内必然被压缩或砍;"走出/走进"方向词要写死。
    
    ## 旗袍麻将 30 秒
    - 做法:8 镜头拆 3 段,每段独立提示词 + `resume_from_snapshot_id` 接续,ffmpeg concat 无损拼接成 30 秒 1280x720。
    - 结果:**Mason 终验:三段人物完全不同,群戏角色全换。** snapshot 只能传递上下文/风格延续概率,不能保证人物身份、脸、服装一致。此前"三段人物连贯"的判断是抽帧误判,已纠正。
    - 教训:snapshot ≠ 锁脸;多人物群戏是长片一致性的重灾区;Muse-only 长片必须用固定角色描述逐字复用 + 减少人物数量 + 连续性检查 + 接受重抽卡。
    
    ## 杭州国庆游 30 秒(CueShot 整链首战)
    - 链路:cinematic-shot-design 做分镜(三段弧线:抵达→体验→收束)→ 本 skill 六段式模板写提示词 → snapshot 接续生成 → ai-director-video-review 思路审片。
    - 提示词:人物描述三段逐字锁定(22 岁中国男大学生 Mason,短黑发,牛仔外套+白T+黑双肩包);seg1 晨雾断桥(35mm 缓推),seg2 龙井茶园品茶(40mm 侧移),seg3 日落雷峰塔 + 台湾腔对白"杭州,下次见。"(50mm 缓推)。
    - 结果:30.04 秒 9:16 成片;12 帧抽查三段人物、服装看起来是同一人(单人物 + 逐字描述 + 抽卡运气共同作用,不代表 snapshot 能保证锁脸);时间线晨→午→暮有意推进;seg3 远处有人群,符合国庆氛围且不在镜头前,不算穿帮。
    - 审片结论:画面 ready;对白音频、台湾腔、口型 sen 无法验证,交 Mason 人耳/人眼终验。
    - 教训:整链跑通;单人物 + 简单镜头 + 逐字复用是目前最稳的多段一致性组合。
    
    ## 锁脸四连测(以晴 / Mason / 亲生脸 / 多帧参考)
    - 以晴外部照片 + 强锁脸指令 → 不像本人。
    - Mason 正面证件照 + 锁脸最高优先级 → 脸型五官全变(圆脸浓眉→窄长脸细眉)。
    - 假设"外部照片分布外才锁不住":Muse 自己生成的正面肖像做参考 → 还是不像(圆脸浓眉→窄脸细眉,痣也没了)。假设不成立。
    - 假设"视频抽多帧当参考能克隆":工具明确不支持 video-to-video;降级测 4 帧同人不同时刻参考图 → 生成的还是另一张脸。多帧也救不了。
    - 定论:问题在视频模型本身的人物身份保持能力,不在参考姿势(单张/多张、外部/亲生)。模型按"年轻中国男大学生"平均脸重画,参考图只给发型和大概气质。
    - 边界:内置视频"像谁"这件事不存在。参考图以后少用或不用,纯文本生成;要固定人物一律走 Seedance;拼接只解决时长和叙事,不解决人物一致性。
    
    ## Wes Anderson 旅行短片 10 秒(导演 skill 首战)
    - 流程:cinematic-shot-design 指定导演模式 → 读 wes-anderson.md 档案 → 单镜头(10 秒默认)→ prompt-workflow 句式转可执行 prompt。
    - 提示词:35mm 正面全景、摄影机与墙平行、严格中轴对称(粉拱门+青绿百叶窗+中央海平面)、极缓轴向推进;粉彩限定四色(蜜桃粉/青绿/芥末黄皮箱/奶油白裙);节拍 0-3s 静止 tableau → 3-7s 转头看镜头(轻微不对称小动作)→ 7-10s 提起皮箱上前一步。
    - 结果:5 帧全对——对称、粉彩、正面机位、轴向推进、转头节拍都在,一步到位无返修。
    - 教训:导演档案的"prompt 转换"部分是精华,直接给出可执行的句式;风格化越强的导演(对称、限定色),模型还原度越高,因为约束越具体。
    
  • references/cases/INDEX.md1.4 KB06959f7477a3upstream ↗
    # 案例库索引
    
    种子案例来自 2026-10-05 的内置视频提示词实验专场(side chat),每个案例一条,持续追加。
    
    | 日期 | 案例 | 类型 | 关键教训 |
    |---|---|---|---|
    | 2026-10-05 | [男友视角玄关](cases-2026-10-05.md#男友视角玄关) | POV 生活流 | 参考图中文文件名上传 400;改英文名通过 |
    | 2026-10-05 | [以晴强锁脸口播](cases-2026-10-05.md#以晴强锁脸口播) | 参考图口播 | 强锁脸指令仍不像本人 → 内置锁脸弱 |
    | 2026-10-05 | [晓晓纯文本口播](cases-2026-10-05.md#晓晓纯文本口播) | 纯文本口播 | 去掉参考图后人物反而更自然 |
    | 2026-10-05 | [东京地铁](cases-2026-10-05.md#东京地铁) | 写实 9:16 | 15 秒被压缩成 10 秒;地板颜色偏差 |
    | 2026-10-05 | [竹林舞剑](cases-2026-10-05.md#竹林舞剑) | 电影风 | 动作密度高也能 hold 住;质感好 |
    | 2026-10-05 | [天台落日 POV](cases-2026-10-05.md#天台落日pov) | POV 生活流 | 弱约束下男友肩膀入镜 → 约束要写成强约束 |
    | 2026-10-05 | [北京胡同周五早晨 v1/v2](cases-2026-10-05.md#北京胡同周五早晨) | 参考图写实 | 参考图只声明参考人物;v2 开头方向反了 |
    | 2026-10-05 | [旗袍麻将 30 秒](cases-2026-10-05.md#旗袍麻将30秒) | 多段拼接 | snapshot 接续三段人物连贯;ffmpeg 无损拼接 |
    
    新增案例:复制本表加一行,案例卡追加到 `cases-<日期>.md`。
    
  • references/consistency.md1.7 KB2cb10dc0dd35upstream ↗
    # 人物一致性实战策略
    
    > 诚实线:没有任何提示词技巧能强制平台锁脸。一致性是"纪律 + 概率",不是保证。
    
    ## 有效手段(按实测有效性排序)
    1. **人物描述逐字复用**:同一段人物描述原样粘贴进每个分段 prompt,改写是变脸第一诱因。
    2. **参考图(弱)**:内置视频参考图对锁脸帮助有限(2026-10-05 以晴实验:强锁脸指令仍不像本人)。可用,但别指望。
    3. **强锁脸指令**(聊胜于无,附在提示词开头):
       ```
       视频中的人物必须是参考图中的同一人。脸型、五官、眉眼间距、鼻唇比例、
       脸部轮廓与参考图严格一致,全程不得漂移、不得变成另一张脸、不得网红脸化。
       以参考图的人脸身份为最高优先级。
       ```
    4. **参考图范围声明**:只参考声明的部分("只参考面部特征,不参考服装配饰发型背景"),减少模型乱抄。
    5. **snapshot 接续**:多段长片用 `resume_from_snapshot_id` 链式生成(麻将 30 秒实测:三段人物连贯)。
    6. **否定式锚定**:`不要面部漂移、不要身体比例变化、不要衣服变形、不要手指畸形` 列入限制清单。
    
    ## 升级路径(本 skill 不做,告知用户)
    - 严肃锁脸需求 → Seedance 2.0 omni-reference / 第三方视频模型(用户已有资产)。
    - 长期角色 → LoRA / FaceID(重型方案,另行评估)。
    
    ## 话术模板(动手前说)
    > 内置视频的人物一致性是弱项:跨段可能换脸,参考图可能不像。我会用逐字复用 + snapshot 接续 + 强锁脸指令尽量稳,但不承诺 100%。要锁脸的话走 Seedance。
    
  • references/dialogue.md888 Bf0d13c573e71upstream ↗
    # 对白规范
    
    ## 默认项(用户长期指令,2026-10-05)
    - 所有视频默认**台湾腔国语对白**,除非用户另行指定。
    - 写法:在提示词末尾单独一段:`对白语言:所有对白为台湾腔国语,语调柔软自然。`
    - 用户指定英文台词时(如 "Hello!" / "Happy Friday!"),默认项不适用,按用户指定的来。
    
    ## 台词写法
    - 台词用中文引号标出,注明语气:`她轻声说:"……怎么现在才回来呀。"尾音上扬又拖软`
    - 注明口型同步要求:`(声音与画面同步,口型与台词对齐,无文字叠加)`
    - 语气词单独说明:`语气随意平静,像对朋友说话,不刻意强调不表演`
    
    ## 盲区声明
    - 我听不见音频:台词是否说对、口音对不对、环境音合不合适,**必须用户终验**。
    - 交付时明确列出"音频待验",不含糊。
    
  • references/integration.md1.3 KBcb55fb995f52upstream ↗
    # CueShot 链路集成
    
    本 skill 与 Mason 自研的两个 CueShot skill 组成完整链路:
    
    ```
    cinematic-shot-design(生成前)
      场景/情绪 → 导演风格匹配 → 镜头决策 → 可执行 prompt
      (单镜头默认;2-3 镜仅用于 reveal-reaction-action 链、 confrontation、
       有意义的环境揭示、地点/时间变化)
            │
            ▼
    muse-video-prompt-skill(生成中)← 本 skill
      六段式模板归位 → media.generate_video → 多段 snapshot 接续 → ffmpeg 拼接
            │
            ▼
    ai-director-video-review(生成后)
      single / variants / sequence 三模式
      → 技术完整性 + 连续性 + 生成痕迹检查
      → 发布结论(ready / post_fix / regenerate_segment / reject)
      → 最小返修方案(定位到具体时间段,如"以 00:03.2 为参考重生成 00:04.2–00:05.8")
    ```
    
    ## 衔接规则
    - cinematic-shot-design 的输出 prompt 按本 skill 六段式模板字段归位后,再交用户定稿。
    - 审片时把提示词、分镜、参考图和创作意图一起给 ai-director-video-review,避免把有意的叙事变化误判为连续性错误。
    - 返修结论若要求"局部重生成",回到本 skill 第 3 步,只重跑该段(snapshot 接续该段的前一段)。
    - 观察与推断分离:审片报告里无法确认的不写成事实,标待确认。
    
  • references/model-notes.md1.3 KBfae373dd9b63upstream ↗
    # 内置 Muse Video 能力边界(2026-10-05 实测)
    
    ## 硬限制
    - 单条约 10 秒,时长不可控。用户要 15/30 秒 → 必须分段生成再拼接。
    - 纯文本或图文序列输入;**不接受音频输入**。"用这首歌""配这段音"做不到。
    - 自带合成音效;可用文字描述氛围("天台风声""安静的空调底噪"),模型会配。
    - 画幅:在提示词里声明 16:9 / 9:16,模型大致遵守(地铁 9:16 ✓,麻将 16:9 ✓)。
    
    ## 参考图
    - 传图前先确认文件存在;`/tmp` 是临时的,可能被清理,传图前重建。
    - **文件名必须 ASCII**:中文文件名会被上游以 400 拒绝上传(2026-10-05 实测:同一张图改英文名后通过)。
    - prompt 里用 `{kind: image}` + `{kind: text}` 有序传入;图在前、文在后。
    
    ## 一致性
    - `resume_from_snapshot_id` 可接续同一生成上下文,用于多段长片保连贯。
    - 内置视频人物锁脸弱:即使加显式强锁脸指令,参考图人物仍可能不像(以晴实验)。
    - 需要锁脸 → 走 Seedance 第三方,本 skill 不承诺。
    
    ## 我的盲区(必须告知用户)
    - 我看不见成片,只能抽帧自查;听不见音频,台词/口音/音效必须用户终验。
    - 动态连贯性(动作跳帧、剑身变形这类)抽帧只能部分发现,最终靠用户看片。
    
  • references/prompt-template.md2.0 KBd4832f7c1d81upstream ↗
    # 六段式提示词模板
    
    > 思想借鉴 LuoJiangYong/muse-video-skill 的 six-part prompt,字段按本工作流重写。
    > 写完后给用户定稿,定稿原样传入 `media.generate_video`。
    
    ## 通用模板
    
    ```
    [时长/画幅] [一句话场景]
    人物:年龄 / 性别 / 外貌特征 / 服装 / 发型(精确到颜色款式)
    场景:地点 / 时间 / 光线 / 氛围
    剧情/节拍(带时间轴):
      0-2秒:...
      2-5秒:...
    镜头语言:机位 / 运镜 / 景别 / 手持或稳定 / 禁止的运镜
    声音:环境音 / 拟音 / 台词(注明)
    对白语言:(默认台湾腔国语,见 dialogue.md;无对白则删)
    参考图说明:(只参考人物/服装/场景中的哪部分;文件名须为 ASCII)
    限制:不要……(逐条列出禁止项:穿模、变形、磨皮、特定内容等)
    ```
    
    ## 变体模板
    
    ### POV 生活流
    - 开头声明:`全程严格第一人称:镜头就是(男友/朋友)的眼睛,本人绝不入镜,只允许手或前臂偶尔出现在画面边缘。`
    - 如需"本人禁入镜",写成强约束并单独成段,弱约束会被模型忽略(2026-10-05 天台实验:弱约束下男友肩膀大面积入镜)。
    
    ### 口播 talking-head
    - 人物正对镜头、视线看镜头;注明"非自拍,画面中不出现相机/手机"。
    - 台词用引号标出,注明语气、尾音、口型同步要求。
    
    ### 多段长片(>10 秒)
    - 每段一个独立提示词,段首声明:`本段为 30 秒短片的第 N 段(X-Y 秒),延续上一段的同一人物/场景/光线/质感,人物服装发型面容严格保持一致。`
    - 每段只写本段的 2-3 个镜头,不写全片。
    - 生成时用上一段的 `resume_from_snapshot_id` 接续。
    
    ## 写作纪律
    - 人物描述在全片各段**逐字复用**,改写是变脸第一诱因。
    - 时间轴按 10 秒一段写,不要写 15/30 秒的长轴(模型会压缩)。
    - 限制清单宁多勿少;失败过的项(穿模、入镜、磨皮)显式列入。
    
  • references/stitch-workflow.md1.4 KBcfdb2443e934upstream ↗
    # 分段生成 → 拼接 → 验证工作流
    
    ## 拆段
    - 按节拍拆,每段 ≤10 秒,每段 2-3 个镜头。
    - 每段提示词段首声明接续关系(见 prompt-template.md 多段模板)。
    
    ## 生成
    - 第 1 段正常生成,记下返回的 `snapshot_id`。
    - 第 N+1 段传入 `resume_from_snapshot_id = 第 N 段的 snapshot_id`,不重传参考图。
    - 确认每段尺寸一致(ffprobe 查 width/height),不一致不拼。
    
    ## 拼接
    ```bash
    cd <实验目录>
    printf "file 'seg1.mp4'\nfile 'seg2.mp4'\nfile 'seg3.mp4'\n" > concat-list.txt
    ffmpeg -y -loglevel error -f concat -safe 0 -i concat-list.txt -c copy <成片名>-full.mp4
    ffprobe -v error -show_entries stream=duration -of default=noprint_wrappers=1 <成片名>-full.mp4
    ```
    - 同编码同尺寸时 `-c copy` 无损快拼;有一段尺寸不同则先统一转码再拼。
    
    ## 验证
    - 每段 `bin/extract_frames.py <段文件> 3` 抽 3 帧看:人物/服装/场景是否吃进提示词。
    - 全片在每个段交界 ±1 秒、每个关键节拍点抽帧:查换脸、服装跳变、场景断裂。
    - 写结论:吃进项 / 偏差项 / 偏差原因推测;音频与动态细节列入"待用户终验"。
    
    ## 交付
    - 分段文件保留(用户可能要单看某段),拼接成片为主交付。
    - 统一放在 `workspace/prompt-experiments/<日期>/`,命名:`<主题>-segN.mp4` / `<主题>-full.mp4`。
    
  • bin/extract_frames.py1.1 KB198fed84c998upstream ↗
    #!/usr/bin/env python3
    """抽帧自查:从视频中按时间均匀抽 N 帧,用于验证提示词是否被吃进。
    
    用法: extract_frames.py <video> [n=4] [out_prefix]
    输出: <out_prefix>-f1.png ... <out_prefix>-fN.png
    """
    import subprocess
    import sys
    import os
    
    
    def main():
        if len(sys.argv) < 2:
            print("usage: extract_frames.py <video> [n=4] [out_prefix]")
            sys.exit(1)
        video = sys.argv[1]
        n = int(sys.argv[2]) if len(sys.argv) > 2 else 4
        prefix = sys.argv[3] if len(sys.argv) > 3 else os.path.splitext(os.path.basename(video))[0]
    
        r = subprocess.run(
            ["ffprobe", "-v", "error", "-show_entries", "format=duration",
             "-of", "default=noprint_wrappers=1:nokey=1", video],
            capture_output=True, text=True, check=True,
        )
        dur = float(r.stdout.strip())
        for i in range(n):
            t = dur * (i + 0.5) / n
            out = f"{prefix}-f{i + 1}.png"
            subprocess.run(
                ["ffmpeg", "-y", "-loglevel", "error", "-ss", str(t),
                 "-i", video, "-vframes", "1", out],
                check=True,
            )
            print(out)
    
    
    if __name__ == "__main__":
        main()
    
  • CONSTITUTION.md1.4 KB2790a5939070upstream ↗
    # Muse Video Studio — 设计宪法
    
    > 借鉴 LuoJiangYong/muse-video-skill(MIT)的工程化思想(thin center + 按需加载 + 确定性脚本),
    > 内容全部来自本工作流的实战沉淀,为原创 skill。
    
    ## 五条原则
    
    ### 1. 诚实线 HONESTY — 先说边界,再谈效果
    - 内置视频的硬边界:单条约 10 秒、锁脸弱、参考图不一定像、我看不见成片听不见音频。
    - 这些在动手前就告诉用户,不拿"提示词技巧"包装成能力承诺。
    - 案例卡里写"学到的教训",不只写成功。
    
    ### 2. 用户定稿 FINAL CUT — 提示词谁定谁负责
    - 传入模型的提示词以用户定稿为准,原样传入,不擅自改写、扩写、润色。
    - 长期默认项(台湾腔国语)是用户的长期指令,不是我的发挥,单独标注。
    
    ### 3. 短闭环 SHORT LOOP — 写→生成→验,每轮可交付
    - 不做"策划半个月再生成"的大管线;每轮 10 秒可验。
    - 每轮交付 = 视频文件 + 抽帧结论 + 待用户终验项。
    
    ### 4. 沉淀 COMPOUND — 每个实验都变成案例
    - 每次实验写案例卡:提示词要点、结果、偏差、教训。
    - 案例库是本 skill 的核心资产,随用随长;新案例先沉淀再谈"优化模板"。
    
    ### 5. 精益 LEAN — SKILL.md 只做路由
    - SKILL.md 3000 字符以内;细节进 references;机械事进 scripts/bin。
    - 三个以上地方用到的写法才抽成模板;不过早抽象。
    
  • LICENSE1.0 KBd669ef8329f3upstream ↗
    MIT License
    
    Copyright (c) 2026 Mason Mosen
    
    Permission is hereby granted, free of charge, to any person obtaining a copy
    of this software and associated documentation files (the "Software"), to deal
    in the Software without restriction, including without limitation the rights
    to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
    copies of the Software, and to permit persons to whom the Software is
    furnished to do so, subject to the following conditions:
    
    The above copyright notice and this permission notice shall be included in all
    copies or substantial portions of the Software.
    
    THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
    IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
    FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
    AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
    LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
    OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
    SOFTWARE.
    

Plain-text copy, no login: /skill-bundles/masonmosen-muse-video-prompt-skill.md

// REPO STATS

33 stars
0 open issues
Last commit: 10d ago