55 个开源 AI 视频 Skill 全解析：全流程自动化流水线与实战指南

1. 选题与策划（4 个）

视频生产的第一步是锁定内容主题并制定可执行的策划方案 4 个步骤。

• ra-选题：选题全生命周期管理 Skill。收到灵感提示时自动创建 Obsidian 选题卡；收到深化指令时检索素材库与 3 天方法论；请求推荐时抓取对标账号近 3 天新作与高互动题材，按流量潜力排序输出 5 个候选清单。立项后自动修改状态并路由至视频工作台。
• ra-实操策划：长视频与实测教程策划 Skill。针对 8 到 15 分钟的 B 站与 YouTube 长片，生成包含测试题组（附 Prompt）、结构时间轴（标注出镜与画中画时段）、口播稿与录屏清单的策划案，并通过 frontmatter 的 status 字段管控生产状态。
• ra-hook：短视频前 5 秒钩子类型选择 Skill。将钩子归纳为 7 种细分类型与 3 大维度（悬念挂在内容、痛点挂在观众、热点挂在事件），为每种类型制定 3 项适用前提、句型模板与错误踩坑项，专门负责 5 秒钩子类型的匹配决策。
• ra-video-title：视频标题生成 Skill。首先进行一句话主题锁定，随后拆解对标账号的标题共性，按两段式结构生成 8 到 12 个候选标题并附带 Top 3 推荐理由。标题在洗稿阶段即写入交接稿，供发布时人工挑选。

2. 内容创作（5 个）

将原始素材与参考资料高效转化为可供制作的标准 5 个视频脚本。

• ra-video-wash-pipeline：洗稿自动化调度主控 Skill 覆盖 5 个环节。接收视频链接或本地文件后，自动串联下载视频、提取逐字稿、洗稿改写、质量校验及排入待制作队列的全套流程。
• ra-逐字稿提取skill：去水印与语音转写 3 步 Skill。调用去水印服务获取源视频，使用 Paraformer ASR 模型生成带精确时间戳的逐字稿。提取出的文字稿作为内部中间件存储于隐私区，成稿中屏蔽任何来源痕迹。
• ra-洗稿：脚本二次创作主控 Skill。接收逐字稿后重构为新视频脚本，内部依次调度 5 个模块：ra-人话 去除 AI 腔、dbs-ai-check 扫描机械痕迹、dbs-hook 诊断前 5 秒吸引力、dbs-resonate 检查情绪共鸣及 ra-video-title 生成 8 到 12 个标题候选，最终输出标准交接稿。
• ra-人话：去 AI 味与口语化重构 Skill。设立硬性规则清单，严禁使用“不是 A 而是 B”的伪对比、严禁“真正/本质上”等伪洞察标记、严禁冒号讲义腔及“更值得关注的是”等空泛转折。所有面向公众的中文稿件均需通过此 Skill 精修。
• ra-公众号提取：微信公众号文章抓取 Skill。通过 MicroMessenger UA 绕过访问限制提取纯文本内容，无需 API Key 即可为 downstream 洗稿或选题提供源素材 5 个。

3. 视频下载（2 个）

提供高效且合规的跨平台 2 个视频与音频素材本地拉取能力。

• ra-video-download：多平台视频下载 Skill。基于 yt-dlp 支持抖音、YouTube、B 站、Twitter/X 及小红书视频下载，抖音平台优先调用 TikHub 接口获取无水印源文件。下载文件存储于本地隐私目录 .internal/，严格禁止进入公开归档。
• xiaohu-video-download：海外与批量视频处理 Skill。在基础下载之外提供音频分离、播放列表批量抓取及本地视频烧录中文字幕等扩展功能，专用于海外视频翻译与素材二次加工场景。

4. 配音（1 个）

建立标准化且具备严格质量门的本地 1 个声音克隆机制。

• tts-skill：IndexTTS2 本地音色克隆 Skill。基于固定无损 WAV 参考声线生成平静语气的配音，设置 atempo=1.12 进行保持音高的轻微提速。渲染时生成 voice_manifest.json 记录参数与校验哈希，严禁使用云端 TTS 降级，环境异常时强制中断并要求修复。

5. 数字人（1 个）

实现自动化数字人视频生成与合成参数控制 1 个机制。

• heygen-digital-avatar：HeyGen 数字人合成 Skill。默认调用已训练的个人 Digital Twin 形象（黑 T 恤坐姿），以圆形裁切样式置于画面左下角。管理 OAuth 认证、形象选定与合成渲染。严格执行付费门禁：合成前必须取得经人工确认的试听音频。

6. 视频编辑（3 个）

提供从真人口播粗剪到多轨道编辑与 FCPXML 导出的 3 个剪辑能力。

• ra-local-talking-head-cut：口播视频本地自动化粗剪 Skill。基于火山引擎 ASR 转写生成校对 SRT，等待人工确认后自动执行语义剪辑（删除重复开场与失败 Take）、压缩长停顿至 380 到 450ms、保持源分辨率帧率并规范响度至 -16 LUFS，最多使用 3 个克制转场，最终输出经字幕 QC 校验的 MP4 文件的粗剪结果。
• video-use：通用视频编辑 Skill。提供涵盖转写、剪辑、调色、动效叠加与字幕烧录的通用视频处理能力，适合非口播类素材剪辑与多 Take 方案选优。
• AI剪口播：口误识别与工程导出 Skill。基于火山 ASR 自动标记口误并生成删除清单，支持导出 FCPXML 文件，无缝对接剪映与 Final Cut Pro 进行精细化后续剪辑。

7. 字幕（2 个）

实现字幕时间戳提取与外观渲染的解耦管控 2 个模块。

• ra-audio-to-subtitles：词级时间戳提取与 QC Skill。调用 Doubao-ASR 提取词级时间戳并生成 json 与 srt 文件。自动检测英文术语拆碎、孤立字、跨屏连接词及阅读速度过快问题，输出 caption-qc.json，校验未通过则阻断流水线。
• skill-captions：字幕样式设计与烧录 Skill。采用 anchor-dark 默认视觉样式（STHeiti Medium 字体、炭灰半透明圆角底框、白色文字、底部固定锚点与 4K 原生 2 倍重绘）。通过代表帧预览确认后再执行全量烧录与质检。

字幕流水线分工对比

• ra-audio-to-subtitles (时间戳与 QC)

  负责提取词级时间戳，自动扫描术语拆碎、孤立字与阅读速度过快等质量缺陷，生成结构化 JSON 与校验报告。

• skill-captions (样式与烧录)

  负责应用 anchor-dark 视觉样式，生成代表帧预览，确认无误后执行 4K 原生重绘与视频烧录。

8. 视觉与封面（6 个）

包含 IP 配图生成、封面设计及动态拼贴在内的 6 个视觉资产制作体系。

• ian-xiaohei-cat-illustrations：小黑猫 IP 概念配图 Skill。通过 DashScope wanx 引擎生成纯白手绘风格、带红橙蓝批注的知识点插图，图片本身不含文字，文字在渲染层动态叠加。
• ian-xiaohei-illustrations：通用概念 5 种可视化 Skill。继承小黑猫风格但解锁形象限制，用于更为广泛的技术概念抽象图解 5 种场景。
• skill-cover：封面预设管理 Skill。注册多种封面设计风格与双比例（16：9 与 3：4）资产，支持一键生成多套候选封面。
• editorial-dot-cover：点阵编辑风封面 Skill。采用暖灰纸质底纹、超大黑色中文标题、大面积留白及点阵矢量图标，输出可编辑的 SVG 与 PNG 矢量文件。
• editorial-collage-motion：半色调纸张拼贴动效 Skill。将参考图拆解为拼贴规范，生成静帧图层后利用 FFmpeg 或 HyperFrames 构建“空白背景逐件组装”的杂志复刻动画。
• rn-cover-skill：编辑图解风封面 Skill。直接基于标题与摘要生成 5：2 暖白画布封面，左侧进行大字排版，右侧实时生成概念图示，保持家族化视觉一致性。

9. 图文制作（1 个）

将长文快速转化为适配社交媒体排版的 1 个图片组模块。

• xhs-article-to-images：小红书图文转化 Skill。内置 5 套排版皮肤（雅刊、暖杏奶咖、雾松青、黛墨描金、夜读鎏金）与 3 个主题风格，将 Markdown 长文解析排版为 3：4 比例 HTML，通过 Playwright 截图输出高清 PNG 图片组。

10. 制作调度与质检（2 个）

管控自动化视频生产全流程的 2 个指挥中枢与复盘系统。

• ra-video-production-director：制作层总导演 Skill。读取交接稿中的 frontmatter 硬契约（比例、时长、音色、字幕风格），按需调度配音、数字人、动效与字幕 Skill，控制项目文件夹状态迁移并在归档前执行全量渲染质检。
• ra-复盘：数据分析与资产沉淀 Skill。发布后抓取播放与互动数据，按互动率划分为 R 级与 M 级爆款，归因分析成功要素，将金句、案例与概念沉淀入库并回写至选题卡。

11. 视频动效 HyperFrames（6 个）

基于 HyperFrames 代码驱动框架的 6 个高质量视频动效制作体系。

• rn-motion-director：动效总导演 Skill。将文本脚本转化为视觉隐喻、运动语法与场景节拍图，并执行 Anti-PPT 质量评估，确保视频具备连续运动感。
• rn-motion-replica：参考动效复刻 Skill。拆解优秀参考视频的布局、时序与转场，构建原创且可编辑的 HyperFrames 代码工程。
• rn-dark-saas-video：暗色 SaaS 产品展示 Skill。内置黑色星空舞台、紫色底光、大字动效与渐变 CTA 元素，提供 8 套场景蓝图与 3 种时长预设。
• rn-bw-text-opener：黑白打字机开场 Skill。提供纯黑背景、白色逐字打字动效及同步音效，内置 3 种时长预设与 Python 时序规划脚本。
• rn-replica-qc：复刻质检 Skill。执行 5 级保真度评估与素材、运行时、交付物 3 道全帧质检门禁。

12. dbs 商业工具箱（22 个）

整合自 @dontbesilent 开源的 dbskill 项目，作为商业诊断、内容质检与策略制定的 22 个核心工具箱。

dbs 商业工具箱调用模式分类

• 视频流水线自动调用 Skill

  嵌入视频洗稿与选题链中自动触发，专注于文本去 AI 味、前 5 秒钩子诊断及情绪共鸣穿透力校验。

• 交互式独立诊断 Skill

  由开发者显式发起调用，专注于商业模式根因分析、竞品对标过滤、卡点心理突破及多维诊断报告生成。

根据在视频生产流水线中的触发方式，dbs Skill 分为自动调用与独立诊断两类：

1. 视频生产中自动调用的 3 个 dbs Skill：

   • dbs-ai-check：文本 AI 痕迹扫描 Skill。精准识别机械化词汇与过平逻辑，辅助 ra-洗稿 实现去味精修。
   • dbs-hook：开头钩子质量诊断 Skill。评估短视频前 5 秒对目标的吸引力并给出具体的修改建议。
   • dbs-resonate：内容共鸣诊断 Skill。检查文稿是否切中受众痛点与情绪共鸣点，防止内容“全面但平淡”。

2. 独立发起的 7 个 dbs 商业诊断 Skill：

   • dbs-diagnosis：商业模式根因诊断。分析生意底层逻辑、定价策略与客群匹配度。
   • dbs-content：内容策略与选题质量深诊。评估账号选题大方向与长尾内容价值。
   • dbs-benchmark：竞品对标筛选。基于 5 重过滤法定位高质量对标账号与可复刻范式。
   • dbs-unblock：卡点突破诊断。引入阿德勒心理学框架分析执行阻碍并给出破局路径。
   • dbs-deconstruct：商业概念拆解。运用语言哲学将模糊商业术语拆解至原子级别。
   • dbs-save / dbs-restore：会话状态存档与恢复。将诊断上下文保存为 Markdown 快照以支持跨会话接续。
   • dbs-report：诊断报告生成。合并多次诊断快照生成结构化商业复盘报告。
   • 扩展商业策略模块：包含 12 个专项诊断与衍生工具（如 dbs-persona、dbs-pricing、dbs-pitch、dbs-traffic、dbs-review 等）。

Skill 协作网络与链式调用机制

大部分 Skill 支持通过硬性契约自动串联，只需单条指令即可触发多环节自动化执行。

视频洗稿自动化链条

1. 视频抓取与转写

   ra-video-wash-pipeline 调度 ra-video-download 拉取源视频，随后调用 ra-逐字稿提取skill 提取带时间戳的逐字稿。

2. 脚本重构与去 AI 味

   调用 ra-洗稿 改写脚本，内部自动触发 ra-人话 抹去 AI 写作痕迹。

3. 质量诊断与标题生成

   依次调度 dbs-ai-check、dbs-hook 与 dbs-resonate 完成质量扫描，最终调用 ra-video-title 产出标题候选并入队。

视频制作与渲染链条

1. 配音与形象合成

   ra-video-production-director 校验交接稿，调度 tts-skill 生成语音，确认后调用 heygen-digital-avatar 合成数字人。

2. 动效渲染与字幕烧录

   调用 ian-xiaohei-cat-illustrations 生成配图，通过 HyperFrames 渲染动效，随后调度 ra-audio-to-subtitles 提取时间戳并由 skill-captions 烧录字幕。

3. 质检与自动化归档

   运行画面与音视频流全量质检，通过后自动将项目归档至已制作目录。

除上述核心链条外，钩子链（ra-hook 选型与 dbs-hook 打磨）与封面链（skill-cover 生成候选与用户确认）同样实现了高度解耦的模块化协作。

零代码编排：极速生产模式落地路径

通过将复杂工序封装为 Skill 并建立自动化调度链路，视频创作的精力消耗被大幅压缩。

极速视频生产操作路径

1. 触发自动化洗稿

   向 AI 发送指令将链接制作成视频，ra-video-wash-pipeline 自动串联 8 个 Skill 并在几分钟内完成交接稿写入队列。

2. 后台自动渲染

   Codex 自动从待制作队列获取任务，ra-video-production-director 调度配音、数字人合成、字幕与渲染质检。

3. 轻量人工节点确认

   人类创建者仅需在 3 个关键节点进行二次确认：审查校对稿、听取试听音频确认、挑选最终视频封面。

实测表明，3 项人工确认叠加仅需约 5 分钟。按月产 30 条视频计算，纯人工交互时间仅需 150 分钟，叠加必要的出镜录制与前期策划，总投入控制在 10 小时以内。

55 个开源 Skill 全量速查表