OpenMontage 网站转视频技能实战Step 2 Strategy Messaging——如何在写 Storyboard 之前锁定一条视频的核心信息【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage本文是对 OpenMontage 仓库中website-to-video技能 Step 2: Strategy Messaging 的完整技术解读它回答网站转视频工作流中最关键的一个问题——在动手写分镜Storyboard之前如何与用户就这条视频到底要传达什么达成共识。读完本文你将掌握一套可复用的结构化提问框架五个问题、四类用户应答的处理策略自主模式 / 具体指令 / 混合指令 / 先看选项、以及进入 Step 3 前必须锁定的 9 项 Gate 清单并能理解这些策略如何在 OpenMontage 的开源技能体系中与后续 Step 36 的产物STORYBOARD.md、SCRIPT.md、narration.wav、w2h-verify 校验逐级衔接。Step 2 在 7 步流水线中的位置在 OpenMontage 的 website-to-video 技能 中一条把网址变成 HyperFrames 视频的任务被拆成 7 个有依赖关系的步骤每一步产出物都会成为下一步的门禁gateStep名称关键产物0Capture Understand the Brandcapture/目录截图、资产、提取数据1Brand IdentityDESIGN.md品牌速查表2Strategy Messaging消息 / 叙事弧 / 受众 / 类型 / 时长 / 风格 / 特殊要求 / 旁白 / 画幅共 9 项3Storyboard Script STORYBOARD.mdSCRIPT.md需用户批准4VO, Timing Captions narration.wavtranscript.json5Build Compositionsindex.htmlcompositions/beat-N.html6Validate Deliver校验报告 Studio 预览 URLStep 2 的前置是 Step 1 产出的DESIGN.md品牌颜色、字体、组件风格其后置是 Step 3 的概念优先分镜写作。它本身不做任何视觉或资产决策——正如 step-2-brief.md 开篇所强调的捕获的资产是品牌工具包留到 Step 3 后期取用它们不是本步骤对话的主题。捕获资产SVG Logo、品牌插画、Hero 图、渐变在 Step 2 只作为理解品牌的输入存在绝不作为创意起点。提问之前的三个前置动作1. 先扫描 capabilities.md 的目录动手提问前step-2-brief.md 要求先浏览 capabilities.md 的24 行目录——这份HyperFrames 能力全清单告诉你这个引擎到底能做什么14 个 WebGL 着色器转场、6 大动画引擎适配器、30 CSS 转场模式、HTML-in-canvas、Three.js、音频响应动画等。Agent 需要这份清单向用户说明什么能做但只按需深入阅读具体小节——某个 beat 需要什么能力再跳转对应章节而不是从头到尾线性读 700 行清单。该文档的原则是capabilities.md 是WHAT能做什么techniques.md 是HOW怎么做。2. 先解析用户的 prompt只问缺失的信息这是 Step 2 最重要的方法论先读用户已经写下的需求——视频类型、风格、具体诉求、时长。用户已经回答过的问题一律不再问。文档给出的判断标准直白而实用如果用户说做一个产品演示展示看板kanban和聊天界面节奏适中——这已经覆盖了大部分 brief此时再问你想要什么类型的视频就是无效提问。反之如果 prompt 已经详细到可以直接开建就用一条消息确认方向直接进入 Step 3。目标永远是补缺口fill gaps而不是审讯interrogate。3. 用品牌素材给自己接地而不是复述给用户在向用户发问之前Agent 需要先在品牌素材中站稳脚跟略读 Step 1 刚产出的DESIGN.md颜色 / 字体 / 语气读capture/extracted/asset-descriptions.md了解捕获了哪些视觉资产略读capture/extracted/visible-text.txt看网站自己如何介绍自己。关键纪律是不要把这些内容全部复述给用户——网站是用户自己捕获的他们知道里面有什么复述只是噪音。正确用法是据此起草一段凝练的品牌定位one-paragraph framing然后直接进入提问环节。这与 step-0-capture.md 中各步骤只读自己需要的数据避免上下文膨胀的约定一脉相承。五个问题从用途到画幅的结构化对齐Step 2 用五个问题逐层收窄创意空间。Agent 应优先使用其对话 UI 提供多选 自定义选项没有则自然地进行对话式提问。Question 1这条视频是干什么用的基于捕获站点的情况给出贴合实际的选项以下为示例非必选列表Social ad15–20s—— Instagram / TikTok / LinkedIn。快、有冲击力、前 2 秒必须抓住人。Product demo30–60s—— 走查关键功能。有旁白、专业感。Launch teaser15–25s—— 为新产品或新功能造势。戏剧化的揭示。Brand reel20–45s—— 展示品牌身份。视觉优先、旁白极简。Feature announcement15–30s—— 突出某个具体功能或更新。或描述其他类型。这个问题的答案直接决定时长、beat 数量、旁白密度和整体能量级。作为参考SKILL.md 的 Quick Reference 给出了各类视频的典型约束作为起点而非公式beat 数量应来自内容与旁白而非目标区间类型典型时长时长驱动因素旁白Social ad (IG/TikTok)10–15s平台限制可选Product demo30–60s脚本长度完整旁白Feature announcement15–30s功能复杂度完整旁白Brand reel20–45s音乐曲目可选音乐主导Launch teaser10–20s钩子能量极简Question 2风格 / 氛围——用开放式提问禁用标签菜单这是本文档最具方法论价值的一节。严禁给出带预置描述的标签菜单如Cinematic 暗色 发光 Apple 发布会能量——因为这些描述一旦给出就会变成 brief哪怕它们和品牌不匹配健康品牌和安防工具的cinematic应当截然不同而一个自带描述的标签会抹平这种差异。正确做法是问可接近的开放式问题为了把方向定准我想问几个问题节奏Pace视频应该缓慢推进、让每个瞬间呼吸还是快而有力还是介于两者之间情绪Mood什么样的氛围符合你想让观众感受到的东西——暗黑戏剧化、干净明亮、活力鲜艳还是别的旁白Narration应该有一个声音引导观众看完视频还是让画面自己说话还有什么具体的吗有没有你钟意的瞬间、手法或参考或者直接说surprise me我会基于捕获的内容来做判断。用户的回答用于修正 Step 1 中基于品牌推导出的基线。当用户的用词与品牌冲突时不要盲目覆盖——让品牌与用户方向收敛。如果冲突尖锐用户对一个整体白 马卡龙浅色系品牌说暗黑电影感要把冲突摆到桌面上并先问清楚再解决。这呼应了 step-1-design.md 中用户偏好永远覆盖品牌规则的原则——但覆盖的前提是先确认用户真的想覆盖。Question 3这条视频必须传达的那一件事是什么这是策略问题也是整个 Step 2 的重心。任何有效的营销视频都只有一个核心信息——那条必须落地的唯一主张每一个 beat 要么服务于它要么就不该存在。必须在谈论视觉、资产或具体场景之前让用户把这件事说出来。文档给出了完整的提问话术框架从你的网站出发我基于的品牌框架是这样的产品做什么[一句话来自站点摘要——不是功能罗列而是它真正完成的工作]受众[为谁而做由文案和视觉调性推导]品牌语气[自信 / 俏皮 / 冷静 / 紧迫 / 高端——品牌以何种调性说话]在规划视觉之前有两个问题来锚定故事这条视频必须传达的那一件事是什么如果观众看完后只能记住一句话它应该是什么价值主张、发布公告、某个具体功能主张、品牌感受、问题—解决方案对等等叙事形状是什么可能的弧线Problem → Solution大多数演示、Reveal发布、预告、Demonstration功能展示、走查、Vibe piece品牌片——感受优先于信息、Comparison对竞品 / 前后对比。选择或描述你自己的。你可以给出自己的答案或者说surprise me我会基于品牌和问题 1 的答案[视频类型]来做判断。拿到答案之后才可以勾勒compose-first以构建为优先的 beat 方向——但每个方向都必须以信息与弧线为依据而不是以资产清单为依据。文档给出了两个示例草图基于 [消息] 和 [弧线]我会这样塑造它[基于 Q1 答案的 compose-first 草图例如以动态字体排印呈现问题开场——你每周浪费 4 小时在上下文切换上。切到一个由 div 构建的看板卡片从混乱动画为有序。以品牌标志 标语收尾。][不同弧线的备选草图例如Reveal 弧线暗色画布 → 粒子汇聚 → 产品字标逐笔描绘出现同时第一个功能落地。没有问题陈述——纯公告能量。][如果用户要演示三个由 div 构建的 UI 面板——看板、AI 聊天、命令面板——都使用你的配色左上角盖品牌 Logo。旁白逐个讲解。结尾定格字标。]我可以叠加的品牌点缀 [列出 1–3 个可能有资格入镜的捕获资产用于开场/收尾的 SVG Logo、作为某个场景纵深层的 Hero 插画、作为环境背景晕染的渐变图。注意这些是候选而非指派——大多数 beat 不需要任何资产。]核心纪律文档称之为唯一的窄禁止线每条方向都要先说这个 beat 传达什么再说它怎么构建用哪些原语。如果你的第一反应是让产品 UI 截图飞进来就要反转——用 div 和 CSS 来构建 UI这正是本技能要打破的幻灯片模式slideshow pattern。而捕获的 Logo、插画、Hero 美术则无需反转——当概念需要它们时它们就是合法的首要视觉。捕获资产是品牌工具包在 storyboard 后期才取用让它们服务于概念——永远不是概念本身的起点。收尾时给用户三种选项我有具体想法—— 让我描述Surprise me—— 由你做创意决策我来审阅 storyboard让我先看看几个选项—— 提出 2–3 个不同的创意方向供我挑选Question 4需要旁白吗不是每条视频都需要配音。三档选择有旁白—— 声音引导观众大多数产品演示、发布预告、功能公告无旁白纯视觉—— 只有音乐 / 音效画面讲故事品牌片、社媒广告、音乐驱动型作品极简旁白—— 只有一句钩子或标语其余靠画面短社媒广告、预告片。这个决定会改变后续流水线可在 step-4-vo.md 中看到落点有旁白Step 3 包含完整脚本Step 4 生成 TTS、转写、把时间戳映射到各 beat。无旁白Step 3 没有脚本storyboard 中的 VO cue 留空Step 4 被跳过——beat 时长在 storyboard 中基于节奏与节拍手工规划。Question 5如适用画幅格式仅当用户未指定时才问Landscape1920×1080—— YouTube、LinkedIn、网站内嵌默认Portrait1080×1920—— Instagram Stories、TikTok、YouTube ShortsSquare1080×1080—— Instagram 信息流、Twitter/X。画幅约束与 OpenMontage 渲染能力直接对应在 capabilities.md 的渲染管线中--resolution支持 landscape / portrait / square / 4K 等预设Landscape 1920×1080 是默认输出。四类应答的处理策略场景 ASurprise me / 极简方向当用户不给出创意方向时回退到品牌视觉身份与视频目的所暗示的方向。在回退之前所需的最小上下文只有两件事视频投放到哪里社媒信息流 / 落地页 / 融资 Deck / 电视广告和给谁看开发者 / 消费者 / 企业 / 大众。两者任一缺失就只问一次——它会在哪里投放受众是谁——然后继续。拿到最小上下文后仍然要写一份有野心的 storyboard。文档的原话是Surprise me的意思是让我惊艳不是求稳。要大胆。自主模式传播规则只对用户偏好门生效当用户在 Step 2 这里发出surprise me / decide for me / just build it信号时该信号会杀死下游所有用户偏好 门Step 3 的 storyboard 审批Step 4 的 TTS 提供商选择音乐要 / 不要字幕要 / 不要。此时应由 Agent 自己做这些创意决策最后直接交付成片。不要跨四个步骤问四遍独立问题——一次读懂氛围read the room once然后承诺执行commit。这与 SKILL.md 对自主模式的总体描述一致。自主模式不会跳过质量验证门这是本文档最容易误用的部分也是防偷懒的防火墙。以下门禁无论是否自主模式都必须执行并且必须在最终总结中给出证据Asset AuditStep 3—— 逐张查看 contact sheets为每个资产给出 USE / SKIP 理由Per-beat HTML evidence blockStep 5—— 每个 beat 的结构化证据块DoD checklistStep 6—— animation-map、逐警告的 WCAG 验证、音频 动作回放或明确披露deferredWhat I did NOT verify披露Step 6。区分偏好门 vs 质量门的测试如果答案改变的是视频的_内容_用哪个声音字幕开不开beat 3 是电影感还是快剪它就是偏好——自主模式可以决定如果答案是验证有没有发生它就是质量门——自主模式不适用。自主模式说要偏向行动所以我可以跳过 contact sheets这种推理是对自主模式的误用。偏差向行动bias toward action适用于决定_构建什么_不适用于决定_是否验证_。Step 6 中 w2h-verify.mjs 校验脚本的存在正是为了让这类必须验证的事实无法被 Agent 编造。场景 B具体但模糊的方向make it really cool温和地推回去把模糊形容词转化为可执行的具体选项我想确保我准确抓住了你脑海中的画面。当你说酷的时候你是指戏剧化 / 电影感慢速揭示 暗色氛围还是高能量快速剪辑 大胆动效还是完全别的东西场景 C混合方向——逐项解析把复合需求拆成独立维度。文档示例Minimal but with cinematic transitions and a fast feature section拆解为基础风格Minimal中等节奏、极简密度、优雅动效转场覆盖Dramatic关键瞬间使用着色器效果Beats 3–5 覆盖快速节奏、均衡密度、有能量感的动效。这些 per-beat 覆盖override要记入 storyboard——它们是 Step 3 逐 beat 编写的直接输入。这与 beat-direction.md 中转场决策矩阵着色器 / CSS / 硬切的思路完全衔接核心瞬间用着色器转场连续运动用 CSS 交叉淡化快速连击用硬切。场景 DLet me see options——用不同叙事弧给出 2–3 个方向每个方向 3–4 句话彼此要有不同的叙事弧narrative arc——讲的是视频讲什么故事而不是展示哪些资产。每个选项都以消息和弧线开头视觉是服务于它们的构建场景composed scenes。文档给出的三个完整示例值得全文保留选项 A —— Problem → Solution电影感、带旁白以暗色画布 单一强调色辉光上的动态字体排印开场陈述问题。切到一个由 div 构建的看板杂乱的卡片在旁白落下价值主张时动画为有序的列。收尾品牌标志在品牌渐变的光晕上逐笔描画。Apple 发布会调性。约 25 秒完整 VO。选项 B —— Reveal 弧线公告型、音乐主导冷开场黑暗中粒子汇聚无文字。产品字标在第一个 beat 落地时自己描画出来。三个由 div 构建的功能面板各以硬切揭示——动态字体排印标签、品牌色晕染、无截图。以标志 标语 macOS 暗示收尾。约 15 秒音乐驱动极简旁白。选项 C —— Demonstration带旁白走查三个由 div 构建的 UI 场景——看板div 卡片、AI 聊天打字机旁白同步、命令面板字符逐键搜索——均使用品牌配色左上角盖捕获的 Logo 作为身份标记。CSS 交叉淡化衔接。旁白逐一讲解。约 35 秒完整 VO。每个选项必须说明弧线、承载它的首要视觉构建或捕获皆可——哪个适合这个 beat 用哪个、叠加在其上的品牌点缀。文档特别强调永远不要给出主要内容是粘贴产品 UI 截图的选项——如果你发现自己写出了这种选项把它翻转指明要改为构建什么。捕获的 SVG、插画、Hero 美术与品牌摄影在概念需要时完全适合作为首要视觉。最后让用户在选项中选择或组合元素。Gate进入 Step 3 前必须锁定的 9 项step-2-brief.md 以一份硬性 Gate 清单收尾前三项是 Step 3 构建 storyboard 的战略框架——没有它们storyboard 就无法落地。Message消息—— 这条视频必须传达的那一件事一句话说清。必需。缺了它 Step 3 无法开工。Narrative arc叙事弧—— Problem→Solution / Reveal / Demonstration / Vibe / Comparison / 自定义。必需。Audience受众—— 谁在看、在哪里看。必需。Video type视频类型—— social ad / product demo / launch teaser / brand reel / feature announcement / 等。从 prompt 推断。Duration时长—— 类型未声明时按惯例推断demo: 30–45ssocial: 15–20steaser: 15–25s。Style direction风格方向—— 节奏 / 情绪 / 具体细节——来自用户原话叠加在 Step 1 的品牌基线上。Specific requests特殊要求—— 用户明确要求的任何场景 / 效果 / beat。Narration旁白—— 有 / 无 / 极简。Format画幅—— 除非另有指定否则默认 landscape。不要请用户确认他们已经说过的话。文档给出的收尾示例也是贯穿全文的案例如果 prompt 是为 huly.io 做一个产品演示展示看板暗色电影感完整旁白——你已经有类型demo、风格dark cinematic、特殊要求kanban board、旁白full。仍需推导或询问的只有消息讨厌上下文切换的团队的万事通应用、弧线Demonstration、受众小团队 / 快节奏组织。全部 9 项锁定后才能进入 Step 3。这个只补缺口的收尾与开头parse the users prompt first形成闭环——Step 2 的完整方法论就是最大化利用用户已给的信息最小化提问数量但绝不放过战略必需项。Step 2 产物如何被下游步骤消费理解 Step 2 的价值还要看它的产出如何在后续步骤中变成真实产物Step 3step-3-storyboard.md开篇就在STORYBOARD.md顶部写入概念块Message / Arc / Audience / Brand voice / Why this matters now——前两项正是 Step 2 Gate 的前两行。文档明说如果这些行有任何一行为空storyboard 就无法落地。回到 brief——不要用展示看板来顶替一条消息。 随后按 message → arc → beats → techniques → brand accents 的顺序展开并给出单句测试这条视频与任何行业任何品牌都能套用的通用 [视频类型] 有什么不同——答案写不出来概念就不够锋利。Step 4step-4-vo.md的分支直接由 Step 2 的 Question 4 决定无旁白则跳过 TTS 全流程有旁白则先生成两句测试片段校准时长Kokoro 会压缩脚本约 40%HeyGen 则快于预期再生成完整旁白并做词级时间戳映射。Step 6step-6-validate.md用 w2h-verify.mjs 逐项核对 storyboard 声明与index.html实现的一致性品牌资产使用率、时间线覆盖 ≥70%、着色器转场一致性、SFX 时间戳漂移、beat 时长偏差 ±0.5s——从Step 2 锁定消息到Step 6 验证成片策略一路被量化为可校验的事实。一句话总结Step 2 的本质是一条信息纪律先读用户已经说了什么只问缺失的战略项用开放式问题而非风格标签引导方向锁定一句话消息 叙事弧 受众这三根战略支柱再根据用户的自主程度决定哪些偏好门可以跳过、哪些质量门必须保留——然后把一个概念优先、资产服务于概念而非概念起点的完整 brief 交给 Step 3。【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
OpenMontage 网站转视频技能实战：Step 2 Strategy Messaging——如何在写 Storyboard 之前锁定一条视频的核心信息
OpenMontage 网站转视频技能实战Step 2 Strategy Messaging——如何在写 Storyboard 之前锁定一条视频的核心信息【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage本文是对 OpenMontage 仓库中website-to-video技能 Step 2: Strategy Messaging 的完整技术解读它回答网站转视频工作流中最关键的一个问题——在动手写分镜Storyboard之前如何与用户就这条视频到底要传达什么达成共识。读完本文你将掌握一套可复用的结构化提问框架五个问题、四类用户应答的处理策略自主模式 / 具体指令 / 混合指令 / 先看选项、以及进入 Step 3 前必须锁定的 9 项 Gate 清单并能理解这些策略如何在 OpenMontage 的开源技能体系中与后续 Step 36 的产物STORYBOARD.md、SCRIPT.md、narration.wav、w2h-verify 校验逐级衔接。Step 2 在 7 步流水线中的位置在 OpenMontage 的 website-to-video 技能 中一条把网址变成 HyperFrames 视频的任务被拆成 7 个有依赖关系的步骤每一步产出物都会成为下一步的门禁gateStep名称关键产物0Capture Understand the Brandcapture/目录截图、资产、提取数据1Brand IdentityDESIGN.md品牌速查表2Strategy Messaging消息 / 叙事弧 / 受众 / 类型 / 时长 / 风格 / 特殊要求 / 旁白 / 画幅共 9 项3Storyboard Script STORYBOARD.mdSCRIPT.md需用户批准4VO, Timing Captions narration.wavtranscript.json5Build Compositionsindex.htmlcompositions/beat-N.html6Validate Deliver校验报告 Studio 预览 URLStep 2 的前置是 Step 1 产出的DESIGN.md品牌颜色、字体、组件风格其后置是 Step 3 的概念优先分镜写作。它本身不做任何视觉或资产决策——正如 step-2-brief.md 开篇所强调的捕获的资产是品牌工具包留到 Step 3 后期取用它们不是本步骤对话的主题。捕获资产SVG Logo、品牌插画、Hero 图、渐变在 Step 2 只作为理解品牌的输入存在绝不作为创意起点。提问之前的三个前置动作1. 先扫描 capabilities.md 的目录动手提问前step-2-brief.md 要求先浏览 capabilities.md 的24 行目录——这份HyperFrames 能力全清单告诉你这个引擎到底能做什么14 个 WebGL 着色器转场、6 大动画引擎适配器、30 CSS 转场模式、HTML-in-canvas、Three.js、音频响应动画等。Agent 需要这份清单向用户说明什么能做但只按需深入阅读具体小节——某个 beat 需要什么能力再跳转对应章节而不是从头到尾线性读 700 行清单。该文档的原则是capabilities.md 是WHAT能做什么techniques.md 是HOW怎么做。2. 先解析用户的 prompt只问缺失的信息这是 Step 2 最重要的方法论先读用户已经写下的需求——视频类型、风格、具体诉求、时长。用户已经回答过的问题一律不再问。文档给出的判断标准直白而实用如果用户说做一个产品演示展示看板kanban和聊天界面节奏适中——这已经覆盖了大部分 brief此时再问你想要什么类型的视频就是无效提问。反之如果 prompt 已经详细到可以直接开建就用一条消息确认方向直接进入 Step 3。目标永远是补缺口fill gaps而不是审讯interrogate。3. 用品牌素材给自己接地而不是复述给用户在向用户发问之前Agent 需要先在品牌素材中站稳脚跟略读 Step 1 刚产出的DESIGN.md颜色 / 字体 / 语气读capture/extracted/asset-descriptions.md了解捕获了哪些视觉资产略读capture/extracted/visible-text.txt看网站自己如何介绍自己。关键纪律是不要把这些内容全部复述给用户——网站是用户自己捕获的他们知道里面有什么复述只是噪音。正确用法是据此起草一段凝练的品牌定位one-paragraph framing然后直接进入提问环节。这与 step-0-capture.md 中各步骤只读自己需要的数据避免上下文膨胀的约定一脉相承。五个问题从用途到画幅的结构化对齐Step 2 用五个问题逐层收窄创意空间。Agent 应优先使用其对话 UI 提供多选 自定义选项没有则自然地进行对话式提问。Question 1这条视频是干什么用的基于捕获站点的情况给出贴合实际的选项以下为示例非必选列表Social ad15–20s—— Instagram / TikTok / LinkedIn。快、有冲击力、前 2 秒必须抓住人。Product demo30–60s—— 走查关键功能。有旁白、专业感。Launch teaser15–25s—— 为新产品或新功能造势。戏剧化的揭示。Brand reel20–45s—— 展示品牌身份。视觉优先、旁白极简。Feature announcement15–30s—— 突出某个具体功能或更新。或描述其他类型。这个问题的答案直接决定时长、beat 数量、旁白密度和整体能量级。作为参考SKILL.md 的 Quick Reference 给出了各类视频的典型约束作为起点而非公式beat 数量应来自内容与旁白而非目标区间类型典型时长时长驱动因素旁白Social ad (IG/TikTok)10–15s平台限制可选Product demo30–60s脚本长度完整旁白Feature announcement15–30s功能复杂度完整旁白Brand reel20–45s音乐曲目可选音乐主导Launch teaser10–20s钩子能量极简Question 2风格 / 氛围——用开放式提问禁用标签菜单这是本文档最具方法论价值的一节。严禁给出带预置描述的标签菜单如Cinematic 暗色 发光 Apple 发布会能量——因为这些描述一旦给出就会变成 brief哪怕它们和品牌不匹配健康品牌和安防工具的cinematic应当截然不同而一个自带描述的标签会抹平这种差异。正确做法是问可接近的开放式问题为了把方向定准我想问几个问题节奏Pace视频应该缓慢推进、让每个瞬间呼吸还是快而有力还是介于两者之间情绪Mood什么样的氛围符合你想让观众感受到的东西——暗黑戏剧化、干净明亮、活力鲜艳还是别的旁白Narration应该有一个声音引导观众看完视频还是让画面自己说话还有什么具体的吗有没有你钟意的瞬间、手法或参考或者直接说surprise me我会基于捕获的内容来做判断。用户的回答用于修正 Step 1 中基于品牌推导出的基线。当用户的用词与品牌冲突时不要盲目覆盖——让品牌与用户方向收敛。如果冲突尖锐用户对一个整体白 马卡龙浅色系品牌说暗黑电影感要把冲突摆到桌面上并先问清楚再解决。这呼应了 step-1-design.md 中用户偏好永远覆盖品牌规则的原则——但覆盖的前提是先确认用户真的想覆盖。Question 3这条视频必须传达的那一件事是什么这是策略问题也是整个 Step 2 的重心。任何有效的营销视频都只有一个核心信息——那条必须落地的唯一主张每一个 beat 要么服务于它要么就不该存在。必须在谈论视觉、资产或具体场景之前让用户把这件事说出来。文档给出了完整的提问话术框架从你的网站出发我基于的品牌框架是这样的产品做什么[一句话来自站点摘要——不是功能罗列而是它真正完成的工作]受众[为谁而做由文案和视觉调性推导]品牌语气[自信 / 俏皮 / 冷静 / 紧迫 / 高端——品牌以何种调性说话]在规划视觉之前有两个问题来锚定故事这条视频必须传达的那一件事是什么如果观众看完后只能记住一句话它应该是什么价值主张、发布公告、某个具体功能主张、品牌感受、问题—解决方案对等等叙事形状是什么可能的弧线Problem → Solution大多数演示、Reveal发布、预告、Demonstration功能展示、走查、Vibe piece品牌片——感受优先于信息、Comparison对竞品 / 前后对比。选择或描述你自己的。你可以给出自己的答案或者说surprise me我会基于品牌和问题 1 的答案[视频类型]来做判断。拿到答案之后才可以勾勒compose-first以构建为优先的 beat 方向——但每个方向都必须以信息与弧线为依据而不是以资产清单为依据。文档给出了两个示例草图基于 [消息] 和 [弧线]我会这样塑造它[基于 Q1 答案的 compose-first 草图例如以动态字体排印呈现问题开场——你每周浪费 4 小时在上下文切换上。切到一个由 div 构建的看板卡片从混乱动画为有序。以品牌标志 标语收尾。][不同弧线的备选草图例如Reveal 弧线暗色画布 → 粒子汇聚 → 产品字标逐笔描绘出现同时第一个功能落地。没有问题陈述——纯公告能量。][如果用户要演示三个由 div 构建的 UI 面板——看板、AI 聊天、命令面板——都使用你的配色左上角盖品牌 Logo。旁白逐个讲解。结尾定格字标。]我可以叠加的品牌点缀 [列出 1–3 个可能有资格入镜的捕获资产用于开场/收尾的 SVG Logo、作为某个场景纵深层的 Hero 插画、作为环境背景晕染的渐变图。注意这些是候选而非指派——大多数 beat 不需要任何资产。]核心纪律文档称之为唯一的窄禁止线每条方向都要先说这个 beat 传达什么再说它怎么构建用哪些原语。如果你的第一反应是让产品 UI 截图飞进来就要反转——用 div 和 CSS 来构建 UI这正是本技能要打破的幻灯片模式slideshow pattern。而捕获的 Logo、插画、Hero 美术则无需反转——当概念需要它们时它们就是合法的首要视觉。捕获资产是品牌工具包在 storyboard 后期才取用让它们服务于概念——永远不是概念本身的起点。收尾时给用户三种选项我有具体想法—— 让我描述Surprise me—— 由你做创意决策我来审阅 storyboard让我先看看几个选项—— 提出 2–3 个不同的创意方向供我挑选Question 4需要旁白吗不是每条视频都需要配音。三档选择有旁白—— 声音引导观众大多数产品演示、发布预告、功能公告无旁白纯视觉—— 只有音乐 / 音效画面讲故事品牌片、社媒广告、音乐驱动型作品极简旁白—— 只有一句钩子或标语其余靠画面短社媒广告、预告片。这个决定会改变后续流水线可在 step-4-vo.md 中看到落点有旁白Step 3 包含完整脚本Step 4 生成 TTS、转写、把时间戳映射到各 beat。无旁白Step 3 没有脚本storyboard 中的 VO cue 留空Step 4 被跳过——beat 时长在 storyboard 中基于节奏与节拍手工规划。Question 5如适用画幅格式仅当用户未指定时才问Landscape1920×1080—— YouTube、LinkedIn、网站内嵌默认Portrait1080×1920—— Instagram Stories、TikTok、YouTube ShortsSquare1080×1080—— Instagram 信息流、Twitter/X。画幅约束与 OpenMontage 渲染能力直接对应在 capabilities.md 的渲染管线中--resolution支持 landscape / portrait / square / 4K 等预设Landscape 1920×1080 是默认输出。四类应答的处理策略场景 ASurprise me / 极简方向当用户不给出创意方向时回退到品牌视觉身份与视频目的所暗示的方向。在回退之前所需的最小上下文只有两件事视频投放到哪里社媒信息流 / 落地页 / 融资 Deck / 电视广告和给谁看开发者 / 消费者 / 企业 / 大众。两者任一缺失就只问一次——它会在哪里投放受众是谁——然后继续。拿到最小上下文后仍然要写一份有野心的 storyboard。文档的原话是Surprise me的意思是让我惊艳不是求稳。要大胆。自主模式传播规则只对用户偏好门生效当用户在 Step 2 这里发出surprise me / decide for me / just build it信号时该信号会杀死下游所有用户偏好 门Step 3 的 storyboard 审批Step 4 的 TTS 提供商选择音乐要 / 不要字幕要 / 不要。此时应由 Agent 自己做这些创意决策最后直接交付成片。不要跨四个步骤问四遍独立问题——一次读懂氛围read the room once然后承诺执行commit。这与 SKILL.md 对自主模式的总体描述一致。自主模式不会跳过质量验证门这是本文档最容易误用的部分也是防偷懒的防火墙。以下门禁无论是否自主模式都必须执行并且必须在最终总结中给出证据Asset AuditStep 3—— 逐张查看 contact sheets为每个资产给出 USE / SKIP 理由Per-beat HTML evidence blockStep 5—— 每个 beat 的结构化证据块DoD checklistStep 6—— animation-map、逐警告的 WCAG 验证、音频 动作回放或明确披露deferredWhat I did NOT verify披露Step 6。区分偏好门 vs 质量门的测试如果答案改变的是视频的_内容_用哪个声音字幕开不开beat 3 是电影感还是快剪它就是偏好——自主模式可以决定如果答案是验证有没有发生它就是质量门——自主模式不适用。自主模式说要偏向行动所以我可以跳过 contact sheets这种推理是对自主模式的误用。偏差向行动bias toward action适用于决定_构建什么_不适用于决定_是否验证_。Step 6 中 w2h-verify.mjs 校验脚本的存在正是为了让这类必须验证的事实无法被 Agent 编造。场景 B具体但模糊的方向make it really cool温和地推回去把模糊形容词转化为可执行的具体选项我想确保我准确抓住了你脑海中的画面。当你说酷的时候你是指戏剧化 / 电影感慢速揭示 暗色氛围还是高能量快速剪辑 大胆动效还是完全别的东西场景 C混合方向——逐项解析把复合需求拆成独立维度。文档示例Minimal but with cinematic transitions and a fast feature section拆解为基础风格Minimal中等节奏、极简密度、优雅动效转场覆盖Dramatic关键瞬间使用着色器效果Beats 3–5 覆盖快速节奏、均衡密度、有能量感的动效。这些 per-beat 覆盖override要记入 storyboard——它们是 Step 3 逐 beat 编写的直接输入。这与 beat-direction.md 中转场决策矩阵着色器 / CSS / 硬切的思路完全衔接核心瞬间用着色器转场连续运动用 CSS 交叉淡化快速连击用硬切。场景 DLet me see options——用不同叙事弧给出 2–3 个方向每个方向 3–4 句话彼此要有不同的叙事弧narrative arc——讲的是视频讲什么故事而不是展示哪些资产。每个选项都以消息和弧线开头视觉是服务于它们的构建场景composed scenes。文档给出的三个完整示例值得全文保留选项 A —— Problem → Solution电影感、带旁白以暗色画布 单一强调色辉光上的动态字体排印开场陈述问题。切到一个由 div 构建的看板杂乱的卡片在旁白落下价值主张时动画为有序的列。收尾品牌标志在品牌渐变的光晕上逐笔描画。Apple 发布会调性。约 25 秒完整 VO。选项 B —— Reveal 弧线公告型、音乐主导冷开场黑暗中粒子汇聚无文字。产品字标在第一个 beat 落地时自己描画出来。三个由 div 构建的功能面板各以硬切揭示——动态字体排印标签、品牌色晕染、无截图。以标志 标语 macOS 暗示收尾。约 15 秒音乐驱动极简旁白。选项 C —— Demonstration带旁白走查三个由 div 构建的 UI 场景——看板div 卡片、AI 聊天打字机旁白同步、命令面板字符逐键搜索——均使用品牌配色左上角盖捕获的 Logo 作为身份标记。CSS 交叉淡化衔接。旁白逐一讲解。约 35 秒完整 VO。每个选项必须说明弧线、承载它的首要视觉构建或捕获皆可——哪个适合这个 beat 用哪个、叠加在其上的品牌点缀。文档特别强调永远不要给出主要内容是粘贴产品 UI 截图的选项——如果你发现自己写出了这种选项把它翻转指明要改为构建什么。捕获的 SVG、插画、Hero 美术与品牌摄影在概念需要时完全适合作为首要视觉。最后让用户在选项中选择或组合元素。Gate进入 Step 3 前必须锁定的 9 项step-2-brief.md 以一份硬性 Gate 清单收尾前三项是 Step 3 构建 storyboard 的战略框架——没有它们storyboard 就无法落地。Message消息—— 这条视频必须传达的那一件事一句话说清。必需。缺了它 Step 3 无法开工。Narrative arc叙事弧—— Problem→Solution / Reveal / Demonstration / Vibe / Comparison / 自定义。必需。Audience受众—— 谁在看、在哪里看。必需。Video type视频类型—— social ad / product demo / launch teaser / brand reel / feature announcement / 等。从 prompt 推断。Duration时长—— 类型未声明时按惯例推断demo: 30–45ssocial: 15–20steaser: 15–25s。Style direction风格方向—— 节奏 / 情绪 / 具体细节——来自用户原话叠加在 Step 1 的品牌基线上。Specific requests特殊要求—— 用户明确要求的任何场景 / 效果 / beat。Narration旁白—— 有 / 无 / 极简。Format画幅—— 除非另有指定否则默认 landscape。不要请用户确认他们已经说过的话。文档给出的收尾示例也是贯穿全文的案例如果 prompt 是为 huly.io 做一个产品演示展示看板暗色电影感完整旁白——你已经有类型demo、风格dark cinematic、特殊要求kanban board、旁白full。仍需推导或询问的只有消息讨厌上下文切换的团队的万事通应用、弧线Demonstration、受众小团队 / 快节奏组织。全部 9 项锁定后才能进入 Step 3。这个只补缺口的收尾与开头parse the users prompt first形成闭环——Step 2 的完整方法论就是最大化利用用户已给的信息最小化提问数量但绝不放过战略必需项。Step 2 产物如何被下游步骤消费理解 Step 2 的价值还要看它的产出如何在后续步骤中变成真实产物Step 3step-3-storyboard.md开篇就在STORYBOARD.md顶部写入概念块Message / Arc / Audience / Brand voice / Why this matters now——前两项正是 Step 2 Gate 的前两行。文档明说如果这些行有任何一行为空storyboard 就无法落地。回到 brief——不要用展示看板来顶替一条消息。 随后按 message → arc → beats → techniques → brand accents 的顺序展开并给出单句测试这条视频与任何行业任何品牌都能套用的通用 [视频类型] 有什么不同——答案写不出来概念就不够锋利。Step 4step-4-vo.md的分支直接由 Step 2 的 Question 4 决定无旁白则跳过 TTS 全流程有旁白则先生成两句测试片段校准时长Kokoro 会压缩脚本约 40%HeyGen 则快于预期再生成完整旁白并做词级时间戳映射。Step 6step-6-validate.md用 w2h-verify.mjs 逐项核对 storyboard 声明与index.html实现的一致性品牌资产使用率、时间线覆盖 ≥70%、着色器转场一致性、SFX 时间戳漂移、beat 时长偏差 ±0.5s——从Step 2 锁定消息到Step 6 验证成片策略一路被量化为可校验的事实。一句话总结Step 2 的本质是一条信息纪律先读用户已经说了什么只问缺失的战略项用开放式问题而非风格标签引导方向锁定一句话消息 叙事弧 受众这三根战略支柱再根据用户的自主程度决定哪些偏好门可以跳过、哪些质量门必须保留——然后把一个概念优先、资产服务于概念而非概念起点的完整 brief 交给 Step 3。【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考