Vox Director：一键生成 Vox 风格拼贴视频
输入一个主题，自动完成脚本、拼贴海报、动画、配音、配乐和字幕，输出成品 Vox 风格解说/广告视频。
SKILL.md 明确在缺少 ATLASCLOUD_API_KEY 时停止、设了两个人工确认关口（分镜表、画幅近似），依赖只有 ffmpeg/Pillow，无凭据外传迹象；但会把用户的照片、口播视频、克隆语音样本上传至 Atlas Cloud 第三方 API，且默认水印是『Made with Atlas Cloud』（推广倾向），数据流披露不完整，扣分。
文档内大量已记录的失败模式（gotchas）、自动重提、fallback 模型、可断点续跑（跳过已有 keyframe_url）说明工程认真；但静态审阅未见测试套件或 CI，关键路径无法复核，错误处理只停留在文档描述，按静态上限给 10。
触发词、三种输入形态（B/A/C-roll）、边界（真人用 Kling、内容审核绕行）写得非常清楚，且中英双语；但核心功能完全依赖 Atlas Cloud 单一海外 API（配额、付费、可达性），对中国大陆网络可达性未声明，扣分。
结构清晰（SKILL.md + references 分层渐进披露）、MIT 许可、package. 有版本号、双语文档；但无 changelog、维护责任仅个人、versioning/update 路径未说明，隐藏假设（Atlas 账号、模型 ID 漂移）依赖外部文档，扣分。
若按文档执行，能端到端产出成片，边际价值明确（手工做拼贴视频成本极高）；但静态审阅无独立复现，成本（多模型多镜生成）与成品质量证据仅来自作者展示片，按静态上限给 6。
有示例 beats.、README 展示视频与具体踩坑记录（如 'PARFUM'→'PAREUM'），超过纯营销；但全部为作者自述与自查，无第三方测试、无 CI、模型验证表不可独立复核，按静态上限给 4。
- 核心功能完全依赖 Atlas Cloud 付费 API，中国大陆网络可达性与账号可用性未声明，使用前需自行验证。
- 用户照片、口播视频与语音克隆样本会上传至第三方云端处理，涉及生物特征/声音数据，敏感用户应先评估隐私风险。
- 默认成片带 'Made with Atlas Cloud' 水印，属推广倾向，商用前需确认是否移除。
- 模型 ID 会漂移，文档承认默认值仅『今天可用』，运行时可能需人工干预重选模型。
- 语音克隆与『零内容审核动真人』的本地引擎路径存在被滥用于换脸/仿冒的风险，使用者须自行合规。
这个 Skill 能做什么，适合哪些场景？
Vox Director 是一个代理技能（agent skill），能将一句话主题端到端地变成一条 Vox 风格撕纸拼贴解说或广告视频。整条流水线跑在 Atlas Cloud API 加本地 ffmpeg 上，由每项目一份 beats. 驱动：选叙事弧线、风格比稿、生成拼贴海报、动画化、配音配乐、ffmpeg 合成。除 B-roll（主题生视频）外，还支持 A-roll（将真人出镜口播视频重绘成拼贴风）和 C-roll（把一张人物或产品照片以照片贴纸形式嵌入拼贴世界）。流程设两个人工决策关卡：批准节拍表、肉眼选定视觉风格。
按阶段各由一个脚本执行：1) 依据 beat-layer.md 的叙事弧线（timeline、pas、how_it_works 等）写出 beats. 节拍表供用户批准；2) style_bakeoff.py 用 3–4 个主题预设渲染同一节拍做风格比稿；3) keyframes.py 调 google/nano-banana-2/text-to-image 为每镜头生成带标题的拼贴海报（约 $0.08/张，便宜可重摇）；4) clips.py 调 gemini-omni-flash 图生视频为每张海报加镜头运动与元素动效（真人/品牌自动换 kling-video-o3-pro）；5) audio.py 用 xai/tts-v1 生成旁白（可选 seed-audio 声音克隆）、minimax/music-2.6 生成纯音乐 BGM；6) assemble.py 用 ffmpeg 合并、音乐闪避、烧录字幕和水印，产出 final.mp4。所有调用经 scripts/provider.py，作业失败会自动重提交。
- 内容创作者想把自己出镜的口播视频改成 Vox 拼贴风，同时保留真实人脸与口型（A-roll）
- 自媒体或品牌方想把一张产品照片做成拼贴风广告短片，产品标签像素级保真（C-roll）
- 知识科普号需要按 9:16 竖屏节奏、每 4–6 秒一切的高密度解说短视频
- 非 Atlas 用户想要手动提示词包：节拍表 + 每节拍图像提示词 + 动效提示词 + 旁白脚本，自行贴到任意生成器
- 历史/科技/美食等主题需要多语言旁白（xai/tts 支持 5 个多语言 + 约 66 个原生音色）
- 需要极端'零件飞入组装'效果或零内容过滤动画真人素材时，用本地 keyframe 引擎逐元素驱动
这个 Skill 有哪些优点和局限？
- 端到端全自动化，一条主题输入产出成品 mp4，同时保留两处人工把关（节拍表、风格）
- 每阶段一个脚本、单份 beats. 驱动，节拍表已批准后重跑只生成新增部分（keyframes.py 跳过已有 keyframe_url 的镜头）
- 文档极其详尽：提示词结构、14 条叙事弧线、音色名册、API/ffmpeg 踩坑清单均有参考文件
- 媒体后端可插拔（provider.py），换后端无需改阶段脚本；作业卡住/失败自动重提交
- 成本意识设计：关键帧阶段重摇便宜（$0.08），弱图不必花钱去动画化
- 强依赖 Atlas Cloud——目前是唯一后端，无该平台 API key 则只能走手动提示词包模式
- SKILL.md 未给出整片成本估算、也未提及任何自动化测试套件
- 存在内容限制：Omni 与 Seedance 拒绝真人与品牌 logo，须切 Kling；A-roll 模式绝不能要求模型重绘人脸
- 模型 ID 会漂移，需每次运行前拉取在线模型列表核实
- 部分行为（如 seed-audio 克隆需 pinned-speaker 模板）有踩坑记录，需读 gotchas 文档才能避开
如何安装这个 Skill？
前置：任一可运行工作流的编码代理（Claude Code、Codex 等）、Atlas Cloud API key、ffmpeg + ffprobe、Python 3 + Pillow。安装方式 A：git clone https://github.com/Alisa0808/vox-director.git ~/.claude/skills/vox-director；方式 B：下载 vox-director.skill 通过 Claude 技能界面安装。然后导出密钥：export ATLASCLOUD_API_KEY="sk-..."（密钥在 atlascloud.ai/console/api-keys 获取）。非 Claude 代理读 AGENTS.md → SKILL.md。
如何使用这个 Skill？
装好后直接对编码代理说，例如："帮我做一条 Vox 风格拼贴视频介绍墨西哥街头小吃——英文、16:9、15 秒。"代理会先给你节拍表审批（关卡 1），再跑风格比稿让你肉眼挑选（关卡 2），随后自动执行关键帧 → 动效 → 配音 → 配乐，输出 out/<项目>/final.mp4。验证成品需用 ffmpeg 抽帧为 jpg 查看——mp4 无法直接读取。
这个 Skill 与同类方案有什么区别？
README 明确将其风格与工作流对标 Vox 的解说视觉语言及 Stav Zilber / rom1trs / Higgsfield 的拼贴广告工作流——本技能即是对这类工作流的自动化复现，而非与它们竞争的替代品。来源未列出其他可对比的同类工具。