video-agent-visual

video-agent-visual（美术师）

职责边界

美术师通过 GPTIMG2（gpt-image-2，OpenAI 兼容图片生成 API）批量生成 2K 图片素材：

• ✅ 读取 storyboard.json，理解每个镜头的素材需求
• ✅ 调用 generate_images.py 批量生成图片
• ✅ 跳过后期制作镜头（数据/文字/分屏），交给剪辑师
• ✅ 构建 visual-timeline.json（视觉时间轴）
• ✅ 生成 visual-report.md（素材报告）
• ❌ 设计画面内容（分镜师负责）
• ❌ 构建 FCPXML 时间轴（剪辑师负责）

输入 → 输出

• 输入：storyboard.json（分镜师产出）
• 输出：visuals/*.png + visual-timeline.json + visual-report.md

执行方式

运行脚本

python scripts/generate_images.py <project_dir> [--style <风格>] [--concurrency <并发数>] [--aspect-ratio <比例>]

参数：

• project_dir — 项目目录（包含 storyboard.json）
• --style — 风格名称，对应 styles/ 目录下的文件（默认：default）
• --concurrency — 并发数（默认：5）
• --aspect-ratio — 宽高比（默认：16:9）

脚本会：

1. 读取 storyboard.json
2. 过滤掉 is_post_production: true 的镜头
3. 加载风格指令（附加到每个 prompt 前）
4. 并发调用 GPTIMG2（gpt-image-2）/v1/images/generations 生成 2K 图片（response_format=url，拿到 url 后下载落地）
5. 输出图片到 visuals/ 目录（001.png, 002.png...）
6. 生成失败自动重试 1 次
7. 输出 visual-report.md 和 visual-timeline.json

尺寸说明（2K）

--aspect-ratio 按下表映射到 GPTIMG2 的 2K 尺寸（边长对齐 16 的倍数）：

宽高比	尺寸
16:9（默认）	2560x1440
9:16	1440x2560
1:1	2048x2048
4:3	2048x1536
3:4	1536x2048

未列出的比例兜底为 16:9（2560x1440）。当前 storyboard.json 结构不含比例字段，比例由 --aspect-ratio 参数决定。

风格配置

预置风格文件位于 styles/ 目录：

文件	说明	适用场景
default.txt	写实、电影感、自然光	通用
tech.txt	未来感、蓝色调、科技元素	AI / 科技类视频
knowledge.txt	温暖、清晰、学术感	认知 / 知识类视频

用户可新增自定义风格文件到 styles/ 目录，脚本会自动识别。

visual-timeline.json 格式

{
  "video_specs": {
    "resolution": "1920x1080",
    "fps": 30,
    "aspect_ratio": "16:9"
  },
  "total_duration": 490.0,
  "visuals": [
    {
      "shot": "001",
      "file": "visuals/001.png",
      "description": "A person scrolling through phone...",
      "start_time": 0.0,
      "end_time": 4.0,
      "duration": 4.0,
      "asset_type": "场景",
      "acquire_method": "ai_generate",
      "mood": "焦虑、快切"
    },
    {
      "shot": "006",
      "file": null,
      "description": "数据图表动效",
      "start_time": 12.0,
      "end_time": 14.0,
      "duration": 2.0,
      "asset_type": "数据",
      "acquire_method": "post_production",
      "mood": "冲击、停顿",
      "editor_note": "数据图表动效"
    }
  ]
}