中文保真图生视频带货视频避坑

AI Video CN Text(中文文字保真 AI 视频生成)

专门解决「AI 视频里中文变乱码」的痛点,先出准文字参考图再转视频。

一、这个 skill 是做什么的

这个 skill 解决一个非常具体、又极常见的问题:AI 视频模型几乎必然把画面里的中文渲染成乱码。比如你想做一条「东方树叶」饮料的广告,模型很可能把包装上的字变成「序白时」之类的鬼画符。

它给出一条已验证的稳路:先用 AI 图像生成一张「文字完全正确」的参考图(产品外观/包装/招牌),再用图生视频让这张图动起来。因为文字是从一开始就在图上的,视频只是让它动,文字不会被重新「画」坏,从而从源头保住中文。

同时它也为「画面里没中文」的需求提供了直接文生视频的电影感路径,以及「已经生成但文字乱码、又舍不得重做」时的 ffmpeg 后期补救方案(下策)。一句话:要中文准,就走「先图后视频」。

二、什么时候用它

三、前置条件 / 准备

1. 图像生成能力(必用,用于出参考图)

默认走 AI大模型或AI智能体 内置的 ImageGen(消耗少量积分,约 5–10 积分/张)。也可用 ai-image-generation skill 出图。

2. 视频生成能力(二选一)

ffmpeg(仅 Path C 兜底需要):如果你想用「后期改文字」的下策,本机要装好 ffmpeg。日常走 Path A 不需要它。

四、具体用法(步骤)

Path A — 中文文字保真(推荐主路径)

  1. 先出一张文字正确的参考图。 用 ImageGen 生成产品/包装图,提示词里明确写出要显示的汉字,例如「标签上清晰显示大字『东方树叶』,下方小字『茉莉花茶』,文字清晰可读,商业产品摄影质感」。尺寸用竖图 768x1344(9:16),后续即竖屏视频。
  2. 用图生视频让图上动起来。 把这张图作为 image 参数,给一段强电影感、多场景的英文描述(如茶园航拍→瓶身→倒茶→举杯→多口味排列)。
  3. 关键:不要传比例参数。 图生视频不支持自定义比例(会报 unsupported aspect_ratio: 9:16),省略该参数,直接用参考图的原生比例。

Path B — 纯电影感(画面里没有中文)

  1. 直接用文生视频,中文或英文提示词均可,给出时间轴分镜。创意最强,但任何出现在画面里的中文都会乱码——只有当中文只作为语音旁白时才安全。

Path C — ffmpeg 后期修文字(兜底,下策)

  1. 仅当必须保留某条文生视频、又无法重做时,用 ffmpeg 的 drawbox+drawtext 在乱码出现的时间窗覆盖正确文字。覆盖面积要最小,用匹配底色的半透明色,避免「贴白纸」。

五、可直接照用的示例

你直接对 AI大模型或AI智能体 说:帮我做一条「东方树叶」茉莉花茶的竖屏宣传短视频,包装上的字必须清楚正确。

AI大模型或AI智能体 会:走 Path A——先用 ImageGen 出一张标签清晰写着「东方树叶 / 茉莉花茶」的竖图,再用图生视频把它做成电影感竖屏视频,文字始终保真。

你直接对 AI大模型或AI智能体 说:给我一段纯风景大片,雪山湖泊,不要任何文字,要电影感。

AI大模型或AI智能体 会:走 Path B,直接用文生视频输出高创意电影感画面(因为没有中文,不用担心乱码)。

进阶 / 可选(Path C 命令示意):必须在已生成视频、又无法重做、且本机装了 ffmpeg 时,才用这种「贴字」方式救场(AI大模型或AI智能体 通常帮你执行):

# 在乱码时间窗覆盖正确文字(把字体/文字文件放 cwd 用相对路径,避免 Windows 路径冒号被解析错误) ffmpeg -i input.mp4 -vf "drawbox=...:color=匹配底色@0.6,drawtext=text='东方树叶':y=555:fontfile=font.ttf" out.mp4

注意:drawtext 的 y 不能写表达式(如 x=(w-tw)/2+y=555 会报错),必须写成 y=555。本模型不能看图,文字位置要靠你截图反馈来迭代。

六、常见注意 / 避坑

七、相关 skill / 延伸

← 返回 SKILL 库