---

name: horror-narrator description: > 恐怖故事视频创作工坊 — 把任意恐怖故事变成1分钟视频。帧帧有画，句句有声。 提供恐怖叙事技巧、画风规范、配音节奏、BGM设计等全套创作规则， 并通过 MiniMax mmx CLI 执行：搜故事→拆帧→生图→配音→配乐。 触发词：恐怖故事视频，鬼故事制作，灵异视频，有声鬼故事，恐怖插画视频。 type: skill user-invocable: true argument-hint: '[<故事主题或已有故事文本>]'

Horror Narrator — 恐怖故事视频创作工坊

把任意恐怖故事变成一段约 60 秒的视频：6 帧画面 + 6 段旁白 + 1 段氛围 BGM。

本 skill 是一套创作系统，不生成故事本身。 故事由用户直接提供，或由 skill 从网上搜索改编。 skill 负责：拆帧技巧、旁白编写、插画规范、配音节奏、BGM 设计、执行生成。

---

创作目标

元素	时长	说明
每帧旁白	8-10 秒	65-80 中文字符，speed 0.85
总旁白	~54 秒	6 帧
BGM	全程	恐怖氛围背景音乐
总时长	~60 秒

---

环境检查

每次加载 skill 按顺序检查：

1. mmx CLI 是否安装：command -v mmx && mmx --version || echo "mmx_not_found"
2. mmx 是否已认证：mmx quota show --output json --quiet 2>/dev/null || echo "mmx_not_authed"

状态	动作
未安装	npm install -g mmx-cli
未认证	mmx auth login --api-key <你的 Key>
认证失败	https://platform.minimaxi.com/user-center/basic-information/interface-key
就绪	继续流程

---

第一部分：创作规则手册

以下规则是恐怖内容创作的核心理论，适用于所有恐怖故事视频。

---

规则 1：60 秒恐怖内容的叙事结构

60 秒必须讲完一个完整故事。用 6 帧叙事弧线：

帧1 铺垫 → 帧2 异兆 → 帧3 加剧 → 帧4 高潮 → 帧5 反转 → 帧6 收尾

每帧只做一件事：

帧	任务	禁忌
铺垫	建世界、让主角可信	不要上来就恐怖，太平无事才衬得出后面的恐怖
异兆	第一次不对劲	不要明说是鬼，让观众隐约感觉有问题
加剧	更多异常，恐惧积累	不要直接给答案，保持悬念
高潮	最恐怖的时刻	克制比直白更有效——声音/影子/痕迹 > 完整显形
反转	意外转折	反转要有逻辑支撑，不能为反转而反转
收尾	细思极恐	不要说完，用余韵让人睡不着

---

规则 2：旁白（Narration）的写作技巧

旁白是恐怖视频的灵魂。画面配合声音，声音带动情绪。

2.1 长度控制

• 每帧 65-80 中文字符（不含标点）
• 超过 80 字：TTS 语速被迫加快，恐怖感消失
• 低于 65 字：内容太薄，撑不起 8-10 秒

2.2 五感写作法

不要只写"看到"什么。恐怖内容要让观众身临其境：

感官	示例	效果
视觉	"镜子里，那个影子比他慢了半拍"	最直接的恐怖触发
听觉	"身后传来脚步声，但回头时，空无一人"	想象比看见更恐怖
触觉	"后背一阵阴冷，像是有人站在三步之外"	身体本能恐惧
嗅觉	"空气里弥漫着腐朽的甜腻气味"	潜意识恐怖触发
第六感	"他本能地停下脚步——没有理由，但他就是不敢再往前"	原始恐惧

2.3 句式节奏

• 铺垫帧：陈述句为主，舒缓，留白，营造假象平静
• 异兆帧：疑问句或省略句，"似乎……""好像……"，制造不确定感
• 加剧帧：短句增多，节奏加快，"突然……""然后……"，制造压迫感
• 高潮帧：极短的片段，词与词之间留停顿，"它……转过头来……"
• 反转帧：突然换视角或揭示真相，用"原来……""其实……"
• 收尾帧：开放式或留白，"他再也没有……"（不说完）

2.4 避免平铺直叙

❌ 差："他走进老宅，发现有鬼。" ✅ 好："他推开那扇门，屋里空荡荡的。角落里，一杯茶还在冒着热气——但这里已经废弃了二十年。"

核心原则：旁白要"展示"（show），不要"告知"（tell）。告诉观众有鬼，恐怖感减半；让观众自己推断有鬼，恐怖感翻倍。

2.5 主角名字的使用

• 铺垫帧、异兆帧、加剧帧中必须出现主角名字（建立代入感）
• 高潮帧、反转帧、收尾帧可以省略名字（制造疏离感，增强恐怖）
• 名字通常是 2-3 个字，符合故事时代背景（书生/旅人/女孩/阿贵）

2.6 旁白 → 插画的对应关系

旁白描述的内容必须能在插画中视觉化呈现。每写完一段旁白，问自己：

• "这句话的画面感是什么？"
• "观众看到这张图，能不能不靠旁白就猜到发生了什么？"

---

规则 3：视觉风格规范

3.1 画风预设

风格	英文关键词	适用类型
暗黑国风（默认）	dark Chinese ink painting, eerie traditional atmosphere, fog, temple, ancient Chinese horror	民间志怪、聊斋、老宅
哥特西式	gothic horror, Victorian mansion, candlelight, dark fantasy, oil painting style	洋房、吸血鬼、古堡
现代都市	cinematic horror, dim neon, modern apartment, urban legend, photorealistic, rain	都市怪谈、深夜电梯
像素复古	pixel art, 16-bit horror game, dark dungeon, retro game aesthetic, eerie	复古恐怖、游戏感

3.2 插画 Prompt 公式

所有插画 prompt 必须遵循以下结构：

dark, [STYLE_KEYWORDS], [SCENE_SPECIFIC_DESCRIPTION],
[EMOTION/ATMOSPHERE], [LIGHTING], cinematic composition, high detail

示例（暗黑国风，第 4 帧高潮）：

dark, Chinese ink painting style, eerie traditional atmosphere, foggy night,
abandoned temple interior, red-robed female ghost descending from the ceiling,
long black hair covering face, flickering candle light, terrified lone traveler,
horror atmosphere, dramatic lighting, cinematic composition, high detail

3.3 插画风格注意事项

• 始终以 dark 开头（MiniMax 图片模型对 dark 关键词响应最好）
• 包含情绪词（terrified/uneasy/horror/suspense）引导氛围
• 不要在 prompt 里写"血"（gore/blood）——触发内容过滤且降低美学质量
• 避免全黑画面——至少要有一点光源（烛光/月光/霓虹）让场景可辨识
• 暗黑国风优先用 fog / lantern / traditional architecture
• 现代都市优先用 rain / neon / film grain

3.4 各帧画面设计要点

帧	画面重点	构图建议
铺垫	交代场景，建立可信环境	广角，平静构图，留白
异兆	轻微异常，要细看才能发现	构图略微失衡，引导线指向异常处
加剧	明确的不对劲	俯视/仰视角度增加压迫感
高潮	恐怖来源核心画面	中心构图，光源在恐怖存在身后（逆光），或完全黑暗中的两点光
反转	揭示真相的关键画面	视角转换，揭示观众不知道的视角
收尾	余韵画面，空镜或悬念	留白多，暗示故事未完

---

规则 4：配音设计

4.1 恐怖配音三要素

要素	设置	效果
语速	正常或略慢（0.9-1.0）	不要低于 0.9，会太拖
音调	偏低（pitch -1 ~ -2）	低沉 = 沙哑 = 古老/来自黑暗
情绪	根据帧的阶段	从平静→疑问→恐惧→最压抑→突变→余韵

4.2 帧级配音参数

帧	speed	pitch	语气
1 铺垫	1.0	0	正常语速，像在叙述
2 异兆	1.0	0	正常，稍有疑问感
3 加剧	0.95	-1	轻微紧张，压低声调
4 高潮	0.9	-2	缓慢，压抑
5 反转	0.9	-2	揭示真相，节奏稳定
6 收尾	0.95	-1	余韵，留白感

4.3 配音音色选择

音色	适用场景	说明
Chinese_expressive_narrator（默认）	所有类型	情感丰富，适合恐怖叙述
沙哑男声	民间志怪	古老感，像老人讲故事
空灵女声	诡异氛围	都市怪谈，有飘渺感
冷静男声	反差恐怖	越平静越恐怖，越慢越压抑

先查询可用音色：

mmx speech list-voices | head -50

---

规则 5：背景音乐设计

5.1 BGM 的功能层次

恐怖 BGM 不是一首曲子，而是三层声音叠加：

层次	内容	特点
底层	低频嗡鸣/持续低音	制造持续的不安感，人耳几乎不感知但身体能感受
中层	弦乐/钢琴/环境音	旋律或和声，随剧情起伏
顶层	特殊音效	脚步声、风声、远处低语、时钟滴答

5.2 BGM prompt 公式

[底层音色], [中层音色], [顶层音效], [节奏], [情绪], no lyrics, cinematic horror score

示例：

low drone, slow cello, distant whispers, wind howling, tension building,
eerie atmosphere, no lyrics, cinematic horror score, 60 seconds

5.3 BGM 与帧的对应

60 秒 BGM 建议分段落：

时段	对应帧	音乐状态
0-10s	铺垫	极轻，几乎只有低频嗡鸣
10-20s	异兆	弦乐开始，节奏极慢
20-35s	加剧+高潮	低频增强，节奏加快，突然的静默（比声音更恐怖）
35-50s	反转	旋律突变，调性转换
50-60s	收尾	回归低频，留白，没有完整的结束感

5.4 声音静默的力量

最恐怖的时刻，往往是声音消失的那一秒。 在高潮帧之后、反转帧开始前，可以考虑生成一段 1-2 秒的纯静默BGM片段，然后在反转帧突然爆发。不要让 BGM 从头到尾一直响。

---

规则 6：恐怖内容吸引力的底层逻辑

6.1 恐怖的两条路径

类型	机制	示例
Jump Scare	瞬间惊吓，肾上腺素激增	突然出现的鬼脸
Slow Burn	逐渐积累的不安感，事后回想更恐怖	镜子里慢半拍的倒影

推荐走 Slow Burn 路线——Jump Scare 只能吓人一次，Slow Burn 能让人睡不着。

6.2 恐怖内容的 6 大吸引力机制

1. 熟悉中的陌生："这是我家，但不是我记忆中的样子"——安全感被打破
2. 不可名状的恐惧："那个东西不是鬼，不是人，是……"——想象比已知更恐怖
3. 时间错位："二十年前的照片里，有今天在场的人"——不合理的存在
4. 循环宿命："他以为自己逃出来了，但……"——无法逃脱的宿命感
5. 旁观者视角："他看到的，和我们看到的是同一件事吗"——视角欺骗
6. 细思极恐："结尾了，但观众开始想：如果是我……"——代入后的恐惧

6.3 观众为什么会在 60 秒内看完

时间点	观众的期待	创作者的任务
0-5s	这故事值不值得看	铺垫帧要设置"钩子"——一个奇怪但不解释的问题
5-20s	会发生什么	异兆帧持续给线索，吊胃口
20-40s	高潮够不够恐怖	高潮帧是核心，要克制但有力
40-55s	反转够不够意外	反转帧要打破观众预期
55-60s	值不值得分享	收尾帧要有"我也想吓别人"的冲动

开场钩子技巧（第 1 帧旁白结尾）：

• "那是我最后一次见到阿贵——或者说，最后一次见到看起来像阿贵的人。"
• "那栋楼没有第十三层。但我确实按了。"
• "如果你在深夜听到有人在洗手间哭泣，记住：不要回应。"

6.4 中式恐怖的独特美学

中式恐怖有别于西方血腥恐怖的核心：文化禁忌 + 日常熟悉感。

西方恐怖	中式恐怖
血腥、暴力、怪物	日常物件（镜子/照片/灯笼）承载诅咒
直面怪物	怪物不直接露面，通过痕迹表现
物理伤害	精神侵蚀、宿命、无法逃脱
个人英雄逃脱	"善恶有报"的道德恐怖，或无解的宿命
明确的怪物形象	"红衣女鬼""纸人""枯井冤魂"的民间想象

推荐用中式恐怖路线——暗黑国风的视觉 + 民间志怪的故事 + 文化禁忌的设定，是当前内容市场最受欢迎的组合。

---

规则 7：故事来源与改编

7.1 故事来源优先级

优先级	来源	说明
1	用户直接提供	质量最可控，直接跳 Step 1
2	网络搜索改编	用 mmx search 搜民间故事，AI 改写
3	经典故事重述	聊斋、目游、民间传说改写（注意版权边界）

7.2 搜索改编流程

mmx search query --q "<关键词> 恐怖故事 民间 灵异 惊悚" --output json --quiet

找到素材后：

1. 提取核心恐怖元素（什么在吓人？为什么吓人？）
2. 保留核心，压缩/改写叙事结构适配 6 帧格式
3. 角色名和细节按需调整

7.3 故事筛选标准

好的恐怖故事素材具备：

• 一个核心恐怖点（一个核心恐惧，贯穿全篇）
• 可视觉化的场景（能画出画面）
• 有反转或悬念空间（不是一眼看到头）
• 60 秒内可讲完（情节不要太复杂）

---

第二部分：执行流程

规则手册到此结束。以下是执行流水线。

---

流程总览

Step 0: 输入故事
Step 1: 解析故事 → 拆成 6 帧（含旁白编写）
Step 2: 编写插画 prompt
Step 3: 确认脚本（用户审核）
Step 4: 并行生成画面 + 配音
Step 5: 生成 BGM
Step 6: 展示成果
Step 7: 播放 & 反馈

---

Step 0：输入故事

方式 1：用户提供故事文本 直接粘贴完整故事 → 进入 Step 1

方式 2：用户提供主题，skill 搜索改编 用户给关键词（如"深夜电梯恐怖故事"）→ skill 搜索 → 改编 → 进入 Step 1

方式 3：用户给模糊需求 "随便来一个恐怖故事" → skill 随机选择类型+场景+角色 → 搜索改编 → 进入 Step 1

---

Step 1：解析故事 → 6 帧结构

将故事拆成 6 帧，每帧包含：

• 帧标题（2-4 字）
• 旁白文本（65-80 中文字符，按规则 2 技巧编写）
• 画面描述（插画 prompt 的核心内容）

拆帧方法：

1. 找到故事的核心恐怖点（是什么在吓人？）
2. 找到故事的反转点（哪里出人意料？）
3. 分配到 6 帧中：铺垫 → 异兆 → 加剧 → 高潮 → 反转 → 收尾
4. 用五感写作法改写旁白
5. 为主角取一个符合故事背景的名字（2-3 字）

输出格式：

《故事标题》

【第1帧 — 铺垫】入宅
旁白："王生推开那扇老宅的木门，院子里杂草丛生。二十年前这里还是镇上最气派的宅子，如今只剩下他和房东两个人。"

【第2帧 — 异兆】旧照
旁白："客厅的墙上挂着一张老照片。他凑近看——照片里的女人穿着红嫁衣，但她的脸……被人刮花了。"

【第3帧 — 加剧】回声
旁白："楼上传来脚步声。他抬头，天花板的灰尘簌簌落下。脚步声越来越近，越来越近——然后，突然停了。"

【第4帧 — 高潮】现身
旁白："他转身。一个红衣身影就站在他身后，近到能闻到腐朽的气息。她慢慢抬起头——"

【第5帧 — 反转】旧照
旁白："他猛然想起房东说的那句话：'这宅子里的女人，二十年前穿着红嫁衣上吊死了。'他低头看向那张照片——照片里，刮花的脸，正是他自己。"

【第6帧 — 收尾】空宅
旁白："第二天，村里的人推开了这扇门。院子里空无一人，只有墙上那张老照片，又多了一张新的面孔。"

---

Step 2：编写插画 Prompt

为每帧旁白编写英文插画 prompt（按规则 3）。

Prompt 结构：dark, [STYLE], [SCENE], [EMOTION], [LIGHTING], cinematic, high detail

示例（暗黑国风，第 4 帧）：

dark, Chinese ink painting style, eerie traditional atmosphere,
abandoned mansion interior, red-robed female ghost standing inches from a terrified man,
long flowing red dress, pale ghostly face, flickering candlelight,
horror atmosphere, dramatic low-angle lighting, cinematic composition, high detail

---

Step 3：确认脚本

展示完整的 6 帧脚本（旁白 + 画面 prompt）供用户确认：

故事标题：xxx
类型：xxx | 风格：xxx

第1帧 — 铺垫
  旁白："xxx"
  画面：xxx（英文 prompt）

第2帧 — 异兆
  ...

确认后开始生成？

用户可选择：

1. 开讲！（确认 → Step 4）
2. 修改第 X 帧旁白
3. 换故事/换风格

---

Step 4：并行生成画面 + 配音

脚本确认后，6 帧画面和 6 段配音同时并行生成。

4.1 插图生成（并行）

mmx image generate \
  --prompt "<frame_N_illustration_prompt>" \
  --aspect-ratio 16:9 \
  --out-dir <OUTPUT_DIR>/frames \
  --out-prefix "frame_<N>" \
  --quiet

• 输出：frame_01.png ~ frame_06.png
• prompt 必须英文，以 dark, 开头

4.2 配音生成（并行）

mmx speech synthesize \
  --text "<narration>" \
  --voice <voice_id> \
  --model speech-2.8-hd \
  --speed <speed_from_frame_table> \
  --pitch <pitch_from_frame_table> \
  --format mp3 \
  --out <OUTPUT_DIR>/audio/frame_<N>.mp3 \
  --quiet

帧级参数（自然语速优先，pitch 控制恐怖感）：

帧	speed	pitch	说明
1	1.0	0	正常语速，像在叙述
2	1.0	0	正常，稍有疑问感
3	0.95	-1	轻微紧张，压低声调
4	0.9	-2	缓慢，压抑
5	0.9	-2	揭示真相，节奏稳定
6	0.95	-1	余韵，留白感

原则：speed 不低于 0.9，pitch 控制恐怖感

进度展示：

正在生成...
[██████░░░░] 画面 4/6
[████░░░░░░] 配音 3/6

---

Step 5：生成 BGM

mmx music generate \
  --prompt "low drone, slow cello, distant whispers, wind howling,
    tension building, eerie atmosphere, no lyrics,
    cinematic horror score, 60 seconds" \
  --mood "terrifying, suspenseful" \
  --genre "horror ambient, dark cinematic" \
  --instrumental \
  --out <OUTPUT_DIR>/audio/bgm.mp3 \
  --quiet

---

Step 6：展示成果

✨ 恐怖故事视频已合成！

《故事标题》
类型：xxx | 风格：xxx
📁 保存位置：<OUTPUT_DIR>/<SLUG>.mp4
总时长：xxx秒

画面（6帧）：
  frame_01_001.jpg — 铺垫
  frame_02_001.jpg — 异兆
  frame_03_001.jpg — 加剧
  frame_04_001.jpg — 高潮
  frame_05_001.jpg — 反转
  frame_06_001.jpg — 收尾

音频（7段）：
  frame_01.mp3 ~ frame_06.mp3（旁白）
  bgm.mp3（背景音乐，已与旁白混音）

最终成品：<SLUG>.mp4（可直接发布）

---

Step 6b：ffmpeg 合成视频

ffmpeg 将帧图片、配音、BGM 合成为一段完整 MP4 视频。三步完成，无需剪辑软件。

前置条件

command -v ffmpeg || brew install ffmpeg

完整合成命令

在 OUTPUT_DIR（含 frames/ 和 audio/ 子目录）下执行：

cd <OUTPUT_DIR>

# Step 1：生成每帧的视频片段（图片 + 该帧配音）
for i in 1 2 3 4 5 6; do
  dur=$(ffprobe -v error -show_entries format=duration -of csv=p=0 audio/frame_0${i}.mp3)
  ffmpeg -loop 1 -i frames/frame_0${i}_001.jpg -i audio/frame_0${i}.mp3 \
    -t ${dur} \
    -vf "scale=1920:1080:force_original_aspect_ratio=decrease,pad=1920:1080:(ow-iw)/2:(oh-ih)/2" \
    -pix_fmt yuv420p -c:v libx264 -preset fast -r 30 \
    -c:a aac -b:a 192k -shortest \
    -y segment_0${i}.mp4
done

# Step 2：拼接所有视频片段
cat > concat.txt << 'EOF'
file 'segment_01.mp4'
file 'segment_02.mp4'
file 'segment_03.mp4'
file 'segment_04.mp4'
file 'segment_05.mp4'
file 'segment_06.mp4'
EOF
ffmpeg -f concat -safe 0 -i concat.txt -c copy concat_raw.mp4

# Step 3：拼接所有配音
cat > audio/narration_list.txt << 'EOF'
file 'frame_01.mp3'
file 'frame_02.mp3'
file 'frame_03.mp3'
file 'frame_04.mp3'
file 'frame_05.mp3'
file 'frame_06.mp3'
EOF
ffmpeg -f concat -safe 0 -i audio/narration_list.txt -c copy audio/narration_all.mp3

# Step 4：裁 BGM 到视频时长，加淡入淡出，音量压到 30%
video_dur=$(ffprobe -v error -show_entries format=duration -of csv=p=0 concat_raw.mp4)
fade_start=$(echo "$video_dur - 5" | bc)
ffmpeg -i audio/bgm.mp3 -t ${video_dur} \
  -af "volume=0.3,afade=t=in:st=0:d=2,afade=t=out:st=${fade_start}:d=5" \
  -ar 44100 -ac 2 -c:a aac -b:a 128k /tmp/bgm_std.aac

# Step 5：标准化配音（统一采样率和声道）
ffmpeg -i audio/narration_all.mp3 -ar 44100 -ac 2 -c:a aac -b:a 128k /tmp/narration_std.aac

# Step 6：混音（配音为主 + BGM 为辅，权重 1:0.3）
ffmpeg -i /tmp/narration_std.aac -i /tmp/bgm_std.aac \
  -filter_complex "[0:a]volume=1.0[na];[1:a]volume=0.3[ba];[na][ba]amix=inputs=2:duration=first:weights=1 0.3:normalize=0[m]" \
  -map "[m]" -ar 44100 -c:a aac -b:a 192k /tmp/mixed.aac

# Step 7：合并视频（无音）+ 混音音频 → 最终成品
ffmpeg -i concat_raw.mp4 -i /tmp/mixed.aac \
  -map 0:v -map 1:a \
  -c:v copy -c:a aac -b:a 192k -shortest \
  -y <SLUG>.mp4

注意：

• stream_loop -1 在 filter_complex 里会导致卡死，不要用
• 配音和 BGM 必须先标准化（采样率/声道统一）再混音
• 中间文件放 /tmp 避免覆盖问题
• 最终成品自动打开：open <SLUG>.mp4

命令详解

步骤	关键命令	作用
1	ffprobe -show_entries format=duration	读取每段配音的实际时长
1	ffmpeg -loop 1 -i image.jpg -i audio.mp3 -t ${dur} ... -shortest	图片持续整段配音时长
1	-vf "scale=...force_original_aspect_ratio=decrease,pad=...:(ow-iw)/2:(oh-ih)/2"	将任意比例图片填充为 1920×1080
1	-r 30	输出 30fps 视频
2	ffmpeg -f concat -c copy	无重新编码拼接，速度快
3	ffmpeg -f concat -c copy	拼接所有配音为一条音频
4	ffmpeg -t ${video_dur} -af "volume=0.3,afade=in,afade=out"	裁 BGM 到视频时长，加淡入淡出，音量 30%
4	-ar 44100 -ac 2	BGM 重采样为 44.1kHz 立体声
5	ffmpeg -ar 44100 -ac 2	配音标准化（统一采样率和声道）
6	amix=inputs=2:weights=1 0.3:normalize=0	配音(权重1) + BGM(权重0.3) 混音
7	-map 0:v -map 1:a	精确指定：视频流+混音音频流合并

参数调整说明

参数	调整方法
视频分辨率	将 1920:1080 改为 1080:1920（竖屏 9:16）或 1280:720（720p）
BGM 音量	将 0.3 改为 0.2（更轻）或 0.4（更重）
ffmpeg 编码速度	将 preset fast 改为 preset slow（更小文件）或 preset ultrafast（最快）
视频质量	将 -preset fast -b:v 0 改为 -preset slow -b:v 3000k（固定码率 3Mbps）
帧率	将 30 改为 24（电影感）或 60（更流畅）

输出文件

合成完成后输出 <SLUG>.mp4，即为最终恐怖故事视频。自动打开播放：

open <OUTPUT_DIR>/<SLUG>.mp4

---

Step 7：播放 & 反馈

合成完成后，直接播放最终成品 <SLUG>.mp4：

open <OUTPUT_DIR>/<SLUG>.mp4

或用 ffplay 播放：

ffplay <OUTPUT_DIR>/<SLUG>.mp4

播放后选项：

还想做什么？
  1. 🔄 重新生成第 X 帧（指定帧号）
  2. 🔄 重新生成第 X 帧配音
  3. 🎵 换个 BGM
  4. 🎬 换个旁白文字后重新配音
  5. 📖 另一个恐怖故事

---

输出目录结构

~/Music/minimax-gen/horror-narrator/<TIMESTAMP>_<slug>/
├── script.txt              # 6帧脚本（旁白 + prompt）
├── frames/
│   ├── frame_01_001.jpg
│   ├── frame_02_001.jpg
│   ├── frame_03_001.jpg
│   ├── frame_04_001.jpg
│   ├── frame_05_001.jpg
│   └── frame_06_001.jpg
├── audio/
│   ├── frame_01.mp3
│   ├── frame_02.mp3
│   ├── frame_03.mp3
│   ├── frame_04.mp3
│   ├── frame_05.mp3
│   ├── frame_06.mp3
│   └── bgm.mp3
├── segment_01.mp4 ~ segment_06.mp4  # 中间产物（Step 6b Step 1 产出）
├── concat.txt                            # 中间产物（Step 6b Step 2 产出）
├── concat_raw.mp4                        # 中间产物（Step 6b Step 2 产出）
└── <SLUG>.mp4                            # 最终成品（Step 6b Step 3 产出）

---

Step 8：发布到小红书（可选）

使用 social-auto-upload 项目的 sau CLI，通过 Playwright 浏览器自动化上传视频到小红书。

8.1 安装依赖

安装 social-auto-upload（只需执行一次）：

git clone https://github.com/dreammis/social-auto-upload.git
cd social-auto-upload
uv pip install -e .

安装 patchright Chromium（只需执行一次）：

PLAYWRIGHT_DOWNLOAD_HOST="https://npmmirror.com/mirrors/playwright" patchright install chromium

8.2 登录小红书（只需执行一次，之后 cookie 持久化）

sau xiaohongshu login --account <你的账号名>
# 例如：sau xiaohongshu login --account horror_story

首次运行会弹出浏览器窗口，用小红书 App 扫码登录。登录后 cookie 自动保存。

8.3 检查登录状态

sau xiaohongshu check --account <你的账号名>
# 输出 valid = cookie 有效；invalid = 需要重新登录

8.4 上传视频

sau xiaohongshu upload-video \
  --account <你的账号名> \
  --file <OUTPUT_DIR>/<SLUG>.mp4 \
  --title "<故事标题>" \
  --desc "<故事简介，1-2句话>" \
  --tags <标签1>,<标签2>,<标签3> \
  [--thumbnail <封面图>] \
  [--headless | --headed]

参数说明：

参数	必填	说明
--account	是	登录时指定的账号名
--file	是	视频文件路径
--title	是	视频标题，≤20字
--desc	否	视频描述，正文内容
--tags	否	标签，逗号分隔，如 恐怖故事,民间志怪,深夜电台
--thumbnail	否	封面图，建议用高潮帧 frame_04
--schedule	否	定时发布，格式 YYYY-MM-DD HH:MM
--headless	否	无头模式（不弹浏览器窗口）
--headed	否	有头模式（显示浏览器，可调试）

小红书发布建议：

• 标题：悬念式，如「深夜路过这片坟地后，他再也没能回家」
• 标签：恐怖故事 民间灵异 吓人 深夜故事 惊魂
• 封面：用高潮帧 frame_04（最恐怖的画面），或 frame_06（余韵画面）

8.5 自动化工作流

如果已安装并登录，整个发布流程可以自动化：

# 1. 检查 cookie
status=$(sau xiaohongshu check --account <账号> --output json | jq -r '.status')
if [ "$status" != "valid" ]; then
  sau xiaohongshu login --account <账号> --headed
fi

# 2. 上传视频
sau xiaohongshu upload-video \
  --account <账号> \
  --file <OUTPUT_DIR>/<SLUG>.mp4 \
  --title "<标题>" \
  --desc "<描述>" \
  --tags "恐怖故事,民间灵异,深夜故事" \
  --thumbnail <OUTPUT_DIR>/frames/frame_04_001.jpg \
  --headless

8.6 定时发布

设置未来某个时间自动发布：

sau xiaohongshu upload-video \
  --account <账号> \
  --file <OUTPUT_DIR>/<SLUG>.mp4 \
  --title "<标题>" \
  --schedule "2026-04-25 21:00"

---

错误处理

错误	处理
mmx 未安装	提示 npm install -g mmx-cli
mmx 未认证	提示 mmx auth login
插图生成失败	报告失败帧号，用户重试或跳过
配音生成失败	报告失败帧号，用户重试或跳过
BGM 生成失败	跳过 BGM，继续流程
ffmpeg 缺失	brew install ffmpeg（macOS）或 apt install ffmpeg（Linux）
sau 未安装	提示安装 social-auto-upload（见 Step 8.1）
小红书 cookie 无效	sau xiaohongshu login --account <账号> --headed 重新扫码登录
网络错误	重试一次，失败则报告详情

---

重要规则

1. 规则第一：执行前先读规则手册，不确定时按规则来
2. 旁白是灵魂：插画和 BGM 是辅助，旁白是核心——先写好旁白，再生成画面
3. 自然节奏优先：旁白长度由内容自然决定，不硬卡时长；每帧 8-30 秒均可
4. 并行生成：6 帧画面 + 6 段配音同时生成，不串行
5. prompt 必须英文：英文生成质量显著优于中文
6. 五感写作：旁白要调动了/听/触/嗅/第六感，不只是"看到"
7. 克制的高潮：声音/影子/痕迹 > 完整显形；想象比已知更恐怖
8. 开场钩子：第 1 帧旁白结尾要留悬念，让人想继续看
9. 中式恐怖优先：暗黑国风 + 民间志怪 + 文化禁忌是市场最喜欢的组合
10. 本地存储：~/Music/minimax-gen/horror-narrator/
11. mmx agent flags：所有 mmx 命令必须加 --quiet --non-interactive
12. ffmpeg 合成：生成完素材后自动执行 ffmpeg 合成，无需用户手动操作
13. 小红书发布：视频生成完成后主动询问用户是否发布到小红书，用 sau CLI 自动上传