前言¶
把一段口播文案变成一条能发的视频，中间要过好几道手：改出品牌口吻的文案、生成配音、按配音时长切字幕和画面、再导入剪映排版。每道工序换一个工具，人就在不同软件之间来回搬素材，时长对不齐是最常见的坑——配音比字幕长，或者字幕比画面多出一句。
下面介绍的 Skill「全自动剪映工作流-柳十一」把这条链路收进一个引导式流程里，由 SkillHub 上的 community 发布者 user_d42a6c1a（十一AGI）维护，当前版本 1.0.18，分类 design-media。它做的事情是：拿一段口播文案，先做品牌化的二创改写，再自动生成剪映可编辑草稿。
定位¶
一句话定位：一个面向小白的剪映短视频向导，输入口播文案，输出剪映草稿，不需要用户自己操作剪映。
它解决两个具体问题：
- 文案到草稿的搬运。改写、配音、字幕、画面轨道都由流程生成，用户最后只在剪映里做微调。
- 三轨对齐。配音、字幕、画面的时长不是估的，而是由 TTS 真实时长驱动，避免”对完字幕发现配音不够长”的返工。
核心功能¶
已从官方资料核实的能力有三项。
1. 品牌二创改写¶
流程先对口播文案做品牌化的二次创作，不是原样照搬。改写发生在生成草稿之前，目的是让同一卖点在不同账号上有各自的表述。
2. 引导式生成剪映草稿¶
改写完成后，流程自动产出剪映可编辑草稿。产出物是草稿，用户可以在剪映里继续调顺序、换素材、改字幕，不是一条锁死的成片。
3. 深度抓取模式（可选）¶
默认模式接受口播文案作为输入。可选的「深度抓取模式」支持直接丢一个抖音链接，流程会：
- 下载该视频；
- 用本地 ASR 转写出口播文案。
需要明确的是，转写结果是草稿级，需要人工校对。方言、背景音乐、多人对话都会影响准确率，拿到后应当通读一遍再进入后续环节。
4. TTS 时长驱动的三轨对齐¶
配音、字幕、画面三条轨道的时长由 TTS 的真实输出时长驱动，而不是按字符数估算。这是这个 Skill 与”先生成文案再手动对轨”做法的主要区别。
安装与启用¶
这个 Skill 基于通用 SKILL.md 格式，发布在 SkillHub 上，坐标 @user_d42a6c1a/shiyi-agi-draft-kit，标签 requires_api_key=false，即使用不需要额外配置 API Key。
官方页面：https://www.skillhub.cn/skills/user_d42a6c1a/shiyi-agi-draft-kit
安装命令和各工具（Cursor / Codex CLI / Claude Code）的差异，官方资料中没有给出可核实的文本。请勿引用未经核实的命令，以官方页面为准。
典型用法¶
以下是官方简介中描述的两条输入路径，具体交互步骤以官方页面为准。
常规路径¶
- 准备一段口播文案；
- 走默认引导流程，先做品牌二创改写；
- 确认改写结果后，由流程生成剪映草稿；
- 在剪映中打开草稿，做最后的微调。
深度抓取路径¶
- 准备一个抖音视频链接；
- 启用「深度抓取模式」；
- 流程下载视频并做本地 ASR 转写；
- 人工校对转写出的口播文案；
- 进入与常规路径相同的改写和草稿生成环节。
适用场景与注意¶
适合的人：
- 有口播文案来源（自己写的、ASR 转写的），需要批量产出剪映草稿的运营和内容团队；
- 不想在剪映里从零搭轨道的个人创作者；
- 需要把同一卖点改写成多个品牌口吻的矩阵号运营。
需要注意的限制：
- ASR 转写是草稿级，必须人工校对后再用。
- 生成的是草稿，不是成片。配音音色、画面素材、转场风格仍需在剪映里确认。
- 三轨对齐依赖 TTS 真实时长，换配音引擎或改语速后，字幕和画面需要重新对齐。
- 深度抓取模式涉及下载第三方平台视频，使用前确认版权和平台规则。
- 目前资料显示安装量为 0，社区验证还少，建议先用短文案跑一遍完整流程再投入量产。
结尾¶
这个 Skill 的价值在于把”文案—配音—字幕—画面”四件事收进一个引导式流程，并用 TTS 真实时长解决对齐问题。常规文案输入可以直接走默认流程，只有抖音链接来源时再启用深度抓取模式。
官方地址：https://www.skillhub.cn/skills/user_d42a6c1a/shiyi-agi-draft-kit
