在OpenClaw上,我用一个AI技能把视频脚本生成效率翻了3倍

用AI视频生成技能,让营销创意一键落地——推荐一个我常用的VEO/Gemini视频skill

做营销内容的朋友都懂,把创意落地成视频有多折腾。
脑子里有个爆款idea,但要写成脚本、规划分镜头、设计转场、配上字幕,还要适配抖音、YouTube、LinkedIn不同平台的格式……光是想这些就劝退了一半灵感。

我也经历过这种痛苦:团队 brainstorm 两小时,输出一堆点子,结果执行时发现每个细节都要反复沟通,剪辑师、文案、运营来回改,效率极低。

直到最近我在 SkillsBot 上发现了一个“视频生成技能”,才终于把这块生产力跑通了。

在这里插入图片描述

这个技能是干什么的?

简单说,它是一个能把“营销想法”自动转化成“可执行视频方案”的AI工具。
你只需要告诉它目标(比如“推广一款量化交易课程”),它就能输出:

  • 视频前3秒的钩子文案
  • 完整的逐字脚本
  • 建议的B-roll画面和覆盖文本
  • 每个场景的转场提示
  • 甚至缩略图概念和文字

它支持多种AI视频生成流水线——VEO、Gemini、Nano Banana 等,意味着这些脚本可以直接喂给对应的视频生成工具,实现从创意到视频的自动化。

具体能生成什么样的视频?

技能内置了两种主流视频类型的结构模板:

短视频(15-60秒)

适用于 TikTok、Instagram Reels、YouTube Shorts、Facebook Reels
结构清晰到每一秒:

  • 钩子(0-3秒):模式中断,抓住注意力
  • 问题(3-10秒):指出用户痛点
  • 解决方案(10-45秒):展示产品/服务如何解决
  • 行动号召(45-60秒):引导点赞、关注或点击链接

长视频(2-10分钟)

适用于 YouTube、LinkedIn、网站嵌入
结构更完整:

  • 钩子(0-15秒)
  • 介绍(15-30秒)
  • 主要内容(30秒-8分钟)
  • 总结(8-9分钟)
  • 行动号召(9-10分钟)

更贴心的是,它会根据不同平台自动适配要求。比如生成 YouTube 内容时,会附带缩略图尺寸建议(1280x720)、标题字符限制、描述前150字预览;生成 TikTok 内容时则强调垂直9:16、原生字幕、热门声音推荐。

怎么用?

这个技能设计得很“开发者友好”——通常由 SocialPlaybookAgent 或 VisualExperienceAgent 调用,也可以直接在 SkillsBot 上查看详情。我是在 OpenClaw 上直接安装的这个技能,只需一行命令 openclaw install <技能包名>(具体包名以 SkillsBot 页面为准),几秒钟就配置好了,非常方便。

它会在 socia_assets 表中存入 asset_type='video' 的记录,方便后续接入你自己的视频生成管道。

如果你是像我一样用 Trae 或 OpenClaw 写自动化工作流,直接按它输出的 JSON 结构解析,就能自动生成分镜脚本,甚至直接丢给 VEO 渲染出视频。

我在 SkillsBot 上还发现了什么?

其实这个技能只是 SkillsBot 里的一个例子。
这个站点专门面向中文开发者,收录了适用于 Trae、Claude Code、Cursor、OpenClaw 等 AI 编程工具的 Skill,而且做了深度清洗:

  • 所有 Skill 都有中文场景化介绍,不用再对着英文 README 猜
  • 按开发场景分类,比如量化金融、爬虫反爬、内容创作、效率工具
  • 标注了测试环境难度分级,避免踩版本坑
  • 部分生态(如 OpenClaw)还支持一键安装

之前我用过它收录的“通达信数据爬取”技能,省去了手动导数据的麻烦;这次视频生成技能又帮我省下了脚本策划的时间。可以说,这个站已经成了我找 AI 工具的默认入口。

如果你也在用 AI 做视频内容,或者想找一些现成的 AI 技能提升开发效率,可以去搜一下“SkillsBot”或者“AI Skill库”。
里面还有更多像视频生成、SEO自动提交、MySQL优化之类的实用工具,都是经过人工筛选的,比在 GitHub 大海捞针靠谱得多。

希望这个视频生成技能也能帮你把创意快速变成爆款视频。

Read more

whisper.cpp - 高性能Whisper语音识别推理

文章目录 * 一、关于 whisper.cpp * 1、项目概览 * 2、相关链接资源 * 3、功能特性 * 二、安装配置 * 三、使用示例 * 1、基础转录 * 2、实时音频处理 * 3、量化模型使用 * 四、高级功能 * 1、Core ML加速(Mac) * 2、OpenVINO加速 * 3、NVIDIA CUDA加速 * 五、性能参考 * 六、扩展支持 * 1、Docker使用 * 2、语言绑定 * 七、注意事项 一、关于 whisper.cpp 1、项目概览 whisper.cpp

Llama 3-8B-Instruct 在昇腾 NPU 上的 SGLang 性能实测

Llama 3-8B-Instruct 在昇腾 NPU 上的 SGLang 性能实测

1.引言 随着大模型在各类智能应用中的广泛应用,高效的推理硬件成为关键瓶颈。昇腾 NPU(Ascend Neural Processing Unit)凭借其高算力、低能耗以及对 SGLang 的深度优化,能够显著提升大模型推理性能。本文以 Llama 3-8B-Instruct 为例,通过在昇腾 NPU 上的实测,展示其在吞吐量、延迟和资源利用方面的优势,并探索可行的优化策略,为开发者在今后的开发中提供可参考的案例。 在本篇文章中我们会使用到Gitcode的Notebook来进行实战,GitCode Notebook 提供了开箱即用的云端开发环境,支持 Python、SGLang 及昇腾 NPU 相关依赖,无需本地复杂环境配置即可直接运行代码和进行实验。对于没有硬件平台的小伙伴来说是非常便利的。 GitCode Notebook使用链接:https://gitcode.com/user/m0_49476241/notebook。 2.实验环境与准备 2.

2026 届毕业生必看:各大学位论文 AIGC 检测率要求汇总,超过这个数真的危险了!

2026 届毕业生必看:各大学位论文 AIGC 检测率要求汇总,超过这个数真的危险了!

一、 前言 随着 2026 届毕业季的临近,很多小伙伴在写论文时都离不开 AI 的辅助。但今年最让大家头疼的不再仅仅是查重率,而是新出的AIGC 疑似度。 很多学校已经明确:如果 AIGC 检测超过阈值,直接取消答辩资格! 今天我就帮大家梳理一下目前主流的检测要求,以及如何正确应对。 二、 各大高校 AIGC 检测率“红线”汇总 虽然各校标准不一,但根据目前各大高校反馈的最新政策,基本可以划分为三个梯度: 风险等级AIGC 疑似度范围学校处理建议安全区< 20%基本无风险,属于合理参考范围。预警区20% - 40%导师需进行人工核查,可能要求提供写作痕迹证据。高危区> 40%极大可能被判定为“代写”或“学术不端”,面临延毕风险。 注意: 部分顶尖院校(如 C9

protege+Neo4j+前端可视化知识图谱项目(教育领域)

protege+Neo4j+前端可视化知识图谱项目(教育领域)

声明:自己的学习笔记,仅供交流分享。 注意其中JDK版本的切换! 目录 1、工具下载 1.1protege的安装 1.2Neo4j的安装 2、Neo4j导入protege文件 2.1启动Neo4j 2.2protege导出owl文件转turtle文件 2.3导入Neo4j 1. 清除数据库中的所有数据 2. 初始化 RDF 导入配置 3. 导入 RDF 数据 4.查询所有(部分)数据 5.查询边关系 6.一些细节 3、Neo4j导出JSON文件 4、可视化前的操作 4.1利用python对数据进行处理 4.2学习VUE&Echarts 1、工具下载 1.