文艺片 / 照片故事

你会得到一条用照片和几段小视频做成的故事片：由 AI 配音或你自己克隆的声音讲述，或者按音乐小节卡点。画面里有推拉摇移、拼贴、地图、时间轴、引语、红笔圈重点和胶片质感，配中英双语字幕、带章节进度的页眉、章节卡、封面和发布文案。

一位画家素描主题的照片故事联系表：带章节的页眉、章节卡、拼贴、草稿与成品对比、放大镜、构图三角形和中英双语字幕

开始之前

照片，可以加几段手机小视频。适合看展、旅行、讲一位艺术家、一段历史或一个产品。
一个故事：带中英文句子的旁白脚本；如果只配音乐，有章节和字幕文字就够了。
要旁白的话：用 OpenAI 配音需要 OpenAI API key；用自己的声音则准备一段 5 到 15 秒、干净的录音，在本地克隆。
只配音乐的话：一首你有使用权的曲子，节拍清楚的最好。

口播素材不适合这个流程，请看口播短视频。

在 Mac 应用里

在首页输入框里描述这个故事，把照片和视频拖进来。说清楚要旁白还是只配音乐、发哪个平台。
方案里写明模式、平台、音色和标题。
选片与章节。故事写成一份脚本：有哪些章节、每句的中英文、每句下面放哪些镜头和特效。可以让 Agent 根据你的照片和笔记起草，你再调整。
版式确认。先渲染几张静帧，在花钱配音之前检查字幕、页眉和裁切。
批量生成配音（或分析音乐）、渲染视频，并写好封面、字幕、文稿和文案。
审片，发布。

用 Claude Code 技能

把照片文件夹和故事交给 Claude。技能按 workflows/photo-story 来做：写好 work/spec.py，先渲染版式静帧给你看，再逐句配音。每句最多录三遍，选转写结果和脚本最吻合的一遍。录好的会缓存，所以换镜头不会重新计费，改一句也只重配那一句。

python3 $VSTUDIO/workflows/photo-story/scripts/photostory/render.py work/spec.py --stills 2,10,25,40
python3 $VSTUDIO/workflows/photo-story/scripts/photostory/tts.py work/spec.py --sample

旁白还是音乐

模式	节奏怎么定
旁白（默认）	配音决定时间线，下面可以垫一层音乐。配音用 OpenAI TTS，或在 Apple Silicon 上用 Qwen3-TTS 本地克隆你自己的声音。
音乐	没有配音。每一刀都落在小节（或节拍）上，你的句子变成安静的标题字。音乐自己的段落变化靠近章节时，章节就从那里开始。

克隆用的参考录音放在本地的人设文件里，不要放进仓库。

镜头、叠加效果和质感

类别	可选
镜头类型	单张照片或视频、拼贴、胶片条、左右对比、宫格、倾斜、叠卡、引语、路线地图、圆环徽章、横排。
照片运动	推近、拉远、左摇、右摇、上移、下移、静止、镜像翻转。
叠加效果	素描、显影、微光、灰尘、针刺；红笔圈重点；构图三角形；移动放大镜；时间轴；数字滚动。
转场	淡入淡出、推、甩、闪白、缩放、圆形开合、漏光、墨迹、百叶窗、撕纸、上滑、硬切。
胶片质感	选定的章节加颗粒、暖调降饱和、闪烁、划痕和灰尘。

值得知道的选项

选项	默认	作用
模式	旁白	`narration` 旁白或 `music` 音乐卡点。
配音引擎	openai	`openai`，或 `clone`（你自己的声音，离线）。
平台	小红书 3:4	决定画布、安全区、字幕大小、响度和封面尺寸。
画布	跟随平台	也可直接指定：3:4（1080×1440）、3:4 高清（1620×2160）、9:16、16:9。
卡点粒度	小节	音乐模式下按每小节、每拍或每两拍切。
视频原声	静音	每段可以设为前景原声、环境声或静音。有人说话的片段可以用统一的去口癖工具清理。

示例指令

「用这 40 张照片做一条 3:4 的看展视频，三个章节，中英双语字幕，最后一章加胶片回忆感。」
「旁白用我自己的声音，参考录音在我的 voice 文件夹里。」
「这次不要旁白，按这首歌的小节卡点，60 秒左右，发抖音。」
「草稿那张多停一会儿，在手的位置加个放大镜。」