输入宠物种类、穿搭描述和产品图，AI自动生成一只“会动会吃会玩”的宠物带货视频——从生图到配音到字幕到成片，全自动一站式交付。
宠物带货视频是短视频平台的流量密码——萌宠吃东西、玩玩具，配上幽默吐槽文案，点赞转发数据往往比普通带货视频高出好几倍。
但制作门槛也高：需要宠物配合拍摄、需要逐句配音、需要手动对齐字幕、需要添加背景音乐……一条15秒的视频，从拍摄到剪辑，少说两三个小时。
这套工作流把整个过程变成了：输入宠物信息 → 上传产品图 → 点击运行。AI负责写文案、配音、生图、生视频、合成字幕、配背景音乐——一条龙到成片。
从输入到成片：全流程拆解
第一步：输入信息，AI生成文案和生图提示词
工作流入口只需要五个参数：
- 宠物种类（如“金毛”“比熊犬”）
- 产品名称（如“狗狗训练奖励零食肉干”）
- 产品图片（带货的产品图）
- 宠物穿搭（如“韩式秋冬帽衫”）
- API密钥
第一个大模型节点接收这些信息，同时完成两件事：
1. 生成宠物图片提示词
示例：一只活泼的小狗，身穿韩式秋冬帽衫，蹲在精致狗碗前，舔唇后迫不及待低头大口咀嚼碗里颗粒均匀的宠率全价无谷狗粮，温馨居家客厅背景。
2. 生成带货文案
风格固定为幽默吐槽、埋怨自家宠物的搞笑口吻，贴合短视频流量风格：
示例1：“吃吃吃，穿上漂亮小衣服还不停炫粮，铲屎官都被你吃穷了，再吃下去只能你自己去当牛马养活自己。”
示例2：“玩玩玩，就知道抱着玩具疯玩，穿着精致穿搭也不肯搭理我，合着我在公司给别人当牛马，回家还要伺候你。”
文案断句：每段纯汉字不超过15个字，便于后续配音和字幕对齐。断句后的分段文案以列表形式输出。
第二步：生成宠物图片 + 语音合成（并行）
路径一：即梦生成宠物图片
第一个大模型输出的生图提示词传入即梦图片生成插件（jimeng_generate_image，图片4.0模型，9:16比例），生成一张符合描述的宠物图片。
这张图将作为后续图生视频的首帧画面。
路径二：语音合成
断句文案传入循环节点，对每段文案调用语音合成插件（speech_synthesis），生成对应的音频文件。
关键参数：
- 语速1.2倍（贴合短视频快节奏风格）
- 音色：萌丫头（活泼可爱，适合宠物内容）
- 循环输出音频链接列表
第三步：音频时间线 + 智能时长判断
音频时间线插件从音频列表中提取每条音频的起止时间（微秒级），生成完整的时间线列表。
选择器节点判断音频总时长是否≥5秒：
- ≥5秒 → 进入完整视频合成流程
- <5秒 → 走简化流程（跳过部分字幕）
第四步：画板处理产品图
画板节点将用户上传的产品图裁剪为1080×1920的竖版尺寸，生成标准化的产品图素材。
第五步：大模型生成视频提示词 + 产品描述词
第二个大模型节点接收宠物图、生图提示词、断句文案、产品图，生成两样东西：
1. 图生视频提示词
规则：
- 玩具/用品类：必须描绘宠物四脚落地后跑动、跳动、转圈、摇摆身体等较大动作，与产品互动
- 食物类：描绘宠物吃食物的可爱画面细节
- 动作描述要符合实际（如“追着玩具跑动”，而非后脚站立）
2. 产品描述词
2-3句，每句不超过15个字。例如：“肉干鲜香有嚼劲”、“一闻就馋得直转圈”。
第六步：代码节点智能分割图片时间线
代码节点根据音频总时长和描述词数量，智能计算每张产品图在视频中的显示时间：
- 如果音频总时长 > 5秒，扣除前5秒留作宠物画面
- 剩余时间按描述词数量平均分配
- 生成每张图对应的起止时间线
例如：音频总时长13秒 → 前5秒宠物视频 → 剩余8秒展示产品图（共2张描述词，每张4秒）
第七步：多条数据整理路径
五条数据整理路径并行运行，为剪映合成准备素材：
| 路径 | 插件 | 功能 |
|---|---|---|
| 音频数据整理 | audio_infos | 将配音音频整理为剪映可识别的格式 |
| 字幕数据整理 | caption_infos | 将断句文案整理为字幕数据（配音字幕） |
| 图片数据整理 | imgs_infos | 将产品图按时间线整理为图片素材 |
| 描述词字幕整理 | caption_infos | 将产品描述词整理为字幕数据（底部文案） |
| 视频时间线制作 | timelines | 创建10秒视频时间轴 |
第八步：即梦图生视频
经过负向提示词增强（“宠物四脚落地跑动时绝不能出现多手多脚，转圈时也不能头转身体不转，画面真实流畅自然，现场实拍效果，不要慢动作”）的提示词，连同首帧宠物图一起传入即梦视频生成插件（jimeng_generate_video，视频3.0模型，10秒），生成一段宠物与产品互动的动态视频。
第九步：剪映草稿合成——全自动交付
这是工作流的“最后一公里”——在剪映中自动创建草稿并组装所有元素：
1. 创建草稿（create_draft）
创建1080×1920竖版空白草稿。
2. 添加配音（add_audios）
将合成好的配音音频添加到时间轴。
3. 添加视频（add_videos）
将即梦生成的宠物视频添加到时间轴。
4. 选择器判断
- 如果产品图片存在 → 添加图片（add_images）
- 否则 → 跳转添加文案字幕
5. 添加配音字幕（add_captions）
将断句文案作为字幕添加到画面指定位置（Y偏移-1300，靠近画面顶部），字体“悠然体”，主色#ffde00黄色，边框#8863ff紫色。
6. 添加产品描述词字幕（add_captions）
将产品描述词作为字幕添加到画面底部（Y偏移999），主色#333333深灰，边框#87CEEB天蓝。
7. 添加背景音乐（add_audios）
工作流内置了一段宠物带货专用的背景音乐，自动合成到草稿中。
最终输出：剪映草稿ID。用户打开剪映即可看到完整合成好的视频，直接导出或微调后导出。
技术规格一览
| 参数 | 说明 |
|---|---|
| 输入 | 宠物种类 + 产品图片 + 产品名称 + 宠物穿搭 + API密钥 |
| 大模型1 | 豆包·2.0·Mini（生成文案+生图提示词） |
| 大模型2 | 豆包·2.0·Mini（生成视频提示词+产品描述词） |
| 宠物图生成 | 即梦图片生成（图片4.0，9:16） |
| 视频生成 | 即梦视频生成（视频3.0，10秒） |
| 语音合成 | 扣子语音合成（语速1.2倍，音色“萌丫头”） |
| 视频合成 | 剪映小助手（创建草稿+添加音视频+添加字幕+添加BGM） |
| 输出分辨率 | 1080×1920（竖版） |
| 输出内容 | 剪映草稿ID（可直接导出或微调） |
进阶在哪？
相比普通宠物带货视频工作流，这套工作流实现了三个关键升级：
| 维度 | 基础版 | 进阶版（本工作流） |
|---|---|---|
| 文案 | 单独生成 | 生成+断句（每段≤15字） |
| 配音 | 无 | 语音合成+语速1.2倍 |
| 字幕 | 无 | 配音字幕+产品描述词双字幕 |
| 产品展示 | 单一画面 | 按时间线智能分割多段展示 |
| 成片 | 仅视频素材 | 剪映草稿（含音视频+字幕+BGM） |
一句话概括：基础版给素材，进阶版给成品。
应用场景
- 宠物食品/玩具卖家：快速生成宠物试吃/试玩带货视频
- 宠物博主：高频产出宠物日常+带货内容，保持日更节奏
- 宠物品牌方：批量生成多品种、多产品的广告素材
- 代运营公司：服务多个宠物品牌，标准化内容生产流程
