VPick 视频创作者

一体化 AI 视频制作工作室 —— 从图像生成到视频创作、语音旁白、音乐配乐、口型同步，再到最终导出，全部在可视化画布上完成。由 [VPick](https://vpick.10xboost.org) 提供支持。

安全与数据处理

• MCP 链接即凭证：您的 MCP 配置包含嵌入式身份验证令牌（https://vpick.10xboost.org/mcp/t/xxxxx...）。请将其视为密码对待——切勿公开分享。
• 令牌权限范围：嵌入的令牌仅授予您 VPick 账户的生成访问权限，可创建/管理画布节点、触发视频/图像/音频生成、上传媒体及导出结果。无法访问您的社交媒体账户或任何外部服务。
• 令牌存储：令牌以服务器端方式存储于 VPick 的数据库中（Google Cloud，us-central1）。不会写入本地文件系统。您可在 [vpick.10xboost.org/settings](https://vpick.10xboost.org/settings) 任意时间重新生成。
• 数据流转：所有生成请求均通过 VPick 服务器（vpick.10xboost.org，运行于 Google Cloud）进行。VPick 会代表您将请求转发至第三方 AI 模型服务商（Kling、Veo、Runway、Sora、ElevenLabs、Suno）。您的提示词和上传的媒体将发送至这些服务商进行处理。
• 存储机制：生成的文件存储于您的 VPick 账户下的 Google Cloud Storage 中。上传的图片/视频仅用于生成过程，并保存在您的项目内。
• 无本地凭证：无需本地 API 密钥、环境变量或密钥文件。所有认证信息均嵌入在 MCP 链接中。
• 计费方式：生成费用从您的 VPick 信用余额中扣除，不直接支付给任何第三方服务。
• 第三方服务说明：本技能依赖 [VPick](https://vpick.10xboost.org)，一个云端 AI 视频制作平台。文档地址：[vpick-doc.10xboost.org](https://vpick-doc.10xboost.org)。源代码：[github.com/snoopyrain](https://github.com/snoopyrain)。

前提条件

1. 注册账号：前往 [vpick.10xboost.org](https://vpick.10xboost.org) 注册（使用 Google OAuth 登录，新用户可获 $1 免费信用额度）
2. 获取 MCP 链接：进入 设置 页面，复制您的 MCP 服务器 URL（包含身份验证令牌）
3. 添加至 Claude：将 MCP 链接粘贴至 Claude 设置中的连接器配置中——无需安装，无需 API 密钥
4. 充值信用额度（如需）——生成费用将从您的 VPick 余额中扣除

支持的模型

视频生成模型

图像生成模型（用于参考图、分镜稿、缩略图）

音频与语音模型

制作流程概览

VPick 在一个平台上覆盖了完整的视频制作工作流：

图像生成 → 视频生成 → 语音/音乐制作 → 口型同步 → 语音编辑 → 合成并导出

1. 前期准备：生成角色设计、场景设定、分镜草图
2. 视频生成：单镜头或支持角色一致性的多镜头生成
3. 音频制作：语音旁白（ElevenLabs TTS）、音乐生成（Suno）、人声分离（Demucs）、语音变换
4. 口型同步：将静态人脸图像与生成音频联动，实现动态口型
5. 后期制作：合并视频片段、混合音频轨道、导出最终视频

核心工作流程

第一步：搭建画布

首先了解用户的项目需求：

• 调用 get_canvas 查看当前画布状态
• 调用 list_projects 检查已有项目
• 若为新项目，使用 create_project 创建新项目

第二步：准备素材

在画布上创建输入节点：

文本提示：

add_node(type: "text", name: "场景 1 提示", data: { content: "一位武士在雨中行走，电影级光影效果" })

参考图像（用于起始/结束帧或角色一致性）：

upload_image(url: "https://example.com/character.jpg")

如需先生成图像：

run_image_generator(nodeId: "<image_node_id>", prompt: "武士肖像，白色背景", model: "nano-banana-2")

第三步：生成视频

简单视频（单镜头）

add_node(type: "video-generator", name: "场景 1")
connect_nodes(sourceId: "<prompt_node>", targetId: "<video_node>", sourceHandle: "text-out", targetHandle: "prompt-in")
connect_nodes(sourceId: "<image_node>", targetId: "<video_node>", sourceHandle: "image-out", targetHandle: "start-image-in")
run_video_generator(nodeId: "<video_node>", model: "kling-3.0", duration: 5, sound: true)

多镜头视频（多个连续镜头 — 仅限 Kling 3.0）

多镜头模式可在一次 API 调用中生成 3–15 秒的视频，支持多角度拍摄和角色一致性。

run_video_generator(
  nodeId: "<video_node>",
  model: "kling-3.0",
  multiShot: true,
  multiPrompt: [
    { "prompt": "@角色走入画面，广角镜头", "duration": 4 },
    { "prompt": "@角色看向镜头，中近景", "duration": 3 },
    { "prompt": "@角色转身离开，缓慢推远", "duration": 3 }
  ],
  elements: [
    {
      "name": "character",
      "description": "主角，男性武士",
      "imageUrls": ["https://.../char-front.jpg", "https://.../char-side.jpg"]
    }
  ],
  sound: true
)

多镜头规则：

• 每个角色元素至少需要 2 张参考图（纯色背景，孤立人物）
• 元素 name 必须与提示词中的 @name 完全一致（区分大小写）
• 总时长：3–15 秒
• 每组最多 5 个镜头
• 多镜头模式下音效强制开启

第四步：音频制作

音频是视频制作的核心部分。VPick 支持 5 种音频工具：

4a. 语音旁白 — ElevenLabs 文本转语音

从文本生成自然的旁白或对白。提供 29+ 种内置声音，支持多语言。

add_node(type: "audio-generator", name: "旁白")
run_audio_generator(
  nodeId: "<audio_node>",
  prompt: "武士独自站在雨中，等待黎明。",
  model: "elevenlabs",
  voiceId: "<voice_id>",
  stability: 0.5
)

可连接文本节点作为输入：

connect_nodes(sourceId: "<text_node>", targetId: "<audio_node>", sourceHandle: "text-out", targetHandle: "text-in")

4b. 音乐生成 — Suno

创建原创背景音乐、主题曲或广告短曲。

add_node(type: "music-generator", name: "BGM")
run_music_generator(
  nodeId: "<music_node>",
  prompt: "史诗级电影管弦乐，紧张感逐渐增强，黑暗氛围",
  model: "suno",
  instrumental: true,
  style: "cinematic orchestral"
)

设置 instrumental: false 可生成带歌词的人工智能人声，歌词来自提示词。

4c. 唇形同步 — Kling AI 角色动画

将任意音频与角色面部动画同步，实现静态图像说话效果。可将一张图片转化为会说话的头像视频。

add_node(type: "lipsync-generator", name: "说话角色")
connect_nodes(sourceId: "<人脸图像>", targetId: "<lipsync_node>", sourceHandle: "image-out", targetHandle: "image-in")
connect_nodes(sourceId: "<音频节点>", targetId: "<lipsync_node>", sourceHandle: "audio-out", targetHandle: "audio-in")
run_lipsync_generator(nodeId: "<lipsync_node>")

成本：约 $0.12/秒。适用于对白场景、解说视频或虚拟主持人。

4d. 人声分离 — Demucs

从任意音频或视频文件中分离出人声部分。输出包括：人声轨道、伴奏轨道和原始音频。

add_node(type: "vocal-separator", name: "分离音频")
connect_nodes(sourceId: "<视频或音频文件>", targetId: "<separator_node>", ...)
run_vocal_separator(nodeId: "<separator_node>")

适用场景：从场景中提取对白、移除背景音乐、重新混音音频。

4e. 语音变换 — ElevenLabs 语音转语音

在保留原语音语调和情感的前提下，将一段语音转换为另一种声音。

add_node(type: "voice-changer", name: "新声音")
connect_nodes(sourceId: "<原始音频>", targetId: "<voice_changer_node>", sourceHandle: "audio-out", targetHandle: "audio-in")
run_voice_changer(nodeId: "<voice_changer_node>", voiceId: "<目标声音ID>", removeBackgroundNoise: true)

需用户自行提供 ElevenLabs API 密钥（免费，不扣费）。

4f. 音频混音

将多个音频轨道（如旁白 + BGM）合并为一个音频文件：

add_node(type: "audio-combine", name: "混合音频")
connect_nodes(sourceId: "<旁白>", targetId: "<mix_node>", sourceHandle: "audio-out", targetHandle: "audio-in")
connect_nodes(sourceId: "<BGM>", targetId: "<mix_node>", sourceHandle: "audio-out", targetHandle: "audio-in")
run_audio_combine(nodeId: "<mix_node>")

支持最多 10 个音频输入。

第五步：合成与导出

合成多个视频片段：

add_node(type: "combine", name: "最终视频")
connect_nodes(sourceId: "<视频1>", targetId: "<combine_node>", sourceHandle: "video-out", targetHandle: "videos-in")
connect_nodes(sourceId: "<视频2>", targetId: "<combine_node>", sourceHandle: "video-out", targetHandle: "videos-in")
connect_nodes(sourceId: "<BGM节点>", targetId: "<combine_node>", sourceHandle: "audio-out", targetHandle: "audio-in")
run_combine(nodeId: "<combine_node>")

混合音频轨道：

run_audio_combine(nodeId: "<audio_combine_node>")

第六步：整理画布

保持画布整洁：

auto_layout(nodeIds: ["<id1>", "<id2>", ...], direction: "horizontal", spacing: 200)
create_group(nodeIds: ["<id1>", "<id2>", ...], overrides: { label: "场景 1", color: "#4A90D9" })

工作流（自动化流程）

用于重复性任务，可创建工作流：

create_workflow(nodes: [...], edges: [...])
run_workflow(workflowId: "<id>")

检查结果

• list_nodes — 查看所有节点及其生成状态和输出链接
• get_node(id) — 获取特定节点详情，包括生成的视频/音频链接
• list_generated_files(limit: 10) — 最近生成记录
• get_generation_stats — 按模型和成本的使用统计

• 从图像生成开始，在生成视频前创建角色/场景的参考图像
• 使用 MultiShot 处理需要角色一致性的场景——这是最强大的功能
• 白色背景的参考图像对 Elements 效果最佳
• 生成前检查余额——使用 get_generation_stats 查看已消耗额度
• 元素名称不匹配是最常见的错误——务必确认提示词中的 @name 与元素 name 完全一致
• 画面比例一旦设定将影响所有生成结果——请先与用户确认（支持 16:9、9:16、1:1）

错误处理

文档

• VPick 应用：[vpick.10xboost.org](https://vpick.10xboost.org)
• 可用模型：调用 list_models 工具获取当前定价与功能信息