VPick AI 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、配音、配乐、唇形同步，再到最终导出，全部在可视化画布上完成。由 [VPick](https://vpick.10xboost.org) 驱动。

安全性与数据处理

• 身份验证：您的 MCP 链接包含嵌入式令牌 —— 不需要额外的 API 密钥或凭证。请将您的 MCP 链接视为密码。
• 数据流向：所有生成请求通过 VPick 服务器（vpick.10xboost.org，运行于 Google Cloud）中转。VPick 会代表您将请求路由至第三方 AI 模型服务提供商（Kling、Veo、Runway、Sora、ElevenLabs、Suno）。您的提示词和上传的媒体内容将发送至这些服务商进行处理。
• 存储机制：生成的文件存储在 Google Cloud Storage 中，归属于您的 VPick 账户。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：本技能无需任何本地 API 密钥、环境变量或密钥信息。所有认证均嵌入在 MCP 链接中。
• 计费方式：生成费用从您的 VPick 信用余额扣除，不会直接支付给任何第三方服务。

前置条件

1. 注册账号：访问 [vpick.10xboost.org](https://vpick.10xboost.org)（支持 Google OAuth 登录 —— 新用户可获得 $1 免费信用额度）
2. 获取 MCP 链接：进入 设置 页面，复制您的 MCP 服务器地址（包含认证令牌）
3. 添加至 Claude：将 MCP 链接粘贴至 Claude 设置中的连接器配置 —— 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 覆盖了完整的视频制作流程：

图像生成 → 视频生成 → 配音/配乐 → 唇形同步 → 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视频
3. 音频制作：配音（ElevenLabs TTS）、音乐生成（Suno）、人声分离（Demucs）、语音变换
4. 唇形同步：使用图像与音频驱动面部动画（Kling AI Avatar）
5. 后期制作：合并视频片段、混音、导出最终成品

核心工作流

步骤一：搭建画布

首先了解用户项目需求：

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

步骤二：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" })

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")

步骤三：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 —— 仅支持 Kling 3.0）

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

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": "角色",
      "description": "主角，男性武士",
      "imageUrls": ["https://.../char-front.jpg", "https://.../char-side.jpg"]
    }
  ],
  sound: true
)

多镜头规则：

• 每个元素至少需要 2 张参考图像（白底、孤立主体）
• 元素 name 必须与提示词中的 @name 完全匹配（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，音频强制开启

步骤 4：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话。支持 29+ 种内置音色，多语言支持。

add_node(type: "audio-generator", name: "Narration")
run_audio_generator(
  nodeId: "<audio_node>",
  prompt: "The samurai stood alone in the rain, waiting for dawn.",
  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、主题曲或广告曲。

add_node(type: "music-generator", name: "BGM")
run_music_generator(
  nodeId: "<music_node>",
  prompt: "epic cinematic orchestral, tension building, dark atmosphere",
  model: "suno",
  instrumental: true,
  style: "cinematic orchestral"
)

设置 instrumental: false 可在提示词中加入 AI 生成的歌词和人声。

4c. 唇形同步 — Kling AI 虚拟形象

将角色面部动画与任意音频同步，实现静止图像变为说话头像视频。

add_node(type: "lipsync-generator", name: "Talking Character")
connect_nodes(sourceId: "<face_image>", targetId: "<lipsync_node>", sourceHandle: "image-out", targetHandle: "image-in")
connect_nodes(sourceId: "<audio_node>", 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/视频文件中分离出人声与伴奏。输出包括：人声轨道、伴奏轨道和原始音频。

add_node(type: "vocal-separator", name: "Separate Audio")
connect_nodes(sourceId: "<video_or_audio>", targetId: "<separator_node>", ...)
run_vocal_separator(nodeId: "<separator_node>")

应用场景：提取场景对白、移除背景音乐、重新混音音频。

4e. 声音变换 — ElevenLabs 语音转语音

在保留原语音语调与情感的前提下，将任意语音录音转换为另一种声音。

add_node(type: "voice-changer", name: "New Voice")
connect_nodes(sourceId: "<original_audio>", targetId: "<voice_changer_node>", sourceHandle: "audio-out", targetHandle: "audio-in")
run_voice_changer(nodeId: "<voice_changer_node>", voiceId: "<target_voice_id>", removeBackgroundNoise: true)

需用户自备 ElevenLabs API Key（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：

add_node(type: "audio-combine", name: "Mixed Audio")
connect_nodes(sourceId: "<voiceover>", 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。

步骤 5：合并与导出

合并多个视频片段：

add_node(type: "combine", name: "Final Video")
connect_nodes(sourceId: "<video_1>", targetId: "<combine_node>", sourceHandle: "video-out", targetHandle: "videos-in")
connect_nodes(sourceId: "<video_2>", targetId: "<combine_node>", sourceHandle: "video-out", targetHandle: "videos-in")
connect_nodes(sourceId: "<bgm_node>", 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>")

步骤 6：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: "Scene 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) — 最近的生成记录
• get_generation_stats — 按模型和成本的使用统计

使用建议

• 优先生成图像：在制作视频前，先创建角色/环境的参考图像
• 使用多镜头模式：确保角色一致性，这是最强大的功能
• 白底参考图效果最佳：适用于元素识别
• 检查余额：大规模生成前，请使用 get_generation_stats 查看消耗情况
• 元素名称不匹配是最常见错误：务必确认提示词中的 @name 与元素 name 完全一致
• 画面比例一旦设定即固定：影响所有生成内容——请提前与用户确认（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