Vibe Video
像写代码一样制作视频
Vibe Video 是一个 VS Code 扩展，让您能够像写代码一样制作视频：用 Markdown 写剧本，用 AI 生成分镜，批量生成视频，一键合成。
✨ 特性
🚀 轻量级工作流
- 用 Markdown 写剧本（任意格式）
- 用 Cursor AI 一键生成完整项目结构（主体、场景、分镜、首帧）
- 标准化的项目结构，Git 友好
- 分镜时长固定为 5秒/10秒，便于批量处理
🤖 智能 AI 集成
- 自动生成
.cursorrules，让 AI 理解项目结构和工作流
- 支持主体库管理，确保角色外观一致
- 支持场景库管理，复用场景资源
- 支持图生视频（更高质量、更可控）
- 集成通义万相 API（国内服务，中文支持优秀）
📊 可视化管理
- 侧边栏展示项目资源（主体、场景、分镜、首帧、视频）
- 质量检查和友好建议
- 项目统计和进度追踪
- 右键菜单快速生成单个资源
🎬 完整流程
Vibe Video 的工作流就像写代码一样：编写 → 生成 → 审核 → 迭代。
flowchart TD
A[📝 利用AI编辑剧本] --> B{人工审核剧本}
B -->|不通过| A
B -->|通过| C[🤖 AI提取主体和场景描述<br/>生成分镜脚本和首帧描述]
C --> D{人工审核描述质量}
D -->|不通过| C
D -->|通过| E[🖼️ 点击按钮生成主体和场景图片]
E --> F{人工审核图片质量}
F -->|不通过| E
F -->|通过| G[🖼️ 点击按钮生成首帧图片]
G --> H{人工审核首帧质量}
H -->|不通过| G
H -->|通过| I[🎬 点击按钮生成分镜视频]
I --> J{人工审核视频质量}
J -->|不通过| I
J -->|通过| K[✅ 完成]
style A fill:#e1f5ff
style C fill:#fff4e1
style E fill:#e8f5e9
style G fill:#e8f5e9
style I fill:#f3e5f5
style K fill:#c8e6c9
核心理念：整个过程可以反复迭代，就像编码一样。生成资源就像"编译"，人工审核就像"找 bug"。如果不通过，可以多次迭代，直到满意为止。
💡 设计哲学：轻量到底
Vibe Video 采用"恰到好处"的平衡设计，核心理念是轻量到底。
🎯 三层设计原则
1️⃣ 轻量级部分（借助现有工具）
- 分镜脚本生成：利用 Cursor AI / Copilot（通过
.cursorrules 提供上下文）
- ✅ AI 编程工具已经很强，我们不需要重复造轮子
- ✅ 插件只提供上下文，让 AI 理解项目结构
- 项目组织：标准化文件结构和命名规范
- 资源浏览：简单的侧边栏视图
2️⃣ 必要的复杂性（无法避免）
- 视频生成：必须调用专门的视频 AI API
- ⚠️ 如果让 AI 编程工具接入生成视频MCP理论上可行，但是过于烧钱
- ✅ 但保持简单：单一 Provider + 基础轮询
- ✅ 支持图生视频：提供初始帧 → 更高质量、更可控
3️⃣ 可选功能
- 视频合成：使用 ffmpeg（可选，不影响核心流程）
🌟 核心理念
Markdown > JSON
- 分镜脚本用 Markdown，不是 JSON
- 直观易读，易于编辑
- AI 天然理解，无需复杂验证
- Git 友好，协作方便
内容 > 格式
- 不纠结格式细节
- 重点是教用户写好提示词
- 验证是辅助性的，不是强制性的
- 宽松解析，容错性强
约定优于配置
- 通过标准化的文件结构，让项目"自解释"
- AI 可以自动理解项目意图
- 减少配置，提高效率
利用现有 AI 工具
- 不重复造轮子
- 用户使用 Cursor、Copilot、Claude 等工具时，插件提供上下文
- 插件是助手，不是控制器
实用性优先
- 不追求完美的抽象设计
- 专注于核心用户价值（批量生成视频）
- 快速迭代：6周而不是3-4个月
- 友好的提示，不是严格的错误
📊 技术栈极简
VS Code Extension
├── TypeScript 5.x
├── VS Code Extension API
├── 简单的 TreeView（资源浏览）
└── 可选：ffmpeg（视频合成）
配置文件（供AI理解）
├── .cursorrules / .clinerules
└── 标准化的项目结构
生产依赖：仅 1 个（通义万相 API）
🎓 为什么这样设计？
- ✅ 不过度设计：避免重型方案的复杂性
- ✅ 不过度简化：确保核心功能可用
- ✅ 快速迭代：6周完成可用版本
- ✅ 用户可控：用户可以手动编辑任何文件，跳过任何步骤
- ✅ 成本低：利用用户已有的 AI 工具订阅
记住：这是一个轻量级工具，核心是帮助用户"组织"和"规范化"，而不是"自动化一切"。保持简单和专注是成功的关键。
🚀 快速开始
1. 初始化项目
Ctrl+Shift+P → "Vibe Video: Initialize Project"
或者在左侧 Vibe Video 资源树中点击“初始化项目”
2. 编写剧本
编辑 剧本.md，写下您的视频脚本
3. 使用 AI 生成完整项目结构
在 Cursor AI Chat 中输入：
根据剧本.md 生成项目
AI 会自动执行以下步骤：
- 提取主体：从剧本中提取主要角色/主体，保存到
subjects/ 目录
- 提取场景：从剧本中提取各个场景，保存到
scenes/ 目录
- 拆分分镜：将场景拆分成 5秒/10秒 的分镜单元（分镜时长只能是5秒或10秒）
- 生成分镜脚本：为每个分镜写好详细脚本，保存到
storyboards/ 目录
- 生成首帧描述：为每个分镜写好第一帧画面描述，保存到
first-frames/ 目录
4. 配置 API（一次性）⭐
方式 1：使用命令
Ctrl+Shift+P → "Vibe Video: Configure Video AI"
→ 点击"打开设置"
方式 2：直接打开设置（推荐）
Ctrl+, → 搜索 "vibevideo"
→ 输入 DashScope API Key
配置会自动保存到 VS Code 设置中
5. 生成资源
使用侧边栏资源视图或命令：
- 生成主体图片：
Vibe Video: Generate All Subjects
- 生成场景图片：
Vibe Video: Generate All Scenes
- 生成首帧图片：
Vibe Video: Generate First Frames
- 生成视频：
Vibe Video: Generate All Videos
📁 项目结构
MyVideoProject/
├── 剧本.md # 您的剧本
├── subjects/ # 主体/角色（描述 + 生成的图片）
│ ├── 主角.md # 主体描述
│ ├── 主角.png # 生成的主体图片
│ └── ...
├── scenes/ # 场景（描述 + 生成的图片）
│ ├── 城市街道.md # 场景描述
│ ├── 城市街道.png # 生成的场景图片
│ └── ...
├── storyboards/ # 分镜脚本（Markdown）
│ ├── 01-opening.md
│ └── ...
├── first-frames/ # 首帧（描述 + 生成的图片）
│ ├── 01-opening-first-frame.md # 首帧描述
│ ├── 01-opening-first-frame.png # 生成的首帧图片
│ └── ...
├── video-clip/ # 生成的视频片段
│ ├── 01-opening.mp4
│ └── ...
├── ref-img/ # 用户自定义参考图（可选）
│ └── product.jpg
├── output/ # 最终合成视频
│ └── final.mp4
├── .vv-context/ # AI 上下文文档（自动生成）
├── .temp/ # 临时文件
├── .cursorrules # Cursor AI 规则（自动生成）
├── .clinerules # Cline AI 规则（自动生成）
└── .vv-project.json # 项目配置（自动生成）
📝 重要说明
- 分镜时长：每个分镜的时长只能是5秒或10秒，不支持其他时长
- 主体功能：用于确保角色外观一致，主体图片背景为纯白色
- 参考图：说明需要参考的图片，用文件地址URL表示
📋 要求
- VS Code 1.105.0 或更高版本
- Node.js 18+
- （可选）ffmpeg - 用于视频合成
🎯 命令列表
项目管理
Vibe Video: Initialize Project - 初始化项目结构Vibe Video: Check Storyboards Quality - 检查分镜质量Vibe Video: Show Project Stats - 显示项目统计Vibe Video: Refresh Resources - 刷新资源视图
配置
Vibe Video: Configure Video AI - 配置视频 AI 服务Vibe Video: Show Current Config - 显示当前配置
生成资源
Vibe Video: Generate All Subjects - 批量生成所有主体图片Vibe Video: Generate All Scenes - 批量生成所有场景图片Vibe Video: Generate First Frames - 批量生成所有首帧图片Vibe Video: Generate All Videos - 批量生成所有视频Vibe Video: Compose All First Frames - 使用主体和场景合成首帧
单个生成（右键菜单）
生成主体 - 生成单个主体图片生成场景 - 生成单个场景图片生成视频 - 生成单个视频片段
🚧 开发状态
当前版本：0.0.1 (Alpha)
✅ 已实现
- 项目初始化（包含主体、场景目录）
- Markdown 分镜解析（支持主体、场景、参考图）
- 主体库管理（生成主体图片）
- 场景库管理（生成场景图片）
- 首帧生成（文生图）
- 视频生成（图生视频，基于首帧）
- 多图合成（主体+场景合成首帧）
- 质量检查
- 侧边栏资源视图
- 通义万相 API 集成
🚧 开发中
- 视频合成（ffmpeg 合成最终视频）
- 并行生成优化
- 更多 AI Provider 支持
📚 文档
详细文档请查看 DOC/ 目录：
🤝 贡献
欢迎提交 Issue 和 Pull Request！
📄 License
MIT
享受用 Vibe Video 制作视频的乐趣！ 🎬
