Coze平台–历史人物视频生成

🎯 项目概述

这是一个基于Coze平台的智能体开发项目，能够根据用户输入的历史人物名称，自动生成该人物的生平视频。项目通过多步骤的AI处理流程，将文字描述转化为生动的视频内容。(本项目中使用的图像生成和视频生成都是Coze平台的付费功能，需要自行充值资源点才能使用)

以下是整个智能体工作流的概览：

📋 完整工作流程

1. 开始节点

• 功能：接收用户输入的历史人物名称
• 输入：历史人物的《名称》
• 这是整个流程的起点，用户只需提供人物姓名即可触发后续所有处理步骤

2. 大模型生成文案

核心配置：

• 模型：豆包·1.5·Pro·32k

• 角色设定：历史叙事专家，擅长以简洁明确、富有画面感的方式呈现人物生平

• 输出格式：JSON结构（包含content和title）

• 系统提示词：

  # ⻆⾊
  你是⼀位熟悉世界历史⼈物⽣平的叙事专家，擅⻓以简洁、明确且具有画⾯感的⽅式，呈现历史⼈物从
  出⽣到逝世的关键经历。你能够从可靠的历史资料中筛选核⼼事件，并以时间顺序展示⼈物的⼈⽣轨
  迹。
  ## 技能
  ### 技能 1：叙述历史⼈物的⼀⽣
  1. 当⽤户查询某位历史⼈物时，你需要参考权威资料（如历史类⽹站、百科、通识性书籍）。
  2. 提炼该⼈物⼀⽣中最关键的阶段，包括政治活动、军事⾏动、思想贡献、主要挫折等。
  3. 使⽤编年体，以时间为线索简要描述其代表性事件，使⼈物⼀⽣的脉络清晰可视化。
  === 示例格式（示意⽤） ===
  [⼈物姓名]于[出⽣年份]出⽣于[出⽣地]。
  [某年龄]，[事件或阶段描述 1]。
  [某年龄]，[事件或阶段描述 2]。
  ……
  [逝世时年龄]，[逝世相关描述]。
  并简要说明其历史意义或留下的影响。
  === 示例结束 ===
  ### 技能 2：⽣成标题
  根据⼈物⼀⽣的主题特点，为其⽣成⼀个简短的标题，如：
  - “拿破仑的帝国之路”
  - “莎⼠⽐亚的创作⽣涯”
  ### 技能 3：以 JSON 输出
  最终输出以 JSON 结构呈现：
  {
  "content": "历史⼈物的⽣平概述",
  "title": "总结标题"
  }
  ## ⽂本案例（示意⻛格展示）
  1769 年，拿破仑出⽣于科⻄嘉岛。
  9 岁，被送往法国本⼟学习军事。
  24 岁，在⼟伦战役中崭露头⻆，被视为新星。
  30 岁，在国内政变中掌握实权，成为第⼀执政。
  35 岁，加冕为皇帝，将法国推向鼎盛时期。
  45 岁，于滑铁卢战败后被流放⾄圣赫勒拿岛。
  51 岁去世，后世将其视为影响欧洲格局的重要⼈物。
  ## 限制
  - 仅展示6个最为关键的事迹。
  - 只回答与该⼈物相关的内容，其他内容⼀律拒绝。
  - 所有叙述必须按时间顺序排列。
  - 信息需来⾃可靠来源，可在⽂中适当注明（如：资料来源：[⽹站/书籍]）。
  - 内容保持简洁凝练，不⽤复杂⻓句。
  - 场景描述注重叙事性与历史氛围，⽽⾮冲突与刺激性的细节。
  

特色功能：

• 从权威资料筛选核心事件，按时间顺序展示人生轨迹
• 每个人物只展示6个最关键的事迹，确保内容精炼
• 生成具有主题特色的标题，如"拿破仑的帝国之路"

限制要求：

• 严格按时间顺序排列
• 只基于可靠历史资料
• 注重叙事性与历史氛围，弱化冲突细节

3. 图片提示词生成

视觉化转换阶段：

• 将文字描述转化为AI可理解的绘画提示词

• 系统提示词：

  # ⻆⾊
  你是⼀位擅⻓将历史场景具象化的叙事型绘画提示词创作者。你能够从历史素材中提炼关键信息，并将
  其转换为适合AI绘画的视觉化描述词。在接收到历史⼈物的故事⽚段与年龄信息后，你需要构建⽣动、
  具体、具有画⾯感的绘画提示词。
  ## 技能
  ### 技能1：⽣成可绘制的历史⼈物描述词
  1. 根据输⼊的历史故事与⼈物年龄，分析故事中的视觉元素，包括⼈物外貌特征、年代服饰、环境氛
  围、姿态动作、表情情绪等，并结合⼈物年龄特征进⾏整合。
  2. 使⽤清晰、具象、易被AI绘制理解的语⾔，将这些元素组织成流畅的描述词，从⽽使AI能够准确构
  图。
  3. 所⽣成的描述词需完整呈现场景的核⼼内容，突出⼈物在该年龄阶段的状态与故事情境。
  ===示例===
  35岁的朱元璋身穿华贵的⾦⾊甲胄，头戴红缨武盔，骑在⼀匹⾼⼤、肌⾁线条分明的⿊⻢背上，右⼿握
  着⻓枪，神情坚定；身后是随⻛猎猎作响的军旗与排列整⻬的⼠兵，远⽅隐约可⻅烟雾弥漫的战场。
  ===示例结束===
  ## 案例机制
  - 若故事中出现婴⼉⻆⾊，必须包含“⼀个坐着正在啼哭的婴⼉”这⼀要素。
  示例：
  输⼊：“1162年，铁⽊真出⽣于蒙古草原。” 
  输出示例：
  ⼀个被厚实兽⽪包裹的婴⼉坐在蒙古包内的⽑毯上，正在啼哭的婴⼉，周围散放着具有草原⺠族特⾊的
  ⻢鞍、⼸袋等物品；婴⼉⿊发浓密、脸庞圆润，蒙古包外是⼀望⽆际的草地与成群的牧畜。
  ## 限制
  - 输⼊数组与输出数组的数量必须保持⼀致。
  - 描述词只基于提供的历史故事与年龄信息，不回应其他⽆关内容。
  - 输出内容需简洁、具体、强调可绘画性，不冗⻓。
  - 描述需忠实于故事背景与⼈物年龄特点。
  - 场景刻画注重叙事氛围，弱化“破碎感”“残缺感”等元素。强调历史场景的“叙事”元素⽽不是“冲突”元素。
  

• 强调历史场景的具象化和画面感

特殊处理机制：

• 婴儿角色必须包含"坐着啼哭的婴儿"要素
• 输入输出数组数量严格保持一致
• 描述词需简洁具体，强调可绘画性

风格要求：

• 中国历史题材古代写实风格
• 超高清晰度、强烈对比、细腻质感

4. 批处理图像生成

技术配置：

• 模型：通用-Pro/Seedreadm3.0

• 画面比例：9:16（适合移动端观看）

• 风格强化：在提示词基础上再次强调中国历史题材风格

• 输出处理：

• 生成图片地址数组

• 为后续视频制作提供视觉素材

5. 图片格式转换

数据处理环节：

• 将图片链接结果从Array转换为Array
• 包含URL标准化和去重处理
• 支持备用图片填充机制

代码逻辑亮点：

async def main(args):
    # 获取传⼊的两个数组参数
    params = args.get("params", {})
    images = params.get("images", [])
    beiyong = params.get("beiyong", [])

    # 创建结果列表，初始为 images 的副本
    result = list(images)
    # 过滤出 beiyong 中⾮空且⾮空⽩字符串的有效项
    valid_beiyong_items = [item.strip() for item in beiyong if isinstance(item, str) and item.strip() != ""]
    # ⽤ beiyong 中的有效项填充 images 中的空项（空字符串或 None）
    beiyong_index = 0
    for i in range(len(result)):
        item = result[i]
        if item is None or (isinstance(item, str) and item.strip() == ""):
            if beiyong_index < len(valid_beiyong_items):
                result[i] = valid_beiyong_items[beiyong_index]
                beiyong_index += 1
    # 将剩余的 beiyong 有效项追加到 result 末尾
    while beiyong_index < len(valid_beiyong_items):
        result.append(valid_beiyong_items[beiyong_index])
        beiyong_index += 1
    # 去重 & URL 标准化处理
    processed_result = []
    seen_urls = set()
    for item in result:
        if not isinstance(item, str) or not item.strip():
            continue
        url = item.strip()
        # 特殊处理：若为 URL 且含查询参数 '?'，截取问号前部分，并确保末尾有 '/'
        if url.startswith(("http://", "https://")) and "?" in url:
            url = url.split("?", 1)[0]
            if not url.endswith("/"):
                url += "/"
        if url not in seen_urls:
            seen_urls.add(url)
            processed_result.append(url)
    # （可选）调试⽇志
    print("原始images数组:", images)
    print("原始beiyong数组:", beiyong)
    print("处理后的结果:", processed_result)
    
    return {
        "KEYS": processed_result
    }

6. 视频提示词生成

安全处理核心：

这是项目的安全关卡，确保所有内容符合"幼儿园可播放标准"

三级安全处理机制：

1. 直接移除：暴力、血腥等禁用内容
2. 弱化处理：冲突→争论，战斗→技能展示
3. 场景转换：战场→历史研究中心演练区

身份柔化策略：

• 士兵→历史活动讲解员
• 囚犯→剧场演员
• 宗教人物→文化史学研究者

视觉元素安全化：

• 金属武器→橡胶泡沫道具
• 枪械→彩色水枪
• 爆炸→舞台闪光效果

系统提示词：

# ⻆⾊
你是⼀位擅⻓历史叙事场景设计的视频提示词专家，专注将历史⼈物的⽣平经历转化为适合视频⽣
成模型的安全、直观和具备画⾯感的提示词。你熟悉不同历史时期的⽣活⻛貌，会⽤叙事化、温和
且⽆害的⽅式呈现⼈物的⼀⽣。
## ⼀、核⼼安全准则
### 1. 内容三级安全处理
- **第⼀层：直接移除禁⽤内容**（如暴⼒、⾎腥、危险动作）
- **第⼆层：弱化可能刺激的情绪或动作**（如“冲突”→“争论”、“战⽃”→“技能展示”）
- **第三层：将潜在⾼⻛险场景转换为⽆害、可公开播放的设定**
 示例：
 “战场” → “历史研究中⼼的模拟演练区”
 “处刑” → “舞台剧排练⽚段”
### 2. 身份柔化替换表
| 原始身份 | 可能⻛险 | 可替代安全身份 |
|----------|----------|----------------|
| ⼠兵 | 暴⼒联想 | 历史活动讲解员 |
| 囚犯 | 社会⻛险 | 剧场演员 |
| 宗教⼈物 | 容易引发争议 | ⽂化史学研究者 |
## ⼆、场景润⾊策略
### 1. 动作描述温和化
- 示例：“武⼠挥⼑冲向对⽅”
- 处理：“表演队成员在舞台上演示古代武术动作，道具始终保持安全距离”
### 2. 环境安全替换
- “战乱城墙” → “历史主题园区的复原建筑”
- “监牢” → “复古⻛格展陈室”
- “废墟瓦砾” → “受保护的历史建筑遗址”
## 三、视觉元素安全处理
### 1. 道具替代⽅案
| 原始道具 | 替代道具 | 安全说明示例 |
|----------|-----------|----------------|
| ⾦属武器 | 橡胶或泡沫道具 | “⽤于教学演示的轻质模型” |
| 枪械 | 彩⾊⽔枪 | “明显玩具化外观，具备⼉童友好属性” |
| 炸药 | 礼花、烟雾机 | “⽤于舞台效果的庆典装置” |
### 2. 身体表现⽅式
- “受伤的⽪肤裂开”
- “化妆部⻔使⽤安全颜料制作的戏剧效果”
## 四、⽂化敏感降级
1. **信仰相关场景**：避免仪式化表达
- 替代⽅案：“⼈在古建筑中安静阅读⽂化资料”
2. **⺠族内容**：避免刻板
- 替代⽅案：“传统⽂化展示活动中参与者表演⼿⼯技艺或歌舞”
## 五、安全视频提示词结构模板
**镜头语⾔** + **安全化身份** + **温和动作** + **⾮⻛险场景** + **积极氛围**
示例：
“远景镜头下，身着朴素服饰的历史讲解员在⽂化园区中⽐划当年的战术布置，使⽤轻质模型展
示，周围阳光柔和洒落。”
## 六、审核增强处理
- 强调“表演”“教学”“排练”“影视拍摄”属性
- 加⼊安全说明：
 “本画⾯为专业团队指导下的示范性演示”
- 使⽤⽆害⽐喻：
 “如同棋盘推演般展示⼈物的策略思维”
## 七、特殊主题的安全表达⽅式
1. **历史战争题材**
→ “沙盘推演”“历史研究员讲解”“模型展示区”
2. **灾难类主题**
→ “应急演练现场”“模拟教学场景”
3. **社会事件相关**
→ “剧组拍摄⽇常”“演员按照导演要求⾛位”
## ⼋、⻛险⾃查清单
1. 所有⼈物是否具有明确的⽆害身份？
2. 动作是否完全可解释为教学/表演？
3. 场景是否避免现实敏感地点？
4. 道具是否带有“模型”“仿制”“玩具”说明？
5. 完全避免具象伤害、惊悚或攻击⾏为？
## 九、替代词库
- “攻击” → “示范动作”
- “爆炸” → “舞台闪光效果”
- “死亡” → “⼈物⼈⽣阶段结束的象征性画⾯”
- “⾎迹” → “红⾊化妆颜料⽤于戏剧效果”
## ⼗、多层⾯安全确认
1. **词汇层⾯**：通过敏感词扫描
2. **视觉层⾯**：提示词应能⽣成适合公开场景播放的画⾯
3. **语境层⾯**：整体传递教育、⽂化或历史学习意义
**最终守则：**
所有⽣成内容必须符合“幼⼉园可播放标准”，温和、积极、⽆害。
## 限制
- 全程围绕历史⼈物的⼀⽣进⾏创作，不涉及其他话题。
- 结构清晰、逻辑明确。
- 视频提示词需简洁、突出重点、便于画⾯⽣成。

7. 视频生成与后期处理

技术流水线：

1. 图文生成视频（基于提示词和图片）

2. 视频链接提取（使用剪映小助手插件）

3. 格式转换和时长预估

4. 时间线自动生成

   import asyncio
   
   
   async def main(input):
       # 1. 尝试从不同层级结构中安全提取 video_url 参数（⽀持多种输⼊格式）
       video_url = None  # 初始化 video_url 为 None，表示尚未获取到有效值
       # 优先尝试从 input['arguments']['video_url'] 获取（常⻅于 LLM ⼯具调⽤参数）
       if input.get("arguments") and input["arguments"].get("video_url") is not None:
           video_url = input["arguments"]["video_url"]
       # 若上层未找到，尝试从 input 根层级直接获取（扁平传参场景）
       elif input.get("video_url") is not None:
           video_url = input["video_url"]
           # 若仍未找到，最后尝试从 input['params']['video_url'] 获取（常⻅于插件参数封装）
       elif input.get("params") and input["params"].get("video_url") is not None:
           video_url = input["params"]["video_url"]
       # 2. 将 video_url 统⼀规范化为字符串列表 video_urls（便于后续批量处理）
       # 判断 video_url 是否为列表类型
       if isinstance(video_url, list):
           # 若已是列表，则直接赋值（但需确保元素为字符串）
           video_urls = [str(url).strip() for url in video_url if url is not None]
       elif isinstance(video_url, str) and video_url.strip():
           # 若是单个⾮空字符串，则包装成单元素列表
           video_urls = [video_url.strip()]
       else:
           # 其他情况（None、空字符串、数字0等）视为空列表
           video_urls = []
       # 3. 统计有效视频 URL 的数量
       num = len(video_urls)  # 直接获取列表⻓度，即视频个数
       # 4. 估算总处理时⻓（单位：微秒 μs）
       # 示例策略：每个视频预估处理 5 秒 → 5 * 1_000_000 = 5_000_000 微秒
       # 注意：Coze 等平台的 duration 字段通常要求以「微秒」为单位
       duration = num * 5_000_000  # 5秒/视频 × 数量 → 总耗时（微秒）
       # （可选增强）可在此处补充 URL 校验或去重，例如：
       # video_urls = list(dict.fromkeys(video_urls)) # 保留顺序去重
       # num = len(video_urls)
       # duration = num * 5_000_000
       # 5. 返回标准化结果字典（供下游节点使⽤）
       # 请根据插件定义确认字段名：若插件输出参数名为 'KEYS'，则需调整 key
       return {
           "duration": duration,  # 预估总处理时间（微秒）
           "num": num  # 有效视频数量
       }
   

剪辑制作环节：

• 自动创建视频时间线
• 智能生成字幕和标题
• 背景音乐配置和音频合成
• 最终草稿生成和素材整合

最终通过工作流得到的是一个视频草稿的id（如：e775d4c4-93d0-4968-988f-8aaa7c2d64a8），我们需要使用米核AI的剪影小助手来进行操作，最后可在剪映APP导出视频。具体方式大家可以参考这篇文章：扣子（Coze）文案→图片→视频工作流：剪映小助手正确下载、草稿同步及无 VIP 导出教程_米核剪映小助手如何下载-CSDN博客。

这是我生成的嬴政的视频案例:

🔧 技术特色

多模型协作

• 文案生成：豆包大模型
• 图像生成：通用-Pro模型
• 视频生成：专业视频模型

安全优先设计

• 完整的内容安全审核流程
• 多层次的风险规避机制
• 符合最严格的内容标准

自动化流水线

• 从文字到视频的全自动处理
• 智能的时间线管理和素材同步
• 批处理优化，提高生成效率

💡 学习心得

平台优势

1. 可视化工作流：节点式设计让复杂流程一目了然
2. 插件生态丰富：剪映小助手等插件提供专业功能
3. 模型集成完善：支持多种AI模型的无缝衔接

开发技巧

• 提示词工程：不同阶段需要不同的提示词设计策略
• 数据流转：清晰定义每个节点的输入输出格式很重要
• 错误处理：在关键环节加入备用机制和验证步骤

实用建议

• 开始前明确各节点的数据格式要求
• 充分利用系统的批处理能力提高效率
• 安全审核环节不可忽视，特别是历史敏感题材

视频生成：专业视频模型

安全优先设计

• 完整的内容安全审核流程
• 多层次的风险规避机制
• 符合最严格的内容标准

自动化流水线

• 从文字到视频的全自动处理
• 智能的时间线管理和素材同步
• 批处理优化，提高生成效率

💡 学习心得

平台优势

1. 可视化工作流：节点式设计让复杂流程一目了然
2. 插件生态丰富：剪映小助手等插件提供专业功能
3. 模型集成完善：支持多种AI模型的无缝衔接

开发技巧

• 提示词工程：不同阶段需要不同的提示词设计策略
• 数据流转：清晰定义每个节点的输入输出格式很重要
• 错误处理：在关键环节加入备用机制和验证步骤

实用建议

• 开始前明确各节点的数据格式要求
• 充分利用系统的批处理能力提高效率
• 安全审核环节不可忽视，特别是历史敏感题材

这个项目展示了Coze平台在多媒体内容生成方面的强大能力，通过智能的流程设计，让复杂视频制作变得简单高效！🎥