music-video-subtitle-generator：为音乐视频设计卡点歌词字幕与 MV 画面

📌 music-video-subtitle-generator 是什么？

一句话概括：music-video-subtitle-generator 是一款专注「带歌词排版的音乐视频（MV）」的 AI 技能。

它是 MiniMax H3 官方出品的音乐视频生成类 Skill，面向音乐人、视频创作者和社媒编辑，用来制作带歌词排版的 AI 音乐视频或情绪短片。它的核心是把音乐、歌词、排版、参考图、节奏、表演和镜头语言放在一起设计。

和普通字幕工具不同，它不把文字当「字幕条」贴在最下面，而是把屏幕文字当作一层随节拍响应的空间化视觉元素——可以出现在前景、中景、背景，甚至被肩膀或手遮挡，但不能挡住眼睛和关键表情。它也不是普通的字幕烧录工具，不适合单纯的歌词清理或非音乐类的产品广告。

📋 核心要点速览

🧩 主要功能

• 节拍与唱腔时机分析：判断音乐窗口、BPM、唱腔与歌词切分。
• 参考图角色分离：把排版参考卡、角色参考卡、场景参考卡各司其职，互不污染。
• 空间化排版设计：文字是动态图形主体，随 hi-hat、军鼓、808 底鼓等节拍响应。
• 长作品镜头拆解：超过 15 秒时自动用「多镜头分镜 + 头尾帧延续 + 节拍硬切 + 全局母带音频对齐」拼接。
• 提示词审计与生成路由：审计提示词，路由到 H3 或其他视频工具生成。
• 输出：MV 概念、镜头提示词、歌词排版方案与拼接指导。

✨ 核心特色

• 歌词与音乐节奏同步：剪切点落在换气、军鼓或鼓点上，不在元音中间硬切。
• 动态字幕效果：文字随节拍微震、放大、硬切或扫屏。
• 多镜头自然拼接：母带音频 + 头尾帧延续 + 统一调色，缝合批量生成差异。
• 减少手动字幕时间：把歌词、镜头、排版一次性规划好。

🎯 可以用来做什么？

• 音乐视频歌词字幕。
• 翻唱视频字幕。
• 卡拉 OK 视频。
• 音乐短视频。
• 多语言歌曲字幕。
• 音乐作品社交媒体推广。

🙋 适合哪些人？

• 音乐视频创作者。
• 歌曲翻唱博主。
• 视频剪辑师。
• 音乐推广人员。
• 多语言内容创作者。

🛠️ 如何安装？

官方安装命令为：

npx skills add https://github.com/MiniMax-AI/MiniMax-H3 --skill music-video-subtitle-generator

该 Skill 依赖 MiniMax Hub Agent（画布工作区 + Hub 生成/路由工具），不依赖外部第三方工具或 shell 脚本。

✍️ 怎么使用？

1. 导入音乐或提供歌词。
2. 锁定音乐窗口与目标时长。
3. 锁定歌词（用户提供的歌词不得改写）。
4. 分离排版、角色、场景三类参考卡。
5. 生成多镜头提示词脚本。
6. 逐镜头生成视频。
7. 按母带音频节拍网格剪辑拼接。
8. 统一调色与胶片颗粒后交付。

💡 使用技巧

• 尽量提供准确歌词。
• 检查重复歌词和副歌段落。
• 注意字幕与演唱节奏的同步。
• 避免字幕遮挡人物眼睛或核心画面。
• 针对不同平台选择合适的字体大小。

💰 收费吗？

需要确认 Skill 本身是否免费，以及歌词识别、视频处理、音乐分析是否调用付费的 AI 模型或 Hub 服务。Skill 可安装，但实际生成可能产生模型服务成本。

👍👎 优点与缺点

⚖️ 与同类工具对比

❓ 常见问题 FAQ

• 能否自动识别歌词？需以实际运行环境为准，用户提供歌词时它不会改写。
• 是否支持中文歌曲？支持，锁定歌词按原语言处理。
• 能否制作卡拉 OK 字幕？风格上可做歌词排版，但非传统卡拉 OK 轨道。
• 是否支持双语字幕？取决于需求与锁定歌词。

⚠️ 使用限制

• 不用于普通字幕烧录或非音乐产品广告。
• 依赖 MiniMax Hub 生态。
• 超过 15 秒的视频必须走多镜头拼接流程。
• 文字不得遮挡眼睛与关键表情。

🤖 适合哪些 AI 工具

该 Skill 在 MiniMax Hub Agent 的画布工作区运行，把角色卡、场景卡、排版卡、视频片段、BGM 与最终拼接委托给 Hub 的图像、视频、音乐与剪辑 Agent 完成。

📝 编辑评价

music-video-subtitle-generator 最懂音乐视频的一个细节：歌词不是「字幕」，而是画面的一部分。它把文字做成会跟节拍呼吸的视觉层，还把超过 15 秒的多镜头拼接问题（母带音频、头尾帧、节拍硬切、统一调色）考虑得相当完整。对做 MV 或情绪短片的创作者来说，这套流程比手动贴字幕高效得多，也更出效果。