这个项目做了一件事：把怎么做视频这件事，写成了 AI Agent 能看懂的方法手册。你给 AI 一段音乐、一个主题、一堆素材，它按照这套方法就能帮你编排出一条完整的视频。
先说它解决什么问题。现在 AI 生成画面的能力已经很强了，但生成出来的东西经常“散”，镜头拼在一起看着还行，整体却没有节奏。这个项目的做法是从音乐出发去组织画面。它把音乐拆成三层来听：段落层看整首歌的起承转合，乐句层看每一句唱词的起落，瞬间层看重音和停顿。画面跟着这三层走，该切就切，该推进就推进，该让观众停下来感受就留出空间。
然后说它的内容量。项目整理了 8 类视频场景，从产品演示到音乐视觉表演，每类都写清了内容怎么组织、观众最后能带走什么。风格方面，自带 7 套基础风格，又集成了 59 套外部风格，加起来 66 套，从水墨到像素到卡通都有。更细的地方，还有 64 项表达手法和 18 类编排配方，比如怎么用转场推进叙事，怎么让文字跟着镜头动，怎么让音乐重拍落在画面变化上。
字幕的处理也值得一提。中文词组可以跟着画面里的意象出现，顺着镜头运动交接到下一个位置，英文保留稳定的阅读区。做完之后还得用正常速度念一遍，念不完就重新调时间。
项目附带了好几个示范片段，都是十几秒的高亮。有水墨山河随《山河图》节奏展开的，有青花瓷器纹样穿入烟雨山水的，还有把 AI 发展史写成说唱、用歌词逐句推进的。保留原声，声画配合的效果直接就能感受到。
整个项目开源，MIT 协议。它自己不带渲染器，也不绑定特定模型，Agent 按照方法去调度现有工具就行。说到底，它把一个有经验的视频导演脑子里的编排逻辑，变成了 AI 能读懂、能执行的操作手册。
传送门：github.com/mileson/chaojifeng-video-design
##