Was macht Kurzvideo-Schnitt (OpenFilm Pipeline)?
Der Benutzer ist ein professioneller Redakteur. Arbeiten Sie nach seinem Standard: Jeder Schnitt, jede Zahl und jeder Ton wird überprüft, nichts wird als „fertig“ bezeichnet, bevor es nicht angesehen (Frames) und gemessen (Pegel, Plattform-Check) wurde.
Skripte: .claude/skills/short-video-edit/scripts/ (aufrufen über run.py). Python 3.12, ffmpeg 9 (NVENC),
Node (für npx -y [email protected]), faster-whisper auf CUDA, onnxruntime-directml (RVM Matting) sind installiert.
python .claude/skills/short-video-edit/scripts/run.py <episode-dir> new|cut|subs|text|broll|bgm|all|look <t>
Der Episodenordner (episodes/<name>/)
| Datei | Schritt | Wer schreibt sie |
|---|---|---|
episode.json | alle | Quelle, Titel, out_name, Geschwindigkeit (1.2), Schriftart (Standard Noto Sans SC Black; jede CJK-Schriftart, für die Sie eine Lizenz besitzen), BGM (OpenFilm CC0 ID), Keywords (gelb in Untertiteln), Wörter (jieba), Schritte (STEP-Pillen), CTA, designer_cards, drive_folder (optional) |
blocks.json | 1 | Sie: die Takes, [{a, b, label, note}] in Quellsekunden |
subs.tsv | 2 | Sie: korrigierte Untertitel start<TAB>end<TAB>text auf der Schnitt-Zeitleiste |
kinetic.json | 3 | Sie: Hervorhebungsgruppen (Format unten) |
cards.json, mg.json | 4 | Sie: Datenkarten und Motion Graphics |
work/ film/ out/ | Skripte: Zwischendateien, das OpenFilm-Projekt, Auslieferungen |
Alle Zeiten in subs/kinetic/cards/mg/steps/cta beziehen sich auf die Schnitt-Zeitleiste vor der Geschwindigkeitserhöhung. Die Geschwindigkeit wird bei der Auslieferung angewendet.
Schritt 1 — Grobschnitt
run.py EP new→episode.jsonausfüllen. Dannrun.py EP cut(stoppt nach der Vorbereitung, wennblocks.jsonleer ist).- Die Vorbereitung meldet die Links/Rechts-Balance. Telefon- und Lavalier-Aufnahmen haben die Stimme oft NUR auf EINEM Kanal
(der andere ≈ -25 dB): Die Auslieferung erfolgt automatisch als Dual-Mono von der guten Seite (
voice_channel). Niemals L+R mitteln. work/transcript.txtneben dem Skript-PDF lesen. Abweichungen des Gesagten vom Skript dem Benutzer mitteilen (insbesondere bei Zahlen) — On-Screen-Zahlen folgen dem, was er SAGT, nicht dem Skript.- Takes in
blocks.jsonauswählen: Die Struktur folgt dem Skript; seine zusätzlichen Ausführungen behalten; Wiederholungen, Fehlstarts, Teleprompter-Stimmen, Flüche, tote Luft entfernen. Der letzte saubere Take einer wiederholten Zeile gewinnt, es sei denn, der Benutzer sagt etwas anderes. Innerhalb eines Blocks werden Pausen ≥ 0,45 s automatisch gestrafft. run.py EP cuterneut ausführen →out/cut_preview.mp4(mit eingebranntem Timecode) + Schnitt-QC. Dem Benutzer zeigen und den Schnitt vor Schritt 2 freigeben lassen. Markierte „Hotsplicks“ sind normalerweise Atem-Endstücke (bereits 40 ms ausgeblendet) — angeben, welche.- Späterer Nachschnitt:
blocks.jsonändern,cuterneut ausführen, dannscripts/shift.py EP <cut_t> <delta>verschiebt jede manuell gesetzte Zeit nach dem Schnitt (Delta = alte Länge − neue Länge).
Schritt 2 — Untertitel erkennen
run.py EP subs → subs_draft.tsv. In subs.tsv Korrektur lesen: Falsch gehörte Wörter korrigieren (Whisper verwandelt oft eine
gesprochene Phrase in gleichklingende Unsinnszeichen), englische Rechtschreibung, vereinfachtes Chinesisch, Abschweifungen vom Skript entfernen. Vermutungen dem Benutzer melden.
Untertitel werden einzeilig gerendert: Alles, was breiter als ~10 CJK ist, wird automatisch zum nächsten Untertitel, zeitlich basierend auf
Wortzeitangaben, getrennt an Jieba-Wortgrenzen, niemals innerhalb einer englischen Phrase, niemals beginnend mit 的/了/吗/」.
Schritt 3 — Kinetischer Text + Soundeffekte
kinetic.json schreiben. Die Höhepunkte, Zahlen, Kontraste, Schritttitel auswählen (≈ alle 5–8 s, nicht in Kartenfenstern).
Laufende Untertitel werden automatisch ausgeblendet, während eine Gruppe angezeigt wird.
{"a": 34.20, "b": 35.72, "items": [
{"text": "会很", "x": 290, "y": 450, "fs": 96, "col": "W", "anim": "fade", "at": "会很"},
{"text": "丢脸", "x": 800, "y": 380, "fs": 210, "col": "R", "anim": "slam", "at": "丢脸", "v": true, "rot": 4}]}
at: Eine von ihm gesprochene Phrase (aufgelöst zur Echtzeit) oder eine Anzahl von Sekunden nacha.- x/y = Mittelpunkt in px auf 1080×1920; y ≈ 380–700 halten (um/über dem Kopf), x 200–880.
v: vertikaler Stapel. - Title-Safe (der Standard des Benutzers = Premiere's innerer 10%-Richtwert): Alles Lesbare bleibt in x 108–972,
y 192–1728. Die
text-Stufe verschiebt jedes kinetische Element, das es kreuzt, wieder hinein (gibt „title-safe … moved“ aus), und der Build lehnt Untertitelpositionen außerhalb davon ab. Von Anfang an darin entwerfen;title_safein episode.json überschreibt die Box. col: W Y R C oder#hex;latin: Arial Black für Englisch/Zahlen;italic;rotGrad.anim: fade drop rise slide_l slide_r pop slam type wave flip stamp split shake.deco: box underline strike check (wird gezeichnet, nachdem der Text gelandet ist, mit eigenem Sound).- Keine Konturen auf irgendeinem Text (Untertitel, kinetischer Text, MG-Beschriftungen): nur sanfter, geschichteter Schlagschatten — der Geschmack des Benutzers („比较高级“).
- Größen mischen (ein 90 px Setup-Wort + ein 150–230 px Punch-Wort), vertikal und horizontal mischen, weiß/gelb/rot.
Sicherheit bei Geschwindigkeitserhöhung (automatisch,
text-Stufe gibt aus, was sie getan hat): Animationen werden im Film mitspeed× langsamer abgespielt, damit sie nach der 1,2-fachen Geschwindigkeitserhöhung so aussehen wie entworfen, und jedes Element erhält Landung + 0,45 s Halten (Echtzeit,kinetic_hold) + Ausgang, bevor seine Gruppe endet — die Gruppe wird in die freie Zeit verlängert (niemals in die nächste Gruppe / schwarze Karte / MG, max 1,2 s), andernfalls beginnt das Element bis zu 0,3 s vor seinem Wort. Untertitel kehren dennoch zur geschriebenen Zeit zurück. Den Bericht lesen; wenn ein Element weit vor seinem Wort beginnt, den Text der Gruppe kürzen oder die nächste Gruppe verschieben. Jede Animation und Dekoration erhält automatisch einen Sound (assets/sfx_library.json, OpenFilm CC0, rotierte Varianten).run.py EP texterstellt das Timing; nach Schritt 4 mitlooküberprüfen.
Schritt 4 — B-Roll & MG
- Designer-Clips (ProRes 4444 mit Alpha, z. B.
A下卡-Karten): inepisode.jsonunterdesigner_cardsauflisten{file, out_in, out_out, src_in}. Zuerst ihre Zahlen mit dem vergleichen, was er sagt — Designer-Karten werden aus dem Skript erstellt; wenn sie ihm widersprechen, die Karte stattdessen im gleichen Stil incards.jsonneu erstellen und dem Benutzer Bescheid geben. - Datenkarten (
cards.json, Designer-Stil):{a, b, badge, keep_bg_after?, rows:[step|value|big]}— step{t, y, num, title, sub}, value{t, y, label, value, t_value?, color: green|yellow|sub, strike?}, big{t, number, line}.[[word]]= gelb. Während Karten wird der Rahmen schwarz, die Karte sitzt oben und der Sprecher-Ausschnitt (RVM Matte) unten links; Untertitel verschieben sich über ihn. - MG (
mg.json): Typentarget(wächst aufbig_at),bucket(modeoverflow|fill,label),frost,checklist(rows,checks),breakdown(crack_at),cta(word= das Kommentar-Keyword,gift_at); jedes mitsfx[[t, id, in, out, file_peak, target_peak], ...]. MG in Lücken platzieren (kein kinetischer Text / Karte) und an die Wörter binden. run.py EP brollrendert die Platte, bematet jedes kinetische/MG-Fenster in voller Auflösung, entscheidet vorne vs. hinten pro Textelement (bedeckt > 25 %, oder eine Zahl bedeckt > 10 % → vorne; sonst hinten für Tiefe; erzwingen mit `occlusion_overrides.json {