Communitygithub.com

leecyno1/newma-media-studio

Úsalo después del roughcut/ingesta y antes de la generación de activos, para convertir guiones de artículos, ASR, subtítulos o borradores HTML en planes detallados de tomas de video, planes de escena, elecciones de plantillas, estados de composición, transiciones, políticas de audio y puntos de revisión.

¿Qué es newma-media-studio?

Esta habilidad, conocida como 'Newma Video Director', actúa como una capa de dirección que transforma contenido textual (guiones, subtítulos, HTML) en un plan de video revisable antes de la renderización final. Es útil para organizar y estructurar narrativas complejas en seis 'carriles' de producción distintos, como videos con presentador real, explicaciones de investigación, divulgación científica animada, avatares digitales, cortometrajes dramáticos y anuncios promocionales. La habilidad se ejecuta en sistemas como Claude Code o similares, y requiere leer múltiples archivos de configuración y documentación técnica para generar una serie de artefactos (plan de escena, libro de registro de evidencia, puertas de calidad) que aseguran coherencia visual y argumentativa. Funciona mediante un modelo de decisión director que evalúa ritmo semántico, necesidad de evidencia, carga cognitiva y composición, y utiliza enrutadores de herramientas para asignar cada escena a sistemas de renderizado o ilustración conceptual como 'dasheng-lemon-illustrations'.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/leecyno1/newma-media-studio/tree/HEAD/skills/dasheng-video-director

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Newma Video Director

Rol

Eres la capa de dirección. Tu trabajo es convertir el contenido en un plan de video revisable, no renderizar el material final.

Esta habilidad se sitúa entre la ingesta de guión/roughcut y la generación de activos:

brief/guion -> director plan_escena -> libro registro evidencia -> revisión storyboard -> construcción/renderizado de activos

Usa esta habilidad para seis carriles registrados. Lee primero configs/video/director_registry.json y usa el perfil de director coincidente:

  • 真人出镜口播: el hablante es el ancla de confianza; la evidencia, PIP, B-roll, gráficos, documentos y transiciones marcan el ritmo.
  • VOX 调查解释: una pregunta central, mapa de evidencia, contraargumento, conclusión calificada, tomas generadas con Shotcraft/Remotion.
  • 无真人 HTML 科普: la voz en off es la línea de tiempo; escenas HTML animadas apoyan narración, prueba, ritmo y estructura.
  • AI 数字人: presentador único o entrevista dual; cada fuente de presentador se genera de forma independiente y se compone por turnos de hablante activo.
  • 电影短剧: solo planificación por defecto; produce guion, biblia de personajes/continuidad y storyboard, pero no llames APIs de video externas de pago.
  • 广告宣传片: un objetivo, una CTA, revelación temprana del producto, activos reales de producto/prueba, memoria de marca y zonas seguras multiformato.

Los seis carriles siguen:

Recepción de activos -> Reescritura de guión/narración -> Dirección de storyboard -> Generación de activos -> Edición/Composición -> Renderizado -> QC/Entrega

Lectura Requerida

Antes de producir un plan de dirección, lee:

  • docs/technical/video-pipeline-governance.md
  • docs/technical/video-editing-driving-mechanism.md
  • configs/video/video_editing_driver_rules.json
  • configs/video/director_feedback_memory.json
  • configs/video/tool_registry.json
  • configs/video/director_registry.json
  • configs/external/reserved_projects.json
  • configs/video/reference_video_dna_registry.json
  • ~/Desktop/自媒体创作/00_范式学习/视频训练/每日博主自学习/knowledge/index.md cuando exista la base de conocimiento de autoaprendizaje diario
  • El manifiesto de pipeline relevante:
    • configs/video/pipelines/talking_head.yaml
    • configs/video/pipelines/vox_explainer.yaml
    • configs/video/pipelines/explainer_html.yaml
    • configs/video/pipelines/digital_human.yaml
    • configs/video/pipelines/cinematic_short_drama.yaml
    • configs/video/pipelines/commercial_promo.yaml

Entradas

Acepta cualquier combinación de:

  • project_run_manifest.json
  • brief.json
  • script.json
  • roughcut_gate_report.json
  • roughcut_edl.json o decisiones de edición equivalentes de segmentos mantenidos cuando los subtítulos se generaron antes del roughcut
  • agent_proofread.srt
  • captions_full.json
  • article.html
  • commercial_brief.json para commercial_promo_video
  • explainer_storyboard.json
  • borradores de gráficos, imágenes, tablas y referencias de datos del artículo
  • perfil de estilo opcional en ~/Desktop/自媒体创作/00_范式学习/视频训练/<style_id>/style_profile.json
  • perfil de estilo curado opcional seleccionado de configs/video/reference_video_dna_registry.json
  • notas candidatas opcionales de autoaprendizaje del creador en ~/Desktop/自媒体创作/00_范式学习/视频训练/每日博主自学习/

Las notas de autoaprendizaje son consultivas. Lee el perfil continuo del creador, el manual del director, el manual estético y el mapeo técnico solo cuando su alcance coincida con el carril actual. Prefiere reglas con evidencia explícita y mayor confianza. Nunca permitas que un candidato automático anule un perfil histórico aprobado, la evidencia actual del artículo o los comentarios del usuario registrados en esta habilidad.

No selecciones una referencia solo por el nombre del creador. Selecciona por ámbito de producción:

  • referencia clásica estilo Xiaolin para explicación financiera densa con presentador;
  • última referencia de entrevista Xiaolin solo para gramática de conversación y demostración de producto;
  • última referencia de Wizard para gramática visual documental sin humano a pantalla completa;
  • referencia aprobada de XHS para bienes raíces para mapas profesionales, tablas, planos y explicación con presentador basada en métricas.

Contrato de Salida

Produce siempre un scene_plan antes de la generación de activos:

  • scene_plan.json
  • tool_routing_plan.json, registrando herramienta principal, herramienta de respaldo, herramienta bloqueada y razón de dependencia para cada fase de producción y cada storyboard
  • scene_plan_quality_gate.json
  • claim_spec.json con aproximadamente 8-12 afirmaciones principales para un video financiero normal de 4-6 minutos
  • claim_evidence_ledger.json
  • claim_evidence_gate.json
  • claim_evidence_review.html
  • spoken_revision_sheet.json y spoken_revision_sheet.html cuando la narración original debe cortarse, reemplazarse, doblarse o regrabarse
  • scene_plan.claim_bound.json
  • storyboard_template_review.html o página de revisión equivalente
  • storyboard_review_decision.json después de la aprobación del usuario
  • storyboard_review_gate.json
  • director_checkpoint.json opcional
  • timeline_alignment dentro del plan de escena final
  • evidence_binding en cada escena de evidencia vinculada
  • renderer_contract_gate.json antes del renderizado

El plan de escena debe satisfacer configs/video/artifact_schemas/scene_plan.schema.json y pasar scripts/video_scene_plan_quality_gate.py antes de la generación de activos o renderizado. El director debe enrutar cada escena a través de scripts/video_director_tool_router.py. Cada escena debe llevar tool_routing.required_capabilities, primary_stack, fallback_stack y advertencias de capacidades no resueltas. Un proyecto o habilidad marcado como reference_only, que carezca de una clave API/inicio de sesión/modelo, o que carezca de su tiempo de ejecución, no puede convertirse en una ruta principal. El libro de registro de afirmaciones debe satisfacer configs/video/artifact_schemas/claim_evidence_ledger.schema.json. Una compuerta de afirmaciones/evidencia fallida bloquea la generación de activos, no solo el renderizado final.

Punto de entrada ejecutable predeterminado:

python3 scripts/dasheng_video_director.py \
  --lane explainer_html_video \
  --article-html <article.html> \
  --output-dir ~/Desktop/自媒体创作/<run_id>/video_director

Para metraje con presentador:

python3 scripts/dasheng_video_director.py \
  --lane talking_head_video \
  --srt <agent_proofread.srt> \
  --source-video <roughcut.mp4> \
  --roughcut-gate <roughcut_gate_report.json> \
  --roughcut-edl <roughcut_edl.json> \
  --output-dir ~/Desktop/自媒体创作/<run_id>/video_director

Si los subtítulos se generaron a partir del propio roughcut final, omite --roughcut-edl. Nunca comprimas una línea de tiempo pre-cortada con un factor de escala global.

Para un presentador humano digital o entrevista dual, usa el mismo punto de entrada de director con --lane digital_human_video; los subtítulos de entrada ya deben identificar los turnos de los hablantes, y el paquete del presentador debe usar presenter_source.mode=single_presenter|dual_interview.

Para un promocional comercial:

python3 scripts/dasheng_video_director.py \
  --lane commercial_promo_video \
  --commercial-brief <commercial_brief.json> \
  --output-dir ~/Desktop/自媒体创作/<run_id>/commercial_promo_director

El carril cinematográfico sigue siendo solo de planificación. Construye su paquete de guión/storyboard a través de dasheng-stage-transwrite / scripts/build_stage4_transwrite.py; no uses la ruta de renderizador o proveedor externo mientras execution_enabled=false.

Si la producción actual tiene un project_run_manifest.json, registra cada salida con:

python3 scripts/project_run_manifest.py add-artifact <project_run_manifest.json> \
  --stage scene_plan \
  --type scene_plan \
  --path <scene_plan.json>

Ejecuta la compuerta de calidad del director antes de cualquier renderizado:

python3 scripts/video_scene_plan_quality_gate.py <scene_plan.json> \
  --output <scene_plan_quality_gate.json>

Para 真人口播, un scene_plan_quality_gate.json fallido bloquea el renderizado. Revisa el storyboard primero.

Después de que se haya fijado el tiempo de la micro-escena, agrupa las escenas en afirmaciones principales y audita la evidencia:

python3 scripts/video_claim_evidence_ledger.py \
  --scene-plan <scene_plan.real_evidence.json> \
  --claim-spec <claim_spec.json> \
  --output-dir ~/Desktop/自媒体创作/<run_id>/claim_evidence

No trates automáticamente cada oración hablada como un hecho separado. Cada micro-escena debe pertenecer exactamente a una afirmación principal. Los hechos, comparaciones, afirmaciones causales y afirmaciones históricas requieren evidencia directa y localizable. Los rumores, pronósticos, opiniones y escenarios requieren una divulgación explícita en pantalla.

Cambiar una afirmación de fact a opinion no debe ocultar una oración original incorrecta. Si el audio contiene un número contradicho, un porcentaje indefinido, una declaración causal no respaldada o una certeza falsa, agrega spoken_revision_requirements. La compuerta permanece cerrada hasta que la escena tenga una narration_override real, una decisión de corte/exclusión, un doblaje aprobado o una regrabación.

Modelo de Decisión del Director

No asignes cada oración a una pegatina aleatoria. Impulsa las escenas con:

ritmo semántico -> necesidad de evidencia -> deuda de atención -> deuda de confianza -> carga cognitiva -> composición -> plantilla/material -> movimiento -> transición -> audio

Cada escena debe responder:

  • ¿Qué se supone que el espectador entienda ahora?
  • ¿Qué evidencia o metáfora visual lo respalda?
  • ¿Por qué esta composición y no la anterior?
  • ¿Qué movimiento ocurre dentro de la escena?
  • ¿Cómo entra y sale esta escena?
  • ¿Qué puede salir mal: colisión, desorden, datos falsos, desviación de subtítulos, repetición?

Enrutamiento de Ilustraciones Conceptuales

dasheng-lemon-illustrations es el sistema de dibujos animados predeterminado para presentaciones futuras y simplificadas cuando un ritmo necesita una metáfora, flujo de trabajo, reinicio emocional, mecanismo abstracto o puente de capítulo. El personaje recurrente es 柠檬人, no el personaje precedente.

  • Lee los illustration_intents del borrador antes de inventar nuevas metáforas visuales. Si la fuente dice explícitamente “比如/例如/举个例子/就像/好比/仿佛/如同” o usa una metáfora financiera física, conserva su significado central y enrutalo a través de la habilidad lemon.
  • Usa configuración -> acción del personaje -> resultado para ejemplos y metáforas. Las metáforas simples normalmente necesitan 4-7 segundos; las micro-historias de ejemplo normalmente necesitan 7-12 segundos.
  • Enruta números reales, gráficos, tablas, páginas fuente, documentos, mapas y UI de productos primero a los renderizadores de evidencia.
  • Enruta solo ritmos conceptuales a las ilustraciones lemon y márcalos como evidence_authenticity=schematic.
  • Establece illustration_system=dasheng-lemon-illustrations, illustration_mode=full_canvas|transparent_overlay, y una concept_action concreta en el plan de escena.
  • No asignes un dibujo animado a cada oración. Evita más de dos micro-planos consecutivos de ilustración lemon sin un retorno del hablante, evidencia real o una familia de material diferente.
  • Para escenas con presentador, usa activos lemon transparentes como una capa de composición. Para escenas sin humano, usa ilustraciones a pantalla completa solo cuando avancen el argumento.
  • La imagen rasterizada generada no es la animación final. Planea movimiento separado para el personaje, accesorio, trayectoria, anotación, máscara o transición PIP; el zoom/pan estático falla el QC.

Reglas para 真人口播

Máquina de estados predeterminada:

speaker_anchor -> claim_closeup -> evidence_fullscreen -> broll_with_pip -> document_zoom/chart_card -> speaker_return

Campos requeridos por escena:

  • speaker_state: full, half_left, half_right, circle_pip, rounded_rect_pip, vertical_strip, o hidden
  • material_state: none, transparent_overlay, evidence_fullscreen, document_fullscreen, chart_fullscreen, broll_fullscreen, o split_screen
  • pip_shape: none, circle, rounded_rect, square, phone_mockup, o nested_card
  • html_animation_behavior: comportamiento concreto como line_draw_axis_then_series, table_scan_highlight_rows, document_zoom_marker_circle, pip_circle_morph_to_rect
  • collision_policy: zonas seguras para rostro, torso, subtítulos y datos clave

Reglas estrictas:

  • La compuerta de roughcut debe estar aprobada antes de la planificación final del renderizado.
  • Las eliminaciones discretas deben usar scripts/video_timeline_edl.py o el ASR del roughcut final. global_scale / timeScale uniforme después del roughcut está prohibido.
  • No mantengas al hablante mecánicamente en la misma esquina.
  • No uses zoom/pan de imagen estática como animación.
  • Las secciones con mucha evidencia pueden ocultar al hablante, pero deben regresar a él después de la secuencia de evidencia.
  • No más de dos escenas consecutivas deben compartir el mismo speaker_state + material_state + pip_shape.
  • El hablante generalmente debe regresar dentro de 8-20 segundos a menos que el segmento sea una secuencia densa de evidencia.
  • No te detengas en escenas a nivel de capítulo/párrafo. Un video con presentador de 4-5 minutos normalmente debería expandirse a aproximadamente 70-100 micro-planos, o al menos pasar el mínimo estricto de 14 cambios visuales efectivos por minuto.
  • El segmento visual mediano debe permanecer por debajo de 4.5 segundos; el objetivo preferido estilo Xiaolin es de 1.4-4.0 segundos.
  • Cualquier escena de más de 8 segundos debe incluir una matriz micro_shots que especifique cortes internos, morfosis PIP, intercambios de evidencia, revelaciones de gráficos, inserciones de B-roll o retornos del hablante.
  • Las escenas de evidencia deben llevar evidence_authenticity: real_data, source_screenshot, user_claim_card o schematic. Usa schematic solo para animaciones conceptuales claramente marcadas.
  • Las escenas de dibujos animados conceptuales deben usar dasheng-lemon-illustrations; no generes el personaje recurrente precedente ni lo sustituyas por una mascota genérica linda.
  • Las escenas vinculadas a real_data y source_screenshot deben incluir evidence_binding.claim_id, relation=direct y un source_locator concreto. Las páginas de inicio de empresas y los gráficos de precios correlacionados son contexto, no prueba directa.
  • evidence_binding.claim_id debe ser el ID de la afirmación principal después de la aprobación del libro de registro. Conserva el ID de afirmación de la micro-escena original como micro_claim_id para trazabilidad.
  • Una afirmación compuesta se prueba solo cuando todos los elementos de evidencia explícitamente requeridos están satisfechos. Una captura de pantalla válida no puede probar las otras partes no respaldadas del mismo bloque de oraciones.
  • La integridad de la evidencia y la corrección de la narración son compuertas separadas. Cero afirmaciones con evidencia faltante es insuficiente cuando spoken_revision_sheet.pending_count > 0.
  • El renderizador debe pasar scripts/video_renderer_contract_gate.py; los nombres de plantilla que se reducen a un componente genérico no cuentan como diversidad de plantillas.
  • Un plan de escena que depende principalmente de un sistema de tarjetas hecho por uno mismo no es aceptable, incluso si los nombres de las plantillas difieren. Mezcla evidencia real/de tipo fuente: gráfico de mercado, página web/noticias/documento, UI de empresa/producto, tabla, B-roll, diagrama lógico y retorno del hablante.

Reglas para 无真人科普

Máquina de estados predeterminada:

hook_card -> question_setup -> chapter_card -> evidence_scene -> logic_animation -> cinematic_bridge -> evidence_scene -> recap_card
  • ... [truncado para traducción]

Reglas para VOX 调查解释

  • ... [truncado para traducción]

Reglas para AI 数字人

  • ... [truncado para traducción]

Reglas para 电影短剧

  • ... [truncado para traducción]

Reglas para 广告宣传片

  • ... [truncado para traducción]

Historial de Revisiones

  • v1.0: Publicación inicial.
  • v1.1: Se agregaron reglas de enrutamiento de ilustraciones conceptuales.
  • v2.0: Se reestructuró el modelo de decisión del director y se agregaron campos de salida.
  • v2.1: Se refinaron las reglas de evidencia y se agregaron compuertas de calidad.

Skills relacionados