vibe-video-editing

vibe video editing

Actualmente solo funciona en Windows; la instalación portátil integrada está dirigida a Windows x64. Si se detecta otro sistema operativo, se detiene la instalación sin intentar implementar el entorno de ejecución para otros sistemas.

Separa el flujo de edición del estilo del producto final. Las rutas de script son relativas a esta Skill; las rutas de los materiales y la salida del proyecto las proporciona la tarea actual; la Skill global no almacena medios, cachés, modelos, claves ni rutas absolutas de proyectos específicos.

Para instalación, descarga de software oficial, fuentes de skills externas y recursos pendientes, consulta [Instalación y dependencias externas](Instalación y dependencias externas.md).

Cuando el usuario solicite la instalación, Codex la realizará automáticamente según [Punto de entrada de dependencias unificado](Instalación y dependencias externas.md#auto-install), detectando, descargando, configurando y verificando; runtime.local.json es un registro de máquina generado automáticamente, no se requiere que el usuario lo complete manualmente. El límite actual de capacidades se encuentra en [Estado de validación](Instalación y dependencias externas.md#validation).

Skill principal y directorio de módulos

Este directorio es la skill principal de vibe-video-editing. Primero se ejecutan las convenciones comunes de producción y calidad, luego se carga el módulo específico según las necesidades de esta tarea, sin leer toda la biblioteca de módulos de una vez. El directorio es el siguiente:

vibe-video-editing/
├─ SKILL.md                 Skill principal y reglas comunes
├─ Functional Skills/       Biblioteca de módulos funcionales (un SKILL.md por módulo)
├─ Styles/                  Biblioteca de módulos de estilo (un SKILL.md por estilo)
├─ 风格清单.json / 风格清单.md
├─ 功能清单.json / 功能清单.md
├─ scripts/                 Scripts comunes y herramienta de listado de módulos
└─ references/、assets/        Normas y parámetros comunes (herramientas de terceros se guardan con el módulo funcional)

Antes de que la IA examine la biblioteca, ejecute python scripts/library.py sync, luego lea 风格清单.json o 功能清单.json según sea necesario. El usuario puede leer 风格清单.md y 功能清单.md. Los listados se generan a partir de module.json de los módulos; los comandos de línea list / register también se actualizan automáticamente, no se mantiene otro listado escrito a mano.

La biblioteca de funciones solo se carga cuando es necesario:

• Herramienta de edición de locución Blazerior: se llama para organizar locuciones originales grabadas, narraciones o entrevistas, proporcionando herramientas de lista de palabras, pausas y EDL; la identificación, alineación y el flujo de calidad siguen las normas comunes a continuación.

• Análisis de muestra: cuando el usuario solicita analizar un video de muestra, o cuando esta producción necesita extraer prácticas de edición de un video de referencia terminado, se lee y ejecuta este módulo.

• Doblaje local con IndexTTS: se utiliza cuando se necesita narración TTS o un timbre de voz específico.

• Texto decorativo dinámico con Remotion: se utiliza según la condición de activación de texto decorativo a continuación.

• Efectos de sonido para texto decorativo: cuando el usuario solicita agregar efectos de sonido al texto decorativo, según la animación y la posición del texto decorativo confirmadas, se selecciona el sonido, se sincroniza con el cuadro y se mezcla desde la biblioteca de efectos de sonido local.

• Buscar material: se utiliza para buscar fragmentos de animación/video largo locales, no reemplaza el proceso de recopilación de material externo.

• Corrección de color: cuando el usuario solicita corrección de color, aplicar LUT o igualar tomas, o cuando la producción necesita manejar espacio de color, exposición, dominancia de color y aberraciones cromáticas de la lente, se lee y ejecuta este módulo.

Llamar a un módulo significa que el agente actual lee y ejecuta sus normas, no que cree un subagente. Cuando el usuario solicita solo una función, solo se ejecuta esa función. Seleccione los módulos necesarios para la tarea actual según el listado de funciones.

Leer la configuración del proyecto antes de la producción

Codex lee o genera video-editing.delivery.json según el proyecto actual y la solicitud del usuario. El formato actual solo guarda el directorio del proyecto y la selección del ritmo de la locución. Ejecute python scripts/delivery_config.py --project "Ruta absoluta de la carpeta del proyecto actual"; si no hay configuración, la selección de locución es default; si se confirma que se necesita editar la locución y no hay muestra de referencia de locución ni una solicitud clara de locución, solo entonces se habilita el preajuste de locución predeterminado; si no hay locución, se omite la organización. Para los campos y el método de guardado, consulte Configuración del proyecto.

Según Selección de ritmo de locución, verifique simultáneamente speech.style, la solicitud de locución actual y si existe una referencia de locución, luego analice y use realmente la planificación de sonido para el proyecto actual, sin escribir un estilo global. La solicitud actual, las selecciones no predeterminadas especificadas por el usuario y las muestras tienen prioridad sobre los preajustes predeterminados; cuando se desconoce el estado de la referencia, primero verifique los materiales, no aplique directamente los segundos predeterminados. Si la configuración está dañada, la versión o los campos no son compatibles, informe el error claramente, no sobrescriba silenciosamente el archivo original.

La versión actual entrega el producto final, subtítulos independientes, pistas separadas, configuración de producción y registro de materiales como alcance. Si se encuentran requisitos de formato de proyecto fuera del alcance, se debe explicar el límite actual de soporte, sin prometer capacidades de conversión no proporcionadas.

Seleccionar estilo, cargar solo lo necesario

Primero determine si el usuario ha especificado claramente el nombre del estilo:

• Estilo mencionado: Ejecute python scripts/style.py list para localizarlo, cargue solo su especificación; las solicitudes explícitas del usuario y las aclaraciones en los ejemplos pueden anular sus valores predeterminados.
• Estilo no mencionado: Lea activamente los documentos de ejemplo proporcionados por el usuario y los videos, audio y proyectos de referencia asociados. Extraiga evidencia según Proceso de aprendizaje de ejemplo y establezca las normas del proyecto actual; no enumere primero la biblioteca de estilos, no aplique un estilo existente ni comience desde la configuración del estilo "más cercano". Se pueden reutilizar herramientas compartidas para operaciones, pero no se pueden heredar las reglas de ritmo, subtítulos o visuales de estilos anteriores. Si solo hay documentos, adopte solo sus descripciones explícitas; las características audiovisuales no mostradas se marcan como "pendientes de verificar".
• Estilo no mencionado y sin ejemplos: Establezca las normas del proyecto según el material actual y los requisitos explícitos. Si es necesario, pregunte por las preferencias clave faltantes, no empareje automáticamente con un estilo existente. Decir simplemente "noticias de producto" o "vlog" no cuenta como mencionar un estilo específico.

Los estilos existentes se basan en el 风格清单.json en tiempo real; no mantenga una tabla de estilos ni especificaciones de estilo específicas en la skill principal. Cuando se menciona, solo lea el SKILL.md de la sub-skill afectada, las referencias necesarias que requiera y la salida de style.py resolve; cuando no se menciona, aún así siga el proceso de aprendizaje de ejemplo para establecer las normas del proyecto, no aplique automáticamente el estilo más cercano.

Aplicar la solicitud actual

Prioridad: solicitud explícita actual > convenciones aceptadas del proyecto actual y evidencia de ejemplo actual > valores predeterminados del estilo mencionado por el usuario (si los hay) > recomendaciones técnicas generales. Se puede anular el ritmo, la duración de la toma, los subtítulos, la densidad de transiciones, la música y los efectos de sonido. Cuando se menciona, analice la configuración; cuando no se menciona, la configuración establecida independientemente según los ejemplos se guarda como work/edit-settings.json del proyecto; no reescriba el estilo global debido a una tarea. Los requisitos en lenguaje natural son convertidos por Codex en JSON de anulación; el script no entiende automáticamente descripciones como "más relajado".

El siguiente comando solo se usa para estilos explícitamente mencionados; cuando no se menciona, escriba directamente la configuración del proyecto según el proceso de aprendizaje.

python scripts/style.py resolve --style "Nombre del estilo guardado por el usuario" --overrides work/overrides.json --output work/edit-settings.json

Ejemplo de anulación: {"rhythm":{"shot_seconds":[3,5]},"subtitles":{"mode":"full"},"transitions":{"density":"medium"}}. El alcance es organizar los puntos de inicio de las tomas, no puede cortar mecánicamente oraciones, acciones o tiempo de lectura de gráficos. Solo persista las selecciones del proyecto si se solicita explícitamente "recordar/guardar como nuevo estilo".

Indicaciones para guiones y productos finales del cliente

Primero distinga entre el guión de texto/video del cliente destinado al producto final y los ejemplos solo para aprendizaje de estilo. Las convenciones de contenido del guión del cliente tienen prioridad sobre los valores predeterminados del estilo y las sugerencias automáticas de la herramienta de edición.

• Guión de locución en texto proporcionado explícitamente: Mantenga el guión original, no cambie palabras, agregue, elimine, refine, comprima, altere el orden del contenido, ni modifique opiniones, números o conclusiones por su cuenta; no modifique el guión para ajustar la duración del video, el ritmo, el estilo o para la llamada corrección de errores. Solo cuando el cliente solicite explícitamente una modificación, guarde una copia revisada dentro del alcance autorizado. Los saltos de línea y los tiempos de los subtítulos se pueden ajustar; las expansiones de pronunciación de modelos necesarias para TTS se guardan como copias técnicas, manteniendo la correspondencia del contenido, sin sobrescribir el guión original.
• Indicaciones visuales al proporcionar guión de texto o video: Evite agregar tarjetas de aclaración, notas al pie o texto gris pequeño con declaraciones como "no probado realmente", "solo como referencia", "configuración hipotética" o "resultado solo ilustrativo". No convierta el proceso de verificación interna en indicaciones del producto final ni use indicaciones para reemplazar la comunicación con el cliente. Los subtítulos normales, las unidades necesarias/leyendas y las etiquetas de datos se presentan normalmente según el guión; las indicaciones ya presentes en el guión original, las aclaraciones solicitadas explícitamente por el cliente y las atribuciones de material obligatorias se manejan según la solicitud original.
• Diagramas originales e indicaciones ilustrativas: Para los diagramas originales o animaciones ilustrativas creadas en el tercer nivel del mecanismo de búsqueda de material a continuación, marque claramente en la pantalla con indicaciones apropiadas como "Diagrama original" o "Animación ilustrativa", explicando su naturaleza original o ilustrativa; este requisito tiene prioridad sobre la convención del estilo de no agregar texto pequeño ilustrativo por defecto. No agregue automáticamente declaraciones de exención de responsabilidad o suposición como "no probado realmente" o "solo como referencia" a otras pantallas, ni modifique retrospectivamente páginas ya aprobadas; cuando el cliente solicite explícitamente otro tratamiento, siga la solicitud actual.
• Ante dudas o inconsistencias en el guión: Señálelo en la comunicación de producción o en el registro de entrega, no modifique el guión del cliente por su cuenta ni agregue declaraciones en la pantalla por defecto. Si el cliente no acepta modificar el guión, organice la voz en off, la planificación de tomas y la duración según el guión original.

Organización de locución original (por defecto)

Cuando un video futuro necesite editar locución original grabada, narración o entrevista, a menos que el usuario especifique explícitamente otro método, el predeterminado es usar Qwen3-ASR-1.7B + Qwen3-ForcedAligner-0.6B para reconocimiento y alineación. Según el Flujo de trabajo Qwen F, complete la revisión semántica de todo el video, la verificación acústica completa de la grabación original, el manejo independiente de pausas y respiraciones, la EDL/mapeo unificado, la exportación, la verificación posterior y el cronometraje. Llame a Herramienta de edición de locución Blazerior para ejecutar el flujo de la herramienta de lista de palabras, pausas y EDL. Consulte Normas de organización de locución para más detalles. No puede retroceder silenciosamente a CPU o Whisper-small; el entorno de ejecución real se encuentra en Entorno de ejecución local.

Respetando las convenciones de contenido del guión del cliente, el objetivo es coherencia dentro de la oración, naturalidad entre oraciones: apriete los espacios de aire adicionales, las vacilaciones y los reinicios de sonido entre palabras, calibre el intervalo de referencia según la selección de locución actual y la zona segura real, conserve completamente los finales de palabras, las aspiraciones y las fricativas; mantenga un ritmo natural entre las oraciones, no las acorte uniformemente. Después de acortar dentro de la oración, coordine la narración siguiente, evitando que el tiempo eliminado se convierta en nuevos espacios en blanco entre oraciones. Los segundos específicos del preajuste predeterminado y las condiciones de activación se encuentran en Selección de ritmo de locución; debe verificar los espacios de aire y las conexiones dentro del flujo del habla retenido y aplicar el juicio específico al plan de edición, no puede simplemente limpiar la regrabación o guardar la configuración y considerarlo aplicado. Este es un requisito de calidad común para todos los estilos existentes y futuros, no herede automáticamente las reglas de subtítulos, corrección de color, ampliación o relación de aspecto de habilidades ascendentes. Las solicitudes explícitas del usuario y los métodos de edición ya aprobados tienen prioridad.

Legibilidad de subtítulos y división en oraciones

Los subtítulos se basan en el audio original retenido en el producto final. Se permite la paráfrasis natural, el ajuste del orden de las palabras, la división o combinación de líneas. Si es necesario, para que la expresión en chino sea más natural o clara, se puede complementar con la imagen el objeto, la herramienta o la referencia involucrada en la misma acción. El contenido complementado debe tener una base visual clara y conservar la acción, el orden y el tono de la expresión original. Cuando los subtítulos son demasiado largos, priorice dividirlos según el significado semántico y alinearlos con el audio original. Antes de la entrega, compare los subtítulos con el audio original del producto final oración por oración.

Cuando se necesiten producir o volver a renderizar subtítulos normales, el predeterminado es usar Remotion, siguiendo el estilo básico unificado de subtítulos de este video. Los subtítulos normales se ejecutan de forma independiente, directamente según Normas de operación de subtítulos. Las plantillas, las animaciones clave y los cambios de fuente para texto decorativo especial solo se aplican cuando se cumple la condición en la siguiente sección. La herramienta de subtítulos especificada explícitamente en esta tarea o el proyecto de subtítulos ya aprobado tienen prioridad.

Divida los subtítulos en oraciones según el significado semántico completo, protegiendo frases, nombres propios y unidades numéricas; mida el ancho de línea según la fuente real y la zona segura de la imagen, divida explícitamente las oraciones largas en líneas, no las fuerce a una sola línea ni las corte según un número fijo de caracteres. Ajuste los tiempos según los tiempos a nivel de palabra de la locución real, asegurando que los subtítulos cortos tengan suficiente tiempo de visualización claro; verifique el texto con la versión final del cliente, no puede resolver el desbordamiento acortando oraciones. Ejecute específicamente según Normas de operación de subtítulos.

Texto decorativo dinámico y subtítulos dinámicos clave

Cuando el usuario solicite explícitamente texto decorativo, texto artístico o subtítulos dinámicos clave, o cuando los ejemplos reales muestren claramente tales efectos, el agente principal actual debe cargar y ejecutar skill de texto artístico de Remotion (identificador de skill remotion-flower-text), sin esperar a que el usuario lo mencione nuevamente. Primero analice el estilo real, seleccione/adapte el componente apropiado según la biblioteca de plantillas proporcionada por el usuario; si no hay plantilla, implemente el efecto requerido en el proyecto actual de Remotion. Llamar significa leer y ejecutar la skill especializada, no crear un subagente o iniciar otra conversación.

Esta skill principal continúa siendo responsable de la aprobación del cliente, los requisitos de presentación/edición mixta, la línea de tiempo de sonido e imagen, el uso de material y la inspección del producto final; la skill especializada es responsable de las fuentes y colores, las plantillas, las frases clave y las capas de texto. Los parámetros de texto decorativo registrados deben usarse realmente para la renderización, no solo escribir la configuración sin llamar a los componentes.

Los subtítulos normales sin texto decorativo mantienen el esquema básico unificado de subtítulos de este video. Solo en los párrafos donde se activa el texto decorativo, por defecto, divida según punto final/semántica, compartiendo una fuente base para 1-2 oraciones naturales; las palabras clave en la misma oración pueden superponer efectos de plantilla, pero por defecto heredan la fuente de esa oración, no cambien la forma de la fuente con frecuencia por media oración o cambio de página de subtítulos. La información normal sigue el estilo ya aprobado, no la simplifique ni rehaga por el simple hecho de resaltar puntos clave. Las capas de texto y las tarjetas clave no deben superponer texto repetido ni bloquear el texto adyacente.

Esta versión no incluye plantillas de texto decorativo; el usuario puede buscar bibliotecas de plantillas disponibles en línea y proporcionar el enlace a Codex para descargar y adaptar. El nuevo diseño se guarda solo para el proyecto actual por defecto; solo cuando el usuario solicite explícitamente guardarlo, se registra en la ubicación especificada por el usuario; esta regla no limita la creación de componentes temporales dentro del proyecto para la tarea actual, ni promueve automáticamente las fuentes, la música o el ritmo de este proyecto a otros videos. La solicitud explícita actual del usuario tiene prioridad.

Recopilación de material visual externo

Cuando se necesiten recopilar imágenes, videos, logotipos o capturas de pantalla de páginas web externas, lea Planificación de tomas y recopilación de material y ejecute según las rutas de origen, la verificación de segmentos reales, la recopilación web y el método de registro allí indicados.

La búsqueda de material se ejecuta según la siguiente prioridad:

1. Primero haga la planificación de tomas: Determine qué tipo de evidencia visual o explicación necesita cada oración del guión, aclare el objeto, el argumento y el propósito de la imagen, luego comience a buscar material.
2. Busque material relevante según la planificación: Busque videos relevantes, materiales de publicación oficiales, imágenes oficiales, gráficos de datos originales, o grabe páginas web relevantes a través de fuentes de navegador independientes como OBS, que correspondan a la oración actual. Seleccione el medio según sea necesario, no solo llene la pantalla con la marca o palabras clave.
3. Cree contenido original si el material es insuficiente: Cuando el material del segundo nivel aún no pueda satisfacer las necesidades de expresión, cree diagramas originales o animaciones ilustrativas correspondientes a la oración actual, y márquelos claramente en la pantalla con indicaciones apropiadas como "Diagrama original" o "Animación ilustrativa", no los haga pasar como grabaciones reales o material original.
4. Mantenga la locución si ni el material ni la explicación original son adecuados: Mantenga la locución del presentador y optimice la composición, no fuerce la inserción de B-roll irrelevante ni modifique el guión para llenar la imagen.

• Completado unificadamente por el agente principal: Independientemente del modelo que utilice el agente principal, la búsqueda, el filtrado y la verificación de imágenes, videos, logotipos, materiales de lanzamiento y productos externos son realizados por el agente principal personalmente, no delegados a subagentes. Cuando el usuario solicite explícitamente delegar, se maneja según la autorización de la tarea actual y las reglas del host.
• Primero empareje el objeto específico y el argumento actual, luego considere material genérico: Identifique marca, producto, persona, premio, evento y tecnología oración por oración. Priorice las imágenes de productos, discursos, videos promocionales, materiales de noticias, materiales originales de instituciones de investigación y organizadores de premios del objeto oficial. Cuando se presenten varias empresas, se pueden combinar los logotipos y nombres correspondientes. No puede reemplazar imágenes fuertemente relacionadas con la locución solo porque el material parece tecnología, código o matemáticas. Priorice materiales reales para la apertura de marcas específicas o eventos/personajes reales, no use imágenes generadas por IA por defecto. Cada inserción debe poder explicar la oración actual, no solo pasar por la misma marca o categoría técnica; verifique listas, parámetros, descargas, eventos de lanzamiento y demostraciones de capacidad por separado, los materiales históricos deben corresponder al momento de la locución.
• Método de creación: Puede cortar discursos públicos oficiales, demostraciones de productos en posiciones adecuadas, o usar imágenes de productos reales, logotipos de marca, gráficos originales, fotos de personas para crear composición y animación; primero considere la relación explicativa entre la imagen y la oración actual, luego decida el recorte, collage, comparación y ventana pequeña. No etiquete tomas genéricas como la fábrica de una empresa, una persona o un evento.
• Verifique el segmento real: Primero vea el contenido real del intervalo seleccionado, no solo el nombre del archivo, la miniatura o el primer fotograma; verifique la integridad del video fuente, sintetice y verifique el límite entre oraciones antes y después, evite arrastrar el objeto anterior a la siguiente oración para llenar la ventana de tiempo.
• Las páginas web también son una entrada de material: Cuando falten imágenes adecuadas listas, puede capturar el proceso de navegación de páginas web oficiales, páginas de productos, repositorios de modelos o gráficos originales. Priorice el uso de fuentes de navegador independientes de OBS para capturar la interfaz web, no use el proceso de captura de pantalla/renderización sin cabeza de Chrome independiente, ni haga de Chrome una dependencia necesaria de esta Skill; evite ocupar el navegador diario del usuario; el método de grabación específico sigue las instrucciones de la herramienta correspondiente y la autorización actual.
• Alcance de adopción de material visual: Según la preferencia del usuario, no haga que "verificar explícitamente la declaración de uso comercial gratuito" sea la única entrada para todo el material visual; se pueden considerar discursos públicos, promociones de productos, logotipos de marca y materiales públicos relevantes de la propia empresa para la introducción y el comentario del tema actual. Vea la página de publicación original y las restricciones visibles, registre la fuente, el editor, el propósito y el estado de la licencia; la ausencia de una declaración de prohibición no equivale a autorización, no escriba dicho material como "con licencia comercial obtenida". No incluya material con prohibición explícita del uso correspondiente, vista previa de pago, marca de agua o reenvío no autorizado. Evite imágenes de medios con derechos de autor estrictos como CCTV y organismos de radiodifusión, no elimine logotipos o marcas de agua para eludir restricciones.
• La música y las fuentes aún se manejan según sus respectivos requisitos de licencia explícitos; la flexibilización del usuario esta vez es solo para la selección de material visual, no se extiende automáticamente a la música de fondo, fuentes u otros usos. El juicio de fuente y permiso se escribe en el registro de producción, no se convierte automáticamente en texto pequeño de exención de responsabilidad en el producto final.

Deduplicación de material y gestión de intervalos de origen

Todas las tareas de video siguen por defecto: la misma imagen se usa como máximo una vez; el mismo intervalo de tiempo del mismo video original se usa como máximo una vez. Se pueden seleccionar múltiples intervalos de origen que no se superpongan del mismo video largo; los intervalos ya utilizados no se pueden volver a usar. Identifique el material por fuente original o contenido de archivo, no considere el cambio de nombre de archivo, la corrección de color, el recorte, el cambio de velocidad, el cambio de diseño o la captura de pantalla como material nuevo. No utilice bucles de clips cortos para llenar la duración de la toma.

Para la revisión de deduplicación, primero busque material nuevo fuertemente relevante según la prioridad de búsqueda de material para reemplazar las imágenes duplicadas, manteniendo el propósito de inserción original; no puede eliminar material en masa solo para pasar la verificación de deduplicación ni eliminar páginas explicativas ya aprobadas. Cuando ni el material relevante ni los diagramas originales o animaciones ilustrativas marcados explícitamente sean adecuados, se puede mantener la locución del presentador y optimizar la composición, no fuerce la inserción de B-roll irrelevante. Las páginas explicativas ya aprobadas sobre datos, principios, comparaciones, etc., deben protegerse y conservarse; "no agregar página de resumen al final" solo restringe la página de finalización no solicitada, no equivale a eliminar páginas explicativas del cuerpo.

Mantenga un registro de uso de material, que al menos registre la identificación de la fuente, la identificación del contenido de la imagen, o video source_in/source_out, y los puntos de entrada/salida del producto final. Calcule los intervalos según el consumo real del video original después del cambio de velocidad, verifique la superposición de intervalos de origen y la reutilización de imágenes antes de la exportación. La versión completa y las vistas previas/versiones cortas extraídas de la misma versión comparten el mismo plan de edición, no cuente los prefijos de entrega o archivos de revisión como reutilización dentro del video.

Excepción: Logotipos, identificaciones icónicas o materiales, fotos de personas clave y videos promocionales importantes que sean realmente necesarios pueden reutilizarse según la necesidad narrativa, registrando la razón específica y la ubicación de aparición, y controlando la frecuencia. Los fragmentos de video no están automáticamente exentos solo por provenir de videos promocionales oficiales. Cuando realmente falte material y sea necesario repetir, informe activamente al usuario qué se repite, en qué intervalos de tiempo y la razón, no puede repetir silenciosamente.

Temporización de visualización de información agrupada

La información paralela puede aparecer elemento por elemento junto con la locución; cuando se necesita comparación o resumen, debe mantenerse junta hasta que se termine de hablar, gestionando el énfasis y la salida de manera unificada según la narración. No permita que cada elemento tenga su propio temporizador independiente, lo que hace que uno desaparezca antes de tiempo, rompiendo la relación de paralelismo. El método de visualización específico sigue la solicitud del usuario y la narrativa actual.

Subtítulos de esquina pequeños (todos los tipos de video)

A menos que el usuario lo solicite explícitamente, todos los videos existentes y futuros no agregan subtítulos decorativos pequeños en la esquina superior izquierda u otras esquinas, etiquetas de capítulo o títulos de sección, como "2026 / Tecnología China", "Tecnología China / Cuatro dimensiones", "Ruta / Lógica técnica", "02 / Hardware". Esta convención predeterminada tiene prioridad sobre configuraciones similares en plantillas, herramientas y estilos guardados; no puede agregarlos automáticamente solo porque el video de referencia tiene dicho texto. Al revisar, solo elimine estos subtítulos pequeños, conserve las páginas explicativas del cuerpo, los títulos grandes, las tablas de datos, los subtítulos, las leyendas necesarias y el contenido del material; esta regla no cancela las indicaciones de diagramas originales o animaciones ilustrativas que se soliciten de otra manera.

Página final (todos los tipos de video)

Solo cree una página de resumen final, una tarjeta de finalización de marca/cuenta, una página de eslogan, créditos finales o páginas de declaración de música/imagen/fuente cuando la indicación del usuario o los ejemplos proporcionados lo soliciten explícitamente. Si no hay una solicitud explícita, no la agregue automáticamente debido a convenciones de estilo, plantillas, valores predeterminados de herramientas o requisitos de atribución; termine normalmente al final del contenido. Conserve la conclusión de la locución original del guión, no elimine o modifique el guión para eliminar la página.

Las atribuciones de material necesarias que generalmente se pueden colocar en el texto de publicación, el área de descripción o los archivos adjuntos deben guardarse en esas ubicaciones, no convertirse automáticamente en una página final de video. Si un material requiere explícitamente atribución dentro del video y no puede cumplir con el requisito actual de no tener página final, priorice el cambio a un material que cumpla con los requisitos, luego maneje el conflicto real restante.

Fuente de música

Todos los estilos existentes y futuros siguen esta convención: no genere música en la máquina local, no llame a modelos locales de generación de música (como ACE-Step), ni componga o sintetice música de fondo mediante código.

Cuando se necesite música de fondo, busque y use activamente música de fondo gratuita para uso comercial externa adecuada para el video actual, sin necesidad de pedir primero al usuario que vaya a Suno. Antes de usarla, verifique la página de publicación original de la pista y los términos de licencia, confirme el uso comercial gratuito, el permiso para el video actual/propósito de publicación y la edición necesaria, registre el nombre de la pista, el autor, el enlace de origen, la base de la licencia y la fecha de obtención, y cumpla con los requisitos de atribución; no puede asumir que es gratuita para uso comercial solo por "descarga gratuita" o "libre de regalías" o etiquetas de búsqueda, no use pistas con licencia poco clara.

La música existente se puede recortar, hacer bucle, desvanecer, aplicar ducking de voz y mezclar normalmente. Si no se encuentra música de fondo gratuita adecuada con licencia clara, o si el usuario desea crearla él mismo, informe al usuario la duración, el estado de ánimo/timbre y el ritmo necesarios, y deje que el usuario proporcione la música (puede usar Suno), no la genere en su lugar. Mientras espera, puede continuar con el montaje preliminar sin música, la locución y los subtítulos.

Flujo de producción común

1. Verifique el material, el guión, el proyecto, la entrega más reciente y los registros de revisión; primero confirme el rol del guión del cliente y la referencia de estilo, el guión de locución en texto proporcionado explícitamente por el cliente se trata como contenido bloqueado. Distinga entre el video de referencia y el material utilizable, primero reutilice scripts y productos intermedios; no copie rutas absolutas de proyectos anteriores, sobrescriba material fuente ni vuelva a ejecutar servicios de locución/generación innecesarios.

   Si solo se modifica el BGM, los efectos de sonido, el volumen de la voz o la mezcla, confirme que la imagen, los subtítulos quemados, la sincronización de tomas y la sincronización labial se pueden reutilizar, vuelva a mezclar y empaquete una nueva versión según Reutilización de flujo de video al cambiar solo el sonido, copie directamente el flujo de video existente.

2. Ejecute ffmpeg_ops.py doctor para confirmar las herramientas. Cuando se retenga la locución original, ejecute por defecto el flujo F del modelo base Qwen según Normas de organización de locución y aplique el speech.style de esta tarea; primero cumpla con los requisitos de calidad comunes, luego maneje el ritmo según el estilo. Cuando se use doblaje, primero obtenga el audio real y verifique la pronunciación, luego establezca la línea de tiempo. Después de cambiar la velocidad del habla/guion, recalcule los subtítulos, las tomas, los capítulos y la mezcla.

3. Acumule puntos de entrada/salida con fotogramas de salida enteros; administre la imagen, los subtítulos y el sonido por separado. Por defecto, haga directamente la primera versión completa del producto final, después de completar las verificaciones necesarias, entréguesela al usuario y continúe modificando según los comentarios. Las representaciones parciales de prueba necesarias las realiza el agente internamente, no se detenga por defecto para esperar que el usuario revise segmentos cortos representativos; cuando el usuario solicite explícitamente ver primero un corte de prueba, ejecute según su solicitud. La entrada del proyecto común del flujo completo de FFmpeg recibe los fragmentos renderizados; los efectos visuales/transiciones complejos se crean primero como tomas, luego se escriben en la lista. Los componentes y materiales que necesitan reutilizarse se guardan como código fuente para el proyecto actual.

4. Desde Operaciones compartidas y formato de lista, lea las partes de FFmpeg, subtítulos o Blender según sea necesario. Los parámetros de estilo deben pasarse realmente al script o implementarse en las tomas; la existencia de un archivo de configuración no significa que se haya aplicado.

5. La locución debe pasar la Verificación de forma de onda al final de la palabra tanto después del corte final como de la exportación, cubriendo cada punto de salida que pueda cortar o desvanecer la voz humana. Después de la exportación, ejecute qa.py para verificar la decodificación completa, el número de fotogramas, la duración de audio y video, los límites de los subtítulos y el volumen; además, extraiga fotogramas y escuche el principio y el final, los puntos de corte, los gráficos largos y las áreas densas en subtítulos. El proyecto debe reabrirse, verificar los medios y hacer una representación de prueba, la nota de entrega debe indicar el alcance real de la verificación y si el texto está quemado.

Entrega estándar: producto final, subtítulos independientes, pistas separadas y mezcla final, configuración real, lista de materiales, código fuente de producción (si es necesario) e informe de inspección. Mantenga rutas relativas, indique claramente la versión más reciente.

Aprendizaje y extensión

Cuando no se menciona un estilo, incluso si el usuario no dice explícitamente "aprender", lea y ejecute activamente Aprendizaje y registro de estilo; cuando se solicite explícitamente aprender/actualizar un estilo, también ejecute. Extraiga evidencia de los documentos de ejemplo y medios asociados de esta tarea, distinga entre observación, inferencia y anulación actual. Cuando no se solicite guardar, solo guarde en el proyecto actual; cuando el usuario diga "resumir la experiencia de esta tarea para formar un estilo", "guardar como nuevo estilo", etc., use style.py register para agregar una nueva sub-skill independiente en Styles/<NuevoID>/ (que contenga SKILL.md, style.json, module.json) y actualice automáticamente los dos listados de estilos; no agregue esta experiencia a la skill principal ni sobrescriba estilos existentes por defecto. Solo use --replace cuando se solicite explícitamente actualizar un estilo existente. Al verificar las bases del proyecto, lea la fuente y el registro de revisión de esta tarea.

Mantenimiento de módulos

Las especificaciones de estilo específicas se mantienen en Styles/<id>/SKILL.md, los parámetros predeterminados en style.json; el nombre del módulo, la descripción breve, los alias y las pistas de aplicación están en module.json. Los módulos funcionales también se mantienen directamente en Functional Skills/<id>/. Después de guardar, ejecute python scripts/library.py sync y las validaciones correspondientes; los listados son generados unificadamente por el script.

Solo actualice la skill principal con flujos de producción comunes que sean válidos para todos los estilos, no convierta productos, colores, música o duraciones de tomas específicos de un proyecto en reglas globales. Consulte AGENTS.md para las reglas de gestión. La configuración de la máquina y el caché de descarga no se incluyen en el paquete de publicación. Styles está inicialmente vacío, solo guarda nuevos estilos que el usuario solicite explícitamente registrar.