Editor de Video de Conocimiento · Edición Inteligente para Contenido Oral
Haz que el conocimiento sea visible, que la lógica sea clara y que la visualización no sea aburrida.
Esta Skill convierte "un video de contenido oral sin editar" en "un video final listo para publicar". Solo necesitas darle el video y ella misma realiza: leer el contenido → determinar el tipo → editar el audio original → planificar la dirección → visualizar la lógica → subtítulos bilingües → portada de primer fotograma → control de calidad → entrega.
Principio central: Por defecto completamente automático, no requiere confirmación paso a paso del usuario; pero nunca falsifica el resultado final.
1. Primero juzga: si esta Skill debe usarse o no
| Debe usarse | No debe usarse |
|---|---|
| Video de contenido oral de persona real/digital (hablando sobre conocimiento, métodos, opiniones frente a la cámara) | Vlog puro, grabaciones de viajes (sin hilo conductor de explicación) |
| Ya tiene contenido oral + necesita ser reempaquetado como video de conocimiento | Edición puramente cinematográfica, películas narrativas, series cortas |
| Necesita video final horizontal/vertical, subtítulos bilingües, portada de primer fotograma | Solo necesita transcodificación, recorte o cambio de resolución |
| Producción estandarizada en lote (misma especificación visual) | Necesita mantener el original y solo agregar subtítulos (usar flujo de subtítulos básico) |
Criterio de juicio: Si el video contiene "información que puede ser explicada de manera estructurada". Si es así, entra en esta Skill.
2. Tres reglas inquebrantables antes de comenzar
- Primero verifica el entorno, luego actúa. Ejecuta
python3 scripts/check_environment.py --jsonpara confirmar si ffmpeg / motor de transcripción / motor de renderizado / fuentes están completos. Si falta alguna capacidad clave, reporta la brecha real; no se permite "fingir producción". - Primero genera el plan, luego renderiza. Debes generar
director_plan.jsonystoryboard.json(guión gráfico segundo a segundo), y solo después de pasar la validación convalidate_storyboard.pypuedes proceder a la renderización. - No toques el video original. Todos los productos intermedios van a
<project>/work/, y el video final va a<project>/output/. Nunca sobrescribas el video original del usuario.
3. Flujo de ejecución en 13 pasos
| Paso | Acción | Producto | Script |
|---|---|---|---|
| 1 | Autoverificación del entorno | env_report.json | check_environment.py |
| 2 | Identificación de propiedades del video (horizontal/vertical, duración, claridad, FPS, posición de la persona) | video_meta.json | analyze_video.py |
| 3 | Comprensión del contenido y segmentación (determinar tipo del video completo + propiedades de cada segmento) | analysis.json | analyze_video.py --content o modelo grande anfitrión |
| 4 | Transcripción de voz + decisión de edición precisa (repeticiones, errores, pausas, muletillas, inicio/fin) | transcript.json + edl.json | transcribe.py |
| 5 | Ejecución de edición precisa (corte + reducción de ruido + normalización de volumen + remapeo de línea de tiempo) | edited.mp4 + timemap.json | edit_video.py |
| 6 | Plan de dirección de todo el video (tipo de video, tema, portada, capítulos, ritmo) | director_plan.json | Modelo grande + plantilla |
| 7 | Visualización lógica (mapeo de puntos de conocimiento → componentes visuales) | visual_map.json | Modelo grande + especificación 07 |
| 8 | Guión gráfico segundo a segundo (cada segundo tiene asignación, cada 3 segundos se evalúa la composición) | storyboard.json | Modelo grande + storyboard.schema.json |
| 9 | Composición adaptativa (área segura horizontal/vertical, área del avatar real) | layout.json | config/safe-areas.json |
| 10 | Subtítulos bilingües chino-inglés (oración por oración, división semántica, medición de ancho real) | subtitle.srt + subtitle.json | transcribe.py --bilingual |
| 11 | Generación de portada de primer fotograma (el primer fotograma es la portada) | cover.png | render_video.py --cover-only |
| 12 | Renderización formal (composición con Remotion + avatar real + mezcla de audio/BGM) | output/01_Video_final.mp4 | render_video.py |
| 13 | Control de calidad y reparación automática (contenido/imagen/subtítulos/sonido/decodificación) | qc_report.md | quality_check.py |
Un solo comando para todo el flujo: python3 scripts/run.py --video <video_original> --out <directorio> --ratio 16:9
4. Reglas duras que no se pueden violar (violación = rehacer)
- El primer fotograma debe ser una portada completa. No se permite pantalla negra, vacío, o título aún en animación de entrada. El título tiene un máximo de 2 líneas, cada línea un máximo de 4 caracteres (letras y números cuentan igual), total ≤ 8 caracteres, ubicado en el centro visual, en fuente negrita extra grande.
- Desde el segundo fotograma, el título de la portada debe desaparecer por completo. La portada permanece de forma predeterminada 1.5–2 segundos, comienza sincronizada con el contenido oral, sin pausa silenciosa insertada.
- El video horizontal debe tener una barra de navegación de capítulos dinámicos. 3–6 capítulos, cada uno con 2–6 caracteres, cambia suavemente con el progreso del contenido oral, ocupa como máximo el 8% de la altura de la pantalla, y se oculta durante la portada. La barra de navegación usa uniformemente el estilo cápsula flotante (radio de borde = alto/2, vidrio esmerilado, borde de 1px, bloque resaltado deslizable, línea de progreso fina en la parte inferior); no se permite acumular "texto + ✓ + guiones cortos".
- Todo el video usa solo un sistema de color principal. Negro profundo con dorado o verde perla oscuro, elige uno, no se permite mezclar.
- Subtítulos bilingües: chino arriba, inglés abajo, sincronizados oración por oración; se debe medir el ancho real, no se permite desbordamiento, no se permite ocultar el área de conocimiento central, no se permite reducir el tamaño de fuente infinitamente.
- Prioridad de sonido: voz original humana > efectos de sonido clave > BGM. El BGM debe tener volumen bajo y ceder paso a la voz humana.
- No se permite eliminar argumentos clave para acortar la duración, no se permite cambiar la opinión original, no se permite reescribir hechos.
- No se permite recortar directamente un video horizontal a vertical, se debe reorganizar y renderizar de nuevo.
- Si la puntuación de control de calidad es < 90, se debe localizar y reparar automáticamente; si no se puede reparar, se reporta honestamente, no se declara aprobado.
- Los materiales deben ser utilizables con licencia; imágenes, música o videos de origen desconocido no se usan en absoluto.
- Cada fotograma debe tener a la persona real. Las tomas de la persona real ocupan el fotograma completo con V01/V02; las tomas de conocimiento (palabras clave, procesos, comparaciones, tarjetas, números, resúmenes, etc.) deben superponer el avatar circular real V21 en la esquina superior derecha; ninguna toma puede estar sin la persona real en ningún momento.
- Tres reglas estrictas para el encuadre y posición del avatar circular. (a) Dentro del círculo deben verse cabello + rasgos faciales completos + ambos hombros, con 6–10% de espacio superior sobre la cabeza, al menos 25% del fotograma debajo de la barbilla para hombros y cuello; prohibido cortar la frente o la barbilla; (b) Fijo en la esquina superior derecha, en vertical debajo de la barra de navegación, en horizontal en la parte superior derecha, con 48–52px de margen desde el borde; (c) Nunca debe cubrir el título, las tarjetas de conocimiento y los subtítulos — el área de contenido debe ceder espacio (en vertical, el contenido se desplaza hacia abajo; en horizontal, se reserva un área segura de 344px a la derecha). Tres parámetros de encuadre:
zoom(ancho interno/diámetro del círculo, 1.0 estándar, 1.2–1.5 si la persona es pequeña) +focus_x/focus_y(centro de la cara) +anchor_y(posición vertical del centro de la cara dentro del círculo, primer plano 0.42 / plano amplio 0.28); antes de la entrega, se debe renderizar un fotograma fijo para inspección. - El texto explicativo se amplía un 12% por defecto. Los títulos, puntos clave y texto de tarjetas en las tomas de conocimiento se renderizan uniformemente con
text_scale 1.12; es preferible reducir el número de palabras que reducir el tamaño de fuente.
5. Juicio del tipo de video (no lo elige el usuario, lo juzgas tú)
Primero juzga el video completo, luego los segmentos. Un mismo video puede combinar estrategias.
| Tipo | Método de edición prioritario | Porcentaje de persona real (referencia) |
|---|---|---|
knowledge Divulgación científica | Diagramas de flujo, diagramas estructurales, pizarra dinámica | 20–35% |
practice Demostración de herramientas | Grabación de pantalla, zoom local, demostración de operación | 15–30% |
analysis Análisis de negocios | Gráficos de datos, gráficos comparativos, cadena causal | 25–40% |
opinion Expresión de opiniones | Persona real + palabras clave + ejemplos | 40–60% |
story Narración de historias | Persona real narrando + escenas + línea de tiempo | 45–65% |
industry Interpretación de la industria | Mapas, referencias de materiales, escenas reales, gráficos | 25–45% |
Los porcentajes son referencias, no controles. Juzgar mal el tipo = error en el estilo de todo el video. Este paso determina el 80% del trabajo posterior.
6. Estructura de directorios
knowledge-video-editor/
├── SKILL.md # Este archivo: entrada única, reglas generales
├── AGENTS.md # Protocolo de ejecución para cada agente (Codex/Claude/Gemini/Doubao, etc.)
├── README.md # Explicación legible para humanos y demostración de resultados
├── VERSION
├── references/ # 10 documentos detallados (nivel de reglas, sin código)
├── config/ # Configuración legible por máquina (tema/proporciones/áreas seguras/glosario/Schema)
├── scripts/ # 8 scripts ejecutables (análisis → edición → validación → renderizado → control de calidad)
├── templates/remotion/ # Motor de renderizado visual (componentes React)
├── assets/ # Fuentes/iconos/música/efectos de sonido (materiales con licencia, carpeta vacía con explicación)
└── examples/ # 4 ejemplos de planes de dirección reales
7. Índice de documentos detallados (léelos según necesidad, no los devores todos de una vez)
| Necesitas resolver | Lee |
|---|---|
| Cómo juzgar el tipo, cómo segmentar | references/01_Comprensión_del_video_y_juicio_del_tipo.md |
| Qué eliminar, qué conservar, cómo no eliminar incorrectamente | references/02_Edición_automática_de_precisión.md |
| Cómo hacer la portada para no tener que rehacerla | references/03_Especificación_de_portada_de_primer_fotograma.md |
| Diseño horizontal/vertical, parámetros de la barra de navegación | references/04_Diseño_horizontal_vertical_y_navegación_dinámica.md |
| Valores de color y escenarios de uso de los dos temas | references/05_Combinación_de_colores_y_diseño_visual.md |
| Cómo escribir el guión gráfico segundo a segundo, curvas de animación | references/06_Guion_gráfico_inteligente_y_dinámica_segundo_a_segundo.md |
| Cómo seleccionar componentes V01–V20, cómo hacer el avatar V21 | references/07_Especificación_de_uso_de_componentes_visuales.md |
| Tamaño de fuente de subtítulos, división de oraciones, áreas seguras | references/08_Subtítulos_bilingües_y_áreas_seguras.md |
| Densidad y cesión de BGM y efectos de sonido | references/09_Música_de_fondo_y_efectos_de_sonido.md |
| Cómo obtener 100 puntos en el control de calidad, cómo reparar | references/10_Control_de_calidad_y_reparación_automática.md |
8. Comandos rápidos
# 1. Autoverificación del entorno
python3 scripts/check_environment.py --json
# 2. Leer propiedades del video
python3 scripts/analyze_video.py --video input.mp4 --out work/video_meta.json
# 3. Transcripción (bilingüe chino-inglés)
python3 scripts/transcribe.py --video work/edited.mp4 --bilingual --out work/
# 4. Edición precisa según EDL
python3 scripts/edit_video.py --video input.mp4 --edl work/edl.json --out work/edited.mp4
# 5. Validar guión gráfico (no se permite renderizar sin aprobación)
python3 scripts/validate_storyboard.py --storyboard work/storyboard.json
# 6. Renderizar (incluye exportación separada de portada, incluye avatar circular real)
python3 scripts/render_video.py --storyboard work/storyboard.json --ratio 16:9 \
--audio work/edited.mp4 --cover cover.png --out output/01_Video_final.mp4
# 7. Control de calidad
python3 scripts/quality_check.py --video output/01_Video_final.mp4 \
--storyboard work/storyboard.json --report output/08_Informe_control_calidad_automático.md
# 8. Flujo completo
python3 scripts/run.py --video input.mp4 --out project/ --ratio 9:16 --theme pearl-green
Todos los scripts admiten --dry-run para ver primero qué planean hacer.
9. Estructura de datos (contrato que debe cumplirse)
El plan de dirección y el guión gráfico usan un contrato JSON unificado: config/storyboard.schema.json. Estructura mínima utilizable:
{
"video_type": "knowledge",
"aspect_ratio": "16:9",
"resolution": [1920, 1080],
"theme": "dark_gold",
"cover": {
"lines": ["La forma de", "trabajar cambió"],
"position": "center",
"visible_from_first_frame": true,
"duration": 2
},
"presenter": {
"always_visible": true,
"badge": { "enabled": true, "diameter_px": 192, "top_px": 316, "focus_x": 0.58, "focus_y": 0.30, "zoom": 1.0, "anchor_y": 0.42 }
},
"navigation": { "enabled": true, "chapters": ["Situación", "Lógica", "Caso", "Resumen"] },
"subtitles": { "languages": ["zh", "en"], "layout": "chinese_above_english", "safe_area_check": true },
"storyboard": [
{ "scene_id": "S001", "start": 0, "end": 2, "visual_type": "cover",
"motion": "subtle_push", "sfx": "soft_impact" },
{ "scene_id": "S002", "start": 2, "end": 5, "visual_type": "presenter",
"cover_visible": false,
"animation_plan": [
{ "time": 2, "action": "show_navigation" },
{ "time": 3, "action": "highlight_keyword" },
{ "time": 4, "action": "subtle_zoom" }
] }
]
}
En la ejecución formal, también debe incluir: ruta absoluta de materiales, número de fotograma exacto, marcas de tiempo reales de subtítulos, coordenadas gráficas, curvas de animación, información de licencia, áreas seguras horizontal/vertical y parámetros de encuadre del avatar.
10. Adaptación entre agentes
Las mismas reglas, cualquier agente puede leerlas; la capacidad de producir video depende del entorno.
| Agente | Método de lectura | Capacidad de renderizado |
|---|---|---|
| Codex / Claude Code / Gemini CLI | AGENTS.md → SKILL.md | Sí (requiere ffmpeg + node) |
| Doubao / WorkBuddy | Este SKILL.md | Depende del entorno |
| Solo LLM de texto | Solo genera director_plan.json + storyboard.json | No, se entrega al entorno de renderizado |
Principio de división: el razonamiento es del modelo, el renderizado es del programa. No dejes que el modelo grande adivine píxeles, ni que el motor de renderizado haga juicios semánticos.
11. Lista de entrega
<nombre_del_tema>/
├── 01_Video_final.mp4
├── 02_Portada_primer_fotograma.png
├── 03_Video_audio_original_editado.mp4
├── 04_Subtítulos_bilingües.srt
├── 05_Texto_completo_del_contenido_oral.md
├── 06_Plan_de_dirección_completo.json
├── 07_Plan_de_guion_gráfico_segundo_a_segundo.json
├── 08_Informe_control_calidad_automático.md
└── 09_Proyecto_de_video_editable/
Cuando se produce en formato horizontal y vertical, se genera un video final, portada, diseño de guión gráfico y proyecto de subtítulos para cada uno, compartiendo el análisis de contenido y la línea de tiempo editada.
12. Cuándo detenerse y reportar
- El motor de transcripción no está disponible y no hay alternativa → reportar, no inventar diálogos.
- El video original está muy borroso/sin sonido/sin contenido de explicación válido → reportar, no forzar la edición.
- Los derechos de los materiales no están claros → no usarlos, y explicar el motivo.
- El renderizado falla varias veces → reportar el error original, no entregar un producto a medio terminar haciéndolo pasar por video final.
La honestidad es más importante que la integridad.