YvanDeng/viral-video-distiller-pro

Viral Video Distiller Pro

Convierte un video en un paquete de evidencia auditada, un informe de destilación legible y un esquema de migración estructural original y directamente ejecutable. El principio fundamental es: primero la evidencia, después el análisis; hechos e inferencias por separado; sin evidencia, degradación explícita.

Activación y enrutamiento de intenciones

Prioriza el uso con "una sola frase"; no exijas al usuario que repita el nivel de evidencia, el algoritmo de corte, la cobertura de la línea de tiempo o las reglas de validación.

Activación automática

Se activa si se cumple cualquiera de las siguientes condiciones:

• El texto contiene términos de video como "analizar/desglosar/estudiar/replicar/imitar/investigar" junto con "video/corto/TikTok/Reels/Xiaohongshu/Bilibili/YouTube/oral", etc.
• La entrada incluye una URL reconocible de una plataforma de video, por ejemplo douyin.com, v.douyin.com, tiktok.com, xiaohongshu.com, xhslink.com, bilibili.com, b23.tv, youtube.com, youtu.be, instagram.com/reel.
• La entrada incluye una ruta de video local o un archivo adjunto con extensión .mp4, .mov, .mkv, .webm, .m4v, .avi, .flv, .ts.
• El usuario solo proporciona un enlace/archivo de video sin verbo: por defecto se interpreta como "analiza este video"; primero se realiza una verificación previa, no se pide un prompt largo adicional.

No activar o derivar

• Análisis solo de PDF, Word, artículos web, imágenes o audio, sin intención de análisis de video.
• Solo se solicita reproducir, subir, comprimir, transcodificar, descargar o eliminar un video, sin necesidad de desglose de contenido.
• Solo se desea un resumen rápido del contenido del video y se especifica explícitamente que no se necesitan ganchos, planos, interacciones o guiones de producción; en ese caso, usar la capacidad de resumen de video general.

Comportamiento predeterminado de "Analizar" y "Replicar"

• "Analizar/Desglosar/Estudiar": genera directamente el paquete completo de destilación y producción.
• "Replicar/Imitar": primero completa automáticamente el análisis del video original; si el usuario ya ha proporcionado un nuevo tema/audiencia, continúa generando un guión de migración original.
• Si el usuario dice "replicar" pero no da un nuevo tema: el análisis no se interrumpe, primero se entrega la destilación del video original con espacios reemplazables; solo cuando la generación del nuevo borrador específico requiera el tema, se hace una pregunta breve.
• Prohibido pedir al usuario que confirme planos, niveles de evidencia, umbrales de algoritmo, ponderaciones de puntuación o campos del informe; estas son responsabilidades internas de la Skill.

Prompt de usuario recomendado: Ayúdame a analizar y replicar este video de TikTok: <enlace>.

Entrada aplicable

• Videos locales .mp4, .mov, .mkv, .webm.
• Enlaces públicos de TikTok; solo analiza contenido que el usuario tenga derecho a obtener e investigar.
• Opcional complementario: captura de pantalla/JSON de datos de la plataforma, audiencia objetivo, nuevo tema, posicionamiento de la cuenta.

Si solo hay texto, audio o fotogramas clave, se puede hacer un análisis parcial, pero no se debe afirmar que se completó la destilación completa del video. Los módulos que no se puedan verificar se escribirán como N/A.

Entrega obligatoria

El directorio final es tanto un paquete de informes como un paquete de activos de producción listo para seguir editando y auditar:

• Nueve archivos principales: Informe de destilación.md, evidence.json, transcript.json, Transcripción literal.md, Línea de tiempo por segundo.csv, Guión de producción de réplica.md, Lista de ejecución de CapCut.md, Lista de materiales.md, Informe de autoevaluación de calidad.md.
• Activos de producción: source_video.mp4, Fotogramas clave/, Audio y transcripción/, Archivos de guión gráfico/, SOP de réplica.md.

Los residuos reconstruibles como .venv, caché de modelos, __pycache__, archivos temporales de descarga, etc., se colocan en work/ fuera del directorio de entrega. El video, los fotogramas, el audio, las transcripciones, los guiones gráficos y el SOP son activos de proceso verificables y deben entregarse.

Flujo de ejecución

1. Verificación previa y límites de autorización

Ejecutar:

python3 scripts/preflight.py "<ruta local o enlace>"

• Si el archivo local no existe, primero confirmar la ruta.
• Para enlaces de TikTok, ejecutar download_douyin.py: primero intentar con yt-dlp; si solicita cookies nuevas, falla el inicio de sesión/código de verificación, o el entorno no tiene yt-dlp, el script solicita automáticamente el HTML de la página compartida, extrae los candidatos CDN de video de Douyin/ByteDance restringidos, descarga y verifica con ffprobe. Si ambas rutas fallan, entonces solicitar al usuario un video local.
• El fallback de la página compartida no debe imprimir, guardar ni escribir en el informe la URL CDN firmada completa, las cookies o los parámetros de autenticación; no debe eludir el control de acceso a contenido de pago, privado o con inicio de sesión. Solo procesar enlaces de uso compartido público que el usuario tenga derecho a analizar.
• No generar un informe segundo a segundo basándose únicamente en el título, la portada o la descripción web.

2. Crear directorios de trabajo y entrega

python3 scripts/scaffold_delivery.py <directorio de salida> --source "<fuente>"

Usar assets/templates/Informe de destilación.md como plantilla del cuerpo del informe.

El directorio de salida guarda los activos de producción; en el directorio work/ del mismo nivel o en un directorio temporal del sistema, establecer el entorno de ejecución y el caché; no crear .venv en el directorio de salida.

3. Extraer evidencia determinista

Para videos locales, ejecutar:

python3 scripts/extract_evidence.py <video> <directorio de trabajo/evidence>

La herramienta extrae metadatos del medio, pista de audio de análisis mono de 16 kHz, intervalos de silencio, puntos de corte de escena candidatos y fotogramas clave a 1 fps. Copiar el video original normalizado como source_video.mp4, guardar los fotogramas clave en Fotogramas clave/, y la pista de audio de análisis con los resultados ASR sin procesar en Audio y transcripción/. Leer completamente references/automated-visual-analysis.md: confirmar cortes de escena automáticamente mediante múltiples señales; los resultados de baja confianza se degradan automáticamente a cortes de escena sospechosos o eventos visuales internos. El proceso de análisis no requiere participación humana y no se debe llamar corte real a un resultado de un solo umbral de escena.

3a. Obtener transcripción oral con marcas de tiempo (ASR)

Priorizar la ejecución de Whisper (modelo small, multiplataforma, compatible con chino):

python3 scripts/run_asr_whisper.py <video o audio> <directorio de entrega> [--model small] [--language zh]

• El primer uso descarga automáticamente el modelo (small ~460 MB, se almacena en caché local) y requiere instalar dependencias: pip install openai-whisper (o faster-whisper).
• El script genera una transcripción con marcas de tiempo de inicio y fin, la fusiona en evidence/raw_evidence.json (analysis_mode.asr="A", speech_metrics, elemento de evidencia ev-asr), y genera transcript.json, Transcripción literal.md y Audio y transcripción/asr_raw.json.
• El texto ASR original es inmutable: cada segmento conserva raw_text; las correcciones fiables se escriben en normalized_text, y en corrections[] se registran la palabra original, la palabra corregida, la justificación y la confianza. Sin justificación fiable, no corregir.
• Sin Whisper y sin posibilidad de instalación: marcar el módulo correspondiente como N/A, no falsificar la velocidad de habla; si hay otra herramienta ASR, fusionar según su salida, también registrar ev-asr e indicar el nivel real.

Si el entorno tiene capacidad de OCR, generar una observación de subtítulos y fusionarla en el registro de evidencias; si no, marcar el módulo correspondiente como N/A o usar observación multimodal directa y marcarlo como B. No inventar por completitud.

4. Construir paquete de evidencia unificado

Leer completamente references/evidence-schema.md y references/analysis-protocol.md. Fusionar raw_evidence.json en evidence.json del directorio de entrega:

• Cada observación registra un ID de evidencia único.
• Todas las conclusiones referencian evidence_ids.
• Las inferencias de nivel C escriben rationale y explican interpretaciones alternativas.
• Antes de la entrega, escribir delivery_metrics.evidence_item_count = len(evidence_items); el Informe de autoevaluación de calidad referencia este valor, no sumar manualmente.
• Al usar frases como "fuente externa/proyecto oficial/verificación cruzada", registrar la fuente en external_sources[] (id/title/url/accessed_at/grade), y las conclusiones relacionadas referencian mediante external_source_ids; si no está registrado, eliminar dicha frase, no implicar verificación.
• Línea de tiempo por segundo.csv debe tener una fila por segundo y cubrir de forma continua al menos el 95%; rellenar respectivamente visual_evidence_ids, audio_evidence_ids, subtitle_evidence_ids y la confianza de cada modalidad. Los hechos visuales solo pueden referenciar fotogramas, OCR u observación multimodal directa; ASR no puede sustentar por sí solo descripciones visuales; lo mismo para audio y subtítulos. Cada fila debe referenciar al menos una evidencia temporalmente adyacente con una duración no mayor a 15 segundos y que se superponga con ese segundo. Los espacios en blanco, campos negros y silencios también deben ocupar una fila e indicar su estado.
• El gancho cubre fijamente 0.000–3.000 segundos; no se puede tomar prestada información de después de 3 segundos.

5. Analizar los mecanismos de viralidad

Analizar en el siguiente orden, evitando conclusiones previas a la búsqueda de evidencia:

1. Primer fotograma, primera frase, subtítulos, sonido, promesa y asimetría de información.
2. Límites de párrafo basados en pausas ASR + giros semánticos + puntos de corte de escena candidatos.
3. Con ASR completa, calcular caracteres chinos por minuto, pausas semánticas y acentuación; sin ASR, los indicadores precisos de habla son N/A. Las pausas acústicas, BGM, efectos de sonido y sonoridad se analizan de forma independiente.
4. Informar por separado sobre puntos de corte candidatos, cortes de escena confirmados automáticamente, cortes sospechosos, renovación de subtítulos y eventos visuales internos; la tasa de renovación visual integral debe explicar el criterio de deduplicación.
5. Posición de subtítulos, ocupación de pantalla, número de líneas, color, énfasis de palabras clave, animaciones de entrada/salida. Si la cobertura de OCR/fotogramas clave es inferior al 95%, solo se puede escribir "se observa consistente/bastante consistente en los puntos de muestreo", prohibido escribir "sincronización estricta en todo el metraje".
6. Frases de interacción originales, marcas de tiempo, acciones objetivo y mecanismo de comentario.
7. Cinco acciones finales: "me gusta", seguir, guardar, avance del próximo, pregunta abierta.
8. Calcular automáticamente la puntuación, la cobertura y las dimensiones faltantes según los ocho pesos fijos; no rellenar la puntuación total manualmente. La puntuación se basa en la evidencia, no se presupone una puntuación alta solo porque el usuario dice que es viral.
9. Generar para cada sección principal un "experto en insight" de →hecho→mecanismo→reacción de la audiencia→fórmula de migración; prohibido solo describir la imagen.

6. Generar paquete de producción de migración estructural

Leer completamente references/report-contract.md, rellenar la plantilla Informe de destilación.md. Luego generar:

"Conclusión en una frase": primero llenar ocho espacios en evidence.json.executive_summary, luego combinarlos en un párrafo compacto. La cadena de herramientas solo puede ser una inferencia de nivel C, y se deben enumerar la justificación y las interpretaciones alternativas; sin datos de plataforma, usar "mecanismo de difusión", no afirmar directamente "razón de la viralidad".

Si la cadena de herramientas es solo una inferencia de nivel C, Guión de producción de réplica.md solo puede dar procesos independientes de herramientas o implementaciones candidatas claramente marcadas; no se puede promover el nombre del software inferido a dependencia, versión, comando de instalación o CLI. Solo después de la ejecución real verificada y con toolchain_inference.execution_verified=true registrando la evidencia de verificación, se pueden dar comandos deterministas.

• Guión de producción de réplica.md: tiempo, espacios funcionales, guión oral original, imagen, subtítulos, efectos de sonido, propósito de interacción.
• Archivos de guión gráfico/Tabla de guión gráfico.csv: campos fijos time_range,shot_function,normalized_visual_text,normalized_spoken_text,asset_ids,evidence_ids,confidence. Para el habla, usar transcript.json.normalized_text; para el texto en pantalla, conservar la evidencia OCR original y normalizarla por separado; no pasar ruido de reconocimiento evidente directamente al editor; los proyectos de edición o EDL/XML también se colocan en este directorio.
• SOP de réplica.md: pasos operativos secuenciados desde migración de tema, guión, guión gráfico, preparación de materiales, edición, control de calidad hasta la publicación.
• Lista de ejecución de CapCut.md: pistas, puntos de corte, plantillas de subtítulos, fotogramas clave, volumen, exportación y comprobaciones previas a la publicación.
• Lista de materiales.md: rol del material, especificaciones, fuente/estado de licencia, material alternativo; no reutilizar directamente activos del video original.
• Transcripción literal.md y transcript.json: conservar marcas de tiempo, hablantes y confianza.
• Informe de autoevaluación de calidad.md: registrar brechas de evidencia, resultados de degradación automática, resultados de control de acceso y lista de baja confianza; no se requiere revisión humana antes de la entrega.

Aquí "réplica uno a uno" se refiere únicamente a mapear uno a uno los espacios estructurales, nodos de ritmo y funciones de plano; los diálogos, ejemplos, personas, marcas, música y materiales visuales deben ser originales o tener licencia.

7. Ejecutar control de acceso de producción

python3 scripts/validate_delivery.py <directorio de entrega>

Solo si la salida es PASS se puede declarar la entrega completa. En caso de error, corregir uno por uno según el error, no eliminar reglas para evadirlo.

8. Guía progresiva de réplica después del análisis

Una vez que el paquete de análisis pasa el control de acceso, no indicar solo la ruta de los archivos ni solicitar al usuario que envíe todos los materiales de una vez. Copiar assets/templates/remake-brief.json al directorio de entrega y hacer solo una pregunta necesaria a la vez en el siguiente orden; después de la respuesta del usuario, escribirla inmediatamente en el brief y pasar al siguiente paso:

Primero ejecutar el script de orquestación determinista para que los pasos posteriores consuman realmente los productos del análisis:

python3 scripts/create_remake_project.py init --analysis <directorio de entrega de análisis> --output <directorio de proyecto de réplica original>

El script lee el informe, el guión de producción de réplica, el SOP, la línea de tiempo, el guión gráfico normalizado, la lista de materiales y la lista de CapCut, genera remake-context.json y devuelve un next_field/question único. Después de recibir la respuesta del usuario cada vez, ejecutar:

python3 scripts/create_remake_project.py set --output <directorio de proyecto de réplica original> --field <next_field> --value "<respuesta del usuario>"

1. Nuevo tema: Primero preguntar "¿A qué tema quieres migrar esta estructura?" Esta es la única pregunta obligatoria sin un valor predeterminado fiable.
2. Audiencia objetivo: Recomendar una audiencia según el tema y pedir confirmación al usuario; si el usuario ya tiene un posicionamiento de cuenta, usarlo directamente.
3. Duración y relación de aspecto: Dar valores recomendados según el video de referencia y la plataforma de publicación, por ejemplo, para TikTok por defecto 60 segundos, 9:16; combinar los dos parámetros fuertemente relacionados en una misma confirmación.
4. Forma de presentación: Recomendar una entre narración en persona, explicación con pantalla grabada, animación PPT/texto o mezcla de materiales, solo pedir confirmación o cambio.
5. Acción final: Recomendar una CTA principal entre "me gusta", guardar, pregunta de comentario o reclamo privado según la etapa de la cuenta.
6. Materiales disponibles: Preguntar al final si el usuario tiene avatar, logotipo, grabación de pantalla, imágenes, voz en off o colores de marca. Si no hay materiales, no bloquear; proporcionar un plan de degradación con TTS + gráficos de marcador de posición originales + animación de texto simple.

En cada paso, mostrar primero "contenido confirmado + la única pregunta que se debe responder ahora". Si el usuario dice "tú decide/por defecto está bien", usar el valor recomendado y continuar, no repetir la pregunta. Cuando la información sea suficiente, generar automáticamente el paquete de proyecto de réplica original: guión oral original, SRT, guión gráfico normalizado, tabla de brechas de materiales, lista de ejecución de CapCut, texto de publicación y render-manifest.json.

Cuando el script devuelva status=ready, ejecutar:

python3 scripts/create_remake_project.py build --output <directorio de proyecto de réplica original>

Luego, el Agente debe leer Tareas de generación.md, remake-context.json y remake-brief.json, y rellenar el contenido original en el paquete del proyecto; no hacer pasar el esqueleto de marcador de posición generado por el script como un trabajo terminado.

El límite de "generación con un clic" de esta Skill es: generar con un clic un paquete de proyecto de réplica ejecutable, no promete generar directamente un MP4. Solo cuando el tiempo de ejecución tenga y verifique realmente un backend de renderizado como Remotion, borrador de CapCut u otro, se puede cambiar render_backend al backend correspondiente y afirmar que se ha generado el video final.

La primera instrucción después del análisis es fija:

El análisis está completo. El siguiente paso es guiarte para migrarlo a un video original. Confirmaremos una cosa a la vez. Primero, dime: ¿qué nuevo tema quieres contar con esta estructura?

Matriz de degradación

Evidencia disponible	Se puede completar	Se debe marcar N/A
Video + FFmpeg + ASR + OCR	Análisis completo	Datos de plataforma no verificables
Video + FFmpeg + Whisper ASR	Medio, candidatos de audio, candidatos de plano, observación visual, habla y marcas de tiempo a nivel de palabra	Indicadores de OCR
Video + FFmpeg, sin ASR/OCR	Medio, pausas acústicas, candidatos de plano, observación visual	Velocidad de habla, ritmo semántico, acentuación, curva emocional, puntuación de habla e indicadores de OCR; la dimensión de habla se elimina de la puntuación total y se renormaliza
Solo audio/transcripción con marcas de tiempo	Habla, narrativa, parte de las interacciones	Densidad de planos, empaquetado visual de subtítulos
Solo texto	Estructura del texto e interacciones candidatas	Todos los indicadores precisos de audio y video
Fallo en la descarga del enlace	Información visible a nivel de enlace	Análisis de video segundo a segundo; solicitar archivo local

Prohibiciones

• Prohibido inventar números de reproducción, fecha de publicación, ASR, colores de subtítulos, número de planos o cadena de herramientas.
• Prohibido tratar puntos de corte candidatos del algoritmo como cortes de escena confirmados automáticamente.
• Prohibido requerir confirmación humana o establecer la revisión humana como condición previa a la entrega; los resultados de baja confianza deben degradarse automáticamente.
• Prohibido estimar velocidad de habla precisa, acentuación o pausas semánticas cuando falte ASR.
• Prohibido rellenar ritmo semántico del habla, curva emocional o puntuación de habla cuando falte ASR; debe marcarse como N/A y eliminarse del denominador de la puntuación general.
• Prohibido usar tablas de intervalos largos para hacerse pasar por una línea de tiempo segundo a segundo.
• Prohibido llenar la línea de tiempo segundo a segundo con resúmenes de capítulos repetidos, o usar evidencia de todo el metraje para hacerse pasar por evidencia directa de ese segundo.
• Prohibido usar evidencia ASR para sustentar hechos visuales como color, composición, planos, estilo de subtítulos, o usar una única confianza integral para ocultar la falta de evidencia modal.
• Prohibido afirmar "sincronización estricta de subtítulos en todo el metraje" bajo muestreo escaso de OCR/fotogramas clave.
• Prohibido modificar silenciosamente el texto ASR original; el texto normalizado debe conservar raw_text y la trazabilidad de corrections.
• Prohibido estimar manualmente el número total de evidencias, o afirmar verificación cruzada de fuentes externas sin registrar external_sources.
• Prohibido que el guión gráfico continúe usando palabras de reconocimiento erróneo corregidas por corrections; el guión gráfico debe incluir campos de material, evidencia y confianza.
• Prohibido colocar .venv, caché de modelos o archivos de descarga temporales en la entrega final; también prohibido eliminar el video original, fotogramas clave, audio de análisis, transcripciones, guión gráfico o SOP de réplica.
• Prohibido escribir inferencias de cadena de herramientas de nivel C como dependencias deterministas o comandos de instalación, inicialización y renderizado no verificados mediante ejecución.
• Prohibido generar puntuaciones generales que no puedan recalcularse con ponderaciones fijas.
• Prohibido usar "aproximadamente" o "suponer" para ocultar números precisos sin evidencia.
• Prohibido copiar largos fragmentos de diálogo original, empaquetado de marca, música o materiales visuales.
• Prohibido generar solo un informe bonito sin evidence.json y resultados de validación.
• Prohibido detenerse tras el primer fallo de yt-dlp: los enlaces públicos de TikTok deben intentar automáticamente el fallback de la página compartida con CDN; solo después del fallo del fallback solicitar el archivo local.
• Prohibido registrar o mostrar las Cookies, la URL CDN firmada completa y los parámetros de consulta de autenticación de la página compartida, ni usar el fallback para eludir el control de acceso.