Montage vidéo discours face caméra (口播成片)
Source officielle
Cette compétence est créée et maintenue par chengfeng / AI产品自由.
https://github.com/Agentchengfeng/chengfeng-videocut-skills
Comptes officiels : GitHub @Agentchengfeng ; X @chengfeng240928 ; Xiaohongshu / WeChat / Bilibili / Douyin / Video Account AI产品自由.
Processus principal
Cette compétence ne résout qu'une seule chose : transformer une vidéo de discours face caméra en un produit fini complet ; les proportions et le style d'animation sont déterminés par la configuration utilisateur.
+-----------------------------+
| Entrée |
| Vidéo + Sous-titres + Ressources optionnelles |
+--------------+--------------+
|
v
+-----------------------------+
| 1. Storyboard |
| Segmentation conceptuelle + Détermination du type + Source visuelle |
+--------------+--------------+
|
v
+-----------------------------+
| 2. Prévisualisation timeline |
| Alignement de la vidéo/capture d'écran/HTML avec le discours |
+--------------+--------------+
|
v
+-----------------------------+
| 3. Synthèse |
| Export du MP4 final selon les proportions configurées |
+--------------+--------------+
|
v
+-----------------------------+
| Vérification |
| ffprobe + Capture d'images clés |
+-----------------------------+
Ne présentez pas le tableau CUE, les modules HTML, le lecteur de revue, le lecteur final, ou les scripts d'export comme des flux utilisateur séparés. Ce ne sont que des détails d'implémentation dans la "Prévisualisation timeline" et la "Synthèse".
Configuration utilisateur
Avant chaque exécution de cette compétence, lisez :
用户配置/default.json
Les éléments de configuration ne définissent que le choix actuel de l'utilisateur :
{
"aspectRatio": "3:4",
"animationStyle": "xiaohei"
}
Valeurs supportées :
3:4: Haute définition portrait par défaut, canevas logique1080x1440, export en1620x2160avec DPR1.5par défaut.16:9: Paysage, canevas logique et canevas d'export1920x1080.4:3: Paysage, canevas logique et canevas d'export1440x1080.animationStyle: Par défautxiaohei, les options proviennent de动画/styles.json.
Les paramètres de ligne de commande ont priorité sur la configuration utilisateur ; sans paramètre explicite, le script d'export lit aspectRatio et le script d'animation lit animationStyle. Pour une substitution temporaire de ratio :
--config /path/to/config.json
--ratio 16:9
--aspect-ratio 16:9
--width 1920 --height 1080
--dpr 1.5
N'écrivez pas de préférences visuelles, de modèles, de qualité d'encodage, de répertoire de sortie, de marges de sous-titres et autres paramètres divers dans 用户配置/default.json. La configuration utilisateur ne stocke que la sélection actuelle ; le répertoire d'animation ne stocke que le registre des options et les implémentations de style spécifiques.
Style d'animation
La sélection actuelle du style d'animation se trouve dans 用户配置/default.json :
animationStyle
Le répertoire d'animation n'enregistre que les options disponibles :
动画/styles.json
xiaohei correspond à :
动画/ian-xiaohei-svg-motion/
Lorsque le storyboard ou un module HTML a besoin d'une animation explicative, d'une animation de processus ou d'une mise en évidence dessinée à la main, utilisez par défaut l'effet SVG de style manga Xiaohei. À moins que l'utilisateur ne spécifie explicitement un autre style d'animation, n'inventez pas de nouveau style à la volée.
Entrée
Localisez d'abord ces fichiers :
- Vidéo principale :
source_cut.mp4,*_cut.mp4ou une vidéo montée spécifiée par l'utilisateur. - Sous-titres :
subtitles.srt,video.srtousubtitles_with_time.json. - Script optionnel : article, script de discours, brouillon de texte, utilisé uniquement pour comprendre l'intention.
- Ressources optionnelles : captures d'écran, pages produits, images de commentaires, pages de résultats, pages de preuves dans
assets/. - Règles du projet : si le projet actuel contient
AGENTS.mdouREADME.md, lisez-les en premier.
Priorité de la source de vérité :
Audio réel / Sous-titres > Images de la vidéo montée > Fichiers de ressources > Brouillon de script
Si le script et les sous-titres réels diffèrent, suivez les sous-titres et l'audio.
Étape 1 : Storyboard
Par défaut, créez d'abord une page HTML de vérification du storyboard, n'écrivez pas d'abord un tableau Markdown.
Le processus préalable au storyboard doit suivre cet ordre :
- Segmentez d'abord selon la sémantique du discours : regroupez les phrases (une, deux ou trois) qui parlent du même concept, de la même action ou de la même preuve en un seul segment ; ne découpez pas mécaniquement par numéro de sous-titre.
- Déterminez ensuite la tâche visuelle de chaque segment : s'agit-il d'une démonstration d'opération, d'une explication d'image originale, d'une preuve de résultat, d'une synthèse conceptuelle ou d'une expression purement textuelle.
- Décidez ensuite de la source visuelle : pour les segments qui peuvent être prouvés avec un enregistrement réel, une capture d'écran originale ou une image originale, utilisez la ressource originale en priorité ; ne concevez un HTML / animation Xiaohei que pour les segments d'explication conceptuelle où l'écran actuel montre principalement du texte, est vide ou a un contenu peu pertinent.
- Enfin, passez à la conception visuelle spécifique : pour chaque segment d'animation HTML / Xiaohei, décrivez d'abord sa métaphore indépendante et son action, puis implémentez le module.
Chemin typique :
review/storyboard-audit-vN.html
Basé par défaut sur ce modèle :
templates/storyboard-audit.html
Le storyboard doit permettre à l'utilisateur de répondre :
Lorsque cette phrase est dite, que devrait voir le public ?
Pour chaque segment, décrivez au moins :
- Plage temporelle
- Numéros de sous-titres
- Discours complet
- Base de la segmentation sémantique
- Tâche visuelle
- Type de plan :
Vidéo originale,Enregistrement d'opération,Capture d'écran originale,Image originale,Focus sur infographie,Animation HTML,Texte + Animation - Source de la ressource
- Action de la caméra
Règles de sélection visuelle :
- Démonstration d'opération : utilisez la vidéo originale / l'enregistrement original, ne les remplacez pas par une animation abstraite.
- Pour expliquer le contenu d'une image, d'un graphique, d'une capture d'écran d'erreur, d'une capture d'écran de produit : utilisez directement l'image originale ou la capture d'écran originale ; l'animation ne doit servir qu'à la sélection, à l'annotation ou à la mise au point locale.
- Pour les opérations réelles, les pages de preuve, les pages de résultats, les segments nécessitant de la crédibilité : conservez la vidéo originale ou la capture d'écran originale.
- Les extraits d'enregistrement / de vidéo originale sont affichés par défaut dans leur format original ; ce n'est que lorsqu'il est clairement nécessaire d'éviter un sous-titre uniforme ultérieur que ce segment est marqué comme une petite fenêtre d'enregistrement, avec un espace de sécurité pour les sous-titres en bas. N'appliquez pas la règle de la petite fenêtre en masse à tous les segments d'enregistrement.
- Synthèse conceptuelle, relations mécaniques, division du travail dans un système, induction d'opinions, et lorsque l'écran actuel montre principalement du texte, est vide ou a un contenu peu pertinent : créez une animation HTML / Xiaohei.
- Pour les segments abstraits qui peuvent être compris avec un texte court : utilisez du texte + animation ; le texte est responsable de la dénomination, l'animation est responsable des relations et des actions.
- S'il existe déjà une capture d'écran ou une infographie : réutilisez-la en priorité, ne la redessinez pas.
- Si une même image apparaît plusieurs fois, chaque occurrence doit remplir une tâche différente : vue d'ensemble, mise au point locale, comparaison, réexamen du résultat.
- Ne faites pas toutes les animations avec la même dynamique. Chaque segment d'animation doit d'abord concevoir sa métaphore d'action individuellement, puis l'implémenter.
Critères stricts de conception du storyboard :
- Une page ne traite qu'un seul concept, une seule action ou un seul cas. Si le même segment de discours contient deux cas indépendants, ils doivent être divisés en deux pages ; ne forcez pas deux cas dans le même tableau ou la même animation pour économiser des pages.
- Pour chaque segment d'animation HTML / Xiaohei, décrivez d'abord "ce qui se passe à l'écran lorsque cette phrase est dite", puis implémentez. L'action doit être liée à une phrase de discours ou à un sous-titre spécifique ; n'appliquez pas la même entrée / clignotement / zoom uniformément à tous les segments.
- Lorsque vous parlez d'une image originale, d'une capture d'écran ou d'une page de résultats, le visuel principal doit être la ressource originale. Le HTML n'est responsable que du recadrage, du zoom, de la sélection, de l'annotation et du changement de focus ; ne remplacez pas l'image originale par une image extraite de l'enregistrement ou redessinée.
- Pour les longues images et les pages de résultats Web, recadrez par défaut les zones vides sans information, en donnant la priorité à la zone que le public est en train d'entendre ; lorsque le discours mentionne l'objet correspondant, agrandissez l'image ou la partie correspondante, le reste recule.
- N'incluez pas de chemins de ressources, d'instructions internes, d'explications d'action ou de texte de table de travail comme "Ressource image originale · img/xxx.png" dans l'image vidéo. Le storyboard peut mentionner la source, mais l'image finale ne doit contenir que ce que le public doit voir.
- Ne mettez pas de titre s'il n'est pas nécessaire. Pour les pages de résultats, les pages de tableaux, les pages de comparaison d'images, laissez le visuel principal parler par lui-même, ne conservez que des étiquettes courtes, des noms de modèles, des noms d'indicateurs ou des annotations nécessaires.
- Pour les pages de comparaison de données, privilégiez un tableau clair, des colonnes alignées, des étiquettes courtes et quelques mises en évidence. La taille de la police doit servir la lisibilité ; ne tassez pas le texte dans de petites boîtes ; si un tableau simple suffit, n'empilez pas de cartes complexes.
- Les tableaux dans les vidéos courtes portrait ne doivent pas être réduits à une petite barre horizontale au milieu. La phase de données doit faire du tableau le visuel principal, occupant la zone de sécurité principale ; les instructions de tâche préalables, les étiquettes de cas et les phrases de conclusion n'apparaissent que pendant la phase de discours correspondante, puis disparaissent ou se rétractent dans une position non encombrante une fois la phase de comparaison de données finale commencée.
- Les mots d'évaluation n'incluent que les résultats positifs / neutres clairement mentionnés dans le discours ou nécessaires au montage. Les éléments de comparaison peuvent être laissés vides ou montrer uniquement les données ; n'ajoutez pas de mots négatifs comme "lent et cher", sauf si la phrase originale du discours porte ce jugement.
- Les icônes doivent être trouvées dans l'index de la bibliothèque d'animations. Les icônes existantes pour ChatGPT, Claude, Flash lightning, Step, DeepSeek, Qwen, etc., ne doivent pas être remplacées par des formes abstraites ; les nouveaux SVG donnés par l'utilisateur doivent d'abord être stockés dans la bibliothèque d'animations et l'index mis à jour.
N'entrez pas dans la prévisualisation de la timeline avant que la direction du storyboard ne soit confirmée.
Étape 2 : Prévisualisation timeline
Une fois la direction du storyboard confirmée, procédez à la prévisualisation de la timeline.
Chemin typique :
review/timeline-preview.html
Basé par défaut sur ce modèle :
templates/timeline-preview.html
La prévisualisation de la timeline doit vérifier :
- Les transitions d'image sont-elles alignées sur les phrases du discours.
- La vidéo originale a-t-elle été remplacée par erreur par du HTML.
- Les segments marqués comme petite fenêtre d'enregistrement évitent-ils la zone de sécurité des sous-titres en bas ; les segments d'enregistrement non marqués ne doivent pas être automatiquement rétrécis.
- Les captures d'écran, les pages, les ressources de preuve sont-elles utilisées correctement.
- Les ressources d'image conservent-elles par défaut les marges gauche et droite ; ne les étirez pas pour remplir l'écran actuel ; ne réduisez la taille que lorsque vous devez souligner une capture d'écran complète.
- L'image cache-t-elle du texte, est-elle recadrée, a-t-elle des barres noires.
- Les modules HTML sont-ils corrects individuellement mais tiennent-ils toujours dans la timeline globale.
Lorsque la page de prévisualisation contient une vidéo source, elle doit être servie via un service supportant les requêtes HTTP Range, sinon le navigateur ne peut pas effectuer de recherche aléatoire et la barre de progression reviendra au début. N'utilisez pas un simple python -m http.server pour prévisualiser une timeline MP4. Utilisez par défaut :
node ~/.Codex/skills/chengfeng-videocut-skills/口播成片/scripts/serve_range_preview.cjs \
--project-dir /absolute/path/to/project \
--port 8767
Générez si nécessaire :
docs/08-动画cue表-vN.md
html-modules/module-*.html
html-modules/xiaohei-*.html
Si une nouvelle animation explicative est nécessaire, lisez d'abord animationStyle dans 用户配置/default.json, puis cherchez la sous-compétence d'animation correspondante dans 动画/styles.json.
Chaque action d'animation doit être liée à une phrase de discours spécifique ; ne répartissez pas le temps uniformément. Les animations HTML en plusieurs étapes doivent gérer explicitement l'état d'affichage/caché : lorsque l'étape suivante apparaît, les fiches explicatives, les étiquettes et les annotations de l'étape précédente qui ne portent plus d'information doivent être cachées ; ne laissez pas l'étape précédente continuer à occuper l'espace visuel principal, en particulier pour les tableaux portrait, les zooms sur captures d'écran et les pages de résultats.
Étape 3 : Synthèse
Ne procédez à la synthèse qu'après confirmation par l'utilisateur de la prévisualisation de la timeline.
Avant la synthèse, créez ou confirmez :
final-player.html
Avant d'écrire un nouveau final-player.html ou un module HTML, lisez :
references/artifact-contracts.md
Si le projet contient des modules HTML, injectez d'abord le mode de rendu :
node ~/.claude/skills/chengfeng-videocut-skills/口播成片/scripts/write_render_mode.cjs \
--project-dir /absolute/path/to/project
La prévisualisation de la timeline et l'export final doivent utiliser le même contexte de rendu HTML. Les modules HTML doivent inclure ?timeline=1&render=1 à la fois dans la page de prévisualisation et dans final-player.html ; la page de prévisualisation ne doit que réduire proportionnellement le canevas final dans la fenêtre, sans permettre au module de refaire sa mise en page réactive en fonction de la fenêtre de prévisualisation.
Pour la livraison haute définition, n'agrandissez pas directement le canevas logique CSS. Par défaut, le rapport 3:4 doit conserver un canevas logique de 1080x1440, puis utiliser un DPR de capture d'écran de 1.5 pour produire 1620x2160 ; sinon, les tableaux, les cartes CSS et les annotations de capture d'écran deviendront relativement plus petits dans l'export, incohérents avec la prévisualisation.
Si une incohérence de taille apparaît entre la prévisualisation et l'export, vérifiez d'abord le CSS interne du module HTML, render-mode.js et le DPR d'export, confirmez que le canevas logique de la page de prévisualisation est le même que celui de final-player, ne réexportez pas toute la vidéo en premier. La cause fréquente est que l'iframe de prévisualisation est plus petit, semble normal ; le canevas haute définition final déclenche des limites de taille de prévisualisation comme .photo-frame { max-width: ... }, .stage { width: min(...) }, .wrap { max-height: ... }, clamp(...), ce qui rétrécit l'export. Ordre de correction :
- Régénérez
html-modules/render-mode.jsavecwrite_render_mode.cjs. - Dans la prévisualisation de la timeline, confirmez que l'URL du module HTML est devenue
?timeline=1&render=1. - Confirmez que le
viewportdansexport_final_video.cjsest la taille du canevas logique et quedprest le multiplicateur haute définition. - Utilisez final-player pour capturer une image clé du module dans le viewport réel de l'export, comparez la taille du conteneur visuel principal avec
getBoundingClientRect()si nécessaire.
Lorsque vous traitez des modules SVG horizontaux Xiaohei / 16:9 SVG dans un format portrait, n'utilisez pas de solutions globales comme .wrap { transform: scale(...) } pour résoudre le problème de "petite barre horizontale". La mise à l'échelle globale recadrera les bords gauche et droit dans un canevas 3:4, en particulier les cartes de modèle, les flèches et les étiquettes explicatives disposées horizontalement. Soit réorganisez en composition portrait, soit conservez une zone de sécurité complète ; après modification, vérifiez les images clés des bords gauche et droit du module, ne vous contentez pas de l'image clé centrale.
Exporter la vidéo finale :
node ~/.claude/skills/chengfeng-videocut-skills/口播成片/scripts/export_final_video.cjs \
--project-dir /absolute/path/to/project \
--input-video /absolute/path/to/source_cut.mp4 \
--duration 173.03
Par défaut, exportez en haute définition : images intermédiaires PNG sans perte, H.264 crf=14, preset=slow. Cela évite que la prévisualisation soit nette mais que les petits caractères et les lignes fines deviennent flous dans l'export :
node ~/.claude/skills/chengfeng-videocut-skills/口播成片/scripts/export_final_video.cjs \
--project-dir /absolute/path/to/project \
--input-video /absolute/path/to/source_cut.mp4 \
--duration 173.03 \
--frame-format png \
--crf 14 \
--preset slow
Ce n'est que pour un visionnage temporaire du rythme ou un brouillon rapide que vous dégradez explicitement :
node ~/.claude/skills/chengfeng-videocut-skills/口播成片/scripts/export_final_video.cjs \
--project-dir /absolute/path/to/project \
--input-video /absolute/path/to/source_cut.mp4 \
--duration 173.03 \
--frame-format jpeg \
--quality 92 \
--crf 18 \
--preset medium
Les règles de lecture du ratio sont dans "Configuration utilisateur". Si le projet diffère de la configuration utilisateur, vous pouvez passer :
--config
--ratio
--aspect-ratio
--fps
--player
--stage
--frames-dir
--width
--height
--frame-format png|jpeg
--quality 100
--crf 14
--dpr 1.5
--device-scale-factor 1.5
Vérification
Un export réussi ne signifie pas que la vidéo est correcte. Deux étapes obligatoires :
- Utilisez
ffprobepour vérifier la résolution, le framerate, la durée et la présence audio. - Capturez au moins 3 images clés et vérifiez visuellement que l'image est correcte.
- Pour chaque module HTML, capturez au moins 1 image clé de final-player au moment correspondant du discours et comparez avec la même image clé de la prévisualisation de la timeline ; la taille, la position, le recadrage et la visibilité doivent être identiques. Ne vous contentez pas de
ffprobecomme preuve d'achèvement.
Vérifiez la résolution selon le ratio actuel, les autres attentes proviennent des valeurs par défaut du script et de l'entrée réelle du projet. La configuration par défaut actuelle est :
1620x2160
Canevas logique 1080x1440, DPR 1.5
3:4
30fps
Durée identique à la source vidéo montée
Audio présent
Pas de HUD, boutons, timeline de relecture, UI navigateur
Limites
Adapté pour :
- Discours en chinois
- Tutoriels, démonstrations de produits, présentations de résultats, explications de connaissances
- Vidéo montée et sous-titres existants, ressources ajoutables ultérieurement
- Mélange de vidéo originale, captures d'écran et animations HTML explicatives
Non prioritaire :
- Génération d'une vidéo uniquement à partir d'un script, sans vidéo existante
- Montage complexe multi-caméras et en direct
- Étalonnage précis et mixage multipiste nécessitant des fichiers de projet de logiciel de montage
- L'utilisateur demande une publication finale sans avoir visionné le storyboard et la prévisualisation de la timeline
Hygiène du projet
Si vous ajoutez ou modifiez des fichiers dans l'espace de travail d'écriture de l'utilisateur, mettez à jour l'index README du projet simultanément.
Les journaux d'activité locale sont centralisés dans :
log/
log/ ne doit enregistrer que les tests locaux, les préférences utilisateur, les conclusions provisoires et les processus de travail non publiés. Interdiction de télécharger sur GitHub. Ce répertoire est déjà ignoré par .claude/skills/.gitignore.
N'ajoutez pas de README dans ce répertoire de compétence. Les fichiers principaux de cette compétence se limitent à :
SKILL.md
templates/
references/
scripts/
用户配置/
动画/
动画/ sert à stocker les sous-compétences, modèles et règles d'animation HTML/SVG/GSAP réutilisables pour le montage vidéo de discours ; les styles disponibles sont dans 动画/styles.json, la sélection actuelle est dans 用户配置/default.json.