Knowledge Video Editor · 知识型口播智能剪辑
让知识看得见,让逻辑更清晰,让观看不枯燥。
本 Skill 把"一段未经剪辑的口播视频"变成"可直接发布的知识型成片"。你只要给它视频,它自己完成:读懂内容 → 判断类型 → 精剪原声 → 导演策划 → 逻辑可视化 → 双语字幕 → 首帧封面 → 质量验收 → 出片交付。
核心主张:默认全自动,不需要用户逐步确认;但绝不伪造成片。
一、先判断:这件事该不该用本 Skill
| 该用 | 不该用 |
|---|---|
| 真人/数字人口播视频(对着镜头讲知识、讲方法、讲观点) | 纯 Vlog、旅行随手拍(无讲解主线) |
| 已有口播 + 需要重新包装成知识视频 | 纯影视剪辑、剧情片、短剧 |
| 需要横屏/竖屏成片、双语字幕、封面首帧 | 只需要转码、裁剪、改分辨率 |
| 批量标准化出片(同一套视觉规范) | 需要保留原样只做字幕压制(用基础字幕流程即可) |
判断依据:视频里有没有"能被结构化讲解的信息"。有,就进本 Skill。
二、开工前的三条铁律
- 先看环境,再动手。 执行
python3 scripts/check_environment.py --json,确认 ffmpeg / 转写引擎 / 渲染引擎 / 字体是否齐备。缺关键能力就报告实际缺口,不允许"假装出片"。 - 先出计划,再渲染。 必须先生成
director_plan.json与storyboard.json(逐秒分镜),通过validate_storyboard.py校验后才能进入渲染。 - 原片不动。 所有中间产物落在
<project>/work/,成片落在<project>/output/。永远不要覆盖用户原视频。
三、13 步执行流水线
| 步骤 | 动作 | 产出 | 脚本 |
|---|---|---|---|
| 1 | 环境自检 | env_report.json | check_environment.py |
| 2 | 视频属性识别(横竖屏/时长/清晰度/帧率/人像位置) | video_meta.json | analyze_video.py |
| 3 | 内容理解与分段(判断整片类型 + 每段属性) | analysis.json | analyze_video.py --content 或宿主大模型 |
| 4 | 语音转写 + 精剪决策(重复/口误/停顿/语气词/首尾) | transcript.json + edl.json | transcribe.py |
| 5 | 精剪执行(裁切 + 降噪 + 响度归一 + 时间轴重映射) | edited.mp4 + timemap.json | edit_video.py |
| 6 | 全片导演计划(视频类型/主题/封面/章节/节奏) | director_plan.json | 大模型 + 模板 |
| 7 | 逻辑可视化(知识点 → 视觉组件映射) | visual_map.json | 大模型 + 07 规范 |
| 8 | 逐秒分镜(每 1 秒都有安排,每 3 秒评估构图) | storyboard.json | 大模型 + storyboard.schema.json |
| 9 | 自适应构图(横屏/竖屏安全区、真人头像区域) | layout.json | config/safe-areas.json |
| 10 | 中英双语字幕(逐句、语义断句、宽度实测) | subtitle.srt + subtitle.json | transcribe.py --bilingual |
| 11 | 首帧封面生成(第一帧即封面) | cover.png | render_video.py --cover-only |
| 12 | 正式渲染(Remotion 合成 + 真人头像 + 音效/BGM 混音) | output/01_最终成片.mp4 | render_video.py |
| 13 | 质检与自动修复(内容/画面/字幕/声音/解码) | qc_report.md | quality_check.py |
一键串联:python3 scripts/run.py --video <原片> --out <目录> --ratio 16:9
四、不可违反的硬规则(违反即返工)
- 第一帧必须是完整封面。 不允许黑屏、空白、标题还在入场动画中。标题最多 2 行,每行最多 4 字(字母数字同样计数),总计 ≤ 8 字,位于视觉中心,特粗黑体大字。
- 第二镜头起封面标题必须完全消失。 封面默认停留 1.5–2 秒,与口播同步开始,不插入无声等待。
- 横屏必须配动态章节导航栏。 3–6 个章节,每章 2–6 字,随口播进度平滑切换,最多占画面高度 8%,封面期间隐藏。导航条统一用胶囊悬浮式(圆角=高/2、毛玻璃、1px 描边、滑动高亮块、底部细进度线),不许堆砌"文字+✓+短横线"。
- 全片只用一个主色体系。 深空黑金 或 珍珠墨绿,二选一,不许混搭。
- 双语字幕中文在上、英文在下,逐句同步,必须实测字宽,不许溢出、不许遮挡核心知识区、不许无限缩小字号。
- 声音优先级:原人声 > 重点音效 > BGM。 BGM 必须低音量并随人声避让。
- 不许为缩短时长删掉关键论据,不许改变原始观点,不许改写事实。
- 不许把横屏成片直接裁剪成竖屏,必须重新布局、重新渲染。
- 验收分 < 90 必须自动定位并修复,修不好就如实报告,不许宣布合格。
- 素材必须可授权使用,不明来源的图片/音乐/视频一律不用。
- 每个画面都必须有真人。 真人镜头用 V01/V02 占满;知识画面(关键词、流程、对比、卡片、数字、总结等)必须在右上角叠加 V21 真人圆形头像,任何镜头都不允许全程无真人。
- 圆形头像取景与位置三条铁律。(a)圆内必须露出 头发 + 完整五官 + 双肩,头顶留 6–10% 余量、下巴以下至少留 25% 画幅给肩颈与衣领,禁止裁额头或下巴;(b)固定 右上角,竖屏压在导航条之下、横屏压顶部右侧,与边缘留 48–52px;(c)绝不能压住标题、知识卡片和字幕——内容区要为它让位(竖屏内容整体下移、横屏右侧留 344px 安全区)。取景三参数:
zoom(内层宽度/圆直径,1.0 为标准三件套,人物偏小才 1.2–1.5)+focus_x/focus_y(人脸中心)+anchor_y(人脸中心在圆内纵向位置,近景 0.42 / 宽机位 0.28);上线前必须渲一帧静帧验收。 - 讲解文字默认放大 12%。 知识画面的标题、要点、卡片正文统一按
text_scale 1.12渲染,宁可减少字数,不要缩小字号。
五、视频类型判断(不是用户选,是你判断)
先判整片,再判段落。同一条视频里可以混用策略。
| 类型 | 优先剪辑方式 | 真人占比参考 |
|---|---|---|
knowledge 知识科普 | 流程图、结构图、动态白板 | 20–35% |
practice 工具实操 | 录屏、局部放大、操作演示 | 15–30% |
analysis 商业分析 | 数据图、对比图、因果链 | 25–40% |
opinion 观点表达 | 真人 + 关键词 + 案例 | 40–60% |
story 故事分享 | 真人叙事 + 场景 + 时间轴 | 45–65% |
industry 行业解读 | 地图、资料引用、实景、图表 | 25–45% |
比例是参考不是考勤。判断错类型 = 整片风格错,这一步决定后面 80% 的工作量。
六、目录结构
knowledge-video-editor/
├── SKILL.md # 本文件:唯一入口,规则总纲
├── AGENTS.md # 给各 Agent 的执行协议(Codex/Claude/Gemini/豆包工作等)
├── README.md # 人读版说明与效果展示
├── VERSION
├── references/ # 10 份细则(规则层,不含代码)
├── config/ # 机器可读配置(主题/比例/安全区/术语表/Schema)
├── scripts/ # 8 个可执行脚本(分析→剪辑→校验→渲染→质检)
├── templates/remotion/ # 可视化渲染引擎(React 组件)
├── assets/ # 字体/图标/音乐/音效(授权素材,仓库内留空说明)
└── examples/ # 4 类真实导演计划示例
七、目录细则索引(按需精读,不要一次全吞)
| 需要解决 | 去读 |
|---|---|
| 怎么判断类型、怎么分段 | references/01_视频理解与类型判断.md |
| 删哪些、留哪些、怎么不删错 | references/02_自动精细剪辑.md |
| 封面怎么做才不返工 | references/03_首帧封面规范.md |
| 横竖屏布局、导航栏参数 | references/04_横竖屏与动态导航.md |
| 两个主题的色值与使用场景 | references/05_配色与视觉设计.md |
| 逐秒分镜怎么写、动画曲线 | references/06_智能分镜与逐秒动态.md |
| V01–V20 组件怎么选、V21 头像怎么做 | references/07_视觉组件使用规范.md |
| 字幕字号、断句、安全区 | references/08_中英字幕与安全区.md |
| BGM 与音效密度、避让 | references/09_背景音乐与音效.md |
| 质检 100 分怎么打、怎么修 | references/10_质检与自动修复.md |
八、命令行速查
# 1. 环境自检
python3 scripts/check_environment.py --json
# 2. 读取视频属性
python3 scripts/analyze_video.py --video input.mp4 --out work/video_meta.json
# 3. 转写(中英双语)
python3 scripts/transcribe.py --video work/edited.mp4 --bilingual --out work/
# 4. 按 EDL 精剪
python3 scripts/edit_video.py --video input.mp4 --edl work/edl.json --out work/edited.mp4
# 5. 校验分镜(不通过不许渲染)
python3 scripts/validate_storyboard.py --storyboard work/storyboard.json
# 6. 渲染(含封面单独导出,含真人圆形头像)
python3 scripts/render_video.py --storyboard work/storyboard.json --ratio 16:9 \
--audio work/edited.mp4 --cover cover.png --out output/01_最终成片.mp4
# 7. 质检
python3 scripts/quality_check.py --video output/01_最终成片.mp4 \
--storyboard work/storyboard.json --report output/08_自动质检报告.md
# 8. 全流程
python3 scripts/run.py --video input.mp4 --out project/ --ratio 9:16 --theme pearl-green
任何脚本都支持 --dry-run,先看它打算干什么。
九、数据结构(必须遵守的契约)
导演计划与分镜采用统一 JSON 契约:config/storyboard.schema.json。最小可用结构:
{
"video_type": "knowledge",
"aspect_ratio": "16:9",
"resolution": [1920, 1080],
"theme": "dark_gold",
"cover": {
"lines": ["工作方式", "彻底变了"],
"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": ["现状", "逻辑", "案例", "总结"] },
"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" }
] }
]
}
正式执行时还必须带:素材绝对路径、精确帧号、真实字幕时间戳、图形坐标、动画曲线、授权信息、横竖屏安全区、头像取景参数。
十、跨 Agent 适配
同一套规则,任何 Agent 都能读;能否出片取决于环境。
| Agent | 读取方式 | 能否渲染 |
|---|---|---|
| Codex / Claude Code / Gemini CLI | AGENTS.md → SKILL.md | 是(需 ffmpeg + node) |
| 豆包工作 / WorkBuddy | 本 SKILL.md | 视环境 |
| 仅文本 LLM | 只输出 director_plan.json + storyboard.json | 否,交给渲染环境 |
分工原则:推理归模型,渲染归程序。 不要让大模型去猜像素,也不要让渲染引擎去做语义判断。
十一、交付清单
<选题名>/
├── 01_最终成片.mp4
├── 02_首帧封面.png
├── 03_精剪原声视频.mp4
├── 04_中英双语字幕.srt
├── 05_完整口播文稿.md
├── 06_全片导演计划.json
├── 07_逐秒分镜计划.json
├── 08_自动质检报告.md
└── 09_可编辑视频工程/
横竖屏双出时,各自生成一份成片、封面、分镜布局与字幕工程,共用内容分析与精剪时间轴。
十二、什么时候必须停下来报告
- 转写引擎不可用,且无替代方案 → 报告,不要瞎编台词。
- 原片严重模糊/无声/无有效讲解内容 → 报告,不要硬剪。
- 素材版权不明 → 不用,并说明原因。
- 渲染多次失败 → 报告错误原文,不要交出半成品冒充成片。
诚实优于完成度。