Communitygithub.com

phone-screen-horror

制作「模拟恐怖」类竖屏手机屏幕叙事短片,通过观众看主角手机界面操作推进剧情,支持HTML界面套件渲染、逐镜头动画、多轨声音合成和MP4导出。

phone-screen-horror とは?

这是一个专门用于制作“模拟恐怖”类竖屏手机屏幕叙事短片的AI技能,适合在Claude Code、Cursor等AI代理环境中使用。它通过HTML界面套件或图像模型生成手机界面,逐镜头构建包含点击反馈、拼音输入、滚动、应用开合、通知、锁屏日期推移等动画,并合成分轨声音(环境、键盘、UI、人声、配乐、警笛),最终导出MP4视频,可选生成剪映专业版草稿。用户只需提供一句故事想法,技能即可自动完成从素材生成、动画编排到声音合成的完整制作流程,特别适合手机屏幕叙事、模拟恐怖、聊天记录短片等场景。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/doublerabbit-star/phone-screen-horror/tree/HEAD

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

手机屏幕叙事短片(模拟恐怖)制作

工具在 scripts/ 和 ui_kit/,详细用法在 references/。示例作品《应聘终止》(6分45秒,141镜头,11场)的场次脚本在 examples/yingpin/。新项目先读完本文件,再按需读 references。

面向零经验用户的引导

用户说“不会做”“第一次用”或只提供一句故事时,按以下方式带着完成:

  1. 先确认能实际制作:检查本地文件读取、命令执行能力,以及 Python、所需包、ffmpeg/ffprobe、浏览器和中文字体。检查路径和系统可由工具判断,不重复问用户。不能运行工具时,明确说明当前只能整理故事,不能声称已经生成视频。
  2. 降低故事输入门槛:一句话想法就能开始,不先发长表格。缺少想法时给三个简短选题;已有想法时整理成一小段剧情及主要屏幕文字。只询问会改变故事方向的关键问题,细节用合理默认补齐并说明。
  3. 说清下一步:例如“我会先把这个故事做成能播放、有声音的预览版,你看完告诉我哪里太快或不够紧张。”不向用户堆出脚本名、参数和目录结构,也不让用户选技术方案。
  4. 第一次练习控制复杂度:用户没指定规模时,建议约一分钟、少量场景,以聊天、通知和锁屏讲完一个简单故事,默认只交付 MP4。按实际阅读时间调整,不为了凑时长加快文字。用户已有完整故事时保留其范围,不强行缩成练习片。
  5. 尽量减少素材依赖:优先 HTML 界面、文字头像和简单图形。只有故事需要照片时才列出具体素材需求;可用当前环境的图像工具时协助制作,无法生成时再给提示词并请用户提供。不要一开始就让新手准备大量截图。
  6. 实际推进制作:在故事方向明确、必要环境可用后,完成覆盖开头到结尾的有声预览,再收反馈。用户只需用“读不完”“声音太大”“结尾再慢点”这类感受描述修改,不要求其提供镜头编号。
  7. 需要用户操作时给具体帮助:能在授权范围内安装的 Python 包由你处理。涉及系统软件安装或授权且需要用户操作时,说明缺少的软件、影响和下一步;一次只处理当前阻碍,不把整份环境清单丢给用户。

开场可以说:“你只需要告诉我一个故事想法,我来把它变成手机里的聊天、通知和声音。先检查制作环境,再做一版能播放的预览给你看。”用户已经给过故事时直接接着整理,不重复索要。

默认设置(直接采用;只询问真正影响制作的缺失信息)

  • 用户可能不会编程。所有命令由你运行,不让用户装依赖、跑脚本、改代码。缺 Python 包时你自己 pip install;缺 ffmpeg / 浏览器 / 剪映这类软件时,用一句话告诉用户装什么、去哪下。
  • 用户提供故事,你负责界面、动画、声音、导出。用户已有截图(如在 GPT 做的)就用他们的;没有就用 HTML 界面套件做,头像、壁纸、人脸等照片类素材请用户用图像模型生成,你给提示词(references/image_prompts.md)。
  • 剪映可选。没有剪映也交付 MP4 和六条分轨 WAV。
  • 系统:Windows 或 macOS。语音用系统 TTS(Windows OneCore,macOS say)。只在 Windows + 剪映专业版 11.8 上实际验证过;Mac 和 CapCut 的部分要向用户说明未测试。

硬性原则

  1. 交付的是能播放的有声视频。脚本、截图、静音轨、计划都不算完成。
  2. 没试听就写"未试听",没测量就写"未测量",剪映草稿没实际打开就写"待验证"。不伪造工程、不伪造检查结果。
  3. 已确认的设定不再反复问。素材版本有疑问时自己核对画面或校验值。
  4. 画面只有手机屏幕:无手机外框、手指、点击光圈、鼠标、镜头推拉。不拉伸,1170×2532、30fps。
  5. 恐怖来自日常:不加超自然、故障字、跳脸、旁白、解释性字幕。涉及死亡或自杀时不展示方式与过程,只用无人回应、时间流逝、远处警笛暗示。
  6. 界面文字密集的画面不交给图生视频模型,全部用确定性合成(PIL)。只有人脸窗口这类局部可以动。
  7. 用户打开过的剪映草稿永不覆盖,新版本换新名字(如 _粗剪V4、_成片2)。

制作流程

1. brief

先接受用户用一句话或一段大白话描述故事。需要梳理时用 references/brief_template.md 的简短入口;只有用户想详细规划时才使用完整模板。人物、屏幕文字、场次和声音由你整理,缺的部分按合理默认补上,并简短说明假设。references/brief_example.md 是《应聘终止》的完整 brief(里面"约90秒"的时长后来被反馈推翻)。

2. 搭工程

<项目>/project.json        从 templates/project.json 复制,填 title、voices
<项目>/00_ui/              HTML 界面
<项目>/01_final_assets/    全部图片(引擎按文件名找,文件名全工程唯一)
<项目>/03_project/tools/   复制 scripts/ 全部 + ui_kit/ 文件夹;scenes.py、tap_rects.py 也写在这里

02_audio、04_cache、05_exports 由工具自动建。所有命令在 03_project/tools 里运行。字体、浏览器、TTS、剪映草稿目录都自动查找,找不到时在 project.json 里指定(字段说明见 references/pipeline.md)。

3. 界面素材

  • HTML 界面套件(首选,见 references/ui_kit.md):每个界面一个 HTML,放 00_ui/S01/…。python ui_render.py 渲成 1170×2532 PNG,自动出打字用的 _blank / _text 层、点击区域 .taps.json、人脸窗口位置 .ui.json。中文准确,键盘和 keyboard.py 键位一致。
  • 图像模型做的截图:放 01_final_assets/S01/…。打字界面用 engine.mask_layers 拆层,点击区域用 sheet.py 出坐标网格拼图、量好写进 tap_rects.py。逐字核对图里的中文。
  • 渲完用 Read 看几张 PNG,确认文字、布局、日夜主题正确。

4. 写场次

在 tools/scenes.py 里每场一个函数,名字必须是 S + 两位数字(S01…S99),模板和 API 见 templates/scenes_template.py:

from scene import *

def S01():
    c = Scene('S01', mood='day_bright', k=1.5, music='calm')
    s = c.shot('wake'); fade_in(s, img('lock.png')); s.hold(img('lock.png'), 2.0 * c.k); c.add(s)
    c.hold('inbox', 'inbox.png', 1.6, 'notify', ('tap', 1.2))
    c.save()

if __name__ == '__main__': run(globals())

typ() 打字(可见键盘、拼音、空格上屏),V() 语音,apptrans.open_app/close_app 应用开合,engine.scroll/face/timer/xfade 等。每个点击都要有 TAPS 条目,否则没有按下反馈(渲染时会打印 [tap] no rect for …)。

5. 低清全片有声版

YP_RES=proxy(默认,586×1268)渲全部场次 → python build_audio.py → python export.py <名字> proxy。一开始就做覆盖首尾的全片有声版,不要先精修一个30秒片段。export.py 打印时长、镜头数和响度(LUFS / 峰值)。

6. 自查

  • python peek.py S04 出某场抽帧拼图,用 Read 逐场看:文字、按下状态、键盘、过渡、有没有黑帧。
  • 看 export 打印的响度。声音你只能测数值,汇报时必须说明没有试听。

7. 按反馈局部改

  • 节奏:改 k 或个别镜头秒数,只重渲受影响的场(python scenes.py S05 S07),再 build_audio + export。
  • 只改声音(配乐、音效、人声设置):不重渲画面,直接 build_audio + export。
  • 界面文字或布局:改 HTML 后 python ui_render.py(只重渲改过的),再重渲用到它的场。
  • 每轮新 MP4 用新名字(export.py 不覆盖同名文件)。长项目在工程里维护一份 RECOVERY.md(当前版本、命令、待办),方便上下文中断后接着做。

8. 高清与剪映

用户满意后设 YP_RES=hd 重渲全部场次(1170×2532,比低清慢很多,可按场并行)→ build_audio.py → export.py <名字> hd → 用户要剪映时 build_jianying.py <名字> hd。

  • build_jianying 总会做工程包(05_exports/<名字>_工程包/:素材、六条分轨、README.txt);装了 pyJianYingDraft 才写草稿;找到剪映草稿目录才复制进去,遇到同名草稿拒绝运行。
  • 新电脑或新剪映版本先跑 jy_roundtrip_test.py,请用户打开测试草稿并告诉你能不能播放。
  • 草稿在用户打开前一律写"待验证"。Windows 上可用 winshot.py 截剪映窗口辅助确认。

第一部作品中用户给过的反馈(新项目默认照做)

详见 references/lessons.md。

  • 节奏要慢:首版94秒被评"太快",最终6分45秒用户满意。停留按"能读完"给,表单、测评这类信息密集页尤其要慢。先保证可读,不被 brief 写的总时长绑住。
  • 正常速度:打字约7.5键/秒、每个词上屏后停0.22秒;人声正常语速,不加速、不截断。
  • 每次点击都要有界面变化(按钮变暗或变淡、行高亮),否则观众不知道在点哪里。
  • 打字要看到键盘:按键弹出、拼音带下划线一个字母一个字母长出来、候选栏变化、空格上屏一整个词。字不能凭空出现。
  • 从桌面进应用要有打开动画(图标放大展开),返回桌面要有收回动画。
  • 滑动声要明显。
  • 配乐是纯音乐,前期舒缓有旋律,后期逐场累积不适,到最后"足够让人不适"。靠素材变化,不只靠音量。
  • 结局要有时间流逝:锁屏日期、时间、电量逐日变化,通知越积越多,电量变红,最后远处警笛(示例见 examples/yingpin/scripts/lockdays.py)。

参考文件

  • references/pipeline.md:每个脚本的用法、project.json 字段、声音事件、剪映注意事项。
  • references/ui_kit.md:HTML 界面套件的写法、组件、图层、点击区域。
  • references/image_prompts.md:给 GPT 等图像模型的提示词,以及拿到图之后怎么拆层、量点击区域。
  • references/brief_template.md:给用户填的 brief 模板。
  • references/lessons.md:第一部作品每版的反馈、改法和技术坑。
  • references/brief_example.md:《应聘终止》的原始 brief。
  • examples/yingpin/scripts/:《应聘终止》的场次脚本(scenes_v2.py 自带一份 typ/V,与 scene.py 的写法等价)和专用工具。只有脚本,没有原片截图,不能直接运行,用来参考镜头写法。

汇报格式

用中文、普通话语,不堆术语。说清:做了什么改动;成片路径和时长;响度数值并注明未试听;剪映草稿名和是否验证;烧进画面的文字在剪映里不能改,只能重渲镜头。

関連スキル