stock-footage-reel：真實素材剪輯 Reel

2026-10-11 合併說明： 有口播的真實素材 Reel，這個 skill 仍是首選（canonical）。OpenMontage 的 documentary-montage 只用在無旁白／少旁白的蒙太奇；兩者的分工見 <SKILLS_DIR>/INDEX.md 決策表。

要更多素材來源（NASA、國會圖書館 LOC、NARA、Archive.org、Wikimedia）：用 python3 <SKILLS_DIR>/openmontage-house/scripts/om_clips.py --query "..." --out $D/work/om_clips，它會印出可以直接貼進 shots.json 的 pick: {"source":"file",...}。授權要逐支確認後才放進 credits.json。

配音現行設定：中文用你自己的 ElevenLabs 聲音 「<YOUR_VOICE_NAME>」（<YOUR_ELEVENLABS_VOICE_ID>）；英文用 Sarah Explains（Nhs7eitvQWFTQBsf0yiT）。繁中主字幕＋小字英文。英文配音的做法看 EP.07：<YOUR_WORKSPACE>/media-team/03-drafts/grokbot-team-reel/（script_en.txt、work/shots.json 用 subs_zh＋en，對時和剪片用 work/ 裡的 mktiming.py、build_custom.py）。下面第 2 步依語言選聲。

給 Josh（IG／Threads @bounce12340，AI 創業、AI Agent、一人公司，台灣）的內容團隊用。照這份流程做，Claude Code 和內容製作 bot 都能直接出片。這個 skill 只做草稿，不發文。 發文一律交給主 bot，Josh 確認後才發。

腳本在 <SKILLS_DIR>/stock-footage-reel/scripts/（下面簡稱 $S）。範例在 examples/，授權查證在 references/licenses.md。參考成品：<YOUR_WORKSPACE>/media-team/03-drafts/stock-footage-test/test.mp4。

內容守則（一定要遵守）

忠於原文：每一句都要對得回原始來源。不可以編數字、編引文；原文沒說的不要寫成原文說的。轉述就寫「整理自」。
標出原作者：左上標題寫來源作者和原文標題；片尾和貼文說明都要標。
完整重於精簡：重點講完整，不要為了短而砍掉關鍵論點。但全片要在 3 分鐘內。
配音語速自然，不要加速硬塞。字太多就拆成兩支或刪次要句。
繁體中文、台灣用語（軟體、資料、影片、網路、品質…），引號用「」，不用破折號（——），用逗號或句號。
英文字幕是我們的翻譯，不是原文引言；除非原文就是英文且逐字相同，否則不要加引號。
素材只用授權清楚、可商用的；看 references/licenses.md。不登入任何網站、不用付費來源、不繞過網站限制。

環境

Pexels：PEXELS_API_KEY 已設在環境變數（不要印出來）。Pixabay 要 PIXABAY_API_KEY（目前沒有）。
ASR 對時：uv run --with faster-whisper（第一次會下載套件，之後有快取）。
字型：<YOUR_WORKSPACE>/media-team/00-profile/covers/fonts/ 的 Noto Sans TC／Noto Serif TC。英文 Noto Sans。
素材快取：$S/../stock-footage-reel/cache/（同一支素材不會重抓）。

流程

0. 開工作資料夾

D=<YOUR_WORKSPACE>/media-team/03-drafts/<題目>-reel ; mkdir -p $D/work ; cd $D/work

1. 寫 script.txt（一行＝一鏡）

每行一句口播，可以用 [1] 文字 格式。每行 1 到 3 個子句、大約 5 到 9 秒最好。

2. 配音（ElevenLabs，透過 MCP；腳本不能直接呼叫 MCP）

依語言選聲：中文用 「<YOUR_VOICE_NAME>」，voice_id <YOUR_ELEVENLABS_VOICE_ID>；英文用 Sarah Explains，voice_id Nhs7eitvQWFTQBsf0yiT。用 user-Elevenlabs 的 creative_list_voices 對一下名字後再送，不要憑記憶亂換 id。
creative_generate_speech：voice_id、model_id: "eleven_multilingual_v2"、generations_count: 1（預設是 4，會花 4 倍點數）、prompt 放整份稿子（行與行之間空一行，讓自然停頓；不要放 [1] 編號）。不要重送同一個請求，會重複扣點。
用 creative_get_flow_run_status（flow_id、session_ids）輪詢到 all_completed，拿 media[0].url，curl -o vo.mp3 '<url>'（網址 2 小時內有效）。
送出的文字要和 script.txt 一字不差（對時靠這個）。備案：ElevenLabs 不能用時 bash $S/scripts/tts_edge.sh script.txt vo.mp3（edge-tts zh-TW-HsiaoChenNeural），shots.json 的 voice.provider 改成 "Edge TTS (zh-TW-HsiaoChenNeural)"，片尾就會正確標示。

3. 對時

uv run -q --with faster-whisper --with numpy python $S/scripts/align.py --audio vo.mp3 --script script.txt --out timing.json

會印出每鏡起訖和對齊率（八成以上就正常）。鏡頭切點自動放在句間停頓中間。

4. 寫 shots.json（範例：`examples/satya_test.shots.json`；下面的 `//` 註解只是說明，實際檔案不能有）

{
  "format": "1080x1920",                      // 或 "1080x1350"
  "title_zh": "微軟執行長 Satya Nadella 長文",   // 左上固定標題（來源）
  "title_en": "Satya Nadella · \"Models as Insider Risks in the Super Intelligence Era\"",
  "max_cut": 4.5,                              // 一鏡超過幾秒就在同一支素材裡多切一段
  "voice": {"provider": "ElevenLabs", "voice": "<YOUR_VOICE_NAME> (<YOUR_ELEVENLABS_VOICE_ID>)", "model": "eleven_multilingual_v2"},  // 中文；英文片改 Sarah Explains (Nhs7eitvQWFTQBsf0yiT)
  "music": "synth",                            // "synth"＝自己合成的暗色配樂；或音檔路徑；或 "none"
  "music_db": -17,
  "shots": [
    {"keywords": ["server room", "data center"], "highlight": ["內部風險"],
     "en": ["Microsoft CEO Satya Nadella, in a new long essay,", "argues AI models should be managed as an internal risk."]},
    {"keywords": ["computer operators"], "archival": true, "highlight": ["控制權分開"], "en": ["..."],
     "pick": {"source": "archive", "id": "OnGuard1956", "starts": [630, 300]}}
  ],
  "end_card": {"zh": ["最值得信任的系統，", "[[是最不需要信任模型的那一個。]]"], "en": "...", "by": "── 整理自 Satya Nadella〈...〉", "dur": 4.0, "bg_shot": 2},
  "cover": {"ep": "EP.05", "kicker": "Satya Nadella 長文", "title": "把 AI 當成\n[[內部風險]]來管", "subtitle": "...", "clip_credit": "畫面：...", "frame_shot": 3}
}

欄位重點：

keywords：英文搜尋詞，依序嘗試。寫具體畫面（"security camera", "typing keyboard close up", "server rack lights"），不要寫抽象概念。
archival: true：這鏡用 Prelinger 老片，自動上洋紅調和顆粒。AYi 的做法是講「歷史、以前、傳統、1970 年代」或比喻「控管、權限、監控」時用老片，其他用現代素材。一支片至少放一兩鏡老片，風格才會出來。
highlight：這鏡要變金色的詞（要和字幕裡的字完全一樣）。也可以在 end_card.zh 用 [[ ]] 標金色。
en：英文字幕清單，數量要等於這鏡的字幕段數。先跑 build.py --plan 看自動切好的段落，再照段落寫英文。數量不對時會整句英文顯示在每段。
pick：手動指定素材。{"source":"archive","id":"<identifier>","starts":[秒,...]}、{"source":"mixkit","id":"23215"}、{"source":"commons","title":"File:xxx.webm","start":12}、{"source":"file","path":"/abs.mp4","license":"...","author":"..."}、{"source":"synth","kind":"code|terminal|grid"}。
其他：grade（"archival"／"modern"／"none"）、focus_x（0 到 1，直式裁切的水平中心）、cuts（這鏡固定切幾段）。
cover.frame_shot：封面剪報用哪一鏡的素材（取原始橫式畫面），預設第一個老片鏡頭。ep 照 Josh 的集數接下去。

5. 抓素材

python3 $S/scripts/fetch_footage.py --shots shots.json --work . --timing timing.json

一般鏡頭順序：Pexels（有 key）→ Pixabay（有 key）→ Mixkit（只收 Free License）→ Wikimedia Commons（PD／CC0／CC BY）→ 本機 synth 保底。
archival 鏡頭：Internet Archive Prelinger（只收 metadata 標公有領域的）→ Commons。
結果寫進 footage.json 和 credits.json（每支素材的網址、作者、授權）。note: 開頭的行是被跳過的素材和原因。
挑老片段落：自動挑會避開片頭字卡和重複段落，但最好自己看一次： python3 $S/scripts/fetch_footage.py --sheet archive:OnGuard1956 --work . → 產生 sheet_*.jpg（每 15 秒一格，左上是秒數），用 Read 看圖挑秒數，寫進 pick.starts，再用 --only <鏡號> --refresh 重抓那一鏡。
好用的 Prelinger 電腦題材：OnGuard1956（IBM SAGE 防空電腦，1956：控制台 120s、操作員 240s/300s、開關 330s/600s、「RESTRICTED AREA」門 630s、控制室 660s）。其他可搜 computer、automation、electronic。
換素材：改 shots.json 後 --only N --refresh。

6. 剪片

python3 $S/scripts/build.py --shots shots.json --work . --out .. --name reel --plan   # 先看字幕段落
python3 $S/scripts/build.py --shots shots.json --work . --out .. --name reel

產出（在 --out）：reel.mp4（H.264／AAC，30fps，超過 45 MB 會自動降碼率重壓）、contact_sheet.jpg（每段中間一格＋片尾卡）、credits.json（含 credit_line 和貼文用的 caption_credits）、cover_reel.png、cover_post.png（B 剪報 Vox 樣板，透過 <YOUR_WORKSPACE>/media-team/00-profile/covers/render.py）。

畫面規格（對照 AYi 原片做的）：

硬切，每段 2 到 4.5 秒，畫面緩慢左右平移。老片：洋紅偏色、柔焦、顆粒、暗角。現代：壓暗、偏青藍、降飽和、暗角。
左上固定標題：品牌記號「●○○○ Josh｜AI 一人公司」＋來源中文標題＋英文原標題。
字幕：左對齊、最多兩行中文（Noto Sans TC Bold），下面一行較小的英文；重點詞金色 #E9A44A。直式版字幕底邊在 y=1490，避開 IG 下方說明文字和右側按鈕。
片尾卡：素材壓暗模糊，襯線大字金句（第二行金色）、英文、「── 整理自 …」、品牌記號、@bounce12340，最下方一行出處小字（例如「Archival: Prelinger Archives (Public Domain) • Footage: Pexels • Voice: ElevenLabs」）。
聲音：配音＋配樂側鏈壓縮（講話時音樂自動讓開），結尾 2.5 秒淡出，整體響度約 -14 到 -16 LUFS。

7. 交件前自己檢查

用 Read 看 contact_sheet.jpg：每格的畫面和那句話搭不搭、字幕有沒有斷在怪地方（例如人名中間）、有沒有被 IG 介面蓋到的風險。
素材裡不能有：別人的商標特寫、可辨識的人臉被放在負面語境、和文意相反的畫面、浮水印。
credits.json 每支素材都有網址和授權；有 CC BY 的，貼文說明一定要貼 caption_credits 那幾行。
片長、檔案大小（ffprobe）。
成品放在 <YOUR_WORKSPACE>/media-team/03-drafts/<題目>-reel/，回報給主 bot：片長、大小、素材來源、還要 Josh 決定的事。不發文。

已知限制

Mixkit 現在免費下載的影片多數是 Restricted（只限個人非商業），腳本會自動跳過；要用要 Josh 同意。
archive.org 偶爾很慢或回空白，腳本會重試三次；失敗時那一鏡會退回 synth，看 note: 訊息再補抓。
Prelinger 老片多半是 4:3、480p，裁成直式會放大很多，靠柔焦和顆粒蓋過去；寧可挑構圖簡單、主體在中間的段落。
這台機器沒有 GPU，30 秒的片大約 1 分鐘出片，3 分鐘的片大約 5 到 8 分鐘。

bounce12340/josh-video-skills

josh-video-skills とは？

お気に入りのAIに質問する

ドキュメント