vibe video editing

当前仅适用于 Windows；内置便携自动安装面向 Windows x64。检测到其他系统时停止安装，不尝试部署其他系统的运行环境。

将剪辑流程与成片风格分开。脚本路径相对此 Skill，项目素材和输出路径由当前任务提供；全局 Skill 不存媒体、缓存、模型、密钥或具体项目的绝对路径。

安装、官方软件下载、外部 skill 来源和待补齐资源见安装与外部依赖。

用户要求安装时，由 Codex 按统一依赖入口自动检测、下载、配置和验证；runtime.local.json 是自动生成的机器记录，不要求用户手动填写。当前能力边界见验证状态。

父技能与模块目录

本目录是 vibe-video-editing 父技能。先执行共用制作与质量约定，再按本次需求加载具体模块，不一次读取整个模块库。目录如下：

vibe-video-editing/
├─ SKILL.md                 主技能与共用规则
├─ Functional Skills/       功能模块库（每个模块一个 SKILL.md）
├─ Styles/                  风格模块库（每个风格一个 SKILL.md）
├─ 风格清单.json / 风格清单.md
├─ 功能清单.json / 功能清单.md
├─ scripts/                 共用脚本与模块清单工具
└─ references/、assets/       共用规范与参数（第三方工具随功能模块保存）

AI 查看库前运行 python scripts/library.py sync，再按需求读取风格清单.json 或功能清单.json。用户可读风格清单.md 与功能清单.md。清单从模块的 module.json 生成；命令行 list / register 也自动刷新，不维护另一份手写清单。

功能库只在需要时加载：

Blazerior 口播剪辑工具：整理原录口播、解说或采访时调用，提供词表、停顿与 EDL 工具；识别、对齐和质量流程沿用下文共用规范。
样片分析：用户要求拉片，或本次制作需要从参考成片提取剪辑做法时，读取并执行该模块。
本地 IndexTTS 配音：需要 TTS 旁白或指定音色时使用。
Remotion 花字：按下文花字触发条件使用。
花字音效：用户要求给花字加音效时，按确认的花字动效和落点从本机音效库选声、对帧及混音。
找素材：检索本地动画/长视频片段时使用，不替代外部资料搜集流程。
调色：用户要求调色、套 LUT 或匹配镜头，或制作中需要处理色彩空间、曝光、偏色及镜头色差时，读取并执行该模块。

调用模块指当前代理读取并执行其规范，不代表创建子代理。用户只请求一个功能时只执行该功能。按功能清单选择当前任务需要的模块。

制作前读取项目配置

由 Codex 根据当前工程与用户要求读取或生成 video-editing.delivery.json，当前格式仅保存项目目录和口播节奏选择。执行 python scripts/delivery_config.py --project "本次工程文件夹绝对路径"；没有配置时口播选择为 default；确认需要剪口播且既无口播参考样片、也无明确口播要求时，才启用默认口播预设，无口播则跳过整理。字段与保存方式见项目配置。

按口播节奏选择同时核对 speech.style、本次口播要求和口播参考是否存在，再解析并实际用于当前项目的声音规划，不写全局风格。本次要求、用户指定的非默认选择和样片优先于缺省预设；参考状态未知时先核对材料，不直接套默认秒数。配置损坏、版本或字段不支持时明确报错，不能静默覆盖原文件。

当前版以成片、独立字幕、分轨、制作配置与素材记录为交付范围。遇到范围之外的工程格式要求，应说明当前支持边界，不承诺未提供的转换能力。

选择风格，只加载需要的内容

先判断用户是否明确指定了风格名称：

已点名风格：执行 python scripts/style.py list 定位，只加载对应规范；用户本次要求与示例中的明确补充可覆盖其默认值。
未点名风格：主动读取用户提供的示例文档及关联的参考视频、音频、工程，按示例学习流程提取证据并建立本项目规范；不要先列风格库、套用已有风格，或从“最接近”的风格配置起步。可以复用共享工具操作，不能借此继承旧风格的节奏、字幕或视觉规则。只有文档时，仅采用其明确描述；未展示的视听特征标为待核实。
未点名且没有示例：根据当前素材和明确需求建立项目规范，必要时询问缺失的关键偏好，不默认匹配已有风格。仅说“产品资讯”“vlog”等类型不算点名具体风格。

已有风格以实时风格清单.json 为准，不在主技能中维护风格表或具体风格规范。已点名时只读取命中子技能的 SKILL.md、它要求的必要参考及 style.py resolve 输出；未点名时仍按示例学习流程建立项目规范，不自动套最接近风格。

应用本次需求

优先级：本次明确要求 > 本项目已接受的约定与本次示例证据 > 用户点名的风格默认值（若有）> 通用技术建议。节奏、镜头长度、字幕、转场密度、配乐和音效均可覆盖。点名时将解析配置、未点名时将依据示例独立建立的配置保存为项目的 work/edit-settings.json；不因一次任务改写全局风格。自然语言要求由 Codex 转为覆盖 JSON，脚本不自动理解“更松弛”等描述。

以下命令仅用于已明确点名的风格；未点名时按学习流程直接写项目配置。

python scripts/style.py resolve --style "用户已保存的风格名" --overrides work/overrides.json --output work/edit-settings.json

覆盖例：{"rhythm":{"shot_seconds":[3,5]},"subtitles":{"mode":"full"},"transitions":{"density":"medium"}}。范围是安排镜头的起点，不能机械切断句子、动作或图表阅读时间。只有明确请求“记住/保存为新风格”才持久化项目选择。

客户稿件与成片提示

先区分用于成片的客户文字稿/视频稿与仅供风格学习的示例。客户稿件的内容约定优先于风格默认值和剪辑工具的自动建议。

已明确提供文字版口播稿：保留原稿，不自行改词、增删、润色、压缩、调换内容顺序，或改动观点、数字与结论；不能为了片长、节奏、风格或所谓纠错而改稿。只有客户明确要求修改时，才在授权范围另存修订。字幕断行和时码可调整；TTS所需的型号读音展开另存技术副本，保持内容对应，不回写原稿。
提供文字稿或视频稿时的画面提示：尽量不额外添加澄清、假设或免责性质的说明卡、脚注、小灰字，例如“非实测”“仅供参考”“假设配置”“结果仅为示意”。不要将内部核对过程变成成片提示，或以提示替代与客户沟通。普通字幕、必要单位/图例与数据标签按稿件正常呈现；原稿已有提示、客户明确要求的说明及必须履行的素材署名按原要求处理。
原创图解与示意标识：按下述素材搜寻机制第三级制作的原创图解或示意动画，在画面中明确标注“原创图解”“示意动画”等适当标识，说明其原创或示意性质；该要求优先于风格中默认不加示意小字的约定。其他画面不自动增加“非实测”“仅供参考”等免责或假设说明，也不追溯改动已认可的页面；客户明确要求另行处理时按本次要求执行。
遇到疑点或稿件不一致：在制作沟通或交付记录中指出，不擅自修改客户稿，也不默认在画面上补声明。客户未同意改稿时，以原稿安排配音、分镜和时长。

原声口播整理（默认）

以后视频需要剪辑原录口播、解说或采访时，除非用户明确指定其他方法，默认以 Qwen3-ASR-1.7B＋Qwen3-ForcedAligner-0.6B 识别及对齐，按Qwen F 流程完成全片语义审查、原录全覆盖声学补查、独立处理停顿与呼吸、统一 EDL/映射、导出回查与计时。调用 Blazerior 口播剪辑工具执行词表、停顿与 EDL 工具流程，详见口播整理规范。不得静默回退 CPU 或 Whisper-small；实际运行环境见本机运行环境。

在遵守客户稿件内容约定的前提下，目标是句内连贯、句间自然：收紧词间多余气口、犹豫和重复起音，按当前口播选择与实际安全区校准参考间隔，完整保留字尾、送气与擦音；句子之间保持自然节奏，不统一压短。句内缩短后协调后续旁白，避免把删掉的时间变成新的句间空白。默认预设的具体秒数和启用条件见口播节奏选择；应检查保留语流内部的气口与衔接，并把具体判断落实到剪辑计划，不能仅清理重录或保存配置就视为已应用。这是所有现有及未来风格共同的质量要求，不自动继承上游字幕、调色、放大或画幅规则。用户明确要求和已认可的剪法优先。

字幕可读性与断句

字幕以当前成片保留的原声为准。允许自然转述、调整语序、拆条或合条。如有必要，为了让中文表达更自然或更清楚，可以结合画面补明同一动作涉及的对象、工具或指代。补充内容须有明确的画面依据，并保留原话的动作、顺序和语气。字幕过长时，优先按语义拆条并对齐原声。交付前逐分句对照成片原声与字幕稿。

需要制作或重渲染普通字幕时，默认由 Remotion 渲染，沿用本片统一的基础字幕样式。普通字幕独立执行，直接按字幕操作规范实现。花字专项的模板、重点动效与字体切换仅在下节条件触发时应用。本次明确指定的字幕工具或已认可的字幕工程优先。

字幕按完整语义分句，保护词组、专名和数字单位；按实际字体与画面安全区测量行宽，长句明确换行，不强制挤成单行或按固定字数截断。结合实际口播的词级时间调整时码，保证短字幕有足够的清晰显示时间；正文与客户定稿核对，不能以缩句解决溢出。具体按字幕操作规范执行。

花字与动态重点字幕

用户明确要求花字、花体字、动态重点字幕，或实际示例明显存在这类效果时，当前主代理必须加载并执行 remotion-花体字skill（技能标识 remotion-flower-text），不必等待用户再次点名。先分析实际风格，按用户提供的模板库选择/改编合适组件；没有模板时在当前 Remotion 项目中实现所需效果。调用指读取并执行专项技能，不是创建子代理或另开对话。

本主技能继续负责客户定稿、出镜/混剪要求、声音与画面时间线、素材使用和最终成片检查；专项技能负责字体与颜色、模板、重点词组和文字层。记录中的花字参数必须实际用于渲染，不能只写配置而不调用组件。

普通无花字字幕保持本片统一的基础字幕方案。只有启用花字的段落，才默认按句号/语义分句，每1–2句自然语句共用一种基础字体；同一句的重点可叠加模板效果，但默认继承该句字体，不按半句话或字幕换页频繁换字形。普通信息沿用已认可的样式，不因为突出重点而强制简化或重做。文字层与重点牌不得重复叠字或遮挡相邻文字。

本版不附带花字模板；用户可自行上网寻找可用模板库并把链接交给 Codex 下载适配。新设计默认只留当前项目，只有用户明确要求保存时才登记到用户指定的位置；本规则不限制为当前任务创建项目内临时组件，也不自动把本项目字体、音乐、节奏推广到其他视频。用户当前明确要求优先。

外部画面素材搜集

需要搜集外部图片、视频、logo 或网页画面时，读取镜头规划与素材搜集，按其中的来源路径、实际选段检查、网页采集与台账方法执行。

素材搜寻按以下优先级执行：

先做镜头规划：逐句判断这句稿子需要什么类型的视觉证据或解释，明确对象、论点和画面用途，再开始找素材。
按规划寻找相关资料：寻找能够对应当句的相关视频、官方发布材料、官方图片、原始数据图表，或通过 OBS 等独立浏览器源录制相关网页。根据需要选择媒介，不只按品牌或关键词凑画面。
资料无法满足时再原创：第二级资料仍无法满足表达需要时，制作与当句对应的原创图解或示意动画，并在画面中明确标注“原创图解”“示意动画”等适当标识，不把它们冒充实拍或原始资料。
资料和原创解释都不合适时保留口播：保留主持人口播并优化构图，不强行填充无关 B-roll，也不为填画面而改稿。

统一由主代理完成：无论主代理使用什么模型，外部图片、视频、logo、发布会及产品资料的搜索、筛选和核验均由主代理亲自进行，不分派给子代理。用户明确要求委派时按当前任务授权和宿主规则处理。
先匹配具体对象和当前论点，再考虑泛素材：逐句识别品牌、产品、人物、奖项、事件和技术。优先该对象官方发布的产品图、演讲、宣传片、新闻资料、研究机构和奖项主办方原始资料；介绍多家公司时可把对应 logo 与名称组合。不能因为素材看起来像科技、代码或数学，就取代与口播强相关的画面。具体品牌或真实人物事件开场优先真实资料，不默认用 AI 图代替。每处插入要能解释当句，不能仅凭同品牌或同技术类别通过；榜单、参数、下载量、发布事件和能力演示分别核对，历史资料对应口播时点。
创作方式：可在合适位置剪入官方公开演讲、产品演示，或用实物图、品牌标识、原始图表、人物照片制作构图和动效；先考虑画面与当句的解释关系，再决定裁切、拼贴、对比和小窗。不要把通用镜头标为某公司的工厂、某位人物或某次事件。
检查实际选段：先查看所选区间的实际内容，不只看文件名、封面或首帧；检查源片完整性，合成后核对前后句交界，避免为填时间窗把上个对象拖到下一句。
网页也是素材入口：缺少合适现成画面时可采集官方网页、产品页、模型仓库或原始图表的浏览过程。优先使用 OBS 独立浏览器源采集网页界面，不使用独立 Chrome 无头截图/渲染流程，也不把 Chrome 作为本 Skill 的必需依赖；避免占用用户日常浏览器；具体录制方法按相应工具说明及本次授权执行。
视觉素材采用范围：按用户偏好，不把“逐项明确免费商用声明”作为所有视觉素材的唯一入口；可考虑公司自己公开发布的演讲、产品宣传、品牌 logo 及机构公开的相关资料，用于当前话题的介绍与评论。查看原始发布页和可见限制，记录来源、发布主体、用途与许可状态；没有禁止声明不等于获得授权，不将这类素材写成“已获商用授权”。明确禁止相应用途、付费预览、水印或未经授权转发的素材不纳入。避免央视等版权管理严格媒体及广播机构的画面，不去除台标或水印规避限制。
音乐和字体仍按各自明确许可要求处理；用户本次放宽的是画面素材选择，不自动扩展到配乐、字体或其他用途。来源与权限判断写在制作记录，不自动变成片中的免责小字。

素材去重与源时间段管理

所有视频任务默认遵循：同一张图片最多使用一次；同一视频的同一原片时间段最多使用一次。同一长视频可选择多个互不重叠的源区间，已用过的区间不得再次使用。按原始来源或文件内容识别素材，不因改文件名、调色、裁切、变速、改版式或换成截图就视为新素材。不要通过循环短片来补足镜头时长。

去重修订先按素材搜寻优先级寻找新的强相关素材替换重复画面，保留原有插入目的；不能仅为通过去重检查就批量删除素材或连带删除已认可的讲解页。相关资料和明确标注的原创图解或示意动画均不合适时，可保留主持人口播并优化构图，不强行填无关 B-roll。已经认可的数据、原理、对比等讲解页应保护并保留；“不加结尾总结页”仅约束未经要求的结束页，不等于删除正文讲解页。

维护素材使用台账，至少记录来源标识、图片内容标识，或视频 source_in/source_out、成片入出点。按实际变速后的原片消耗量计算区间，导出前检查源区间重叠及图片复用。完整版和从同版截取的预览/短版共享同一剪辑计划，不把交付前缀或修订存档算作片内复用。

例外：Logo、标志性标识或资料、关键人物照片，以及确有必要的重要宣传片，允许按叙述需要复现，记录具体理由和出现位置，并控制频率。视频片段不要仅因来自官方宣传片就自动豁免。实在缺少素材而需重复时，主动告诉用户重复了什么、出现在哪些时间段及原因，不能静默重复。

成组信息的显示时序

并列信息可以随口播逐项出现；需要比较或汇总时，应共同保留至讲完，按叙述统一管理强调与退出。不要让各元素独立计时，导致其中一项提前消失、破坏并列关系。具体显示方式服从用户要求和当前叙事。

角落小标题（所有视频类型）

除非用户明确要求，所有现有及未来视频均不添加左上角或其他角落的装饰性小标题、章节标签或眉题，例如“2026 / 中国科技”“中国科技 / 四个维度”“路径 / 技术逻辑”“02 / 硬件”。该默认约定优先于模板、工具和已保存风格中的同类设置；不能仅因参考片有此类文字就自动添加。修订时只移除这类小标题，保留正文讲解页、大标题、数据图表、字幕、必要图例与素材内容；本规则不取消另有要求的原创图解或示意动画标识。

结尾页面（所有视频类型）

只有用户提示词或提供的示例明确要求时才制作结尾总结页、账号品牌结束卡、口号页、片尾制作名单或音乐/画面/字体等声明页。没有明确要求时，不因风格惯例、模板、工具默认或署名需求自动添加，正常在内容结束处收尾。保留原稿口播本身的结语，不为删除页面而删改稿件。

通常可放在发布文案、描述区或随片交付文件的必要素材署名，应保存在这些位置，不自动做成视频结尾页面。若某素材明确要求片内署名而无法符合当前无结束页需求，优先换用符合条件的素材，再处理仍存在的真实冲突。

音乐来源

所有现有与未来新增风格都遵循此约定：不在本机生成音乐，不调用本地音乐生成模型（如 ACE-Step），也不通过代码作曲或合成配乐。

需要配乐时，可主动寻找并使用适合当前视频的外部免费商用背景音乐，不必先要求用户去 Suno。使用前查看曲目原始发布页及授权条款，确认免费商用、允许用于当前视频/发布用途及必要剪辑，记录曲名、作者、来源链接、许可依据和取得日期，并履行署名要求；不能仅凭“免费下载”“免版税”或搜索标签推定可免费商用，授权不清晰的曲目不使用。

已有音乐可正常裁切、循环、淡入淡出、人声闪避和混音。没有找到合适且授权明确的免费商用配乐，或用户希望自行制作时，再告知所需时长、情绪/音色与节奏，由用户提供音乐（可用 Suno 制作），不代用户生成。等待期间可继续无配乐粗剪、配音和字幕。

共用制作流程

检查素材、文稿、工程、最新交付及修订记录；先确认客户稿件与风格参考的角色，客户已明确提供的文字口播稿作为锁定内容。区分参考片与可用素材，先复用脚本与中间产物；不复制旧项目绝对路径、覆盖源素材或重跑不必要的配音/生成服务。

仅修改 BGM、音效、人声音量或混音时，确认画面、烧录字幕、镜头时序与口型同步可沿用，按仅改声音时复用视频流重新混音并封装新版本，直接复制已有视频流。
运行 ffmpeg_ops.py doctor 确认工具。保留原录口播时按口播整理规范默认执行 Qwen 基模的 F 流程，并应用本次 speech.style；先满足共同质量要求，再依据风格处理节奏。采用配音时先取得实际音频并核对读音，再定时间线。语速/文稿改变后重算字幕、镜头、章节和混音。
以整数输出帧累计入出点；分开管理画面、字幕和声音。默认直接制作完整初版成片，完成必要检查后交给用户，根据成片反馈继续修改。必要的局部试渲染由代理内部执行，不默认停下来等待用户审阅代表性短段；用户明确要求先看试剪时按其要求执行。全 FFmpeg 流程的公共工程入口接收已渲染片段；复杂动效/转场先制作成镜头，再写入清单。需要复用的组件和素材按当前项目另存源码。
从共享操作与清单格式按需读取 FFmpeg、字幕或 Blender 部分。风格参数必须实际传给脚本或实现于镜头中；配置文件存在不代表已应用。
口播在定剪口和导出后都须完成词尾波形检查，覆盖每处会切断或淡出人声的出点。导出后运行 qa.py 检查完整解码、帧数、音画长度、字幕边界和响度；另抽帧并试听首尾、剪口、长图表、字幕密集处。工程需重新打开、检查媒体并试渲染，交付说明写明实际验证范围和文字是否烧录。

常规交付：成片、独立字幕、分轨与最终混音、实际配置、素材清单、需要时的制作源码和检查报告。保持相对路径，明确最新版本。

学习与扩展

未点名风格时，即使用户未另说“学习”，也要主动读取并执行风格学习与登记；明确要求学习/更新风格时同样执行。从本次示例文档及关联媒体提取证据，区分观察、推断和当前覆盖。未请求保存时只保存在当前项目；用户说“总结本次经验形成一个风格”“保存为新风格”等时，用 style.py register 在 Styles/<新ID>/ 新增独立子 skill（包含 SKILL.md、style.json、module.json），并自动更新两份风格清单；不把这次经验追加进父技能，也不默认覆盖已有风格。只有明确要求更新既有风格时才使用 --replace。核对项目依据时读取本次项目的来源和修订记录。

模块维护

具体风格规范维护在 Styles/<id>/SKILL.md，默认参数在 style.json；模块名称、简介、别名和适用线索在 module.json。功能模块同样直接在 Functional Skills/<id>/ 维护。保存后运行 python scripts/library.py sync 和相应校验，清单由脚本统一生成。

只有跨风格成立的共用制作流程才更新父技能，不把某次项目的具体产品、颜色、音乐或镜头秒数提升为全局规则。管理约定见 AGENTS.md。机器配置和下载缓存不写入发布包。Styles 初始为空，只保存用户明确要求登记的新风格。

vibe-video-editing