zhangtaoran2010/baocut-subtitles-intel

解说混剪

解说混剪 é uma forma, não um tema: a narração fala, enquanto por baixo há sempre imagens reais em movimento (entrevistas, coletivas de imprensa, gravações de tela, notícias, fotos). As palavras das pessoas envolvidas são ditas por elas mesmas; tweets, citações, datas e números são uma camada sobreposta à imagem. Uma notícia, uma fofoca, a origem de um produto, a história de uma pessoa, um resumo de uma tendência, tudo pode ser feito assim; também pode ser inserido em um vídeo explicativo ou de gravação de fala.

Se este tipo de vídeo é bom ou não, depende quase exclusivamente de uma coisa: se o olho do espectador tem o que fazer. Um card parado na tela por mais de dez segundos enquanto a narração fala é um slide; se embaixo da mesma narração colocarmos o rosto da pessoa envolvida, a cena do dia, o tweet aparecendo e desaparecendo, aí sim é um vídeo. Este skill fornece critérios, técnicas e ferramentas, não um modelo de fluxo de trabalho; a ordem abaixo segue a lógica natural, e qualquer etapa que não se encaixe neste episódio pode ser trocada.

1. Identificar se este episódio se encaixa neste formato e alinhar com o usuário (seções 1 e 2).
2. Ler o material de referência, listar pessoas, eventos e perguntas (seção 3).
3. Pesquisar素材 e escrever o roteiro em paralelo, alimentando um ao outro (seção 4, detalhes em references/sourcing.md).
4. Imagem: por baixo de cada batida, algo está se movendo (seção 5).
5. Roteiro, estrutura, áudio original e som (seção 6, técnicas opcionais em references/structure.md).
6. Montar no BaoCut (seção 7, detalhes em references/assembly.md).
7. Medir, revisar e entregar (seção 8).

1. É este formato?

• Um julgamento rápido: escreva as três frases mais importantes da narração deste episódio e pergunte qual imagem deve acompanhar cada uma. Se a resposta for "o rosto de quem disse aquilo", "a cena daquele dia", "aquele tweet", "a demonstração daquele produto", é este formato; se a resposta for "um modelo animado", "uma imagem que cresce junto com a narração", é vídeo explicativo (explainer-video); se a resposta for "o próprio usuário falando para a câmera", é corte de gravação de fala (talking-head-cut).
• Se o usuário disser "faz um vídeo sobre esta notícia / este fato / esta fofoca", "transforma este artigo em vídeo", "como surgiu o tal", "pega uns素材 e monta", "documentário", "resumo", por padrão é este formato; se houver dúvida, antes de mostrar o roteiro ao usuário, diga o que foi escolhido e por quê.
• Usar um trecho em outro vídeo: quando um vídeo explicativo mostra uma coletiva de imprensa real, quando uma gravação de fala precisa inserir a fala original de uma pessoa, quando um short precisa de uma abertura de três segundos que prenda a atenção, tudo isso é um trecho deste formato. Se for apenas aquele trecho, siga as seções 4, 5 e 7, sem precisar mudar o formato do vídeo inteiro.

2. Alinhar primeiro com o usuário

Pergunte o que estiver faltando; não pergunte o que já foi explicado:

• Qual é o material de referência (link, arquivo, algumas frases), idioma do vídeo final, formato horizontal ou vertical.
• Duração: se não houver limite, defina pela quantidade de informações. Uma notícia ou fofoca: 2 a 5 minutos; a origem de um produto ou pessoa: 8 a 20 minutos; calcule pela quantidade de palavras da narração e pela velocidade real de fala (seção 1 de narration), sem arredondar.
• De onde vêm os素材: biblioteca de vídeos do usuário, internet, arquivos do usuário; se puder ser de todos os lugares, pesquise em todos. Antes de baixar vídeos da internet, o usuário deve concordar (seção 4).
• Estilo e restrições mencionados pelo usuário ("compacto e com suspense", "não quero que pareça slide", "sem música de fundo") devem ser anotados e seguidos durante todo o processo.

3. Ler o material de referência e listar

Leia o material de referência completo e crie três listas no diretório de trabalho:

• Lista de pessoas: cada pessoa com nome, identidade, momento-chave na história, citações originais do material de referência (mantenha o idioma original para facilitar a busca nas transcrições).
• Lista de eventos: em ordem cronológica, data de cada evento, possíveis locais com imagens (canal oficial, coletiva de imprensa, notícias, gravação de tela).
• Perguntas: uma pergunta central que o vídeo inteiro deve responder e perguntas menores para cada seção; seções sem perguntas provavelmente estão apenas repetindo informações.
• Verifique cada fato, data e citação com a fonte original; marque no roteiro os que não tiverem certeza; imagens geradas e reconstituições devem ser apenas ilustrativas e claramente identificadas, nunca sintetize a voz ou a imagem de uma pessoa real.

4. Pesquisar素材 e escrever o roteiro em paralelo

As duas coisas se alimentam mutuamente: se encontrar a frase dita pela própria pessoa, transforme aquela batida em áudio original; se não encontrar nenhuma imagem para um evento, reescreva aquela batida ou mude a abordagem. O método está em references/sourcing.md; pontos principais:

• Três fontes em ordem: biblioteca de vídeos do usuário (pesquise por significado entre os vídeos; se tiver na biblioteca, não pesquise na internet); internet (busca e download de素材 no BaoCut; os vídeos precisam ser transcritos para cortar o áudio original); arquivos e capturas de tela fornecidos pelo usuário.
• A licença dos vídeos da internet geralmente é incerta: antes de baixar, liste para o usuário os que pretende usar (título, canal, link) e deixe que ele decida; anote a fonte de cada素材 usado e liste na entrega. Apenas leitura: pesquise, navegue, leia; não curta, não compartilhe, não poste.
• O início e o fim do áudio original devem ser determinados com precisão de 0,1 segundo usando as palavras na transcrição e, em seguida, verifique na imagem se a pessoa está no quadro.
• Se houver muitos素材, delegue a agentes para procurar pessoas e eventos separadamente; os resultados devem ser escritos em arquivos, não em respostas.

5. Imagem: por baixo de cada batida, algo está se movendo

Esta seção é a parte mais importante de todo o skill.

• A raiz do problema de parecer slide é uma só: um card (título, citação, pontos principais, tabela de comparação) fica parado na tela por vários segundos ou dezenas de segundos, sem nada se movendo na imagem. Colocar efeitos de movimento no fundo, adicionar partículas, não resolve; só imagens reais por baixo resolvem.
• A camada de fundo está sempre em movimento: por baixo de cada batida da narração, há uma gravação real, gravação de tela ou foto (fotos devem ter zoom lento ou movimento panorâmico, 3 a 6 segundos para completar uma direção); não deixe fundo de cor sólida. Alguns segundos sem imagem real podem ser um espaço em branco intencional (tela preta com algumas frases "para pensar", cursor piscando), em vez de colocar um card.
• Cards sobrepostos à imagem, não substituindo a imagem: data, barra inferior (nome e cargo), citação, tweet, número, termo técnico, título de seção são todos sobreposições; a imagem de fundo escurece um pouco e continua se movendo. Um card com uma informação; pare o tempo suficiente para ser lido duas vezes (chinês: cerca de 5 a 6 caracteres por segundo); no vídeo inteiro, os cards geralmente ocupam de 20 a 30% da tela; se ocupar mais da metade, provavelmente já é um slide.
• Desenhe o card como o que ele representa: tweet desenhado como tweet (avatar, nome, data, texto original e tradução), citação desenhada como citação (quem disse, em que ocasião), terminal desenhado como terminal (cursor piscando, texto digitando), chat desenhado como chat. Não transforme todos no mesmo tipo de moldura "título + texto". O método de desenho está em motion-graphics.
• Mude o plano a cada 3 a 6 segundos, corte na palavra certa: no momento em que a narração diz aquele nome ou aquele evento, a imagem deve ser exatamente aquilo (use os tempos das palavras alinhadas com a narração); se uma cena for usada por mais de dez segundos seguidos, ou ela mesma está contando algo (áudio original), ou mude o ângulo ou faça um zoom.
• Não repita素材: a mesma cena pode aparecer no máximo duas vezes; na segunda vez, deve ter um novo propósito ("mostrar de novo depois de explicar"). Se o público reconhecer imagens repetidas, o vídeo parece ter素材 insuficiente.
• Imagens reais contam histórias reais: imagens geradas e animações de reconstituição devem ser apenas ilustrativas e claramente identificadas; escurecer, dessaturar, câmera lenta são técnicas comuns para expressar emoção, mas não alteram o significado original; a fonte deve ser indicada no canto e listada no final.
• Para coisas que não podem ser filmadas, use uma ou duas telas de código (processo, escala, linha do tempo, comparação de várias coisas), também como sobreposição transparente, sem ocupar a tela inteira e assumir toda a seção.
• A primeira aparição de uma pessoa deve ter barra inferior; a primeira aparição de um evento deve ter data; apenas um card informativo por vez; durante o áudio original, não sobreponha outros cards.

6. Roteiro, estrutura, áudio original e som

• Roteiro: uma batida por frase. Abaixo de cada frase, em uma nova linha, escreva o que deve ser visto nesta batida (intenção da imagem) e onde colocar o áudio original; antes da gravação da narração, já se sabe o que está por baixo de cada batida. As linhas de intenção começam com @ e são ignoradas durante a gravação da narração. Velocidade de fala, número de palavras, timbre e regravação seguem narration.
• Áudio original: deixe a pessoa falar por si mesma: as palavras mais importantes e carregadas de emoção (a frase decisiva, uma confissão, uma profecia) não devem ser parafraseadas. A narração introduz, o áudio original entra, a narração continua a partir do que foi dito no áudio original, sem repetir o conteúdo; cada trecho de 5 a 20 segundos, com legendas bilíngues e barra inferior.
• Escolha a estrutura de acordo com o tema: para uma notícia rápida, basta ir direto ao ponto; para uma história, use abertura fria, teaser, ganchos de seção, transições "para pensar" e âncoras temporais. Essas técnicas e a escrita do roteiro estão em references/structure.md; são opcionais, não etapas.
• Som: música de fundo baixa e esparsa, variando com as seções, abaixando durante o áudio original; transições e aparecimento de cards com um som leve de efeito; o mesmo conjunto de sons para o vídeo inteiro; tom da narração calmo, com um pouco de suspense; timbre constante em todo o vídeo.

7. Montar no BaoCut

Detalhes em references/assembly.md. Pontos principais:

• Trilhas de baixo para cima: imagens reais (incluindo fotos e gravações de tela) na trilha visual inferior como fundo; cards empacotados em código transparente sobre elas; acima, a marca d'água; narração em uma trilha de áudio; áudio original junto com o trecho de imagem real (ativando seu áudio embutido), com espaço em branco na narração; música em uma trilha.
• Grave a narração primeiro, alinhe e obtenha os tempos das palavras; depois, corte as imagens de acordo com os tempos das palavras; para alterar um trecho, regrave apenas aquele trecho e remonte.
• Pode ser feito sem ambiente de linha de comando: tudo por meio de ferramentas (download, transcrição, importação, edits_apply, importação de pacote de código, camada de legendas, exportação). Com ambiente de linha de comando, as mesmas tarefas são feitas via CLI do BaoCut, com o pipeline escrito por conta própria; este skill não define a forma do pipeline.

8. Medir, revisar e entregar

• Medir a linha do tempo (com skills_read para ler production-scripts e seu coverage.mjs): quanto de imagens reais, imagens de código e espaço em branco ocupam na tela; número de planos e comprimento mediano; o trecho mais longo sem imagens reais;素材 repetido; trechos com áudio original. Neste formato, o vídeo final geralmente tem 80-90% de imagens reais, 20-30% de cards, mediana de planos de 3 a 6 segundos, sem trechos de mais de 20 segundos sem imagens reais; se estiver muito diferente, provavelmente os cards estão servindo de fundo; volte à seção 5 para complementar as imagens. Ele apenas reporta os números, não julga certo ou errado.
• Assistir sem som: a imagem sozinha consegue contar a história? Ouvir apenas: a transição entre áudio original e narração é suave? A música abafa a voz humana?
• Verificar se cada data, número e citação nos cards está consistente com o roteiro; se as legendas de cada trecho de áudio original são as palavras exatas.
• Entregar: vídeo final (ou link para revisão), duração do vídeo e seções, lista de fontes de cada trecho de áudio original e de cada素材 (fonte, link, publicador, ponto de entrada e saída, créditos), o que é ilustrativo, problemas conhecidos. Se for necessário texto de publicação, siga titles-and-description.

Arquivos de referência

Arquivo	Quando ler
references/sourcing.md	Antes de pesquisar素材, determinar início e fim do áudio original, registrar fontes
references/structure.md	Antes de escrever o roteiro; ao usar técnicas como abertura fria, teaser, ganchos de seção
references/assembly.md	Antes de montar trilhas no BaoCut, colocar áudio original, fazer cards, criar legendas

Scripts

Este skill não vem com scripts. Com ambiente de linha de comando e narração gravada por seção, os scripts prontos para gravação, alinhamento, montagem da linha do tempo, corte de imagens reais e medição da proporção de imagens podem ser lidos com skills_read em production-scripts; é um caminho mais fácil, mas se a forma não se encaixar, siga a seção 7 e monte manualmente com as ferramentas do BaoCut.