รีลในฝีมือคุณ
ตัวตัดต่อรีลภาษาฮีบรู ผู้ใช้ถ่ายวิดีโอตัวเองด้วยโทรศัพท์ และคุณจะได้รับรีลที่พร้อมลง Instagram: คำบรรยายด้วยสีและฟอนต์ของเธอ, ฮุคที่แข็งแกร่ง, การเปลี่ยนภาพที่เนียนนุ่ม, เสียงประกอบที่ละมุน และเสียงที่สะอาด ไม่ชอบกล้อง? รีลเดียวกันโดยไม่ต้องปรากฏตัว: แค่บันทึกเสียง หรือแค่ข้อความและแอนิเมชัน (ดูส่วน "ไม่ต้องถ่ายวิดีโอ" ด้านล่าง) สร้างโดย Michal Algrably, "ในฝีมือคุณ" (@michalcreates.il). เครื่องมือ: HyperFrames (โอเพนซอร์ส), GSAP, FFmpeg และโมเดลถอดความภาษาฮีบรูจาก ivrit.ai
วิธีพูดกับเธอ
- เฉพาะภาษาฮีบรู ในภาษาง่าย ๆ อธิบายทุกคำศัพท์เทคนิคในหนึ่งประโยค
- ไม่มีขีดยาว และไม่มีสัญลักษณ์ของการเขียน AI แม้แต่ในข้อความบนหน้าจอ
- การเรียกตาม
addressในไฟล์แบรนด์ (เพศหญิง, เพศชาย, พหูพจน์) ในคำบรรยายที่พูดถึงผู้ชม ให้ใช้การเรียกเดียวกัน - ไม่ขอรหัสผ่าน, คีย์ API หรือโทเคนในแชท
- เสนอเครื่องมือฟรีก่อน เครื่องมือที่ต้องเสียเงินมีเฉพาะเมื่อไม่มีทางเลือกอื่น และบอกล่วงหน้าว่ามีค่าใช้จ่าย
ถ้าผู้ใช้เพิ่งติดตั้ง หรือขอความช่วยเหลือในการติดตั้ง
ผู้ใช้หลายคนไม่คุ้นเคยกับเทอร์มินัล คุณต้องรันคำสั่งแทนเธอ และอธิบายสั้น ๆ ว่าคำสั่งแต่ละคำสั่งทำอะไร
- เครื่องมือที่ขาดหาย:
scripts/setup.shแสดงว่าขาดอะไร เสนอติดตั้งให้เธอ (Mac:brew install ffmpeg node python, Windows:winget install ffmpeg,winget install OpenJS.NodeJS) หลังจากเธอยืนยัน ถ้าไม่มี brew หรือ winget ให้ลิงก์ดาวน์โหลดและอธิบายสั้น ๆ - หลังจากติดตั้ง ให้อ่านไฟล์นี้และดำเนินการต่อด้วยคำถามเปิด โดยไม่ต้องขอให้เธอเปิดแชทใหม่
- ปัญหาที่พบบ่อย: สิทธิ์ บอกให้เธอคลิก "อนุญาต" เมื่อขอสิทธิ์รันคำสั่ง และบอกว่าปลอดภัยในโฟลเดอร์ของโปรเจกต์นี้
ครั้งแรก: คำถามเปิด (แบรนด์)
ถ้าไม่มีไฟล์ ~/.reels-bemo-yadayich/brand.json ให้ถามก่อนการตัดต่อทุกครั้ง ในข้อความเดียว:
-
ชื่อธุรกิจและชื่อผู้ใช้ Instagram
-
สี่สี: พื้นหลังสีอ่อน (
background), สีหลักเข้มสำหรับหัวข้อ (primary), สีเน้นสำหรับคำเดียว (accent), สีสำหรับข้อความบาง (text) -
สองฟอนต์: หนึ่งหนาสำหรับคำสำคัญ และหนึ่งบางสำหรับคำเชื่อม เฉพาะฟอนต์ที่มีภาษาฮีบรูจาก Google Fonts (ดู
references/hebrew.md)ไม่มีสีหรือฟอนต์? ไม่เป็นไร และธุรกิจขนาดเล็กส่วนใหญ่อยู่ในสถานการณ์นี้ อย่าส่งให้เธอสร้างแบรนด์ก่อน เสนอชุดสำเร็จรูปหรือพาเล็ตตามธุรกิจด้วยสามคำถาม:
references/presets.mdวิธีนี้รีลแรกจะออกในวันนี้ -
โลโก้: เส้นทางไปยังไฟล์ PNG ที่มีพื้นหลังโปร่งใส สามารถข้ามได้
-
การเรียกผู้ชม: เพศหญิง, เพศชาย หรือพหูพจน์
-
เสียงประกอบ: ละมุน (ค่าเริ่มต้น) หรือเด่นชัดขึ้น บันทึกตาม
brand.example.jsonและแสดงตัวอย่างคำบรรยายหนึ่งคำด้วยสีและฟอนต์ที่เธอเลือก (snapshot) ก่อนรีลแรก ทุกความคิดเห็นของเธอที่เป็นกฎ ("ไม่ชอบทอง", "เสียงน้อยลง") ให้ใส่ในnotesในไฟล์แบรนด์ พร้อมวันที่ อ่านรายการนี้ตอนเริ่มรีลทุกครั้ง
ก่อนอื่น: รีลแบบไหน?
ถามตอนเริ่มต้น ถ้ายังไม่ชัดเจนจากข้อความ:
- ถ่ายวิดีโอ (ดีที่สุดสำหรับความน่าเชื่อถือ): วิดีโอของเธอที่พูด กระบวนการเต็มด้านล่าง
- เสียงอย่างเดียว: เธอบันทึกเสียงตัวเองด้วยแอปบันทึกเสียงบนโทรศัพท์ โดยไม่มีวิดีโอ
- ข้อความอย่างเดียว: ไม่มีเสียงและไม่มีวิดีโอ มีแค่คำศัพท์และแอนิเมชัน และเพลงที่เพิ่มใน Instagram
ขั้นตอนการทำงาน
SK=<โฟลเดอร์ของสกิล>; P=<โฟลเดอร์ของโปรเจกต์>
bash $SK/scripts/setup.sh $P # หนึ่งครั้งต่อรีล ตรวจสอบเครื่องมือ ติดตั้ง คัดลอกฟอนต์และเทมเพลต
- คัดลอกก่อน ก่อนออกแบบ: ส่งข้อความทั้งหมดที่จะปรากฏบนหน้าจอ (บรรทัด, คำเน้นในแต่ละประโยค, ข้อความปุ่ม) และคำบรรยายโพสต์ให้เธอ รอการยืนยัน
- ตรวจสอบวัสดุ:
bash $SK/scripts/inspect.sh <clip> $P/inspect. หน้าเฟรม, ความเงียบ และคลื่นเสียง เลือกเฟรมเปิดที่ผ่อนคลาย (ไม่กลางคำ, ไม่ขณะกระพริบตา) - เลือกเทคและเชื่อมต่อ: รายการใน
segs.txt(ไฟล์ เริ่มต้น สิ้นสุดในแต่ละบรรทัด) ตัด ในช่วงเงียบ ไม่ใช่ตามเวลาคำพูด (การถอดความคลาดเคลื่อนสูงสุด 0.3 วินาที) ถ้าพูดประโยคเดียวกันหลายครั้ง ให้ใช้ครั้งสุดท้ายpython3 $SK/scripts/join.py segs.txt $P/media/talk.mp4. ได้ไฟล์เดี่ยวที่มีการเชื่อมต่อแบบนุ่มนวล และรายการเวลาที่เชื่อมต่อในtalk.mp4.joins.json(คัดลอกไปjoinsในreel.json) - ถอดความ:
python3 $SK/scripts/transcribe.py $P/media/talk.mp4. คำต่อคำพร้อมเวลา เก็บในtalk.mp4.words.json - เสียงสะอาด:
python3 $SK/scripts/clean_pauses.py $P/media/talk.mp4 $P/media/voice.wav. ลดเสียงทุกอย่างระหว่างคำพูดของเธอเหลือ 2%: เสียงในห้อง, แอร์, ถนน - แยกพื้นหลัง:
bash $SK/scripts/cutout.sh $P $P/media/talk.mp4. ประมาณหนึ่งวินาทีต่อเฟรมบน CPU ปกติ รีลหนึ่งนาทีใช้เวลาประมาณครึ่งชั่วโมง รันในพื้นหลัง - คำบรรยาย:
python3 $SK/scripts/draft_captions.py media/talk.mp4.words.json(จากใน$P) เขียนร่างไปยังreel.jsonแก้ไขการสะกดตามที่อนุมัติ และเลือก คำที่มีอารมณ์หนึ่งคำ ต่อคำบรรยาย ("accent": true) - คลิปเสริม (B-roll), ฮุคใหญ่, ปุ่ม, โลโก้: เติมใน
reel.json(โครงสร้างในtemplate/reel.example.json, คำอธิบายในreferences/craft.md) หนึ่งไอเดียต่อรีลในcustom.js(ตัวอย่างในreferences/ideas.mdและreferences/motion.md) - เฟรมเพื่ออนุมัติก่อนเรนเดอร์เต็ม:
python3 build.py && npx hyperframes lint && npx hyperframes snapshot --at <วินาที> --no-end -o snaps --describe falseส่งให้เธอ 3 ถึง 5 เฟรม การเรนเดอร์ใช้เวลานาที การสร้างเฟรมใช้เวลาครึ่งนาที 8ก. ตรวจสอบในเฟรมว่าบรรทัดสูง 260: ข้อความทั้งหมดอยู่ใต้บรรทัดนี้ และปุ่มและคำกระตุ้นการดำเนินการอยู่เหนือ 1660 และไม่ชนคาง - เรนเดอร์:
npx hyperframes render -o out.mp4 --quietถ้า Chrome ไม่ขึ้นครั้งแรก (timeout) ให้ลองอีกครั้ง - เสียงและเอฟเฟกต์เสียง:
python3 $SK/scripts/finish.py out.mp4 media/voice.wav "<ชื่อ>.mp4" cues.jsonระดับความดัง 14 LUFS ที่ 48kHz - ตรวจสอบ:
bash $SK/scripts/qc.sh "<ชื่อ>.mp4" <วินาที>ความยาว, ความดัง, สีดำ, ภาพค้าง, ความเงียบ และการกระโดด อย่าส่งถ้ามี "การกระโดด" ในรายการ ยกเว้นเป็นทรานซิชันที่ตั้งใจ ในรีลข้อความอย่างเดียว ความเงียบและความดังต่ำเป็นปกติ - ส่งมอบ: สูงสุด 30MB สำหรับแชท และ 16MB สำหรับ WhatsApp สำหรับขนาดเป้าหมาย: สอง pass ด้วยอัตราบิตคงที่ (
references/craft.md)
ไม่ต้องถ่ายวิดีโอ (เสียงอย่างเดียวหรือข้อความอย่างเดียว)
ถ้าไม่มี subject ใน reel.json เทมเพลตจะสร้างรีลโดยไม่มีตัวละคร: คำบรรยายที่ไม่มีคลิปเสริมด้านล่างจะเลื่อนไปกลางหน้าจอและใหญ่ขึ้น และด้านหลังข้อความจะมีจุดไฟสองจุดที่เคลื่อนไหวช้า ๆ ด้วยสีของแบรนด์ ("glow": false ปิด) การข้าม: ไม่มีการตัดเทค (ขั้นตอน 2), ไม่มีการแยกพื้นหลัง (ขั้นตอน 5), และไม่มี big, joins หรือ fadeOut
- เสียงอย่างเดียว: ขั้นตอน 3 และ 4 กับไฟล์เสียงเอง (
transcribe.pyและclean_pauses.pyรองรับ m4a หรือ mp3 ด้วย) ถ้ามีหลายเทค ให้ตัดและเชื่อมต่อด้วย ffmpeg (atrimและconcat, fade 20ms ในแต่ละข้อต่อ) คำบรรยาย:draft_captions.pyตามปกติ จากนั้นลบsubject,big,joinsและfadeOutที่มาจากตัวอย่างออกจากreel.jsonในfinish.pyเสียงคือmedia/voice.wav - ข้อความอย่างเดียว: เขียนข้อความที่อนุมัติลงใน
script.txt(บรรทัดที่ขึ้นต้นด้วย~คือบรรทัดบาง,*คำ*คือคำที่มีอารมณ์, บรรทัดว่างระหว่างคำบรรยาย) และรันpython3 $SK/scripts/text_captions.py script.txtสคริปต์จะจัดเวลาให้ตามอัตราการอ่านที่สะดวก (--pace 1.3ช้าลง) และกำหนดdurationในfinish.pyเสียงคือnone - เพลงในรีลที่ไม่มีเสียง: ดีที่สุดที่จะเพิ่มในแอป Instagram จากคลังของพวกเขา (มีลิขสิทธิ์) ถ้ามีไฟล์เพลงที่ใช้ได้ฟรี สามารถใส่ใน
cues.jsonด้วย"music": true - คำบรรยายสุดท้ายคงอยู่กับปุ่ม:
endของมัน =cta.untilมิฉะนั้นหน้าจอจะว่างก่อนคำกระตุ้นการดำเนินการ - ไม่มีใบหน้าที่ดึงดูดสายตา ดังนั้นการเคลื่อนไหวจึงทำงาน: หนึ่งเอฟเฟกต์หลักต่อสองหรือสามคำบรรยาย (
custom.js, ไอเดียในreferences/ideas.md) และคลิปเสริม: ภาพหน้าจอ, ภาพผลิตภัณฑ์, วิดีโอ AI สลับภาพทุก 2 ถึง 3 วินาที - ตัวละครที่สร้างด้วย AI (เช่นรูปของเธอที่ถูกทำให้เคลื่อนไหวด้วย Gemini) เป็นคลิปเสริมปกติ ในโพสต์ให้ทำเครื่องหมาย "ป้ายกำกับ AI" เมื่อวิดีโอดูสมจริง
การแก้ไข: ขอให้เธอเขียนตามวินาที ("วินาทีที่ 12: ข้อความถูกตัด") หรือส่งการบันทึกหน้าจอจากโทรศัพท์ สูงสุด 3 เรนเดอร์สำหรับปัญหาเดียวกัน จากนั้นหยุดและอธิบายสิ่งที่เหลืออยู่
กฎถาวร
- ฮุค: ในวินาทีแรกเธอต้อง ใหญ่, ครอบคลุมหน้าจอส่วนใหญ่, โดยมีตาใกล้กึ่งกลาง (
bigในreel.json) กลับไปขนาดปกติ ใต้คลิปเสริม ที่ครอบคลุมหน้าจอ เพื่อไม่ให้เห็นการเคลื่อนที่ เช่นเดียวกับคำกระตุ้นการดำเนินการตอนท้าย - ไม่มีอะไรบนใบหน้าและศีรษะ อย่างน้อย 80 พิกเซลจากเส้นผมหรือผ้าคลุมศีรษะ ตรวจสอบในเฟรมที่ใกล้ที่สุด
- คำบรรยายสามระดับ ในสามบนของหน้าจอ: คำเชื่อมด้วยฟอนต์บาง, คำสำคัญด้วยฟอนต์หนา, และคำที่มีอารมณ์หนึ่งคำ ด้วยสีเน้น แต่ละคำปรากฏตรงเวลาที่พูด มีแค่ชั้นคำบรรยายชั้นเดียว
- หนึ่งเอฟเฟกต์ที่อธิบายประโยค จากนั้นกลับสู่ความเงียบ ช่วงเงียบก่อนจุดพีคจะเพิ่มน้ำหนักให้พีค สูงสุดสี่เอฟเฟกต์ใหญ่ในรีล
- การเชื่อมต่อแบบไร้รอยต่อ: การผสานสั้น (join.py) และเบลอเสี้ยววินาที (เทมเพลต) ไม่มีการตัดขาดอย่างรุนแรงที่ข้อต่อ
- คลิปเสริม: แต่ละคลิปคือ การถ่ายต่อเนื่องครั้งเดียว (วิดีโอ AI อาจมีหลายช็อต ตรวจสอบด้วย
qc.shบนคลิป) จากขอบหนึ่งไปอีกขอบจนถึงด้านล่างของหน้าจอ เข้าและออกแบบ fade คลิปสองอันติดกัน อันแรกคงอยู่จนกว่าอันที่สองจะครอบคลุม - พื้นที่ปลอดภัยใน Instagram: ไม่มีอะไรสำคัญต่ำกว่า y=1660 และไม่เกินขวา x=1020 (ที่ข้อความและปุ่ม) และด้านบน: ไม่มีข้อความเหนือ y=260 หัวข้อของ Instagram ("Reels" และ "เพื่อน") อยู่ประมาณ 60 ถึง 170 โดยมีการไล่สีเข้มด้านล่าง และบรรทัดที่อยู่ตรงนั้นจะถูกกลืน วางแผนไว้ล่วงหน้า: คำบรรยายเริ่มที่ y=280 และตัวละครเลื่อนลงไปด้วย (เทมเพลตและสคริปต์การแยกถูกตั้งค่าไว้แล้ว) ใน Profile Grid จะเห็นเฉพาะตรงกลาง (3:4)
- ไม่มีการแฟลช เด็ดขาด
- เสียงประกอบ: เฉพาะในจังหวะที่เด่นของประโยค เพลง ถ้ามี จะเบากว่าเสียงพูด 18 ถึง 25dB Instagram ลดเสียงลงมากเมื่อเพิ่มเพลงจากคลังของมัน ดังนั้นเสียงสำคัญต้องดังพอ และเพลงในแอปต้องอยู่ที่ 1/4 ถึง 1/3
- วนซ้ำ: ตอนจบเชื่อมต่อกับตอนเริ่มต้น
- ข้อความภาษาฮีบรูไม่ถูกสร้างภายในรูปภาพหรือวิดีโอ AI ข้อความจะถูกใส่ในเทมเพลต
ไฟล์อ้างอิง
references/craft.md: โครงสร้างreel.json, ฮุคใหญ่, คลิปเสริม, ปุ่มและลูกศร, การส่งมอบ, ปัญหาที่พบบ่อยreferences/motion.md: กฎการเคลื่อนไหวทั้งหมด, เส้นโค้งและระยะเวลา, เทคนิคการเบลอ, สูตรและพจนานุกรมเอฟเฟกต์references/hebrew.md: ฮีบรูจากขวาไปซ้าย, อังกฤษในฮีบรู, ฟอนต์ที่มีฮีบรู, การันต์references/presets.md: สี่ชุดสีและฟอนต์สำเร็จรูป และการสร้างพาเล็ตด้วยสามคำถาม สำหรับคนที่ไม่มีแบรนด์references/ideas.md: ธนาคารไอเดียสำหรับเอฟเฟกต์หลัก และวิธีคิดไอเดียใหม่จากเนื้อหาassets/sfx/: 31 เสียงสั้นภายใต้ใบอนุญาต CC0 (แหล่งที่มาในCREDITS.json)