Short-video edit (pipeline OpenFilm)
O usuário é um editor profissional. Trabalhe no padrão dele: cada corte, número e som é verificado, nada é declarado "pronto" antes de ser examinado (quadros) e medido (níveis, verificação de plataforma).
Scripts: .claude/skills/short-video-edit/scripts/ (chame-os via run.py). Python 3.12, ffmpeg 9 (NVENC),
Node (para npx -y [email protected]), faster-whisper no CUDA, onnxruntime-directml (matting RVM) estão instalados.
python .claude/skills/short-video-edit/scripts/run.py <episode-dir> new|cut|subs|text|broll|bgm|all|look <t>
A pasta do episódio (episodes/<nome>/)
| arquivo | etapa | quem escreve |
|---|---|---|
episode.json | todas | fonte, título, out_name, speed (1.2), font (padrão Noto Sans SC Black; qualquer fonte CJK para a qual você tenha licença), bgm (id CC0 do OpenFilm), keywords (amarelo nas legendas), words (jieba), steps (pílulas STEP), cta, designer_cards, drive_folder (opcional) |
blocks.json | 1 | você: as takes, [{a, b, label, note}] em segundos da fonte |
subs.tsv | 2 | você: legendas revisadas start<TAB>end<TAB>text na linha do tempo cortada |
kinetic.json | 3 | você: grupos de ênfase (formato abaixo) |
cards.json, mg.json | 4 | você: cartões de dados e motion graphics |
work/ film/ out/ | scripts: intermediários, projeto OpenFilm, entregáveis |
Todos os tempos em subs/kinetic/cards/mg/steps/cta estão na linha do tempo cortada antes da aceleração. A velocidade é aplicada na entrega.
Etapa 1 — Corte bruto (粗剪 rough cut)
run.py EP new→ preencheepisode.json. Depoisrun.py EP cut(para após a preparação seblocks.jsonestiver vazio).- A preparação relata o equilíbrio esquerda/direita. Gravações de telefone e lapela frequentemente carregam a voz em APENAS UM canal
(o outro ≈ −25 dB): a entrega é feita em mono duplo a partir do lado bom automaticamente (
voice_channel). Nunca faça a média de L+R. - Leia
work/transcript.txtjunto ao PDF do roteiro. Compare o que ele disse com o roteiro e avise o usuário sobre desvios (especialmente números) — os números na tela seguem o que ele FALA, não o roteiro. - Escolha as takes para
blocks.json: a estrutura segue o roteiro; mantenha as elaborações extras; corte retomadas, falsos começos, vozes do teleponto, xingamentos, silêncio. A última take limpa de uma linha repetida vence, a menos que o usuário diga o contrário. Dentro de um bloco, pausas ≥ 0,45 s são apertadas automaticamente. run.py EP cutnovamente →out/cut_preview.mp4(com timecode queimado) + QC do corte. Mostre ao usuário e obtenha aprovação antes da etapa 2. "Emendas quentes" sinalizadas geralmente são respirações restantes (já com fade de 40 ms) — diga quais são.- Recortes posteriores: altere
blocks.json, executecutnovamente, depoisscripts/shift.py EP <cut_t> <delta>move todos os tempos manuais após a edição (delta = comprimento antigo − comprimento novo).
Etapa 2 — Legendas (识别字幕 captions)
run.py EP subs → subs_draft.tsv. Revise em subs.tsv: corrija palavras mal interpretadas (whisper frequentemente transforma uma
frase falada em caracteres sem sentido homófonos), ortografia em inglês, chinês simplificado, remova apartes fora do roteiro. Sinalize suposições ao usuário.
As legendas renderizam apenas uma linha: qualquer coisa mais larga que ~10 caracteres CJK se torna automaticamente a próxima legenda, com tempo baseado
em tempos de palavras, quebrada nos limites de palavras do jieba, nunca dentro de uma frase em inglês, nunca começando com 的/了/吗/」.
Etapa 3 — Texto cinético + som (字幕特效 + 音效 kinetic text)
Escreva kinetic.json. Escolha as frases de impacto, números, contrastes, títulos das etapas (≈ um a cada 5–8 s, não em janelas de cartões).
As legendas em execução se escondem automaticamente enquanto um grupo está ativo.
{"a": 34.20, "b": 35.72, "items": [
{"text": "会很", "x": 290, "y": 450, "fs": 96, "col": "W", "anim": "fade", "at": "会很"},
{"text": "丢脸", "x": 800, "y": 380, "fs": 210, "col": "R", "anim": "slam", "at": "丢脸", "v": true, "rot": 4}]}
at: uma frase que ele diz (resolvida para o tempo real) ou um número de segundos apósa.- x/y = centro em px em 1080×1920; mantenha y ≈ 380–700 (ao redor/acima da cabeça), x 200–880.
v: empilhamento vertical. - Segurança de título (padrão do usuário = guia interno de 10% do Premiere): tudo legível fica em x 108–972,
y 192–1728. O estágio
textmove qualquer item cinético que o ultrapasse de volta para dentro (imprime "title-safe … moved"), e a compilação recusa posições de legenda fora dele. Projete dentro dele desde o início;title_safeem episode.json substitui a caixa. col: W Y R C ou#hex;latin: Arial Black para inglês/números;italic;rotgraus.anim: fade drop rise slide_l slide_r pop slam type wave flip stamp split shake.deco: box underline strike check (desenhado após o texto pousar, com seu próprio som).- Sem contornos em nenhum texto (legendas, cinético, rótulos MG): apenas sombra suave em camadas — o gosto do usuário ("比较高级").
- Misture tamanhos (uma palavra de setup de 90 px + uma palavra de impacto de 150–230 px), misture vertical e horizontal, branco/amarelo/vermelho.
Segurança de aceleração (automática, o estágio
textimprime o que fez): as animações tocamspeed× mais devagar no filme para que pareçam como projetadas após a aceleração de 1,2×, e cada item recebe pouso + 0,45 s de espera (tempo real,kinetic_hold) + saída antes do fim do grupo — o grupo é estendido no tempo livre (nunca no próximo grupo / cartão preto / MG, máximo 1,2 s), caso contrário o item começa até 0,3 s antes de sua palavra. As legendas ainda retornam no tempo escrito. Leia o relatório; se um item começa muito antes de sua palavra, encurte o texto do grupo ou mova o próximo grupo. Cada animação e decoração recebe um som automaticamente (assets/sfx_library.json, OpenFilm CC0, variantes rotacionadas).run.py EP textconstrói o timing; verifique comlookapós a etapa 4.
Etapa 4 — B-roll e MG
- Clipes do designer (ProRes 4444 com alfa, ex. cartões
A下卡): liste-os emepisode.jsondesigner_cards{file, out_in, out_out, src_in}. Verifique os números deles primeiro contra o que ele fala — cartões do designer são feitos a partir do roteiro; se contradizem o que ele fala, reconstrua o cartão emcards.jsonno mesmo estilo e avise o usuário. - Cartões de dados (
cards.json, estilo designer):{a, b, badge, keep_bg_after?, rows:[step|value|big]}— step{t, y, num, title, sub}, value{t, y, label, value, t_value?, color: green|yellow|sub, strike?}, big{t, number, line}.[[word]]= amarelo. Durante os cartões o quadro fica preto, o cartão fica alto e o recorte do apresentador (matting RVM) fica no canto inferior esquerdo; as legendas se movem para cima dele. - MG (
mg.json): tipostarget(cresce embig_at),bucket(modeoverflow|fill,label),frost,checklist(rows,checks),breakdown(crack_at),cta(word= palavra-chave do comentário,gift_at); cada um comsfx[[t, id, in, out, file_peak, target_peak], ...]. Coloque MG em lacunas (sem cinético / cartão) e amarre-o às palavras. run.py EP brollrenderiza a placa (plate), aplica matting em cada janela cinética/MG em resolução total, decide frente vs atrás por item de texto (coberto > 25 %, ou número coberto > 10 % → na frente; senão atrás para profundidade; force comocclusion_overrides.json {"k07": [true, null]}), e escreve o projeto OpenFilm.- Verifique os quadros:
run.py EP look 35.4(imprime o PNG) — olhe para cada grupo/MG pelo menos uma vez, especialmente números. O usuário pode abrir o projeto no OpenFilm Studio e arrastar qualquer coisa.
Etapa 5 — BGM e entrega
run.py EP bgm: Renderização OpenFilm com motion blur (~20–30 min para 3 min), depois o som:
voz dual mono → aceleração → compressão → loudnorm −13 LUFS: picos de voz ficam entre 0 e −6 dB no medidor de nível
(padrão do usuário; equivalente do 剪映 ≈ +13 dB), pico real ≤ −1,2 dBTP; BGM em loop, ducking por side-chain ≈16 dB abaixo
da fala. Entrega out/<nome>.mp4 (+ .srt, _preview720.mp4 abaixo de 30 MB para o telefone, _levels.png), executa a
verificação TikTok/Reels e imprime RMS L/R (devem coincidir).
Etapa 6 — Finalização (定稿 final) (somente sob palavra do usuário)
Execute isso SOMENTE quando o usuário disser que esta versão é final (满意 / final / 定稿) — nunca por conta própria, nunca porque um
render passou. Primeiro run.py EP final --dry e informe ao usuário o resumo de uma linha (o que vai para 视频, quantos
vídeos / MB vão para a Lixeira), depois run.py EP final:
o out/<out_name>.mp4 final é movido para a pasta Windows Videos (%USERPROFILE%\Videos); todo outro vídeo do
episódio (versões, previews, preview de corte, mezanino, placa, recortes, renders, caches) vai para a Lixeira
(não permanente). O material de origem e os clipes do designer listados em episode.json (e keep) nunca são tocados; os
arquivos do projeto (json, subs, .srt, mattes) permanecem, para que o episódio possa ser reconstruído a partir da fonte. Adicione
--also <dir> para uma pasta de projeto antiga do mesmo episódio. out/FINAL.txt registra para onde o final foi.
Opcional: se episode.json definir drive_folder, o final também é copiado para essa pasta do próprio My Drive do usuário
via Google Drive para desktop (instalado, conectado, montado como letra de unidade); faz upload em segundo plano. Nunca copie
para uma pasta compartilhada do cliente a menos que o usuário diga. Se o Drive não estiver conectado, a etapa informa isso; após
o login, execute run.py EP final --upload-only.
Etapa 7 — Texto de publicação (发布文案) (quando o usuário disser 我要发布 / 发布这个视频)
Se o projeto tiver um skill de cópia de publicação, carregue-o e siga-o; caso contrário, escreva o título, corpo,
tags e texto da capa do 小红书 / TikTok a partir do subs.tsv deste episódio + roteiro em out/publish_copy.md. Não publique para o usuário.
Padrões e pegadinhas (aprendidos da maneira difícil)
- Gravações de iPhone são HDR (Dolby Vision HLG): o mezanino é mapeado de tom (mobius) para SDR BT.709. Nunca faça upload de HDR como está.
- Meça L/R antes de qualquer coisa (voz em um canal acontece). Nível da voz: medidor 0 a −6 dB.
- Molas:
slamusa uma mola firme com overshoot preso — nunca deixe a escala cair abaixo de ~0,94 (parecia que o texto encolhia). - Fontes: a fonte da legenda deve cobrir todos os caracteres (verifique com fontTools); fontes/SFX em cache do 剪映 são licenciadas apenas para 剪映 — use uma externa somente quando o usuário confirmar uma licença.
- Rascunhos do 剪映 11.x são criptografados: sem round-trip de código; entregue mídia + SRT se o usuário quiser finalizar no 剪映.
- Antes de cada render, use
looknos momentos alterados; depois dele, informe a verificação da plataforma, loudness, pico real e L/R. - Renders longos rodam em segundo plano; nunca afirme que um render está pronto antes de estar.