NAVI: 自然 AI 演示视频
NAVI 将“制作 X 的演示”转化为带字幕的成品 MP4：无需真人出镜，无需麦克风，声音听起来像真人在解释，而不是机械朗读。
状态： 开发中。
ui/中的本地应用已使用示例数据完成开发。引擎（语音、时间、录制、模糊、渲染）正在构建中。在功能可用之前，请直接告诉用户哪些步骤可以实际运行，哪些尚不可用。切勿假装某个步骤已执行。
首先：检查您在哪里运行
NAVI 必须在用户自己的计算机上运行：它会在用户的浏览器中打开一个本地应用，打开第二个浏览器窗口供用户登录测试账号，录制屏幕并将密钥保存在用户钥匙串中。这在 Claude Code（终端、IDE 或桌面应用的 Code 选项卡）中运行。
如果您在云端沙箱中运行（普通的 claude.ai 对话，或任何没有用户本机访问权限的会话），请立即用一两句话说明：NAVI 需要用户计算机上的 Claude Code 才能进行录制，而在这里您仍然可以编写和完善脚本（说话版加字幕版），以便稍后录制。不要尝试在沙箱中安装、录制或调用 ElevenLabs。
何时使用
- “制作一个关于 <网站或应用> 的演示视频/导览/产品介绍/教程”
- “录制如何在 <网页应用> 中 <任务>，并配语音解说”
- “重做我的演示第 3 部分”、“让它更冷静一点”、“在 1:20 处模糊邮箱地址”
不适用于：桌面应用、有真人出镜的视频、声音克隆。
基本规则（始终遵守）
- 切勿在网站中输入密码、验证码或密钥。 浏览器会打开，由用户自行登录，最好使用测试账号和虚假数据。
- 切勿打印、记录或提交 ElevenLabs 密钥。 仅从钥匙串或用户的本地密钥文件中读取。始终仅将其发送给 ElevenLabs。
- 安装任何内容之前先询问（Playwright、ffmpeg、计时模型）。说明安装内容及大致大小。
- 在消耗积分之前显示积分成本（样本、录制、重做）。
- 隐私等级不是可选的。 等级 1 始终模糊。当用户开启金钱数字或其他人的数据时发出警告。
- 切勿为了适应视频而暂停或加速语音。 视频应保持或拉伸以匹配语音。
- 明确说明模糊能降低风险，但不能降至零。 用户必须在发布前自行观看。
流程
0. 首次运行（一次性）
- 要求提供 ElevenLabs API 密钥（Starter 计划及以上，文本转语音访问权限）。测试密钥并显示剩余积分。将其存储在系统钥匙串（macOS）或技能文件夹外的本地文件中（Linux），仅用户本人可读。
- 检查 Playwright、ffmpeg 和计时模型。询问后，安装缺失的组件。
- 询问用户首先演示哪个网站，打开浏览器让其登录。按站点保存会话。
- 返回用户跳过以上所有步骤。只需按演示更改网站即可。
1. 简报
用尽可能少的问题获取以下信息：要展示什么、哪个网站、观看对象（初学者 / 有一定经验 / 专业人士）、时长（1、3、5 或 8 分钟）、需要屏蔽的内容、以及使用哪个声音。除非用户另有说明，字幕和角标使用用户的保存默认值（字幕烧录，无角标）。切勿添加用户未要求的水印、品牌名称、“仅供示意”标签或任何其他叠加内容。 使用合理的默认值，而不是事无巨细地询问。新网站意味着需要一次性登录。
如果用户中途改变方向（“改为制作付款页面的演示”），保留当前演示作为草稿，并根据用户新说的话开始新的简报。
2. 探索
使用 Playwright 和保存的会话打开网站。绘制屏幕映射、任务所需的确切点击和输入字段，以及任何加载缓慢的内容。不要更改真实数据；坚持使用测试账号。
3. 脚本
将视频分成短小段落（每段约 15 到 35 秒）。为每段写两行：
- 说话版（语音说的内容）：真人实际口头解释的方式。在画面值得时加入适当的小重启、反应和观点；极少填充词。
- 字幕版（显示的内容）：干净、简短、无填充词。
遵循 reference/voice-rules.md。并排显示两个版本，获得批准后再消耗任何积分。
4. 语音
- 从该声音针对此类演示（课程导览、快速 SaaS 演示、产品介绍）的推荐设置开始。
- 滑块及其安全范围：随意度 3 到 8，能量 1 到 6，语速 0.94x 到 1.08x，犹豫音 0 到 3，呼吸声 0 到 2，脏话 0 到 2（切勿在指令内部使用；除非用户要求，否则字幕保持干净）。
- 文本预览免费。一个音频样本大约消耗 300 积分；首次试听语音大约消耗 120 积分。
- 倾向于冷静：更高的稳定性和放松的语调。避免高亢的单行词。不要添加呼吸标签。
- 如果用户希望整个系列使用一个声音，则将其锁定到项目中。
5. 隐私
在录制前应用等级：
- 始终模糊： API 密钥和令牌、密码、2FA 和恢复代码、银行卡和银行账号、身份证号码、私钥、登录链接。
- 除非允许，否则模糊： 邮箱地址、电话号码、真实姓名和照片、地址、金钱数字、客户详细信息、关注者和会员数量。
- 除非要求模糊，否则显示： 使用统计数据、公开价格、日期。
- 加上用户自己的隐藏词。
6. 录制
参见 docs/engine.md。简而言之：为每个部分生成一次连续录制，获取单词时间戳，将每个浏览器操作安排在其对应单词的时间点，录制，当操作执行超时时保持帧不变，切勿暂停音频。然后扫描帧，找出页面级模糊遗漏的任何内容。
7. 审阅
在本地应用中打开“审阅”步骤。用户标记特定时刻（听起来像 AI、需要模糊、太快）或输入注释。显示重做成本，然后仅重做标记的部分。记录标记及所使用的设置，以便语音默认值随时间改进。
8. 导出
应用演示的字幕设置（烧录、单独的 .srt 或关闭）和角标（关闭，或用户文本在所选角落）；更改为仅重新渲染，不消耗积分。将 MP4（1080p）、字幕（.srt，除非关闭字幕）和文字稿，以及可选的 720p 预览版，渲染到用户命名的文件夹中（默认为 ~/Movies/NAVI），以便视频可以直接放入其所属的项目。按演示标题命名文件。
您的数据
用户可以通过“设置”删除密钥（也提醒他们在 ElevenLabs 中撤销）、忘记保存的登录信息、重置设置，或删除 NAVI 保存的所有内容。完成的视频绝不会被触碰。卸载意味着同时删除此技能文件夹。
文件
-
reference/voice-rules.md：如何编写说话版脚本和生成听起来像人类的语音。在第 3 步之前阅读。 -
reference/recording-rules.md：如何随语音同步录制屏幕。在第 6 步之前阅读。 -
reference/privacy.md：模糊等级和警告。在第 5 步之前阅读。 -
config/defaults.json：滑块范围、预设、每个声音的设置和屏幕默认值 -
ui/index.html：本地应用（在浏览器中打开；参数?start=home|voice|review|settings，&theme=light|dark） -
ui/app.js：屏幕、状态和示例数据 -
docs/engine.md：录制、计时、模糊和渲染的工作原理