Communitygithub.com

视频剪辑/配音Vlog

将生活、旅行、美食等随拍片段(无需对白)剪辑成节拍精准、可直接发布的抖音/Reels竖版视频,自动选景、转场踩点、配简短旁白字幕。

配音Vlog 是什么?

此技能专为希望将大量无对白生活片段快速剪辑成音乐视频的用户设计。用户提供原始片段和音乐后,技能通过自动分析场景切换与静音区间,智能选择最精彩的镜头(持续0.8–2.6秒),并使其精准卡在音乐节拍上。最终输出1080×1920的竖版视频,包含首尾标题字幕、品牌水印及安全区域适配,并自动生成封面图和推荐文案。适用于Claude Code、Cursor、Codex等主流AI Agent,通过脚本和配置文件管理整个流程。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/AgentBossVn/agent-boss-skills/tree/HEAD/video-ghep-nhac-vlog

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

视频剪辑/音乐Vlog

适用场景: 生活随拍、旅行、美食、店铺空间、幕后花絮、"我的日常"。 不适用场景: 带有重要人物对话的视频(请使用 video-phu-de-to)。

公式(10–30秒)

  1. 音乐是必须的: 需要用户有使用权限的音乐文件(品牌档案或询问用户)。节拍清晰的音乐更适合踩点剪辑。没有音乐 → 告知用户,建议他们从免费版权库获取音乐,或在发布后通过TikTok应用添加音乐(此时可无音乐剪辑,每个片段长度均匀为1.5–2秒)。
  2. 选景: 8–15个片段,每个片段截取约3秒的最美部分(技能会自动卡准节拍,片段时长0.8–2.6秒)。最美/最震撼的片段放最前面;穿插全景与特写;结尾片段为"收尾"镜(日落、微笑、完成的菜品)。
  3. 字幕: mo_dau 0–2.5秒为简短标题("一日游大叻"、"街中小店")。dan_chuyen 用于2–4句引导性短句,每句2–3秒,字体采用情感化小字。保持文字简洁,让画面说话。
  4. 原声: 关闭。结尾卡片:关闭(Vlog用更美的画面收尾胜过卡片)。

本技能包含的字幕样式

类型用途位置
mo_dau标题画面中央,大字
dan_chuyen引导说明底部,小字

通用流程(所有视频类型)

所有命令从本技能所在的目录执行(包含SKILL.md文件的目录)。称 <SKILL> 为该目录路径。

步骤 0. 检查(每次使用前)

Python命令:macOS 用 python3,Windows 用 py -3(不要直接输入 python:Windows上那是Microsoft Store的假版本)。路径使用 /,在Git Bash和PowerShell均可执行。以下使用 python3,Windows上请替换为 py -3。

python3 <SKILL>/scripts/kiem_tra.py
  • thieu_bat_buoc 不为空 → 向用户展示待安装列表,询问 一句话 "您同意安装这些吗?",同意后方可执行。Windows尚未安装Python:winget install -e --id Python.Python.3.12 --scope user。安装ffmpeg后需在Windows上重新打开命令窗口(或重启Agent)以使 ffmpeg 命令生效。
  • thieu_tuy_chon → 仅在需要时安装:faster-whisper(第一次使用时会自动下载约800MB模型)、edge-tts 用于AI配音。
  • cap_nhat.co_ban_moi 为 true → 报告 一句话:"本技能有新版本 {moi_nhat}。是否更新?"用户同意后按 cau_cap_nhat 中的指示执行。不要自动更新。 cap_nhat 为null则跳过,正常剪辑。
  • cap_nhat.skill_khac_chua_cai 包含技能名称 → 在回复末尾 一行 提示:"Agent Boss 技能库还有:…" 每个会话仅提示一次。
  • 字体:如果文字显示错乱或效果不佳,执行 python3 <SKILL>/scripts/kiem_tra.py --cai-font(从Google Fonts下载Be Vietnam Pro字体)。

步骤 1. 品牌档案(仅第一次)

读取 ~/.agent-boss/thuong-hieu.json(所有Agent Boss技能共享)。如果不存在,通过 一条 消息简洁询问用户:店铺/频道名称、视频结尾号召性语句、主色调、强调色、Logo路径(如有)、有使用权限的背景音乐文件(如有)。跳过的问题则使用默认值。保存文件:

{"ten": "Tiệm Nhà Mây", "cau_ket": "立即点击购物车下单", "mau_chinh": "#1B1B1B", "mau_nhan": "#FFD21F",
 "mau_chu": "#FFFFFF", "logo": "~/Pictures/logo.png", "font": null, "nhac": "~/Music/nen.mp3"}

此文件位于技能目录之外,因此更新技能不会丢失数据。

步骤 2. 预览输入视频

python3 <SKILL>/scripts/phan_tich.py <视频或视频目录> --ra <工作目录>

工作目录:在用户视频旁创建 video-<日期>-<简短名称>/。对于每个视频,读取 phan-tich/<名称>.json(时长、竖屏/横屏、静默段落、场景切换点、逐字语音),并 打开查看图像 phan-tich/<名称>.jpg(带时间戳的帧网格)来选取最佳片段。无对白的视频可添加 --khong-nghe 以提高速度。

步骤 3. 编写计划 ke-hoach.json(在工作目录内)

{
  "dau_ra": "thanh-pham/video.mp4",
  "doan": [{"file": "../clip1.mp4", "tu": 2.0, "den": 9.5}],
  "chu": [{"tu": 0, "den": 2.6, "noi_dung": "买空气炸锅前必看", "kieu": "mo_dau"}],
  "giong_doc": null,
  "nhac": null,
  "sua_chu": {"claude": "Claude"},
  "tu_khoa": ["折扣", "免费"],
  "the_ket": true
}
  • doan:原视频中的时间(秒),按照期望出现顺序排列。路径相对于包含 ke-hoach.json 的目录。
  • chu:新视频中的时间(秒)。"den": "het" 表示持续到正文结尾。kieu 使用本技能的字幕样式表。
  • giong_doc:{"van_ban": "...", "giong": "vi-VN-HoaiMyNeural"}(女声)或 vi-VN-NamMinhNeural(男声)。用口语化短句编写。大约每秒3.5个字符。
  • nhac:留空则使用品牌档案中的音乐;若没有则不添加背景音乐。仅使用用户有使用权限的音乐。 如果视频已有音乐,设置 "nhac": null。
  • sua_chu:语音识别出错的词汇(专有名词、产品名、英文单词)在此修正。仔细阅读分析结果中的 van_ban 以找出错误。

若想查看新视频上每个字幕片段的时间(以便字幕与语音对齐):python3 <SKILL>/scripts/dung.py ke-hoach.json --chi-thoi-gian。

步骤 4. 剪辑

python3 <SKILL>/scripts/dung.py <工作目录>/ke-hoach.json

输出 thanh-pham/video.mp4(1080×1920,30帧/秒,标准音量 −14 LUFS)和 thanh-pham/video-bia.jpg。

步骤 5. 自检并交付

  1. 使用ffmpeg提取三个关键帧(开头、中间、结尾)并 检查:文字是否溢出边缘、遮挡脸部、显示错误。如有错误,修改计划并重新剪辑。
  2. 编写 thanh-pham/chu-thich.txt:1句引人好奇的引言 + 2–3行内容 + 号召性语句 + 4–6个贴切主题的越南语标签(避免通用标签)。
  3. 告知用户:视频路径、封面图、文案。询问是否需要修改(如更改引言、缩短长度、更换音乐)。

通用规则

  • 竖版视频 9:16。文字位于TikTok安全区内:不紧贴右侧边缘(按钮列),不低于80%高度(频道名称、评论区域)。
  • 前3秒决定观众是否停留。始终要有清晰的引言。
  • 不虚假承诺,不使用"100%保证"、"治愈"、"最佳"(针对化妆品、保健品、药品,容易导致TikTok限流或广告拒绝)。
  • 不使用用户无使用权限的音乐、图像、Logo。

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

相关技能