Communitygithub.com

视频大字幕(对话、分享类)

将对话/分享类视频(人物出镜、播客、直播)一键剪成 TikTok/Reels/Shorts 竖版短视频,自动剪掉空白和结巴段落,添加居中的越南语大号字幕并高亮关键词,动态缩放画面保持节奏,把最精彩的一句话放在开头,配背景音乐,结尾加上品牌卡片。适合用户拍摄了自己说话的素材,想要“剪辑后发 TikTok”、“加字幕”、“精简内容”。

视频大字幕(对话、分享类) 是什么?

这个技能专为制作竖版短视频设计,目标平台是 TikTok、Reels 和 Shorts。它能自动处理用户自行拍摄的说话类视频(包括出镜讲解、播客、直播片段),核心特色包括:智能裁剪掉所有超过 0.3 秒的静音或结巴段落;提取对白中最具吸引力的句子作为开头 3 秒的“钩子”;为越南语对话生成居中的大号字幕,并高亮 5-10 个关键词(数字、结果、痛点),关键词长度为 1-2 个词时还会放大并倾斜显示。此外,它会根据节奏自动缩放画面(放大/缩小),添加轻柔的背景音乐(用户自备且拥有版权),并在视频末尾自动添加品牌名称和行动号召语。该技能通过结构化的工作流实现,包含品牌档案 JSON、分析脚本、计划 JSON 和最终渲染脚本。用户需要先运行环境检查,确认安装了 Python、ffmpeg 和必要 Python 包(如 faster-whisper)。技能设计严格遵循平台安全规范:确保字幕位于 TikTok 安全区域内,不做出虚假承诺,不使用未授权内容。最终输出 1080×1920 的 30fps MP4 视频、封面图以及适配社交媒体的文案。

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

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

视频大字幕(对话、分享类) 是做什么的?

适用场景: 人物出镜、经验分享、短课、来自播客或直播的剪辑。 不适用场景: 无语音视频(请使用 video-ghep-nhac-vlog),产品特写视频(请使用 video-mo-hop-san-pham)。

公式

  1. 时长: 30–90 秒。如果原视频更长,则选取一个完整且最精彩的观点(根据分析中的 van_ban 来判断),不要将多个观点剪得支离破碎。
  2. 开篇句(前 3 秒): 找到台词中最引人好奇或最具冲击力的句子。将其作为 doan 的第一段(往前截取),再按顺序接正文。同时,添加 mo_dau 文本(0-2.6 秒):一句简短的问题或承诺,不超过 8 个字,全部大写。
  3. 静音修剪: 自动执行(删除所有超过 0.3 秒的静音)。在 sua_chu 中添加所有语音识别错误的词,尤其是专有名词和英文单词。
  4. 关键词: 选取 5–10 个最有力的单词/短语(数字、结果、痛点)填入 tu_khoa:字幕会高亮标注这些词;长度为 1-2 个词的关键词会以放大和斜体显示。
  5. 视频中间的字幕(可选): 使用 nhan 类型作为转场副标题(例如“第二步”、“错误 #1”)。
  6. 音乐: 轻柔,低于人声。如果没有可用音乐,留空即可,仍然能出片。
  7. 结束卡片: 开启("the_ket": true)——显示品牌档案中的频道名称和行动号召句。

本技能中的文字样式

类型用途位置
mo_dau前 3 秒的开头句屏幕上方,白字黑边
nhan转场标题屏幕上方,彩色背景

通用流程(所有视频类型)

所有命令都在本技能所在目录(包含 SKILL.md 的目录)中运行。将 <SKILL> 视为该目录的路径。

第 0 步:环境检查(每次使用前)

Python 命令:macOS 使用 python3,Windows 使用 py -3(不要直接输入 python:Windows 上的默认 Python 可能是 Microsoft Store 的虚假版本)。路径分隔符使用 /,可在 Git Bash 和 PowerShell 中运行。下文统一写 python3,Windows 上请替换为 py -3。

python3 <SKILL>/scripts/kiem_tra.py
  • thieu_bat_buoc 非空 → 向用户显示将要安装的依赖列表,询问一句话“您同意安装这些依赖吗?”,只有在用户同意后才执行安装。Windows 上尚未安装 Python 时:使用 winget install -e --id Python.Python.3.12 --scope user。在 Windows 上安装 ffmpeg 后,必须重新打开命令行窗口(或重启 Agent)才能识别 ffmpeg 命令。
  • thieu_tuy_chon → 仅在需要时安装:faster-whisper 用于从语音生成字幕(首次使用时自动下载约 800 MB 的模型),edge-tts 用于 AI 配音。
  • cap_nhat.co_ban_moi 为 true → 用一句话通知:“本技能有新版本 {moi_nhat}。是否更新?”。用户同意后,严格按照 cau_cap_nhat 中的描述执行更新。不要自动更新。 如果 cap_nhat 为 null,则跳过,正常剪辑。
  • cap_nhat.skill_khac_chua_cai 包含名称 → 在回复的末尾用一行提示:“Agent Boss 工坊中还有:……”。每次会话只提示一次。
  • 字体:如果字幕出现乱码或显示不佳,运行 python3 <SKILL>/scripts/kiem_tra.py --cai-font(从 Google Fonts 下载 Be Vietnam Pro 字体)。

第 1 步:品牌档案(仅首次使用)

读取 ~/.agent-boss/thuong-hieu.json(所有 Agent Boss 技能共用)。如果该文件不存在,用一条消息简洁地询问用户:店铺/频道名称、视频结尾的号召行动句、主色调、强调色、Logo 路径(如有)、用户拥有使用权限的背景音乐文件(如有)。对于跳过的问题使用默认值。写入文件:

{"ten": "云朵小店", "cau_ket": "点击购物车立即下单", "mau_chinh": "#1B1B1B", "mau_nhan": "#FFD21F",
 "mau_chu": "#FFFFFF", "logo": "~/Pictures/logo.png", "font": null, "nhac": "~/Music/nen.mp3"}

该文件位于技能目录之外,因此更新技能时不会丢失。

第 2 步:检查输入视频

python3 <SKILL>/scripts/phan_tich.py <视频路径或目录> --ra <工作目录>

工作目录:在用户视频所在的同级目录下创建 video-<日期>-<简短名称>/。对于每个视频,读取 phan-tich/<名称>.json(长度、竖版/横版、静音段、场景变化点、逐字转录的语音),并打开图片 phan-tich/<名称>.jpg(带时间戳的帧网格)来选取出色的片段。如果视频没有语音,添加 --khong-nghe 参数以加快处理速度。

第 3 步:编写 ke-hoach.json 计划文件(位于工作目录中)

{
  "dau_ra": "thanh-pham/video.mp4",
  "doan": [{"file": "../clip1.mp4", "tu": 2.0, "den": 9.5}],
  "chu": [{"tu": 0, "den": 2.6, "noi_dung": "买空气炸锅前先看这个", "kieu": "mo_dau"}],
  "giong_doc": null,
  "nhac": null,
  "sua_chu": {"cờ lốt": "Claude"},
  "tu_khoa": ["打折", "免费"],
  "the_ket": true
}
  • doan:原视频上的时间点,按想要出现的顺序排列。路径相对于 ke-hoach.json 所在目录。
  • chu:新视频上的时间点。"den": "het" 表示直到主体部分结束。kieu 取自此技能的字幕样式表。
  • giong_doc:{"van_ban": "...", "giong": "vi-VN-HoaiMyNeural"}(女声)或 vi-VN-NamMinhNeural(男声)。以自然的对话风格编写旁白,使用短句。大约每秒 3.5 个词。
  • nhac:留空则使用品牌档案中的音乐;如果没有则不添加背景音乐。仅使用用户拥有使用权限的音乐。 如果视频本身已包含音乐,则设为 "nhac": null。
  • sua_chu:语音引擎听错的词(专有名词、产品名、英文词)在此处修正。仔细阅读分析结果中的 van_ban 来发现错误。

如果需要了解新视频上每个字幕片段的时间(以便使字幕与语音同步):运行 python3 <SKILL>/scripts/dung.py ke-hoach.json --chi-thoi-gian。

第 4 步:渲染

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

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

第 5 步:自查并交付

  1. 使用 ffmpeg 抽取三帧(开头、中间、结尾)并查看:字幕是否溢出边缘、遮挡人脸、或标点错误。如有问题,修改计划文件并重新渲染。
  2. 编写 thanh-pham/chu-thich.txt:1 句引人好奇的开场白 + 2–3 行内容概述 + 行动号召 + 4–6 个与主题紧密相关的越南语标签(不要填充通用标签)。
  3. 告知用户:视频路径、封面图路径、文案。询问是否要修改内容(更改开场句、缩短视频、更换音乐)。

通用规则

  • 竖版视频 9:16。字幕位于 TikTok 安全区域内:不要紧贴右侧边缘(按钮区域),不要低于画面高度的 80%(频道名称和评论区域)。
  • 前 3 秒决定观众是否停留。始终有清晰的开场句。
  • 不做出不实承诺,对于化妆品、保健品、药品不使用“100% 保证”、“治愈”、“最好”等词汇(容易被 TikTok 限流或拒绝广告投放)。
  • 不使用用户不拥有使用权限的音乐、图片或 Logo。

Individual skills in this repo

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

相关技能