影片剪辑 是做什么的?
导演剪辑;智能体掌握时间线。此技能将已批准的镜头加工成一部已完成并如实标注的影片。工作主要依靠 ffmpeg:经过测试的命令位于ffmpeg-recipes.md,而素材日志、剪辑决策表、制作日志、交付清单、演职员表模板以及 FCPXML 骨架位于edit-sheets.md。
每一步的规则
- 导演指挥;智能体执行。 智能体负责组装、测量、提出方案并渲染。保留、删除、固定、交换或重新排序哪些内容,由用户决定。当存在选择空间时(例如选择哪个镜头、向左还是向右裁剪、加速还是修剪),应提供选项并说明各自的代价。
- +1 是意图,而非品味。 如果剪辑偏离了用户所说的需求(一个无法完全应用的笔记、一个丢失了反应的节拍),应标记一次,让用户决定,并记录该决定。你的偏好不是偏离的理由。
- 绝不覆盖,绝不删除。 每次处理都会写入一个新的、有编号的文件(例如
cut-v4.mp4);原始素材始终为只读。使用 ffmpeg 的-n(拒绝覆盖)而非-y,除非用户明确要求替换该文件。旧的剪辑、效果不佳的镜头和被替换的片段应放入superseded文件夹。 - 提前询问花费和发布事宜。 在任何付费步骤(云转录、生成式重新渲染、付费放大器)之前,说明工具、数量及预估费用,并等待用户确认。如果结果被拒绝,重新渲染是新花费:再次询问。沉默不等于同意。
- 权利与同意。 不属于用户的素材、音乐和人声需要相关权利;真实人物的肖像或声音需要其本人的同意。下载他人的视频需要所有者许可或拥有许可证;服务条款的警告并非许可,因此请等待用户回答。
- 记录制作日志:记录每个版本、应用的笔记、用户的决定,以及每个付费步骤的工具、任务 ID 和成本。仅当用户批准生成结果后,才将其标记为已保留。
此技能的边界
- 标题、下三分之一、动态字体、逐字动画字幕、通过代码绘制的箭头和地图:动态图形。此技能将它们渲染后的输出叠加在已剪辑的干净画面上。
- 旁白、对话、音乐、音效、混音和响度:电影音效。此技能将已交付的混音叠加在已锁定的画面之下。
- 镜头、静帧和片段:电影镜头,包括拍摄中缺失的镜头。
- 暂不涉及:调色。除非用户要求,否则保持生成的色彩不变。
1. 剪辑前探查并记录素材
在规划之前进行探查:时长、帧率(r_frame_rate 与 avg_frame_rate 不同表示可变帧率)、尺寸、像素宽高比和格式、音频流。生成的片段通常因镜头而异,有些甚至没有声音。
以观察者而非导演的身份记录每个片段:镜头编号、文件、画面内容、可用入点和出点、完整台词和动作的开始与结束位置、承载节拍的关键时刻、发现的问题。将你所看到的内容与其可能的意义分开记录;写“不清晰”而非编造故事。测量值是候选方案,而非最终结论:
- 每个片段的连续帧联系页,并标注时间。一帧可能会隐藏鬼影物体或漂移的面部。
- 场景变换候选点。 运动、闪光和溶解也会产生高分;请以正常速度逐一检查。
- 静音窗口,此处可以进行剪切。转录文本中的间隙并非静音的证明。
- 丢帧:时间戳间隔超过 1.5 帧的间隙。
- 语音:对于长时间的录音,首先阅读转录文本,然后仅在画面重要时提取帧。
2. 按镜头顺序组装
初剪是机械性的:按镜头表顺序使用已批准的镜头,每个镜头都在其记录的入点和出点处。这是一个供用户观看的草稿。
- 将所有片段标准化为统一格式:尺寸、方形像素、帧率、像素格式、音频采样率和通道。为没有声音的片段添加一条静音轨道。当宽高比不同时,是适应(加黑边)还是填充(裁剪)由用户决定。
- 拼接:当每个片段完全匹配时使用流复制,否则使用 concat 滤镜(进行一次重新编码)。拼接后比较视频和音频的时长。
- 尽可能少地进行重新编码:使用高质量中间文件,最后只进行一次交付编码。
- 保留每个片段自身的音频(保持视频模型的背景音轨;调节音量是电影音效的工作)。
- 为版本编号,记录,制作联系页。
3. 剪辑笔记变为编辑决策表
用户观看并用自己的话输入笔记:修剪、交换、保持、剪切、移动。每条笔记成为编辑决策表(EDL)中的一行:笔记编号、用户原文、镜头、源片段入出点、操作、原因、状态。时间保持以源片段秒数为单位;输出时间线上的任何内容(旁白、字幕、标记)在每次重新剪辑后都需要重新计时。
- 当笔记含糊不清时询问(如“中间部分收紧”):提供两个带有具体时间码的具体解释。
- 为每行给出原因:它服务的节拍是什么,为什么要在此入点和出点。保留使节拍成立的关键时刻,而非整个事件。
- 列出必须保留的时刻(问题和答案、反应、回报);在自动边界更改后,检查它们是否完整且顺序正确。
- 对于对话,显示带有时间和编号的完整转录文本,询问要删除的内容,然后再将任何图形与剪辑同步。当一个句子被说了两次时,后一个镜头通常是更正版本;在删除任何一个之前先询问。
- 应用笔记,渲染新版本,记录笔记和决策。 重复直到用户确认剪辑属于他们。
4. 修剪与节奏
在句尾和停顿处剪切。 入点或出点应位于测量的静音处、源片段的起始位置或一个镜头内部的连续接合点。如果边界仍然落在语音内部,则移动它或删除整个句子;永远不要为了达到长度而剪切单词。修剪停顿中间的死寂空气,以便两侧都保留一丝呼吸。为不连续的接合添加非常短的音频淡入淡出,避免出现咔嗒声。在移除刻意慢速说话者的停顿前先询问。
避免闪帧:当边界落在源片段中硬切旁边时留下的一帧或两帧碎片。移动边界或删除碎片;不要通过冻结或慢放来拉伸短镜头,也不要使用转场掩盖糟糕的剪切。
时长目标。 “做成60秒”通过变速和通过修剪是不同的答案(变速会改变所有运动和语音;修剪则会丢失素材)。将两种方案都展示出来。
调整画面以适应旁白(画面侧):当旁白台词长于其对应的镜头时,将那个片段最多放慢10%,并让剩余部分流入下一个镜头。在一部影片中,25个镜头中有7个需要这样做。在速度变化后保持帧率恒定,以便片段仍能与其他片段匹配以进行拼接。
切到节拍。 获取已批准音乐的节拍时间(以秒为单位的列表,来自电影音效或对音频轨运行的节拍检测器)。提出每个片段的最强时刻,将剪辑点对齐到最近的节拍,并在组装前展示带编号的镜头表。当节拍和句子结尾不一致时,展示两者并让用户选择。
5. 对已完成片段的效果修复
按成本顺序进行,并保留每个修复旁边的原始版本。
-
保持原始像素的免费修复:重新构图、变速、冻结帧、通过插值填充丢帧、轻度降噪。
-
叠加层绝不放入生成的素材中。 箭头、路径、标签和网格由动态图形在干净片段上绘制。如果生成的片段内嵌了这些内容,则重新生成干净的版本,而非在上面涂抹。
-
生成式重新渲染是重新制作镜头,而非修复。 参考视频模型使用原始素材作为运动和外观的指导,而非锁定像素,因此面部、道具和摄像机移动可能会漂移。如果用户需要一个:
- 读取整个片段的帧;写下必须保持不变的内容(身份、手势、摄像机移动、构图、光线、手持物体)以及需要改变的内容,并计时到其发生的时刻。
- 在工具允许的情况下,先改变一帧并让其获得批准,然后再为动态效果付费。
- 说明模型、数量和预估成本;等待用户确认。
- 对照源片段检查结果:时长、语音是否到结尾、嘴巴是否在说最后几个字时活动、开头、中间、接合处和结尾的面部是否正常、批准的更改是否仍然存在。将失败报告为失败并提供一次修复机会;不要自行升级处理方式。
模型保留什么是一个需要先在单个镜头上进行测试的问题。
-
在过程中将每个镜头标记为真实或生成;声明需要此信息。
6. 隐藏式字幕与字幕
在画面锁定和任何重新构图之后制作字幕;在裁剪之前制作的字幕可能会落在画面之外。
- 文字。 如果旁白是先写好的,剧本就是字幕文本:将其与音频对齐而不是转录。否则进行转录;本地引擎将媒体保留在机器上,云服务则会将其上传(先询问)。语音识别的时间戳通常是粗略的窗口,而非单词级的计时;当时机重要时进行对齐。
- 通过阅读进行修正。 识别器经常听错方言、名称和专业词汇。绝不要添加未说出的单词,也绝不要为了适应而缩短或意译字幕内容:使用更小的字号或另一行,或者询问。为合成语音正确发音而重新拼写的单词在字幕中应保留其真实拼写。
- 单一主文件,多种格式。 保留最丰富的版本(单词级计时、说话者)并从中转换:SRT 用于文本和时间码,VTT 用于网页播放器,ASS 用于样式。
- 保持时长的翻译:相同数量的提示,相同顺序,相同的时间码和说话者标签;无空提示;保留声音标签;无源文件中没有的破折号、括号或方括号。如果源语言不明确,请确认。突出显示每个口语单词的字幕必须是音频的语言;对于另一种语言,使用纯翻译行。
- 烧录或混流。 烧录的字幕是画面的一部分且无法关闭,因此应在放大之后最后烧录;这需要一个使用 libass 编译的 ffmpeg。混流的字幕保持可切换:每个语言一条轨道,并标记其语言。平台通常每个语言需要一个单独的字幕文件。
- 放置:将字幕保持在面部之外,并远离竖版视频上的平台按钮;检查其当前的安全区域。
7. 最后逐片段放大
仅在剪辑锁定后放大,每个片段单独处理而非整个拼接影片,以免剪切处模糊。使用相同的 EDL 从放大的片段重建剪辑,然后添加字幕和图形以使文字保持清晰。AI 放大适用于摄影素材;曾有一部影片系列将其用于扁平矢量图形时导致质量下降。在使用任何付费放大器之前先询问。
8. 最终观赏
检查你将交付的文件,而不是旧版本、代理文件或没有字幕的主文件。
- 以正常速度播放一次,不要停下来修复;记下你注意到的问题。
- 以正常速度播放每个接合处,前后各半秒到一秒。
- 在不看画面的情况下听一次。
- 再次观看开头、关键时刻和结尾。
- 在修订版上,确认每个请求的更改都已发生,并且没有其他内容移动。
- 然后核对数据,运行解码通过,检查字幕轨道,并为每个镜头制作联系页。
清单和自动检查仅用于指出问题;最终判断来自回放。如果你无法查看图像或播放媒体,请说明情况,而非声称检查完成。在问题所在之处(剪辑、声音、文字)修复,而非在封装时处理。使用 edit-sheets 中的五行形式报告。
9. 交付文件、声明与演职员表
- 询问交付目的地。 目的地决定宽高比、时长、编码格式和响度标准。阅读其当前规范并记录日期。
- 一个主文件,然后为每个目的地编码一个文件并进行探测;随附文件包括每种语言的字幕文件、转录文本、演职员表和声明文件、权利记录。
- 声明与演职员表:脚本改编自何处;哪些画面和声音是 AI 生成的,哪些是真实的;以及素材、音乐和人声的版权信息和署名。智能体草拟此文件并留空;用户编辑并签署。真实地设置平台的合成媒体标志。
- 权利记录:每个外部资产及其来源和许可证;每个生成资产及其模型和任务 ID。
10. 将时间线移交给剪辑师 (FCPXML)
当用户或其剪辑师将在编辑程序中完成作品时,同时移交一个时间线文件和一个扁平化文件。
- 将 EDL 导出为 FCPXML(询问剪辑师程序导入的格式)以及 CSV 版本。指向原始片段的绝对路径;列出缺失的媒体。
- 时间是帧数除以帧率(
72/24s),绝不用四舍五入的小数。offset是时间线上的位置,start是源片段内的入点,duration是时长。标记是其所标记片段的子元素,可以携带剪辑笔记。spine是主要故事线;连接片段位于轨道上,正值在上方,负值在下方。.fcpxmld包是一个包含边车数据的文件夹;保持其完整性。 - 永远不要就地编辑剪辑师的文件:写入新版本并列出更改内容。
- 写入文件不等于导入文件。先导入一个小测试项目;导入是用户的步骤。
11. 上传:先询问,默认私有
- 默认是一个供用户上传的包:文件、字幕、标题、描述、标签、封面图、声明。
- 仅在用户要求时上传,且按平台分别以私有或草稿形式上传。公开或定时发布需要用户指定平台、文件和具体时间。“发到所有地方”并非此批准:列出每个平台的计划操作(文件、标题、可见性、时间)并获得确认。
- 一次只处理一个平台。在登录屏幕、验证码、安全警告等处停止并移交。绝不要输入密码或验证码,也不读取或复述凭据。
- 之后,回读标题、描述开头、字幕、可见性和合成媒体设置。成功意味着视频 ID 加上处理状态;登录失败则…
[因翻译而截断]