创建模板视频技能
使用 templates/ 中的 HyperFrames 模板生成 9:16 新闻视频(比旧的 6 场景 Remotion 更精美、更专业)。Claude 只需将文字填入模板的插槽中——全部设计与动画由模板处理。
输入
1 个参数:新闻文章 URL(http:///https://)或 .txt 文件路径。
工作流程(严格按顺序)
步骤 1–3:获取内容 + 创建输出目录
检测输入类型并获取内容:
- URL(以
http:///https://开头)→ 使用WebFetch,提示语如下:
失败(付费墙/JS/4xx)→ 告知用户将内容保存到从该页面提取: - title (string):文章标题 - content (string):主要内容,约 500-1500 字 - ogImage (string|null):og:image 图片 URL - domain (string):URL 的域名 返回包含以上 4 个字段的 JSON。.txt文件后重新调用。停止。 .txt文件 →Read;title = 第一行(最多 80 字符),content = 其余部分,ogImage =null,domain ="local"。- slug = 无变音符号的 ASCII(去除越南语变音符号,đ→d),最多 40 字符;timestamp =
YYYYMMDD-HHmm;outputDir = output/<slug>-<timestamp>/;mkdir -p。
步骤 4:读取模板目录
读取 templates/CATALOG.md 以了解可用的模板及其插槽输入。仅使用 CATALOG 中存在的 templateId。 当前有:
HOOK(仅 1 个):
frame-liquid-bg-hero— 极光英雄(动态 blob + 标题 + CTA)。始终用于 hook 场景。
BODY(Claude 根据内容自行选择 — 参见步骤 5):
frame-vignelli— 深炭灰 + 红色背景上的 1 个数字。frame-pentagram-stat— 暗霓虹背景上的 1 个数字(瑞士网格,橙色发光数字 + 青色强调 + 柱状图)。frame-bold-poster— 多行强声明 + 大号数字图形。frame-build-minimal— 深色背景上的强力结论句(1 个大加粗词,橙色发光,逐字显示)。frame-creative-voltage— 创意/标语句子,电蓝色分割 + 手写文字。frame-glitch-title— 赛博朋克故障 RGB 分割(噪点背景)— 适合突发/科技新闻。frame-aicoding-list— 列表 2-5 项(每项有图标 + 程度标签),深色渐变背景。当场景是列表/排名时使用。frame-aicoding-comparison— 2 种事物的比较(旧 vs 新,A vs B)— 2 张渐变边框卡片 + WIN 徽章 + 统计数据。当场景是对抗/对比时使用。
OUTRO:
frame-logo-outro— 默认(标志发光 + 名称 + 标语 + 网址)。frame-statement-outro— 替代方案(纸张背景上的红色卡片)。frame-logo-outro— 默认 outro / 品牌结束卡片(标志发光 + 名称 + 标语 + 网址)。frame-statement-outro— 替代 outro(纸张背景上的红色卡片)。
步骤 5:生成 script.json(模板模式)
必需结构:
{
"version": "1.0",
"renderer": "hyperframes",
"aspect": "9:16",
"metadata": {
"title": "...",
"source": { "url": "...", "domain": "...", "image": null },
"channel": "AI Coding"
},
"voice": { "provider": "omnivoice", "speed": 1.0 },
"scenes": [
/* 8–12 场景:1 个 hook + 6–10 个 body + 1 个 outro */
]
}
provider:始终为omnivoice(唯一天然 TTS;不需要voiceId/API 密钥)。- 每个场景:
{ id, type, voiceText, templateId, inputs }。inputs与 CATALOG 中的插槽匹配。 - scenes[0].type =
hook;最后一个场景 .type =outro(templateId =frame-logo-outro)。 - 8–12 场景;总 voiceText 约 270–360 词(约 90–120 秒)— 保持总时长不变,只需将其拆分为更多场景,以获得更快节奏,避免枯燥。每个 body 场景 约 25–40 词(每个场景只有 1 个想法 — 如果一段有 2 个想法,则拆分为 2 个场景,而不是塞进 1 个)。目标:每个场景在屏幕上仅显示约 6–10 秒,然后切换场景。
内容映射到模板:
- hook → 始终
frame-liquid-bg-hero(插槽:kicker, headline, subheadline, cta, brand)。headline以醒目的渐变显示(默认黄→紫);可以设置headline_from/headline_to(2 个十六进制颜色)来更改色调。不要对 hook 使用其他模板。 - body → Claude 根据每个场景的内容自行选择最合适的模板(优先考虑多样性 — 不要对所有 body 重复使用同一个模板)。从以下选择:
frame-vignelli— 强调 1 个数字/统计 的场景,深炭灰 + 红色色调。插槽:kicker, number, label, note, brand。frame-pentagram-stat— 有 1 个数字/基准 的场景,暗霓虹背景(瑞士网格,橙色发光数字 + 青色强调)+ 柱状图。插槽:label, headline(数字), subtitle, anchor, footer_left, footer_right。frame-build-minimal— 围绕 1 个关键词的 短结论/陈述,深色背景 + 1 个大加粗橙色发光词。插槽:eyebrow, hero(1 个词), desc, side_left, side_right。frame-bold-poster— 多行强声明 + 大号数字图形。插槽:kicker, date, figure, headline[], standfirst, footer_left, footer_right。frame-creative-voltage— 创意/标语句子(几个词),电蓝色分割 + 手写。插槽:meta, display_lines, accent_index, script, caption。frame-glitch-title— 突发/科技新闻,赛博朋克故障风格。插槽:title, subtitle。frame-aicoding-list— 场景是列表 / 2–5 项的比较(受影响者、优缺点、级别、清单)。插槽:title, accent, accent_from, accent_to, subtitle, items[]。每个项{icon, title, desc, tag, level}:icon:Claude 自行选择合适的 emoji(🚫 ⚠️ ✅ ❌ 📈 💡 🔒 🚀 …),不要固定。level:danger/warn/good/info→ 决定图标+标签+条形的颜色。tag:短标签(危险/高/收益…)。accent_from/accent_to:Claude 自行选择 2 个十六进制颜色作为强调文字渐变(与文章色调匹配),例如橙色→红色、紫色→蓝色、绿色。
frame-aicoding-comparison— 场景比较恰好 2 种事物(旧 vs 新,A vs B,之前/之后)。插槽:badge, pre, vs, post, left{}, right{}。每侧{label, from, to, icon?, bullets[], stat?, stat_label?, win?}:from/to:Claude 自行选择每侧 2 个十六进制颜色渐变(通常两侧色调不同,例如左侧橙色→红色,右侧青色→蓝色)。icon:每侧可选的 emoji。win: true表示获胜方(发光边框 + WIN 徽章)。stat/stat_label:每张卡片下方的可选数据。
- 平衡建议:如果多个场景都是数字,交替使用
frame-vignelli(炭灰 + 红/黄)和frame-pentagram-stat(暗霓虹橙/青色)以避免单调;在非数字场景中插入frame-build-minimal。
- outro →
frame-logo-outro(默认;插槽:brand_name, tagline, primary_url)。如果需要纸张背景上的红色卡片,则使用frame-statement-outro。
⚠️ 越南语 TTS 规则(voiceText 必须遵守)
voiceText 由 OmniVoice(越南语 TTS)朗读。数字和符号会被按字面阅读 — 例如 "5.5" 可能读成 "năm rưỡi"(对版本号错误)。因此,始终在 voiceText 中将数字写成文字。而 inputs(屏幕上显示的文字)则保留美观的数字格式("5.5" / "82.7%")。
完整表格(适用于 voiceText):
| 数字形式 | 错误(TTS 误读) | 正确(写为文字) |
|---|---|---|
| 十进制版本 | GPT 5.5 → "năm rưỡi" | GPT năm chấm năm |
| 十进制数据 | 82.7% | tám mươi hai phẩy bảy phần trăm |
| 整数版本 | iPhone 17 | iPhone mười bảy(或 iPhone 17 也可以) |
| 带点的版本 | iOS 18.2 | iOS mười tám chấm hai |
| 技术规格 | 200MP | hai trăm megapixel |
| 电池 | 5000mAh | năm nghìn miliampe giờ |
| Token | 1M tokens | một triệu token |
| 越南盾价格 | 21 triệu đồng | hai mươi mốt triệu đồng |
| 美元价格 | $5 | năm đô la(或 năm đô) |
| 倍数 | 2x | gấp đôi(比 "hai lần" 更自然) |
| 百分比 | 30% | ba mươi phần trăm |
| 时间 | 60 giây | sáu mươi giây |
| 比率 | 3:1 | ba trên một / ba so với một |
- 小数点:使用
chấm(自然口语)或phẩy(正式)— 保持一致性。 - 英语缩写:
AI/GPT通常可以;如果读错,则写音译ây ai/gí pi tí,API→ây pi ai。 voiceText绝对不要包含 emoji/图标、URL 以及→ & % $ # + =(保持语音清晰)。品牌名称(Apple, OpenAI, TikTok)保持不变。句子以.或?结尾,以获得自然停顿。inputs(屏幕上显示的文字)允许使用 emoji/图标 以增加生动性(🔥 🚀 ✨ ⚡ 📈 ⚠️ → …)— 渲染颜色没问题。保留美观的数字格式("5.5"、"82%")。与 voiceText 完全分离。- 适度使用 emoji(每个字段 0–1 个图标,放在短标签/标题/CTA 中 — 例如 kicker "🔥 Tin nóng"、cta "Theo dõi ngay →")。不要将 emoji 放入逐个弹出的较大文字中(例如 build-minimal 的
hero),因为会破坏动画。
- 适度使用 emoji(每个字段 0–1 个图标,放在短标签/标题/CTA 中 — 例如 kicker "🔥 Tin nóng"、cta "Theo dõi ngay →")。不要将 emoji 放入逐个弹出的较大文字中(例如 build-minimal 的
步骤 6:自我检查
- scenes[0]=hook,最后一个场景=outro;每个 templateId ∈ CATALOG;每个 inputs 包含所有必需插槽;
- headline ≤3 行,每行简短;voiceText 已将数字写为文字且不包含 emoji/图标;emoji(如果有)仅位于
inputs中。最多静默修正 2 次。
步骤 7:写入 script.json
使用工具 Write 写入 <outputDir>/script.json。
步骤 8:运行流水线
Bash 前台,流式输出:
npm run pipeline -- <outputDir>/script.json
CLI 自动识别 renderer: "hyperframes" 并运行模板流水线(TTS → 渲染每个模板 → 根据语音适配 → 合并并混合 SFX)。出错 → 清晰报告错误 + outputDir 路径。
步骤 9:报告结果
✓ 视频:[video.mp4](output/<slug>/video.mp4)
✓ 音频:[voice.mp3](output/<slug>/voice.mp3) — 供 CapCut 使用
✓ 脚本:[script.txt](output/<slug>/script.txt) — 供 CapCut 自动字幕
总时长:XX.Xs
备注
- 每个场景渲染约 15–20 秒(Chromium)。8–10 个场景的视频约 3–5 分钟。需要 ffmpeg + Chrome(已具备)。
- TTS 幂等(保留
voice/scene-*.mp3);剪辑同样幂等(保留clips/scene-*.mp4)— 修改 inputs 后删除以重新渲染。 - 添加新模板:按照
templates/CATALOG.md的末尾部分操作,然后在目录中增加一行。