notasimrazzaq/AI-Video-Editor

在用户自己的视频上添加动态图形

在已安装的 HyperFrames 技能之上作为工作区层使用。对于 HTML/时间线机制，加载 hyperframes-core（合成契约）和 hyperframes-animation（GSAP 规则）；最近的 上游路径是 talking-head-recut。此技能添加了创建者的内部规则，冲突时以其为准。

快速路径（在 reel-sep30 上验证，3:20 乌尔都语/英语 Reel，Paper Cut 风格）

1. powershell -NoProfile -ExecutionPolicy Bypass -File tools/new-project.ps1 -Name <n> -Video raw/<file> -Transcribe → 数秒内获得 Deepgram 转录。
2. 导出 transcript-words.txt（index:text@start）→ 阅读、总结、选取时刻。
3. 字幕：captions-src.json（根据单词索引的罗马化 Hinglish 片段）→ node tools/build-captions.mjs projects/<n>。
4. 样式模板：复制 kit/templates/paper-cut-vertical.html → index.html；设置两个 data-duration；将 EXAMPLE 调用替换为此视频的时刻。
5. lint → snapshot --at ...（2 批，每批约 12 帧）→ 查看联系表 → 修复。
6. 音效：根据 mg-sound 中的偏移表编写 sfx.json → node tools/sfx.mjs projects/<n>（在渲染之前，以便一次渲染包含它们）。
7. 预先告知用户渲染时间（参见 mg-export：在 4 核笔记本电脑上，每 1 分钟 1080x1920 视频约需 25–30 分钟），然后渲染一次，复制到 exports/。
8. 后期调整：仅音频 → sfx.mjs --mix（秒级别，无需重新渲染）。视觉调整 → 先快照，然后重新渲染一次。

不要：安装本地语音模型、恢复停滞的下载、为“检查”任何内容而渲染（请使用快照）、或在 VS Code 的播放器中预览（无 AAC 音频——请使用 VLC）。

1. 设置项目

1. 如果视频不在 raw/ 中，可以保留在原处。从文件名中选取一个简短的 kebab-case 项目名称。
2. 运行（从工作区根目录）：

   powershell -NoProfile -ExecutionPolicy Bypass -File tools/new-project.ps1 -Name "<name>" -Video "<path>" -Transcribe
   

   • 转录使用 Deepgram（nova-3，默认 language=multi：处理乌尔都语/印地语 + 英语代码切换；印地语/乌尔都语词汇可能以天城文返回——请罗马化为 Hinglish，保留时间戳）。需要用户环境变量 DEEPGRAM_API_KEY；如果缺失，请让用户自己运行 powershell -NoProfile -ExecutionPolicy Bypass -File tools/set-deepgram-key.ps1（绝不要在聊天中执行）。纯英语视频：-Language en。单独重新运行：powershell -NoProfile -ExecutionPolicy Bypass -File tools/transcribe-deepgram.ps1 -Project projects/<name>。
   • 不要使用 npx hyperframes transcribe 配合 whisper 或安装它（太吵/慢）；请使用 Deepgram。
   • 生成 projects/<name>/ 目录，包含 clip.mp4（CFR H.264）、audio.mp3、metadata.json、transcript.json、fonts/、sfx/、renders/。
   • 如果用户为某个时刻提供了截图，添加参数 -Screenshots "<folder>"。
3. 此后在 projects/<name>/ 内工作（在任何 npx hyperframes 命令之前先 cd 到那里）。

2. 仔细分析视频

• 阅读 metadata.json（宽度、高度、fps = r_frame_rate、时长）和 transcript.json（扁平的 [{text,start,end}]）。
• 就地修复明显的 ASR 错误，保留时间戳。语音转文本可能偏差约 1 秒：当某个时刻很重要时，请通过 ffmpeg -ss <t-0.5> -t 2 -i clip.mp4 ... 或快照进行验证，不要完全信任数字。
• 长视频或混合语言转录：导出索引化的单词列表（index:text@start，每行一个句子）到 transcript-words.txt 并阅读。

字幕（当用户需要时）

• 编写 captions-src.json：[[firstWordIndex, lastWordIndex, "caption text", ["key","words"]], ...]，每个块 3–7 个单词，覆盖所有单词。 乌尔都语/印地语/Hinglish 语音 → 将文本写成 罗马化 Hinglish（例如 "ke 9 maah guzar gaye hain"），保留英语单词原样，通过上下文修正误听（"नौ मां" → 9 maah，"New York" → New Year）。
• 构建：node tools/build-captions.mjs projects/<name> → captions.js（window.CAPTIONS = [{s,e,text,key}]），对未覆盖的单词发出警告。通过 <script src="captions.js"> 加载。
• 找到脸部位置：在合成存在之前 npx hyperframes snapshot 不可用，因此提取帧： ffmpeg -nostdin -v error -ss <t> -i clip.mp4 -frames:v 1 renders/_probe_<t>.png 在 3–4 个点，并查看它们。
• 编写一段摘要：视频内容是什么，以及 3–8 个重要的时刻（数字、列表、前后对比、关键声明、行动号召）。
• 如果用户未指定风格，询问他们（参见 mg-styles）。默认：干净的白色磨砂卡片（Liquid Glass）。

3. 规划（如果视频长度 > 30 秒或需求模糊，请在构建前向用户展示）

对于每个时刻：触发词及其精确的 start、图形类型、内容、区域、退出时间。图形类型跟随所说内容：

• 数字 → 计数递增 · 列表 → 清单勾选 · 前后对比 → 对比 · 关键行 → 放大 或大字
• 截图/证明 → 顺序弹出（PROMPT 12）· 新话题 → 重构（视频缩入卡片） 动作词汇和样式存在于 mg-styles 技能中。

4. 内部规则（不可协商）

1. 保持视频完全不变：相同尺寸、fps、音频、剪辑。合成 data-width/height = 视频尺寸，fps = 视频 fps， 根元素 data-duration = 视频时长（锁定到 metadata.json）。视频为 <video id="a-roll" class="clip" src="clip.mp4" data-has-audio="true" data-start="0" ...>，无 muted，无 crossorigin。
2. 每个图形 在精确的单词上开始（转录中该单词的 start）。
3. 整个视频使用一种风格。
4. 前 3 秒内不添加任何内容——那是吸引观众的部分。
5. 保持图形 远离面部、避开底部三分之一区域（字幕），并且 位于宽度中间 80% 范围内（左右各 10% 边距）。
6. 仅使用项目 fonts/ 文件夹中的字体，通过 @font-face 定义（绝不使用 Google Fonts 网址）；通过 <script src="vendor/gsap.min.js"> 使用 GSAP。
7. 磨砂玻璃效果需要背后有内容；覆盖在视频上有效果，透明导出请使用实心卡片。

5. 构建、检查、审阅

1. 编写 index.html（独立合成，一条暂停的 GSAP 时间线，注册为 window.__timelines["<id>"]）。Paper Cut 风格：从 kit/templates/paper-cut-vertical.html 开始。 低分辨率手机视频（例如 480x864 WhatsApp）：仍然在 1080x1920 画布上创作，以便图形/字幕保持清晰；视频在下方缩放。
2. npx hyperframes lint 然后 npx hyperframes check — 修复所有错误。
3. npx hyperframes snapshot --at <t1>,<t2>,... 在每个图形的中间点，然后 查看 PNG 文件 — 检查面部/字幕重叠和文本裁剪。
4. 渲染草稿：npx hyperframes render . -o renders/with-cards.mp4（渲染在普通 PC 上较慢；使用快照进行迭代，仅当帧看起来正确时才渲染）。
5. 将批准的最终版本复制到 exports/<name>.mp4。

6. 后续操作（同一会话内）

• 单个位置（PROMPT 12）："当我说 <短语> 时，显示 <内容>"。在转录中找到该短语，仅修改那一刻，保持其他所有内容完全相同，重新渲染到同一文件。
• 音效：使用 mg-sound 技能。导出变体/透明：mg-export 技能。
• 用简单语言进行微调（表面、颜色、字体、运动、时间、布局）→ 仅编辑该项，保持其他所有内容不变，再次渲染。

基础优先，然后一次一个位置。不要试图一次完成所有内容。