/long-form
source ──tighten──▶ tight take ──build──▶ edited.mp4 + .srt + .chapters.txt + .sheet.jpg
(pauses cut, ├ plain stretches: punch-ins on the cuts, captions, chapter cards
words remapped) └ moments: explainer / split-screen / ... rendered and spliced in
首次使用
此技能的文件夹即 Claude Code 加载时显示的“基础目录”。
SKILL_DIR="<base directory of this skill>" # Claude Code 打印的“此技能的基础目录”路径
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
PY="$KIT/.venv/bin/python"; [ -x "$PY" ] || bash "$KIT/setup.sh" --cutout
必须设置 GROQ_API_KEY 以进行转录(长视频按10分钟分段处理)。需要 ffmpeg 和 Node。
步骤
- 探查。
"$PY" "$KIT/reel.py" probe <video>:大小、长度以及auto将选择的格式(宽大于高 = 水平 1920x1080,否则垂直 1080x1920)。仅在用户想要另一种形状时询问(水平源可以裁剪为垂直,这会裁剪中心)。 - 收紧(建议用于原始录制,跳过已剪辑好的素材):
"$PY" "$KIT/longform.py" tighten <video> [--max-gap 0.45] [--pad 0.12] [--cut-fillers]该命令会转录视频,保留每个单词,将超过--max-gap的停顿缩短至大约2 × --pad,并写入<video>.tight.mp4和<video>.tight.transcript.json(包含新时间线上的单词和cuts:每个拼接点的位置)。从此处开始使用收紧后的文件。--cut-fillers还会删除嗯/啊/呃。 - 阅读。
"$PY" "$KIT/reel.py" words <video>按行打印每个句子及其时间(如果收紧过,时间为收紧后的时间线)。对于长视频,使用--start/--end分部分阅读。请注意:- 章节:话题转换处(对于一个10到20分钟的视频,大约4到10个),每个章节有一个2到5个词的标题;
- 2到6个 时刻:4到10秒长的片段,表达一个具体的可视化观点(比较、步骤、数字、排名、小故事)。将它们分散开;视频的大部分仍然是原始的谈话镜头。
- 取景。
"$PY" "$KIT/reel.py" frame <video> <t> frame.jpg并查看:注意面部中心(用于face,放大转场会用到)以及任何需要面部位置的时刻的眼线和面部X坐标(eye_y、face_x、video_top...)。 - 规格说明。 在视频旁边写入
<video>.long-form.json(如下所示)。路径相对于规格文件。 - 构建。
"$PY" "$SKILL_DIR/build.py" <spec.json>。时刻首先渲染(每个约20到40秒,可缓存),然后时间线被分段并行编码。一个15分钟的1080p视频大约需要一到两次 ffmpeg 遍处理的时间。 - 检查
<out>.sheet.jpg(12帧,红色 = 被播放器或卷轴UI遮挡),然后在视频中抽查每个时刻的拼接点和一个章节卡片。修复规格并重新构建;未改变的时刻会被复用。 - 交付 mp4、
.srt文件(上传到 YouTube 作为可搜索的字幕,即使字幕已烧录)和.chapters.txt文件(粘贴到视频描述中)。
规格
{
"video": "episode.tight.mp4",
"format": "auto",
"out": "episode.edited.mp4",
"face": [880, 400],
"punch_ins": {"every": "cut", "scale": 1.12, "min_hold": 2.5},
"zooms": [{"start": 312.4, "end": 318.0, "scale": 1.25}],
"captions": {"keys": ["carousel", "viral"], "karaoke": false},
"chapters": [
{"at": 0, "title": "Why carousels win"},
{"at": "the second thing", "title": "Finding a viral post"}
],
"moments": [
{"skill": "explainer", "start": 61.2, "end": 67.0,
"title": "Steal what *works*", "eye_y": 400, "face_x": 880,
"visual": {"type": "list", "items": [{"text": "Find a *viral* post", "at": "find"}, {"text": "Recreate it", "at": "recreate"}]}},
{"skill": "split-screen", "start": 140.0, "end": 147.5, "face_x": 880, "zoom": 1.2,
"badge": "Step 2", "headline": "Pick *one*", "visual": {"type": "image", "src": "screens/app.png"}}
],
"loudness": -14
}
video:收紧后的文件或原始文件。可选的start/end仅使用视频的一部分。format:auto、horizontal或vertical。face:[x, y]表示画布上面部的位置,所有放大的中心点。默认值:中心点,略高于中部。punch_ins:在每个"cut"(需要收紧后的转录本;用于隐藏跳剪)、每个"sentence"或每隔 N 秒(一个数字)时,在原始镜头和scale(1.08 到 1.18)之间交替。min_hold(秒)防止缩放闪烁。如果没有缩放转场需求,则省略。zooms:在缩放转场之上的、在特定缩放比例下的显式保持。应谨慎使用,用于强调某句台词。captions:烧录的内置字幕:Inter ExtraBold 字体,白色带柔和阴影,keys显示在强调胶囊上。karaoke: true使单词在被说出之前变暗。y和size可移动和调整其大小。false关闭烧录字幕(但仍会写入.srt文件)。在时刻内部,该时刻的字幕会覆盖全局设置。chapters:at是秒数或一个口语单词("pricing"、"pricing#2"、"pricing-0.5")。每个章节会获得一个卡片(一个带有强调色编号和标题的卡片),持续约3秒;如果某个章节设置"card": false,或全局设置"chapter_cards": false,则仅在.chapters.txt中保留条目。第一个章节如果不在0秒处,则会得到一个“Intro”行(intro_title)。moments:skill+start/end(秒数或单词)+ 该技能自身字段,完全按照其 SKILL.md 描述(写入前请阅读)。格式、视频和转录本会为您自动填充。时刻之间不能重叠。裁剪类技能(解说、人物后景)每帧会增加约0.1秒的时间。loudness:将最终混音标准化到此 LUFS 值(-14 适合 YouTube)。省略可保持录音的原始音量。keep_work:设置为 true 可保留编码后的片段在.work/目录中。
审美建议
- 谈话镜头是核心。字幕和缩放转场贯穿整个视频;时刻是调味料(最多每1到3分钟一个)。
- 每个时刻必须精确说明其下的句子,落在描述该句子的关键帧上,并使用用户真实的图片、截图和数字。切勿编造结果。
- 章节标题要简短具体("Pricing"、"The 3-step setup"),切勿使用点击诱饵。
- 横屏:将字幕和卡片保持在安全区域内(缩略表会显示该区域);暂停时 YouTube 的进度条会覆盖底部120像素。
- 竖屏长视频使用与卷轴相同的区域;将字幕保持在 y 约为 1380 的位置。