jhatpat-reel 是做什么的?
直截了当: 给你一个长镜头,还你一个紧凑的 Reel。机器做初稿,你来加品味。
这个技能是 第一版编辑器,不是最终编辑器。脚本负责去除静音和死气内容;重拍和口吃需要你(或 Claude 阅读转录文件后)来指出来。原始素材绝不会被修改。
何时使用
- 单人、单镜头、手机或 DSLR 拍摄的 talking-head 视频。
- 同一个镜头要同时用于 Instagram Reel 和 YouTube Short。
- 支持 Hindi、Hinglish 或英语。
不适合: 多机位采访、音乐视频,或者每个剪辑点都需要精细品味的情况。对于这些情况,请直接打开时间线手动编辑。
需要什么
| 项目 | 原因 | 检查命令 |
|---|---|---|
ffmpeg + ffprobe | 剪辑、重新构图、字幕 | ffmpeg -version |
python3 3.9+ | 运行三个核心脚本 | python3 --version |
| 转录文件(可选) | 检测并移除重拍 | 使用 whisper / whisperx / 其他 STT 工具 |
| 天城体字体(可选) | Hindi 字幕正常显示 | Noto Sans Devanagari |
处理流程
每个阶段的输出会被下一阶段作为输入。建议在中间步骤停下来检查结果,再继续。
阶段 0 — 先看后剪
探测素材信息。用一行话告诉创作者:视频长度、分辨率、帧率、音频通道。
- 如果 已经是竖屏,可以跳过重新构图步骤。
- 如果 声音只在一个通道里(无线麦克风的常见问题),先修复它——否则剪辑后一半的 Reel 会没有声音。
如果可能,现在就获取转录文件。没有转录文件,这个技能只能 去除静音,无法检测重拍和口吃。请明确告知创作者这个限制。
阶段 1 — 粗剪
python3 scripts/rough_cut.py take.mp4 --preset reel
预设(Presets):reel(默认,紧凑)、calm(适合诗歌、故事、长对话)、tight(适合钩子密集型、快节奏内容)。
这个阶段会生成三个文件:cuts.json、<name>_cut.mp4、<name>.edl。
如果你提供了转录文件,读取 cuts.json 并移除包含重拍的段落:如果同一句台词被说了两三次,只保留最后一次清晰的,删除其他。包含 "sorry"、"ek baar phir"、"umm" 的片段也会被移除。然后重新渲染。
不要手动编辑 cuts.json——修改预设或配置后重新运行脚本即可。
阶段 2 — 试听检查
在每个剪辑点两侧各听 0.2 秒。如果察觉到某个单词在剪辑点被切断了,增加 --pre-pad / --post-pad 参数值。注意:转录文件可能显示完整内容,但实际音频可能已被截断。
阶段 3 — 重新构图
python3 scripts/reframe.py take_cut.mp4 --all # 输出 9:16 + 1:1 + 16:9
python3 scripts/reframe.py take_cut.mp4 --to 9:16 --anchor 0.3
--anchor 决定从视频的哪个位置开始裁剪。Talking-head 视频中,人脸通常位于画面中上方,所以默认值为 0.35。如果发现人脸被裁切,减小 anchor 值。对于屏幕录制,使用 --mode pad——直接裁剪可能会切掉文字。
阶段 4 — 字幕
python3 scripts/burn_captions.py take_cut_9x16.mp4 take.srt --style pop --accent "#C6FF3D"
样式(Styles):
pop: 一次只显示 1-3 个大字,居中显示——适合 Reel 和钩子。box: 使用实色背景框,即使在复杂画面上也能清晰阅读。bar: 底部一条细线,适合长视频。
脚本会自动将长的提示文本拆分成短片段,以确保 pop 样式的效果。
对于 Hindi 字幕,务必通过 --font 参数指定天城体字体路径——否则一半的字符可能无法正确显示。
阶段 5 — 最终检查
在导出前,对照以下清单检查自己的工作:
- 前 1 秒。 第一帧必须有内容——人脸、大字或动作。空白帧就等于被划走。
- 检查是否切断了单词。 随机听三个剪辑点,确保没有单词被错误截断。
- 字幕是否遮挡了人脸。 在 9:16 画面中,
pop样式默认居中;如果人脸也在画面中央,改用--style box。 - 最后 2 秒。 要有明确的行动号召(CTA)并且停留足够时间,而不是一闪而过。
- 音量。 Instagram 和 YouTube 都会将音频标准化到 -14 LUFS。如果输出比这个标准更低,平台会强制提升音量,可能使声音失真:
ffmpeg -i final.mp4 -af loudnorm=I=-14:TP=-1.5:LRA=11 -c:v copy out.mp4
规则(每条规则都附有理由)
- 永远不要触碰原始素材。 所有操作都基于新文件。理由: 一次错误的渲染可能毁掉整个拍摄。
- 不要在剪辑点使用缩放效果。 理由: 剪辑点处的缩放会明显暴露剪辑痕迹。
- 一个 Reel 只说一件事。 另一件事属于另一个 Reel。理由: 同时说两件事,观众一件也记不住。
- 不要完全移除所有停顿。
pause_keep参数值不要低于 0.2 秒。理由: 完全无缝的语音听起来像机器人,说话需要呼吸的空间。 - 钩子第一,其他靠后。 如果前 3 秒不够吸引人,后面的编辑再精彩也无用。理由: 用户就是在那 3 秒内决定是否划走。
- 创作者手动移除的内容,不要重新加回来。 在重新渲染之前,先读取他们已处理过的版本。
- 没有转录文件就不要声称移除了重拍。 明确告诉他们:“我已移除静音,但重拍部分需要你手动检查。”
配置
复制 config.example.json 为 config.json,然后使用 --config config.json 参数。每个配置项的含义都在配置文件中写明了。
这个技能不做什么
- 不负责拍摄。拍摄需要你亲自完成。
- 不负责发布到 Instagram。
- 不下载或复制他人的视频。
- 不挑选背景音乐——音乐版权由你自行负责。
- 不生成转录文件;你需要自己运行 STT 工具并提供 SRT 文件。
将反馈固化为规则
当创作者说“剪辑太碎了”或“字幕挡住脸了”——修复问题,并将修复经验作为新规则写入此处,附上理由。在与这个技能一起处理两三个 Reel 后,它就会逐渐学会你的品味。