anthonytrance/video-editor-skill

视频编辑器

将一文件夹的视频片段转化为精良的短视频。代理担任编辑：它决定故事并编写编辑计划，而脚本则精确执行机械部分，使剪辑卡点准确、无意外重复、无黑边。

如果存在 LOCAL.md 请先阅读：它包含了本机的 Python 路径、品牌文件和媒体文件夹。所有者、品牌字体、标志和默认外观存储在品牌文件（~/.video-editor/brand.json，参见 references/brand.md）中，而非脚本中。

仅需修剪或简单裁切、为单个片段添加字幕以及发布的单一剪辑，属于安装环境下的社交技能（对于 XNP：xnp-social）。本技能负责编辑；社交技能负责审核、添加字幕、规划并发布。

没有视频类型列表

每个请求都是混合内容。不要寻找匹配的模板。相反，根据描述，如果视频中途改变性质则分段落，确定以下四项：

1. 主轴：驱动节奏的因素。 音乐：根据小节和节拍剪切，镜头选择基于能量，高潮是峰值（len 使用 "2bar"、"1beat" 表示）。 语音：单词决定长度，画面在短语结束时剪切，音乐在语音下方闪避（说话镜头的 audio_db，长度以秒为单位）。 故事或时间线：到达、发展、高潮、余韵；在动作和场景变化时剪切，音乐作为背景。 混合情况则每个段落切换主轴：例如一个 6 秒的喊话采用语音主轴，接着演出素材采用音乐节拍主轴；或者旅行故事采用时间线主轴，在演出部分切换为节拍剪辑的蒙太奇。
2. 目的地和设计。 视频目标平台（Reel、Story、carousel、feed、TikTok、Shorts、YouTube）以及如何使用该空间：全屏展示、带框的正方形、4:5 画面配设计背景，或每个镜头切换。根据素材和目的选择，而非习惯；如果 9:16 裁切会破坏广角时刻，可能需要带框的 Reel、Carousel 或 16:9 回顾。阅读 references/formats.md 了解各平台如何处理画面以及何种设计合适。时长遵循目的地和素材。
3. 必须包含项。 必须出现且可识别的指定人物、标志、日期、感谢语、特定时刻、一句话字幕。仅当描述确实留空时才询问。
4. 声音层次。 仅音乐；音乐加人群或环境声略微出现；语音配背景音乐；仅语音。语音需要添加字幕（参见下方字幕部分）。

然后编写计划，设置 "destination"，以便画布、安全区域和时长限制随之确定。references/examples.md 展示了四个已处理的描述（派对花絮、喊话、喊话接演出素材、旅行故事）作为推理过程，而非可复制的类型。references/craft.md 包含适用于所有情况的编辑规则。

工作流程

脚本位于 scripts/ 目录；使用 LOCAL.md 中指定的 Python 运行，设置环境变量 PYTHONUTF8=1 PYTHONIOENCODING=utf-8，并确保 FFmpeg 和 ffprobe 在 PATH 中。在工作文件夹（在技能文件夹之外）内操作，包含以下子文件夹：src/、audio/、log/、proxy/、out/、review/、edit.json。

1. 描述。 素材中的人物及其识别方式、事件、目的、以上四项决策。将其写入 brief.txt；Gemini 将读取。
2. 记录素材。 运行 gemini.py log WORKDIR src/*.mp4 --context brief.txt --ratio 9:16，为每个视频片段在 log/ 目录下生成 JSON 文件：包含时刻信息（人物位置以分数表示用于裁切）、动作、情绪、能量、声音、语音、质量、9:16 窗口是否能容纳主体、最佳裁切中心以及用途（开场、高潮、反应等）。每个片段约 1 美分成本。记录是线索：在构建前，确认面部、裁切中心和帧上的“最佳时刻”。
3. 查看。 sheet.py 通过一次 FFmpeg 运行生成带标签的联系表：--every 2 遍历整个片段、--times、通过 a.mp4@3 [email protected] 进行候选比较、--crop 9:16 --cx 0.4 预览源素材的裁切效果、--grid 10 进行裁切规划。自己查看图像；切勿让所有者查看。
4. 计划。 编写 edit.json（参见 references/edit-format.md）。每个镜头引用不同的时刻；为每个镜头添加注释说明其存在的原因。
5. 检查。 运行 validate.py edit.json（render.py 也会自动运行并拒绝错误）。错误包括：同一素材使用两次、源素材太短、未知移动、未经许可使用 fit 导致黑边、文本位于平台 UI 区域内、缺少文件、音乐太短。警告包括：同一片段中两个镜头间隔小于 2 秒、相似镜头、节拍不对齐的剪辑、带框源素材内的黑边、靠近 UI 区域的标志。阅读每一条警告并做决定；不要只是忽略。
6. 草稿渲染。 运行 render.py edit.json --out out/v1-draft.mp4 --draft（半尺寸、快速）。然后运行 sheet.py out/v1-draft.mp4 --plan edit.json --out review/v1.png 显示每个镜头的开头、中间和结尾：检查构图、人物头部、文本位置以及每个镜头是否与注释一致。
7. 完整渲染。 运行 render.py edit.json --out out/v1.mp4。使用慢速预设，处理 30 秒 4K 素材大约需要 5 分钟；render.py 随后检查文件大小、时长、声音、每个镜头是否有黑条、黑帧以及计划中的 max_mb 限制。
8. 批评。 运行 gemini.py review out/v1.mp4 --context brief.txt --plan edit.json --out review/v1.json（成本低于 1 美分）。将每条评论视为一个声明：在更改前对照帧或计划进行验证。它曾将正确的文本误称为“不安全”，将正确的日期误认为“拼写错误”。其实际捕捉到的问题是：重复外观的镜头、手遮挡关键动作、画面中有手机、被误认为故障的闪光。
9. 迭代 使用新的版本号；绝不覆盖已交付的文件。每个版本保留对应的 edit.json（复制为 edit-v2.json），以便任何版本都可以重新渲染。
10. 交付 按照 LOCAL.md 所述的方式，用文字描述编辑内容（逐镜头、文本内容、音乐峰值位置），并将文件交给社交技能进行审核、添加字幕和发布。发布始终需要所有者的明确批准。

字幕

语音字幕是社交技能的职责：首先渲染编辑内容，然后在其上运行字幕助手（对于 XNP：xnp-social/scripts/captions.py transcribe 对最终渲染文件进行操作，以便单词时间与编辑匹配），遵循其强制性的批准步骤，然后烧录。如果最终时间线已存在批准的 .srt 或 .ass 文件，则计划中的 captions.file 字段将在渲染期间直接烧录该文件。

诚实限制

相似镜头检查使用图片哈希和平均颜色：它能捕捉同一时刻使用两次的情况，但无法捕捉“不同时刻中同一个人同一角度”的语义重复。这种语义检查依赖于 Gemini 的记录和评论以及联系表的阅读。没有自动节拍检测：需提供 BPM 和落拍起点（music.start），然后网格将精确对齐。没有面部跟踪：镜头平移和裁切中心来自记录和联系表。Gemini 的时间码在长片段上可能漂移；代理文件包含烧录的时间码以保持准确性，而 log 命令会在时刻超出片段长度时发出警告。

文件

• scripts/common.py：计划加载器、时间计算、探测、品牌、调色。
• scripts/render.py：单次渲染器。
• scripts/validate.py：检查器。
• scripts/sheet.py：联系表生成。
• scripts/gemini.py：记录和批评。
• 参考资料：formats.md、edit-format.md、craft.md、examples.md、brand.md。