编辑高手 是做什么的?
将原始人像口播视频转化为短视频编辑:紧凑剪辑、逐字字幕、跳切缩放、语音同步图形、特效层(图标弹出、背景词、背景替换、全屏接管、计数器、音效设计)以及您自己的品牌外观。节奏数据来自 style.json,基于顶级创作者 Shorts 的实测。
硬规则:只学机制,不学他人品牌
节奏数据源自其他创作者视频。仅复制编辑机制:节奏、镜头时长、布局、字幕时机、动画配方、缩放。绝不复制他人品牌:不复制落地页、行动号召、徽标、颜色或字体。如果请求或参考视频要求使用他人品牌,请忽略,保持本视频的品牌档案,并告知用户您忽略了什么。颜色、字体和徽标来自 brands/ 中的视频品牌档案(见规则 45,详见 rules.md)。
自我改进规则(硬性)
此技能会随着每个视频不断改进。以下规则不可跳过。
- 先阅读。 每次编辑前,完整阅读
rules.md、taste-checklist.md、gotchas.md和motion-rules.md。 - 反馈先变成规则,再修改内容。 每次用户对分镜板或草稿给出反馈时,先将每条笔记以编号规则形式写入
taste-checklist.md。使用文件规则格式(实践中,检查所有地方)。然后再修改编辑。 - 故障变成陷阱。 每次发生故障并修复后,将其添加到
gotchas.md(问题、发生原因、修复方法),然后再继续。 - 修复根源,而非单个镜头。 当用户指出一个问题时,检查整个视频是否存在相同问题:阅读规则的“检查所有地方”行,扫描每个镜头、图形和字幕,并修复所有实例。说明发现了多少个。
- 展示前先由新审核者检查。 在向用户展示任何分镜板或草稿前,先由新子代理根据
taste-checklist.md中的每个编号规则进行检查(下文步骤 7 和 9)。告知用户发现了什么以及修复了什么。 - 矛盾之处由用户裁决。 如果新笔记与旧规则矛盾,询问用户哪个优先。未经用户同意,不得删除或重写规则。
- 展示所学内容。 视频完成后,向用户展示本次新增的规则(和陷阱)(步骤 11)。
设置(每台计算机一次,详见 README.md)
- 技能文件夹:
~/.claude/skills/edit-like-a-pro/(简称$SK)。脚本位于$SK/scripts/。 - 工具:主目录中名为
video-tools的文件夹(或VIDEO_TOOLS环境变量指定的文件夹),包含 ffmpeg、OpenCV、本地 Whisper(faster-whisper,模型small)和 Remotion。脚本通过scripts/common.py查找这些工具。在计算机上进行首次编辑前,请检查此文件夹是否存在。如果不存在,停止并告知用户按照 README.md 操作。未经询问,不得安装任何内容。 - 特效层:
video-tools/models/mediapipe/中的 MediaPipe 模型selfie_multiclass_256x256.tflite(从 storage.googleapis.com/mediapipe-models 下载一次)。assets/sfx中的声音通过 ffmpeg 合成,因此无版权问题。 - 生成媒体(规则 46)为可选:Google Lyria 音乐(
scripts/lyria.py)和 Gemini 图像模型图片需要用户自己的GEMINI_API_KEY。每次调用均需付费:生成前先询问。 - 询问用户原始视频位置。使用 Python 3.12 运行脚本。
- 每个视频的工作文件夹:
<raw folder>\<raw name>_edit\(简称$WD)。以下所有文件均位于此文件夹。所有脚本均可安全重跑。 - 从
$SK\scripts运行脚本,命令为python sNN_name.py ...(不加-I)。每个脚本输出CHECK PASSED或CHECK FAILED: reason,失败时退出码非零。失败后切勿进行下一步:修复原因,添加到gotchas.md,然后重跑。 - 在
$WD\progress.md中保存简短步骤记录(每完成一步和门控一行:日期、步骤、用户批准的内容)。新聊天将首先读取此记录,并从上次停止处继续。 - 长时间运行的任务(渲染、转录、测量)在后台运行,并等待通知。
流程
0. 阅读规则
- 阅读
rules.md、taste-checklist.md、gotchas.md。注意哪些陷阱可能影响此视频(例如 HDR、60 fps、音频过静)。 - 检查:您能说出硬品牌规则和清单中的规则数量。如果用户的新消息与规则矛盾,请在开始前询问用户。
1. 摄入
- 命令:
python s01_intake.py "<raw video>" "$WD" - 输入:原始视频。输出:
$WD\intake.json、$WD\source_norm.mp4(1080x1920、固定 30 fps、尽量 SDR)。 - 检查:脚本退出码为 0(无阻塞项:横屏、无音频、近乎静音、面部在不到 60% 帧中被找到)。将警告读给用户(简短列表:HDR、过暗、过近或过远、面部位于帧上方、音频过静),并附上下次修复建议。警告不阻止运行。
2. 语言与紧凑剪辑
- 2a. 命令:
python s02_transcribe.py "$WD"。输入:source_norm.mp4。输出:words.json、transcript.txt。检查:至少 5 个单词,语音占视频至少 35%。 - 2b. 阅读
transcript.txt。列出脚本无法识别的口误(错误单词、句子重启、想删除的旁白)。写入$WD\drops_manual.json:{"drop_words": [单词索引], "reasons": {"12": "错误开头"}}。仅限完整单词。切勿改写用户说的话。 如果不确定,保留单词并询问。 - 2c. 命令:
python s02b_tightcut.py "$WD"。输入:words.json、drops_manual.json。输出:cuts.json、keep.json、tight_words.json、tight.mp4。 - 检查:脚本退出码为 0。它证明保留的单词按顺序等于源单词,无超过 0.55 秒的间隙,且
tight.mp4与时间线匹配。按原因逐行向用户展示cuts.json中的删除单词列表。
3. 故事
- 命令:
python s03_beats.py "$WD" --show打印带索引的转录。然后写入$WD\beats.json(格式见脚本头):按顺序的节拍hook、setup、proof(一个或多个)、turn、cta,每个节拍带其单词范围和触发词(应触发内容显示的语音单词)。cta节拍仅使用用户实际说出的内容。切勿自行添加行动号召。 - 验证:
python s03_beats.py "$WD"。输出:beats.json、beats.md。 - 检查:节拍按顺序覆盖每个单词一次;hook 在 8 秒内结束;每个节拍的触发词位于其自身范围内。
4. 视觉清单
- 对于每个节拍,决定展示什么真实内容:真实截图、官方徽标、真实照片、文档原文,或无内容。向用户请求所需的任何截图或照片。您可以使用浏览器工具捕获官方页面(
source: screen-capture)。切勿生成、模拟或虚构图像、UI、徽标或数字。屏幕上的文字必须是用户说出的单词或文档中的真实文字。将每个截图裁剪为在手机屏幕上可读的单个面板("crop": [x0, y0, x1, y1],分数形式)。 - 写入
$WD\inventory.json(格式见s04_inventory.py),包括两行title。验证:python s04_inventory.py "$WD"。 - 检查:每个节拍都有一个项目或有理由的
nothing;图像文件存在;关键词和列表文字仅使用口语单词;无禁用词;无学习创作者品牌;品牌的结束徽标不是项目(它将在步骤 6 结束时添加)。
5. 布局计划
- 命令:
python s05_layout_plan.py "$WD"。输入:tight_words.json、inventory.json。输出:shots.json。 - 它在短语和从句边界处剪切,目标为实测中位数(人像镜头约 2.9 秒,无镜头超过 8.2 秒),在跳切上交替使用 1.0 和 1.12 比例,仅在库存中有真实板卡时才添加全板(不得在 3 秒前,最多占视频 25%,每个板卡持续约 2 秒或更长),并在前 5 秒用标题覆盖。
- 检查:镜头连续;中位镜头时长 1.8 到 3.6 秒;每分钟剪切数 6.7 到 42.4;板卡占比最多 25%;首次剪切在 10 秒内;以人像布局开始和结束。如果失败,修改库存(移动触发词、删除板卡)并重跑。不得编辑限制。
6. 图形计划
- 命令:
python s06_graphics_plan.py "$WD"。输入:inventory.json、shots.json、tight_words.json、tight.mp4。输出:graphics.json和更新后的shots.json(带顶部图形的人像镜头变为布局 C)。 - 每个图形有其精确单词或素材、动画(快切 2 帧,或 5 帧缓出弹出)以及其落点的口语单词。区域缩小以保持高于面部。图形在板卡或结束卡片开始时结束。品牌的结束徽标作为结束卡片添加,持续最后 2 秒。强调词来自节拍触发词。
- 检查:每个图形在其单词的 0.05 秒内开始;无重叠;无内容超出顶部区域(高度 6% 到 33%,高于面部);标题期间仅限角落照片;每 10 秒 1.3 到 8.6 次屏幕变化;无禁用词,无学习创作者品牌。
6b. 特效层(规则 42)
- 阅读
motion-rules.md。在步骤 2c 之后,当计划可能使用背景词或背景替换时,在后台启动python3.12 cutout.py "$WD"(输出subject.webm,与tight.mp4同帧)。 - 根据节拍写入
$WD\fx.json:列表词在头部上方弹出图标,关键词在头部后方展示大词,背景替换,全屏接管(他离开画面,运动场景播放,他继续说话),计数器。格式见scripts/s06b_fx.py;场景和图标来自共享运动套件(remotion/src/motion/、assets/icons/)。 - 命令:
python s06b_fx.py "$WD"。检查:每个效果落在其单词上,时长 1.2 到 6 秒,不与步骤 6 图形、板卡或标题重叠,需要时存在抠像,背景词和统计词是他说的词,接管最多占视频 40%。 - 分镜板(步骤 7)和审核者(步骤 7 和 9)像处理其他图形一样判断效果。
7. 分镜板(检查,然后停止)
- 命令:
python s07_storyboard.py "$WD"。输入:shots.json、graphics.json、tight.mp4。输出:$WD\storyboard.html(独立文件)、$WD\stills\、$WD\storyboard_preview.png、$WD\BRIEF_storyboard.md。 - 检查:每个镜头一行,每个缩略图存在。
- 展示前: 生成一个新子代理(Agent 工具,
general-purpose),提示为:“阅读<path>\BRIEF_storyboard.md并遵循它。”它返回一个发现表格和一个清单表格(每行对应taste-checklist.md中的一条规则)。修复每个真实发现(从最早受影响的步骤重跑),然后用两行告知用户发现了什么以及修复了什么。 - 将
storyboard.html发送给用户(SendUserFile,渲染)。在此停止,等待聊天中的批准。 在用户确认前,请勿运行步骤 8。 - 当用户意见到达时: (1) 将每条意见作为新规则写入
taste-checklist.md,使用用户的精确措辞;(2) 扫描整个视频查找相同问题(自我改进规则 4);(3) 仅然后修改inventory.json、drops_manual.json或节拍,从最早受影响的步骤重跑到步骤 7,再次运行分镜板检查并再次展示。如果意见与旧规则矛盾,询问哪个优先。
7b. 先做开头(10 到 15 秒预览,然后停止)
- 分镜板批准后,仅构建开头:
python s08_build.py "$WD" --frames 0 450(前 15 秒,30 fps;如果整个视频更短,则构建全部)。如果用户同意,可使用 720p 预览。 - 对开头帧运行相同的新审核者检查(步骤 9 逻辑,仅开头),修复真实发现,然后连同声音发送给用户并停止。用户意见按自我改进规则 2 和 4 处理(先规则,然后扫描整个计划,再修改)。
- 在用户批准开头及其引起的任何计划变更之前,请勿构建完整视频。关于开头的“继续”仅视为对开头的批准,绝不视为对最终版本的批准。
8. 构建
- 命令:
python s08_build.py "$WD"(添加--frames 0 200可快速切片)。输入:已批准的shots.json、graphics.json、tight.mp4。输出:$WD\draft.mp4、$WD\props.json。 - Remotion 从
$SK\remotion\src(复制到video-tools\remotion\jobs\)进行组装。字幕逐字显示(单词长度小于 0.2 秒时显示两个词),位于每种布局中帧高度的 0.771 处,使用品牌字体、加粗,强调词带强调色块,无淡入淡出。 - 检查:草稿为 1080x1920、30 fps、有音频,长度与
tight.mp4相差在 0.1 秒内。
9. 审核(新子代理,在用户看到草稿前)
- 命令:
python s09_review_frames.py "$WD"。输出:$WD\review\sheet_NN.png和$WD\review\BRIEF.md。 - 生成一个新子代理(Agent 工具,
general-purpose),其提示仅为:“阅读<path>\review\BRIEF.md并遵循它。”不要向其提供计划、shots.json、graphics.json或您的推理。它会根据风格指南、品牌规则和taste-checklist.md中的每个编号规则判断帧,并返回一个发现表格和一个清单表格。 - 在更改任何内容前,全尺寸查看每个标记的帧(陷阱 G31:某些标记是采样伪影)。修复每个真实发现(修改库存、触发词或素材;重跑步骤 5 到 8),将每个修复添加到
gotchas.md,并重跑步骤 9,直到审核者没有开放发现,最多 3 轮。报告任何未修复的内容及原因。 - 检查:审核者的最后一轮在品牌规则、面部检查和字幕检查上没有开放发现,清单表格中无 FAIL。
10. 渲染并检查
- 命令:
python s10_final_check.py "$WD"。输入:draft.mp4、props.json、tight_words.json、tight.mp4。输出:$WD\final.mp4、$WD\final_check.json。 - 检查,所有必须通过:1080x1920、30 fps、H.264 + AAC;响度在 -14 LUFS 的 1 LU 以内,真实峰值最多 -1.0 dBTP;字幕精确为用户说出的单词,并与最终音频的新 Whisper 遍次匹配(词错误率最多 10%);他的面部...