/reel-critic
一个短片在通过之前不算完成。在make.sh生成<reel>/<name>.mp4之后运行此技能。
PY 是 stickman 套件的 Python (numpy):PY="$HOME/.claude/plugins/cache/claude-animation-skills/animation-skills/1.0.0/kit/.venv/bin/python"。CRITIC="<本技能的基目录>"。
1. 文字
转录最终的 mp4 文件:bash "$CRITIC/tools/stt.sh" <reel> [video] [mon|eng] (通过 Composio 使用 ElevenLabs Scribe,写入 audio/stt_final.json)。
如果 Composio ElevenLabs 配额已空,则在 ElevenLabs 网页应用中转录该 mp4(语音转文字,导出带时间戳的 JSON)并保存为 audio/stt_final.json。Whisper 在蒙古语上表现较弱:不要将其用于蒙古语短片。
2. 测量
"$PY" "$CRITIC/tools/critic.py" <reel> [video.mp4] 写入 <reel>/critic/report.md、report.json 和 critic/sheets/sheet_NN.jpg(每秒一帧,每张接触表10帧;接触表 NN 的第 i 帧大约在 NN*10 + i 秒处)。退出码为 0 表示所有测量的检查均通过。阈值位于 rules.json 中:
| 检查项 | 规则 | 重做步骤 |
|---|---|---|
| 时长 | 40 到 68 秒 | 脚本 |
| 尺寸、帧率、编码 | 1080x1920, 30 fps, h264 + aac | 渲染 / 母版 |
| 响度、真实峰值 | -11.5 到 -8.5 LUFS, <= -1 dBTP | 母版 |
| 人声开始 | 第一个词在 0.3 秒内 | 人声 |
| 人声间隔 | 句子之间无声停顿不超过 0.9 秒 | 人声 |
| 人声与背景音乐 | 语音至少比停顿(音乐+音效)高 9 dB | 混音 |
| 钩子动作 | 前 0.5 秒内有物体移动 | 摄影 |
| 画面持续变化 | 不存在超过 2 秒的几乎静止画面 | 摄影 |
| 硬切 | 最多 2 个(甩镜头不算硬切) | 摄影 |
| 文字匹配脚本 | 字幕替换后词错误率 <= 8% | 人声 |
3. 检查画面
阅读每张接触表(将它们堆叠起来:ffmpeg -i sheet_00.jpg -i sheet_01.jpg ... -filter_complex vstack=N)。青色框:安全区(x 100 到 980,y 220 到 1500)。黄色条:字幕条(y 1250 到 1420)。以下情况判定短片失败:
- 面部或某个节拍的关键道具处于字幕条下方或安全区之外;
- 主体被画面边缘裁剪,或靠近镜头的道具遮挡了主体;
- 标牌或标题卡上的文字被字幕覆盖,或蒙古语短片中屏幕上有任何英文文字;
- 某个节拍的画面未显示该时刻语音所描述的内容(在每帧上检查字幕词);
- 破损帧:黑屏、缺失纹理、角色悬空或沉入地面。
甩镜头中间的一帧可能模糊或显示空地:这是正常的。将每条发现及其时间和重做步骤写入
report.md的## 画面部分。
4. 判定与修复循环
仅在步骤 2 退出码为 0、步骤 3 无发现、且步骤 1 的差异列表中没有任何语音实际读错的词时判定为通过(听一下列出的词;STT 拼写错误不计入)。 判定失败时,仅重做失败的步骤,然后再次运行步骤 1 到 3。3 轮后停止,并向用户展示仍然失败的内容。
- 摄影 / 构图在若干时间点有问题:编辑
web/shots.js,用render.js stills检查,然后运行bash "$CRITIC/tools/rerender.sh" <reel> <t1,t2,...>(仅重新渲染覆盖那些时间的镜头,重新拼接,重新制作母版)。如果某个在多个镜头中出现的场景被修改,则需要完整的make.sh。 - 人声台词:重新录制该句台词(stickman3dmn:
retake.py或 ElevenLabs 网页应用),重建单词时间,运行make.sh <reel> keep。 - 混音 / 响度:编辑
audio.py,运行AUDIO_ONLY=1 make.sh <reel> keep。 - 脚本 / 时长:交还给用户;脚本由用户批准。
5. 从真实数据学习
python3 "$CRITIC/tools/stats.py" --out <reel>/critic/stats.json 通过 Composio 拉取 Instagram 短片洞察数据(观看次数、分享、保存、平均观看时长)和 TikTok 视频统计数据。如果某个平台未连接,则跳过该平台(composio link instagram,composio link tiktok;Instagram 洞察需要企业或创作者账户)。当帖子数达到 10 个或更多时,将前三分之一与其余部分进行比较(观看时长、长度、钩子类型),并在修改 rules.json 之前向用户提出更改建议。
6. 交接
向用户提供:mp4 路径、时长、测量响度、判定表、已修复的画面发现、以及使用短片语言编写的适用于 TikTok、Instagram 和 YouTube Shorts 的字幕,附带 3 到 5 个英文标签(对于 Hervee 频道始终包含 #whatif,以及主题标签如 #mongolia #ulaanbaatar,TikTok 上使用 #fyp,YouTube 上使用 #shorts)。由用户手动发布。
规则的来源
参见 README.md:留存率和钩子研究、安全区测量以及审查过的自动化工具。