Communitygithub.com

全屏头部特写编辑

在代码中编辑头部特写视频(如VSL、Reel、解说视频),保持演讲者全屏且未被裁剪,在其头部上方、下巴下方以及少量全屏插图中添加动态图形。呈现海军蓝风格,采用“展示而非讲述”的视觉元素,使用真实素材(真实现金、真实Logo、真实应用UI),以及苹果风格的扁平图标。基于Remotion和ffmpeg构建。当被要求编辑带有图形的头部特写或VSL视频,以使其呈现“蓝色”编辑风格,或添加B-Roll/图形而不使用分屏时使用。

全屏头部特写编辑 是什么?

该技能专注于为头部特写视频(如视频销售信、Reels、解说视频)创建一种独特的“蓝色”风格编辑,无需分屏或裁剪演讲者。它利用Remotion和ffmpeg,在演讲者头部上方和下巴下方的空白区域,以及几个全屏切出画面中,精确定位动态图形和动画。流程包括使用faster-whisper逐词转录、检测演讲者硬切、创建节拍表以在听觉点同步图形,以及严格的演示性视觉效果规则,例如使用真实元素(现金、Logo、应用UI截图)而非占位符,并使用苹果风格的图标和动画。该技能还包含一个详细的渲染管道,用于将透明PNG序列合成到原始视频上,确保高保真度,并通过自动质量评分和基于帧的审查来维持质量。它支持在VSL中分段长时间视频,并特别关注音频完整性,不修改语音音频,同时添加微妙的音效。

兼容平台~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/rsdabid/claude-video-editing-skills/tree/main/skills/fullscreen-talking-head-edit

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

全屏头部特写编辑("蓝色"风格)

演讲者保持全屏且未被裁剪。图形位于其周围的空白区域以及少量全屏切出画面中。无需分屏,也不在演讲者周围添加框。每个图形都展示他在那一刻所说的内容。

这些规则源自真实的审阅轮次,客户观看每个剪辑并撰写帧级注释。以下每条规则都修正了一条注释。

1. 编辑前准备

  1. 使用时间戳进行转录。 使用faster-whisper(large-v3-turbo)并附带单词时间戳。手动校正单词。保留一个[word, start_seconds]列表;字幕和每个图形提示都基于此。
  2. 找到他自己的硬切。 对比帧(ffmpeg,缩放至54x96灰度,平均绝对差值),并列出所有高于噪声的跳跃。转场必须覆盖这些切点(第4节)。
  3. 找到空白区域。 抓取几帧。标记他头部的位置、头部上方的安全区域以及下巴下方的区域。图形绝不能覆盖他的脸或眼睛。
  4. 编写节拍表: 时间 | 台词 | 所见画面。每个节拍一个图形,与台词字面意思对应。"客户会评判你"对应一条客户回复中困惑的消息。模糊的光晕不算。
  5. 长视频(VSL): 以1到2分钟为一段进行编辑,每段使用相同的样式包,拥有自己的合成文件。一次性编辑整个长视频效果较差。渲染每个部分,审查,然后合并。

2. 布局(1080x1920;针对16:9缩放区域)

  • 标题区域: 头部上方的带状区域(y 40至310)。衬线标题,逐词显示,一个重音词使用斜体和较浅的重音色。
  • 图形区域: 下巴下方(y 1040至1500)。无框的剪切对象。
  • 字幕: 图形区域下方的一行(y约1560)。活动词获得一个实色色块,逐词移动。字幕无弹出或弹跳效果。
  • 头部后方: 大的章节数字(1, 2, 3)可以通过人物遮罩(RobustVideoMatting)放在他身后。合成:原素材、背景层、通过遮罩的演讲者层、前景层。
  • 贴纸或吉祥物: 在图形区域的侧边,绝不能在他脸旁。仅用于重要节拍,每个视频少量使用。
  • 遮罩: 顶部和底部的柔和海军蓝渐变,以便白色文字在浅色墙壁上可读。顶部遮罩保持透明(约0.6至0.35 alpha)。过重的遮罩显得浑浊。

3. 展示,而非讲述

  • 真实元素优于绘制元素。 使用真实的钞票照片(公共领域扫描件可以)、真实品牌Logo矢量图、真实的YouTube缩略图、标题和频道图片、实际网站的真实截图或抓图。绘制占位符显得廉价。
  • 复制真实应用UI,使其看起来像屏幕录制。 YouTube信息流卡片(深色#0F0F0F,Roboto字体,12像素圆角缩略图,时长徽章,头像,两行标题,灰色频道行)。WhatsApp聊天(深色:#0B141A背景,#005C4B发出,#202C33接收,已读时蓝色双勾,名称下方"正在输入…",链接预览卡片)。Instagram帖子(包含关注按钮#0095F6的页眉,点击后变为"正在关注",双击爱心,红色已赞爱心,"1,205次赞",在"添加评论…"中输入评论,发布)。在UI中演绎故事:发送、已读、正在输入、回复。
  • 使用自绘红色框突出显示他谈论的屏幕截图中某个部分,例如结果部分或视频。
  • 字面节拍: "没人付大钱"意味着真实纸币展开,然后掉落。"雇佣"意味着按钮被划掉并变灰。"不是某些BS"意味着一个打叉的便便。"专业"意味着金色验证徽章。"你去找他们"意味着纸飞机从你飞向三个亮起的客户资料。
  • 不要使用表情符号作为图标。 在图标块内使用矢量图标(Lucide路径,MIT许可)。
  • 无随机装饰(星星、箭头、曲线围绕他弹跳)。它们会分散观众对演讲者的注意力。每时刻只有一个焦点图形。
  • 除非客户同意,否则绝不显示真实客户面孔或私人数据。在抓图中模糊处理姓名、电子邮件和金额。

4. 动画

  • 入场: 从下方以一个角度升起(rotateX约28度至0),缩放从0.72到1,淡入并模糊,使用弹性动画(阻尼10,刚度190,质量0.7)。最终以平面静止。保持时缓慢浮动5像素。
  • 退场: 侧滑,稍微缩小,在0.22秒内模糊消失。
  • 切出画面(全屏页面): 圆形光圈(clip-path circle从0到125%,持续0.22秒,缓出三次方)。页面必须在他的硬切之前完全覆盖帧,因此在硬切前约0.25秒开始光圈。保持页面直到他的下一个切点,然后向下滑出并模糊消失。页面落地时一道轻微扫过的光带增加精致感。
  • 任何跨越你在素材中所做剪切的内容(例如删除的句子)必须使用输出时钟运行,否则会在剪切处跳跃。用一个函数将输出时间映射到源时间,并为跨越剪切的图形提供以输出秒为单位的计时。
  • 光标移动: 一条缓动曲线(在二次贝塞尔曲线上使用缓入缓出三次方),点击时伴随一个环状效果,然后缓慢摆动(少量像素的正弦波)等待。
  • 任何东西都不能在没有转场的情况下弹入,并且出现时不能改变布局(为稍后淡入的标签预留空间)。
  • 使用虚线偏移绘制的圆头描边在长度为0时会显示一个点。 在绘制开始前隐藏路径。
  • 60 fps图形。

5. 外观

  • 调色板: 海军蓝(页面使用径向渐变#090A13至#2E3478),强调色蓝#4A5BFF,浅强调色#A3AFFF用于斜体单词,白色文字。
  • 字体: Fraunces 900用于标题、数字和英文重音词;UI标签使用干净的无衬线字体;Android或YouTube UI内部使用Roboto。
  • 图标采用苹果风格,而非3D。 圆角正方形(半径为尺寸的22.5%),柔和的从上到下的渐变,极细的顶部高光,白色字形(描边2.2),以及图标自身颜色的柔和阴影。无光泽斑点,无厚重斜面。
  • 辉光仅用于具有自身颜色且本该有的物体: 绿色对勾下方的绿色阴影,红橙色火焰上的红色辉光,金色徽章下的金色辉光。切勿对所有东西使用蓝色辉光。保持辉光足够小,以便对勾和文字保持清晰。
  • 卡片: 深色磨砂面板,带1像素顶部高光和柔和投影。
  • 参见 reference/kit.tsx 了解图标块、扁平圆盘、玻璃卡片、默认头像和颜色辅助工具。

6. 音频

  • 不要触碰演讲者的音频:不进行标准化、不设限制器、不增加增益。切点处仅添加6毫秒淡入淡出。
  • 音效来自真实库:入场时柔和的嗖嗖声,图标落地或UI按钮点击时的一声轻响,打字时伴随的打字声,章节数字的冲击声。保持稀疏,网站或屏幕抓图显示时不要有音效。
  • 单独渲染音频。 在与重型叠加图形相同的ffmpeg命令中运行amix会丢失部分语音片段。使用-an渲染画面,单独混音,使用-c:v copy复用,并检查视频和音频时长是否匹配。

7. 渲染管线(Remotion + ffmpeg)

  1. 将图形渲染为透明PNG序列:一个前景层,以及一个背景层(如果使用遮罩)。仅渲染存在背景层内容的帧窗口,其余部分填充为一个空白PNG。
  2. 在合成前,将所有PNG转换为RGBA格式。Remotion将完全不透明的帧(切出画面)保存为RGB,而ffmpeg的图像序列在RGB切换为RGBA时停止。
  3. 在ffmpeg中,将图形合成到未经处理的原始素材上(使用NVENC或x264高质量),保持素材的原始像素。
  4. 如果源素材以黑色帧结束,则丢弃它,并保持前一帧。
  5. 仅重新渲染你更改的秒数(--frames=A-B),而非整个视频。
  6. 制作一个720像素的手机版本供审查。

8. 交付审阅前的最低质量标准

  • 在每个节拍处渲染静态帧,并以联系表方式查看。检查面部清晰、文字可读、一个焦点图形、UI看起来真实。
  • 对于动画注释(流畅、抖动),提取该时刻的10 fps片段,并检查是否沿曲线运动。
  • 在可读性、精致度、层次结构、一致性、动画、字面意义、面部安全和"看起来高端"方面,为每个剪辑打分1到10分。修复最差的三个问题,直到达到8分。
  • 通过审阅台(单独压缩包)交付,并读取其JSON中的帧级注释。

相关技能