Communitygithub.com

播客片段剪辑

将单机位拍摄的长篇播客或访谈剪辑成具有虚拟多机位效果的短视频片段——通过放大广角镜头生成特写并缓动到位,在画面空白区域放置跟随镜头的文字,使用纯图形场景分割对话,在关键词上添加强调色块或滑动框,以及切换时加入闪光效果。适用于 Reels、Shorts 或 16:9 格式的播客/访谈片段。

播客片段剪辑 是什么?

该技能旨在将单广角机位拍摄的长篇播客或访谈视频,通过自动化处理生成为具有多机位观感的短视频片段。其核心价值在于无需多机位实际部署,仅通过智能裁切、文本跟踪和特效叠加,即可输出适用于 Instagram Reels、YouTube Shorts 等平台的高质量内容。技能全面支持 16:9 和 9:16 输出比例。工作流程包括:从长视频中提取关键时刻、检测人脸和空白区域以放置文字、为每句台词规划景别(远景/中景/特写)、自动生成镜头运动(缓入缓出)、在关键词位置添加强调色块或滑动框、创建纯图形场景以视觉化呈现数据或列表,以及在每次切换时添加轻微闪光。所有文本和图形都与画面锁定,随镜头移动,并确保不遮挡发言人面部。最终输出为 HypeFrames 项目或直接渲染的视频文件。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/justlowys/claude-video-editing-skills/tree/HEAD/skills/podcast-clips

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

播客片段剪辑 是做什么的?

先阅读 video-edit-rules。其中的规则适用于此处的每一步。 使用 longform-to-clips 选择要剪辑的片段。本技能负责制作视觉效果。

目标:一个锁定的广角镜头,观感如同多机位节目。 检验标准:观众感觉有多个角度,文字位于空白区域且从不遮脸,每次切换都在静音中进行。

适用的素材

  • 单广角相机,机位固定,两位演讲者均在画框内,或一位演讲者旁边有空间。
  • 4K 最佳。对 4K 素材进行 2.5 倍放大后仍有约 1536 像素宽度,足以输出 1080p。
  • 1080p 素材的放大倍数限制在约 1.4 倍以内,否则会变模糊。请告知用户。
  • 干净的语音。独立的麦克风音轨有助于标记发言人。

第 1 步:片段脚本

  1. 从 longform-to-clips 获取片段时刻及其脚本:确切的台词、顺序、源时间戳。
  2. 标记每一行由谁发言。
  3. 为每个片段标记 2 到 4 个需要强调的关键词。选择承载核心思想的词:数字、对比、结果。
  4. 标记 1 到 2 行用于完整图形场景。选择能够通过视觉呈现的台词:列表、前后对比、提到的数字。

第 2 步:规划广角镜头

  1. 抓取一帧清晰画面。检测每张人脸(OpenCV DNN 或 MediaPipe)。将每个人脸框写入 work/faces.json。
  2. 找到每位发言人旁边的空白区域:最大矩形,没有脸、没有身体且纹理很少(低拉普拉斯方差)。这是放置文字的地方。
  3. 为每位发言人规划构图,写入 work/framings.json:
构图4K 放大倍率用途
远景1.0x第一行台词,发言人切换时
中景1.5x大多数台词
特写2.0 到 2.5x关键台词和核心结论

对于 9:16 输出,裁切是广角镜头中的一个垂直窗口。将发言人的眼睛放在 y=700/1920 附近。文本放在下巴下方或头部侧面的空间中,位于安全区域内。

第 3 步:镜头运动

每次切换都落到新的构图上。然后镜头稳定下来。

  1. 切换时,从比目标构图紧 6% 到 10% 的位置开始。
  2. 在 0.6 到 0.9 秒内缓出到目标构图。使用一条曲线(例如 cubic-out)。不能走走停停。
  3. 保持静止直到下一次切换。非常缓慢的漂移(大约每 3 秒 1%)是可以的。
  4. 切勿在两个放大倍率差异小于 1.25 倍的构图间进行切换。这看起来像跳跃。
  5. 使用 ffmpeg(crop 加 scale,配合逐帧表达式)或 OpenCV 将裁切烘焙到素材帧中。不要依赖页面的变换来处理镜头。
  6. 将源帧均匀映射到输出帧率。

第 4 步:空白区域的文字

文字与画面绑定,而不是与屏幕绑定。

  1. 将每个文本块放置在第二步中找到的空白区域中,使用广角镜头坐标。
  2. 每一帧,文本块都经历与素材相同的缩放和偏移。文字随着镜头一起放大和移动。
  3. 两种大小。关键词使用一个大的紧凑单词(例如,在 1080 高度下,180 到 260 像素)。其余台词使用小号紧凑文字(40 到 56 像素,字母间距 -0.02em)。
  4. 文本块绝不能穿过人脸框,即使在最紧的缩放下也要检查。逐帧检测。
  5. 文字在说话时以短暂上升(0.3 秒)进入画面,无弹跳。在切换时消失。

第 5 步:关键词强调

两种形式。每个片段选择一种并保持一致。

  • 色块:关键词位于实色强调色块中。色块高度为大写字母高度的 1.3 倍,圆角半径高度的一半,左右填充 0.4em。
  • 滑动框:一个强调框随着台词被说出而平滑地滑到单词后面,从第一个单词到最后一个单词一次完成。它不会在单词之间停顿。根据对应时间驱动其宽度,然后通过一条缓动曲线在整个短语上平滑处理。

使用 brand/theme.css 中的品牌强调色。如果没有品牌颜色,选择一个亮色并保持一致。

第 6 步:纯图形场景

在对话部分之间,切换到全屏场景,持续 1.5 到 3 秒,使用标记过的台词。

  • 使用 $KIT/templates/ 或品牌素材中的 HTML 构建每个场景。
  • 语音在场景下继续播放。
  • 场景展示所说的内容:逐一显示的列表项、逐渐显示的数字。
  • 在自然帖文中,场景占比控制在片段时长的大约 15% 以内。
  • 仅使用用户拥有的图片、录制中的帧或已授权的素材。切勿编造粉丝数、名称或数据。

第 7 步:切换闪光

  1. 在每次构图或场景切换时,添加一个轻微闪光:一个不透明度 35% 到 55% 的白色图层,在切换帧达到峰值,在 4 到 6 帧内淡出。
  2. 搭配一个轻柔的“噗”声,音量至少低于人声 20dB,或者无音效。
  3. 没有嗖嗖声。没有渐强音。没有反向波。

第 8 步:构建与渲染

  1. 已烘焙镜头运动的素材:work/cam.mp4。
  2. 文字、强调效果和场景:一个 HypeFrames 项目,放在 work/clip-NN/。
  3. 将每个场景与素材裁切点对齐。
  4. 渲染:npx hyperframes render work/clip-NN。16:9 输出 1920x1080,9:16 输出 1080x1920。
  5. 先展示前 3 秒。等待确认,然后渲染完整片段。

本风格检查清单

在 video-edit-rules 的质量门槛之上额外检查:

  • 逐帧检查每次切换。新的构图应从更紧的位置开始并立即缓出一次。
  • 逐帧检查每个镜头的最紧缩放。没有文字接触到人脸。
  • 以 25% 速度观看滑动框。它不应在单词之间停顿。
  • 检查每次闪光的峰值都在切换帧,而不是之后一帧。
  • 检查每次缩放是否锐利。如果缩放模糊,则适当退回。

报告

  • 片段长度、源入出时间、第一行和最后一行台词。
  • 使用的构图及其缩放倍率。
  • 带强调效果的关键词。
  • 场景及其运行时占比。
  • 所有音效及其时间和电平。
  • 质量检查结果。

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

相关技能