口播短视频剪辑
请先阅读 video-edit-rules。其规则适用于此处的每一步。
目标:说话者始终是焦点,文字在静音下也易于阅读。 测试标准:观众在第一秒内看到钩子,面部从未被遮挡,说话者在有机短视频中的出镜时间不少于85%。
对于付费广告,在此完成后,运行 ad-video-editor 处理钩子、尺寸和广告检查。
适用的素材
- 单人面对镜头讲话,时长20到90秒。
- 4K横屏最佳。4K的9:16裁切尺寸为1215x2160,缩进时仍保持清晰。
- 1080p横屏裁切后为608x1080,放大1.8倍。会导致画面变软。
- 竖屏素材也可使用。缩进超过1.2倍会变软。
第1步:脚本与剪辑
- 转录:
python $KIT/scripts/transcribe.py source/clip.mp4 -o work/words.json。 - 将短视频写成脚本(规则第11节)。最强有力的句子放在开头。
- 规划剪辑:一个想法内部的结巴、重复和填充词去除。想法之间的真实停顿保留0.25到0.4秒。
- 检查每个剪辑:
python $KIT/scripts/silence_cuts.py source/clip.mp4 work/cuts.json。 - 剪辑后,在连接处运行
edge_check.py。
第2步:框选面部
- 每5帧检测一次面部。使用1秒窗口平滑面部轨迹。
- 放置裁切,使得在1.0倍缩放时眼睛位于y 640(相对于1920高度)附近。
- 为每个镜头写下颚线。字幕从颚线以下40像素或更远处开始放置。
第3步:钩子(前1.5到3秒)
- 裁切从约1.25倍开始。在整句钩子台词期间缓慢缩小到1.0倍。一次平滑曲线。
- 钩子台词在第0帧就以大号两行字幕形式显示在屏幕上。
- 大小:最长行约占画面宽度80%,通常为110到140像素。行高0.95。
- 在自然停顿处拆分语句。将重点词放在第二行末尾。
- 可选的名牌:一个位于下方三分之一处的小标签,显示说话者姓名和头衔,由用户提供。0.3秒后出现,保持2秒后消失。切勿凭空捏造。
- 钩子文字必须是说话者的第一句原话。
第4步:缩进
- 三种取景缩放级别:1.0倍、1.15倍、1.32倍。
- 每次剪辑时改变取景,避免连接处出现跳跃感。
- 在问题和关键句上使用紧画面。在转折点(比如“所以我做的是”)回到1.0倍。
- 切勿在2秒内从1.0倍直接跳到1.32倍再跳回。
- 如果渲染器有一帧延迟,则将缩进直接烘焙到画面帧中。
第5步:字幕
- 粗体无衬线字体,白色,最多两行,每组2到5个词。
- 居中放置,位于颚线下方,y坐标在220到1470之间。
- 每组最多一个强调词,大小为字幕的1.6到2倍,使用品牌强调色。
- 添加短阴影以增强对比。除非品牌文件指定,否则不使用背景框。
- 每组字幕在第一个词对应的声音出现时显示,并考虑测量的提前量。
- 全屏场景时不显示字幕。
- 每组字幕都必须显示在画面上。请检查渲染结果。
第6步:场景类型
仅在语言描述某些可视内容时使用场景。有机短视频中场景时长约占15%。
| 场景 | 适用情况 | 构建方式 |
|---|---|---|
| 关键词药丸 | 一个想法,一个强有力的词 | 在画面上的字幕下方放置一个药丸形状 |
| 列表堆叠 | “三件事”、步骤 | 药丸或卡片依次堆叠,每说一项出现一个 |
| 数字 | 说话者提到的一个数字 | 一个大的数字,在说到该数字时计数增加 |
| 手机 | “我发短信了”、“我发了帖子”、“我收到了一条消息” | 一个逼真的手机机身和操作系统界面,内容与台词匹配 |
| 前后对比 | 一个变化、一个对比 | 两张卡片,当说话者转折时第一张上出现删除线 |
| B-roll | 一个地点、一个动作 | 授权素材或用户自己的镜头,时长1.5到3秒,带轻微推进效果 |
| 模糊返回 | 场景结束后回到面部 | 画面从约30像素模糊和1.1倍缩放开始,在0.45秒内清晰 |
从 $KIT/templates/(参见其中的README)和 brand/pieces/ 中的品牌元素开始。仅使用说话者的原话填充。
药丸和卡片放在真实画面上、颚线以下。有机短视频中不要将说话者抠出放在新背景上。
第7步:规划,然后构建
- 编写
work/plan.md:每行一个条目,包含时间、台词、取景、字幕组、场景(如有)。 - 展示计划。等待确认。
- 先构建钩子。渲染前3秒。等待确认。
- 在同一个HyperFrames项目中构建剩余部分:
work/reel/index.html。 - 将每个场景的进入和退出点对齐到素材剪辑点。
- 渲染:
npx hyperframes render work/reel。输出1080x1920,帧率与素材一致。 - 混音:人声-14 LUFS,可选背景音乐低20 LU,仅使用轻柔的POP音效。
针对此风格的检查项
除 video-edit-rules 中的质量检查外:
- 第0帧显示钩子文字和面部。
- 逐句检查每个剪辑。取景始终变化。无1帧错误的裁切。
- 任何取景下字幕都不接触面部。
- 统计全屏场景的时间。报告占比。
- 最后一句完整显示,预留0.4到0.8秒的静默。
报告
- 文件名、时长、第一句。
- 使用的取景及其位置。
- 使用的场景、对应台词及其运行时长占比。
- 每个音效的时间与电平。
- 质量检查结果。