Communitygithub.com

talking-head-reel

将一段人物口播视频剪辑成9:16的短视频或广告——慢速缩放开头、大号双行标题、每次剪辑时的缩进、少量场景类型以及面部下方的字幕。适用于“编辑这段口播视频”、“从这段视频制作短视频”、“将这段创始人视频转化为短视频或广告”等需求。

talking-head-reel 是什么?

这个技能用于将单人口播视频剪辑成适合9:16竖屏的短视频或广告。核心原则是:说话者始终是焦点,文字内容在无声音下也清晰可读。它支持有机短视频和付费广告两类用途,对于广告还需额外运行广告编辑器。输入的素材要求是20-90秒的单人面对镜头讲话,最佳为4K横屏。 处理流程包括:转录脚本并规划剪辑(去除口吃、重复和填充词)、定位面部(确保字幕不遮挡)、制作开头钩子(1.5-3秒,慢速缩放+大号双行标题)、应用三种缩放级别的缩进剪辑、生成字幕(粗体无衬线、白色、中心对齐、每行2-5词、可有一个强调词)。场景类型(如关键词药丸、列表堆叠、数字、电话、前后对比、B-roll、模糊返回)仅用于语言描述可视内容时,占用约15%的时长。最终输出为1080x1920的短视频,并附带质量检查报告。 该技能适用于Codex、Claude Code等AI代理平台,通过命令行工具(如转录、静音剪辑检测、边缘检查)和HyperFrames渲染工具实现自动化工作流。

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

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

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

  1. 转录:python $KIT/scripts/transcribe.py source/clip.mp4 -o work/words.json。
  2. 将短视频写成脚本(规则第11节)。最强有力的句子放在开头。
  3. 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。
  4. 检查每个剪辑:python $KIT/scripts/silence_cuts.py source/clip.mp4 work/cuts.json。
  5. 剪辑后,在连接处运行 edge_check.py。

第2步:框选面部

  1. 每5帧检测一次面部。使用1秒窗口平滑面部轨迹。
  2. 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。
  3. 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)

  1. 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。
  2. 钩子台词在第0帧就以大号两行字幕形式显示在屏幕上。
  3. 大小:最长行约占画面宽度80%,通常为110到140像素。行高0.95。
  4. 在自然停顿处拆分语句。将重点词放在第二行末尾。
  5. 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。
  6. 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

  1. 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)。
  2. 展示计划。等待确认。
  3. 先构建钩子。渲染前3秒。等待确认。
  4. 在同一个HyperFrames项目中构建剩余部分:work/reel/index.html。
  5. 将每个场景的进入和退出点对齐到素材剪辑点。
  6. 渲染:npx hyperframes render work/reel。输出1080x1920,帧率与素材一致。
  7. 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。

Individual skills in this repo

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

相关技能