脚本 是做什么的?
作者用用户自己的话写视频的口播稿。目标:用户读一遍就能录。每一句话都要承载或证明标题与缩略图的承诺。
写作前
- 标题和缩略图文字已批准(
brief/TITLE-vNNN.md)。没标题,不写脚本。 - 论据已批准(
brief/PROOF-vNNN.md)。绝不编造任何数字、经历或引用。如果缺少内容,在写作前通过聊天(crewcut say)提问;脚本中不能有空白或占位符。 - 阅读
voice.md(用户的说话方式、用词和避用词)、brand/rules/script.md以及edit-style.json中的时长(length_minutes),并参考channel.json中的语速(script.words_per_minute)。 - 阅读最近三个脚本的结尾,以确保本次结论采用新的形式。
结构
两种形式。对于工具或主张,使用测试形式;对于已发生的事件,使用故事形式(详情见 references/forms.md)。
- 开场,2 到 6 句话。 开头几秒承载承诺及其数字:第一句点明工具或主题及其主张。不要问候,不要提问,不要说“在本视频中”。头30秒要确认用户的点击是对的:让观众看到他们得到了标题和缩略图所承诺的视频。最多只有一个开放式悬念,在结尾解决。
- 问题,以一个观众熟悉的案例展开。首次提到不为人知的工具时,要加以解释。
- 它做什么,用画面展示,只展示观众还不知道的内容。
- 自己的测试,带着真实数字,按人们说话的习惯四舍五入。只测试该工具原本设计用来做的事。
- 一句订阅引导,紧跟第一个强有力的结果之后:说明观众能从频道得到什么。如果没有厂商为测试付费,就在这句话里说明。绝不能放在开头,也不能在结尾处乞求。
- 逐步升级的小故事。 从开场到结论之间的每个板块都有目标、障碍和解决方案;板块之间,风险逐步升级(更多数据、更多金钱、更难的测试)。最强的测试放在最后,结论之前;开场可以预告它,但不能透露结果。
- 批判性视角。 将厂商的数据与自己的或独立的测量结果进行对比;指出局限性。如果工具未能兑现承诺,就要说出来,并且标题要退回标题步骤。
- 结论,每次采用独特形式: 给观众一个任务、一个让人记住的数字、对用户自身工作的意义、以及对开场画面的呼应。不要用固定的结束提问。
- 结尾。 如果
channel.json中有推广或必须提及的内容(script.end_mentions),放在最后几句话里,用用户自己的话说。如果频道有closing_line,最后一句话就是它。
对比类视频: 连续最多两个相同结构的板块;第三个必须改变形式。中间点要有一个新的钩子。每个观点只说一次。所有候选产品的成本和时间只一起说一次,且同时显示在屏幕上,而不是在每个板块结束时重复。
用词
- 使用
voice.md中用户自己的词汇;绝不使用其避用列表中的词。 - 短句:中位数约10到12个词,绝不超过
script.sentence_max_words。 - 一句话中最多出现三个产品名;更长的列表放到屏幕上。
- 去掉:观众已知的基础知识、没人关心的细节(测试次数、内部开关)、文件名、命令、旁支话题、私人信息、选择某个例子的原因、非承诺范围内的成本。
- 没有广告或推销语气:只描述测试了什么,不向观众做任何承诺。开场不要用夸张的“不是这样,而是那样”。
- 商业性通过例子来体现,而不是直接对观众谈论商业。
提词器格式
用户从放在相机旁边的手机上阅读。
- 只有
---线上方的口语文本。编辑用的笔记(场景、片段、每个数字的来源)放在线下。 - 一个段落等于一口气:1到
script.paragraph_max_sentences句话。一个空行代表短停顿。 - 三个空行分隔不同部分:这里编辑可以剪辑,提词器可以翻页,这里可以插入视频片段。
- 没有括号、舞台提示、标题、章节、时间戳或标题行。只有在允许的情况下才使用破折号。
- 用粗体标记段落中的一到两个关键词。提词器的要点模式会显示这些关键词代替全文,方便想要自由发挥的用户。
步骤
- 用已确认的数字填充结构。
- 精简:每一句话都要承载或证明承诺。
- 转换成用户的口吻。在脑中默读每一句话:用户会对着镜头这么说吗?
- 将草稿写入
work/script-draft-vNNN.md,使用下一个可用编号;永不覆盖旧版本。 - 人性化处理(见下文)。将结果写入
brief/SCRIPT-vNNN.md(使用相同编号),然后记录它:crewcut humanize record --draft work/script-draft-vNNN.md --final brief/SCRIPT-vNNN.md --why "<应用的改进模式>"。 - 检查直到0个错误:
python3 skills/script/scripts/script_check.py brief/SCRIPT-vNNN.md --title "<标题>" --name "<工具>" --proof brief/PROOF-vNNN.md。阅读每个警告和提示;保留的提示需在---下方用一句话说明原因。 如果修改了脚本以通过检查,请再次记录人性化处理步骤:卡片需要确切的文件记录。 - 卡片:
crewcut card propose --episode <id> --step script --kind script --title "脚本, 版本 N" --file brief/SCRIPT-vNNN.md --body "<字数>, 约 <分钟> 分钟, 检查: 0 错误",然后crewcut card wait。 卡片会显示“已人性化”及修改内容;没有记录会被拒绝,并提示需要运行什么。 - 确认通过后:
crewcut prompter <id>会打印手机链接和二维码。用一条消息告知用户:链接、共几部分、大约时长。提词器只显示---上方的文本。
人性化处理(Humanizer)
每份脚本草稿在用户看到之前都要经过Humanizer(blader/humanizer,MIT协议)处理,包括长视频和短视频。Crewcut 在启动时下载其最新版本;在 Claude Code 中,它是技能 humanizer:humanizer(像使用其他技能一样运行它),在 Codex 中,它的文本已包含在你的提示中。crewcut skills status 可查看版本。
- 模式“嵌入”,使用用户的口吻。 首先阅读
brand/voice/中的每个文件:用户自己从视频中说出的话。将它们作为语音样本提供给Humanizer。没有样本则使用普通模式;卡片会注明。 - 最需要关注的地方: “不是X而是Y”的对比;没有新信息的结尾句;听起来很深刻的谚语;在切入正题前的过度铺垫(“关键来了”);三点式列举;夸大其词和广告语言。
- 需要保留的内容: 用户自己的词汇和表达方式(
brand/voice/和voice.md中的那些),即使Humanizer想要平滑它们;所有数字、名称、主张以及标题的承诺。Humanizer改变的是听起来的感觉,绝不改变所说的内容。 - 不属于范围: 让文本通过AI检测器。Humanizer为真人编辑,我们也是。
检查无法看到的内容
例子是否范围过大、某部分是否偏离主线、测试是否符合承诺、语气是否像用户。这是步骤2和3中的阅读工作。
计划中
- 提词提示单和每个部分录两次(第一次不按提词单自由发挥,第二次按脚本录;剪辑时选择更好的那条):格式见
references/forms.md;检查器和录制混合功能(工作室中的zettel.py)尚未移植。 - 脚本对比录音:将批准的脚本与转录文本对比,以学习用户的真实用词(这些转录文本可以成为新的语音样本)。
- 每种语言的习惯用词清单(填充词、推销用语),作为数据存储在
voice.md中。
来源
-
Humanizer,作者 blader,https://github.com/blader/humanizer(MIT协议),基于维基百科的“AI写作的迹象”。作为技能使用,启动时下载;其文本不属于此仓库。
-
Vexian 在 Grant Owen 的播客中,“The Crazy Genius Who Solved The Youtube Algorithm”: https://www.youtube.com/watch?v=41HMFGbENj4。采纳点:钩子在前几秒,每个板块都是一个小故事,最强的测试在最后,带独立性声明的订阅引导,推广放在视频后半段。
-
MrBeast 的制作手册(2024年起公开),摘要:https://simonwillison.net/2024/Sep/15/how-to-succeed-in-mrbeast-production/ 采纳点:第一分钟必须兑现标题和缩略图的承诺。
-
创始人短视频中的讲故事技巧:Farza (https://www.youtube.com/@farzatv), Chris Raroque (https://www.youtube.com/@raroque), Roy Lee (https://www.youtube.com/@im_roy_lee), Riley Brown (https://www.youtube.com/@rileybrownai), Varun Mayya (https://www.youtube.com/@VarunMayya), Codie Sanchez (https://www.youtube.com/@CodieSanchezCT)。采纳点:第一人称视角、转折、不规整的真实数字。