YouTube 恶搞视频生成器是做什么的？

生成一个完整的视频，而不仅仅是概念或故事板。最终效果应富有创意、内容密集、具有网络原生感，同时看起来依然精致得体。

参见：

有用的捆绑文件：

scripts/plan_video.py
assets/style_blueprints.json
assets/scene_atoms.json
assets/trigger_eval_queries.json

何时使用此技能

当用户想要以下内容时，请使用此技能：

一个YouTube恶搞视频、咒怨预告片、荒谬蒙太奇、反思性故障短片或超现实超级剪辑
通过ffmpeg从文本、网页、代码、文档、媒体或无任何源素材渲染出的视频
带有个人风格、强烈观点或“这种感觉如何”框架的视频
一个具有自我意识的AI / LLM / 网络文化短片
一些“更怪异”、“剪辑更多”、“超高速剪辑”、“迷因化”、“混乱”或“诗意的”，但依然美观的东西

对于常规修剪、简单字幕叠加、普通解说视频、标准动态图形或传统广告，请勿使用此技能，除非用户明确要求混剪行为。

核心承诺

此技能不应将创造力扁平化为单一的固定风格。默认的种子混音蓝图是一个情绪透镜，而非牢笼。

完成的作品通常应具有：

比普通剪辑更多的场景
清晰的主题或情感主张
清晰可读的帧画面和受控的调色板
一个占主导地位的重复主题
至少一个精心设计的、感觉个性化而非通用的姿态
一个决定性的收尾

默认输出目标

除非用户另有指定：

一个完成的MP4文件
20–60秒时长
1920x1080 @ 30 fps（适用于普通YouTube）
仅在请求明确暗示Shorts/Reels/TikTok/竖屏时，使用1080x1920 @ 30 fps
H.264视频编码，AAC音频编码，yuv420p色彩空间，+faststart优化

工作流程

1) 快速盘点素材

使用任何现有的材料。

如果用户提供了文本，挖掘其中的短语、矛盾、重复的措辞和情感温度。
如果用户提供了网页或URL，提取标题、CTA文本、布局主题、截图、裁剪区域和滚动瞬间。
如果用户提供了代码，使用可读的代码片段、终端窗口、错误信息、注释、变量名、日志和光标移动轨迹。
如果用户提供了文档，使用章节标题、提示框、图表和页面框架。
如果用户提供了图片、音频或视频，挖掘其中的循环段落、反应节拍、定格帧、发言片段、纹理和可加字幕的细节。
如果用户什么也没提供，则完全根据请求合成整个世界：标题卡、浏览器窗口、终端面板、下部三分之一标签、仪表盘、进度条、令牌流、警告卡、图表和简单的动态图形。

不要因为源素材单薄而停滞不前。主动创造支撑场景。

2) 确定主题

在编辑之前，定义一个简短的内在句子：

“这个视频让 X 感觉像 Y。”

示例：

“这个视频让与语言模型对话的感觉，像是一场数据中心内部深夜的紧急广播。”
“这个视频让一个落地页的感觉，像是一次仪式性的测谎。”
“这个视频让一个代码库的感觉，像是一次充满负罪感的终端告白。”

每一个重复出现的梗都应该支持这个主张。

3) 使用默认的种子混音，除非用户指定了风格

除非用户命名了某种风格，否则使用默认的 seed-remix-default 蓝图。它会在每次运行时从其他捆绑蓝图中采样调色板、排版、动画、过渡、音频和笑点提示。

运行：

python3 scripts/plan_video.py --query "$USER_REQUEST" --material-summary "$MATERIAL_SUMMARY" > plan.json

如果用户明确要求某种特定的捆绑外观，可以覆盖默认混音：

python3 scripts/plan_video.py --query "$USER_REQUEST" --material-summary "$MATERIAL_SUMMARY" --style-id STYLE_ID > plan.json

对于CRT新闻室或AI崩溃的外观，优先使用捆绑池中的条目 crt-token-meltdown、headline-seizure-desk 或 context-window-panic，而不是从头开始发明一次性风格。

将计划作为调色板、动画、音频、场景密度和场景创作的创意指南。使用默认混音时，将报告中的种子来源视为提示，而非待办事项清单。

4) 构建场景集群，而非简单的节奏表

目标是大量微场景。

按时长推荐密度：

20–28秒： 大约9–12个场景
29–40秒： 大约11–15个场景
41–60秒： 大约13–18个场景

在这些计数中，应包含：

锚点场景：清晰地呈现源素材或主题
桥接场景：充当干扰、故障或喘息标记
一个休息场景：相对静止
一个高潮场景
一个收尾场景

大多数直接的剪辑在此处表现不佳，因为它们做的场景太少。此技能应让人感觉想法比秒数多。

5) 将蓝图用作情绪，而非角色扮演

使渲染出的画面感觉经过设计且足够严肃以至于美丽，即使内容是荒谬的。

偏好：

暗色或克制的基底，搭配选择性强调色
编辑上的对比
发光高光，少用
可读的字体，并留有安全边距
有目的的故障，而非随机丑陋
真诚与破坏之间的张力

避免，除非用户明确要求：

可爱贴纸风格的能量
泡泡字体
糖果色盘
到处是幼稚的弹跳缓动
表情符号蜂群
只是为了饱和而饱和的彩虹色
每个镜头都布满全屏噪点

6) 加入个人风格

视频应有自己的态度。

将该态度注入到：

主题句
重复的台词或主题
虚构支撑场景的选择
TTS语音或字幕
最终的收尾

对于自我反思的AI / LLM作品，偏好亲密感、矛盾、恐惧感、冷幽默或机器诗意，而非泛泛的迷因随机性。

7) 谨慎处理音频

允许使用TTS，且通常有用，但不要让它变成铺满全篇的解说。

仅将TTS用于短片片段、警告、告白或合唱部分。一个好的默认值是：

一个主声音
可选的第二种“系统”或耳语式声音
对于一个20–60秒的作品，总共2–8句短台词
仅在能提升场景时才进行轻度音高偏移、频带限制、卡顿、丢音或混响处理

也使用：

嗡嗡声
脉冲声
UI点击声
静音剪切
丢音效果
低调的冲击音效
短暂的静默

对最终混音进行标准化处理。确保语音可理解。

8) 鲁棒地渲染

优先采用可靠的组装流程：

收集或创建素材。
将脆性或复杂的场景预先渲染为剪辑或帧序列。
在ffmpeg中组装。
在最后一次渲染中完成最终响度标准化和兼容性设置。

基础导出命令：

ffmpeg -y -i input_video.mp4 \
  -vf "format=yuv420p" \
  -af "loudnorm=I=-16:TP=-1.5:LRA=11" \
  -c:v libx264 -crf 18 -preset medium \
  -c:a aac -b:a 192k \
  -movflags +faststart \
  output.mp4

如果在Python中生成场景，请将PNG帧渲染到一个目录，然后用ffmpeg编码它们，而不是试图完全在Python内部处理最终的容器动画。

素材适配规则

纯文本输入

不要仅仅把段落做成动画。将文本变成一个世界：

动态字幕
标题卡
副标题
警告条
令牌流
浏览器或终端模拟框
图表
原创TTS短语

网页或URL输入

不要长时间静态地展示整个页面。使用：

标题裁剪
CTA/按钮重复
浏览器窗口
光标移动
滚动揭示
注释
模仿页面语气而创造的支撑帧

代码输入

使代码具有触感和可读性：

可读的语法卡片
终端面板
构建日志
错误墙
变量名作为笑点
光标捕捉
架构图
提示循环

无源素材

立即创造一个原创的蒙太奇世界。好的默认虚构场景包括：

启动或警告卡片
下部三分之一和滚动条
终端告白的帧
仪表盘计数器
注意力热力图
冻结的字幕
软故障按钮

故障处理

如果某个效果难以实现，则简化该效果，保留主题，保留情绪，并最终完成渲染。一个完成的、连贯的短片胜过过于野心勃勃的失败品。

版权卫生

优先使用用户提供的素材、公有领域或适当授权的来源，或原创生成的素材。如果版权不明确，则应更多依赖原创动态图形和经过改造的支撑素材。

最终检查

在返回视频之前，请查看 references/OUTPUT-CHECKLIST.md。

YouTube 恶搞视频生成器