无脸短视频
此技能复制了一条在真实短视频（"这个声音不是我的"，2026年11月发布）上验证过的生产流水线。目标：一个1080×1920、30fps、时长60至120秒的短视频，能始终吸引观众注意力，因为一切都在原地变换，与语音节奏同步。
设置
个人设置位于此技能根目录下的config.json中。如果该文件不存在，请将config.example.json复制为config.json，并让用户填写缺失的内容（至少包括elevenlabs_voice_id）。每次运行开始时读取该文件。下面的<skill>代表此技能的文件夹。
| 键 | 用途 |
|---|---|
creator_name | 在报告中如何称呼用户 |
language | 短视频的默认语言（语音、字幕、屏幕文字）。其他语言的请求优先 |
elevenlabs_voice_id, elevenlabs_model | 克隆的声音 |
whisper_model | 用于检查的本地whisper.cpp模型 |
projects_root | 之前短视频项目所在的目录（用于复用node_modules） |
cta | 三个结束动作的确切措辞，使用短视频语言 |
guides_page | 用户个人简介中链接的页面，指南所在位置 |
timezone, publish_hour, caps, telegram_env | 仅限自主模式 |
用户规则
- 写作要直白、直接。屏幕上或消息中绝不使用破折号或填充词。
- 屏幕上使用短视频语言的排版规则。对于法语：在
: ? !前以及"5 réglages"内部使用不间断空格，使用« »引号。 - 语音永不中断。 仅编辑动画。不改变时长，不删除静音。
- 视频中无面部出现，封面除外，封面使用用户的照片。
- 封面始终是视频的第一帧，并且也作为单独文件交付。
- 结尾始终执行三个动作：订阅以获取指南、点击简介中的链接、输入关键词。在语音、字幕和屏幕上都要体现（SUBSCRIBED按钮、LINK IN BIO按钮、一个输入关键词的字段）。关键词直接与指南和主题相关，由Claude提出。说"link in bio"，绝不说"link in the description"：指南页面在用户的个人简介中。
- 所有所述内容必须真实：无编造的数字、无来源的夸大、无伪造的截图。有亲身经历的证明胜过空头承诺。
- 屏幕上不可出现任何令牌、密码或密钥。
- 每个短视频的说明：最多5个标签，无链接，适用于所有平台。始终以展示如何获取指南结尾，例如："五个提示在指南中，随时可以复制粘贴。要获取它：订阅，转到简介中的链接并输入关键词FIVE。"
- 使用克隆语音的无脸短视频：发布时声明AI生成内容（例如使用Blotato：TikTok上设置
isAiGenerated: true，YouTube上设置containsSyntheticMedia: true）。 - 音乐音量设为0.05，低于语音，绝不更高。
- 告知付费生成的成本。如果用户已在请求中授权Atlas Cloud或ElevenLabs，则告知并继续。否则等待用户同意。
- 一气呵成，检查自己的工作，清楚说明已验证和未验证的内容。除非用户要求或处于自主模式，否则绝不发布。
- 小内存机器（8 GB RAM）：一次只生成一个Remotion包，在后台渲染，最后清理中间文件。
步骤
一开始就规划好所有步骤。每个步骤都有其指南：到达该步骤时读取之。
- 定位。 视频文件夹、参考视频（文件或链接）、主题、用户的封面图片（视频文件夹中的
cover.png，否则使用<skill>/assets/cover/cover-template.png并告知）、可用磁盘空间（df -h /）。阅读有用的references/和项目记忆。 - 分析参考视频（如果有）：提取音频，使用Scribe进行转录，逐帧查看视频，编写
_reel/reference/reel_analysis.md。参见references/script.md。 - 编写脚本和承诺的指南：
_reel/script.md，确保每个声明的真实性。参见references/script.md。 - 创建项目：
zsh <skill>/scripts/new_reel.sh "<视频文件夹>"，然后填写remotion/reel.json。参见references/editing.md。 - 免费动态分镜：
python3 <skill>/scripts/fake_words.py，然后python3 scripts/build_reel.py，该脚本检查reel.json，然后生成几张静态图。脚本适合屏幕显示吗？ - 语音：录制2段ElevenLabs音频，在选定音频上使用Scribe获取单词时间戳，处理时不进行剪切。参见
references/voice.md。 - Atlas Cloud开场镜头（可选，推荐）：起始图像、结束图像、Kling、根据语音重新调整时间。参见
references/opening-shot.md。 - 场景：按节拍编写
src/reel/BRIEF.md，然后每组场景由一个智能体并行处理，并由一个检查智能体把关。参见references/editing.md和references/scene-rules.md。 - 封面：具有点击吸引力的标题和标志。参见
references/cover.md。 - 使用静态图检查，修复，然后渲染：在后台运行
zsh scripts/render_final.sh（90秒视频约需10-15分钟）。 - 验证最终文件并编写
exports/instagram.md。参见references/checks.md。 - 完成：项目README、项目记忆、删除中间文件、发送文件、总结（列出仍需听取或决定的内容）。
自主模式
如果请求来自计划任务，或者用户要求处理inspiration/文件夹，则遵循references/autonomous-mode.md：不提问、设置成本上限、提供指南、定时发布、发送通知。
短视频成功的关键
- 钩子在3秒内出现，附有证明或承诺，从封面之后的第一帧即可阅读。
- 可见的开放式循环：N个编号的空框，成为进度条。
- N个相同形状的元素，难度和价值递增，最好的留到最后，由重钩子引出。
- 单次拍摄：相同背景，相同窗口。永无硬切换。
- 每次出现都与语词同步，屏幕变化间隔不超过1.5秒。
- 快速回顾，然后是改变观众看法的点睛之笔。
- 以手势结束，不仅要说出，还要展示：光标点击订阅、点击简介中的链接、然后输入关键词。
- 循环：最后一句话引回第一句话，最后一帧再次成为第一帧。
指南
| 读取时机 | 指南文件 |
|---|---|
| 分析参考视频、编写脚本、选择关键词和指南时 | references/script.md |
| 生成语音、获取单词、处理音频（不剪切）时 | references/voice.md |
| 生成开场镜头的提示词和重新调整时间、了解成本时 | references/opening-shot.md |
了解项目布局、reel.json、智能体、检查静态图、渲染时 | references/editing.md |
| 提供给编写场景的智能体的规则 | references/scene-rules.md |
| 封面的标题、标志、格式、将其设为第一帧时 | references/cover.md |
| 检查最终文件、字幕、仍需人工处理的事项时 | references/checks.md |
单独处理inspiration/文件夹中的文件，从参考视频到定时发布时 | references/autonomous-mode.md |
assets/reel-template/是Remotion项目。assets/example-this-voice/包含了整个已验证的短视频：脚本、分析、真实场景、简要说明。它是质量参考：在编写场景前，请先阅读其README.md，然后至少阅读Stakes.tsx和Setting2.tsx。assets/example-6-tools/提供了用于排名或分级列表的可复用场景。
已付的教训
- 录了两段音频时，Scribe转录的是第二段：在结果中读取
source.url，保留它实际转录的那段。 - Scribe的
words.json包含标签（[softly]）和作为单词的":"：删除它们，并在scribe_words.json中保留{"words": [...]}格式。 - "Subscribe"之前的句子导致窗口为空：
CtaGuide.tsx现在在那段时间显示"Save"。 - 提示音和闪光效果盖过了关键词和点睛之笔（关键词处语音为-1.9 dB）：模板中已降低音量。但仍需关注最密集的段落。
- Whisper会漂移并出错：时间戳来自Scribe，文本来自脚本（
build_reel.py将两者对齐）。 - 包含"Claude"的Whisper提示词导致它将"clone"读作"Claude"。无需提示词进行检查，并使用时间戳：
-nt跳过句子。 - 钩子关键词语音上的音效掩盖了语音：将其放置在该词结束后（至少7 dB的间隔，已测量）。
- 场景在其段落结束时精确停止会切掉结束戳记：场景需要重叠（
Reel.tsx中的STAGES），并且戳记从句子开头开始放置。 - 在句子宣布列表时窗口为空看起来有缺陷：从句子开头放置占位点槽。
- 用单词书写的数字会破坏字幕页面：
build_reel.py将"5 settings"保持在一起。 - GPU渲染导致元素每三帧消失一帧：始终使用
GL=swangle CONCURRENCY=1（已在render_final.sh中）。 - 视频上无3D变换，无
mixBlendMode，使用唯一的React键。 - chrome-headless-shell卡住：使用
CHROME_MODE=chrome-for-testing（已在脚本中）。 - 渲染后重做句子：保留已验证的语音，一次性生成结尾部分并在暂停处拼接（
references/voice.md）。 - 封面上，品牌标志简化为符号可能被误读：ElevenLabs的两条竖线看起来像暂停按钮，因此下方保留品牌名称。