Communitygithub.com

create-reels

将一个单纯的选题转化为带旁白的竖版解说视频,或审计并重新编辑已有的 Reel,以改进钩子清晰度、视觉节奏、语音间隙以及手机上的可读性和对比度。

create-reels 是什么?

这是一个专为竖版短视频(如 Reel、Shorts、TikTok)而设计的智能技能,能够从零开始自动完成研究、脚本写作、分镜设计和最终制作。当用户只提供一个主题时,它会默认采用英语、1080×1920 分辨率、30fps 的规格,简单的创意大约制作 30 秒,复杂的机制解释则可延长至 45 秒。该技能坚持“故事优先于风格”的原则:在帧零便让观众看到核心问题,并用最终画面回答一问句;通过时间码分镜表记录钩子、台词、静音屏幕上文字、对象/动作和音效;利用暗色调背景、暖白文字和单一鲜艳动作色,确保在手机上可读。它支持 ElevenLabs 等语音服务,生成 HTML Canvas 动画,并通过 Playwright 渲染成 MP4,再自动审计每一帧,检测低动态区间、空白帧和无声段落,提供 CSV 报告和接触片。此外,还能针对已有 Reel 进行参考影片分析,在相同帧上测试修改效果,并最终交付 MP4、源码 HTML、分镜表与验证笔记。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dakiemdarktharr/explainer_reels_skill/tree/main/create-reels

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

create_reels

负责研究、脚本、分镜和制作——当用户仅提供一个主题时。默认为英语、1080×1920 和 30 fps。简单想法大约 30 秒;当机制及其效果需要更多空间时,最长可用 45 秒。明确的运行时优先于默认值。在非 Reel 制作场景下的普通事实性问题仍可用文本回答。

故事先于风格

找到观众在帧零就能理解的那一个问题,以及最终画面应回答的那一句话。对照原始来源验证事实主张。对于有争议的概念,要指明其不确定性。绘制两种截然不同的开场画面,并挑选在可用时间内能展示其视觉后果的那一个。

编写紧凑的时间码分镜表,包含实际的钩子、台词、静音屏幕上的文字、对象/动作和音效。在关键文字进入后预算其阅读时间。携带一个具体的对象或问题经历状态变化。让变化的成果自然引出下一个镜头。每个镜头只聚焦一个事件。对于本用户,只把主要想法放在屏幕上。允许纯画面序列。避免底部三分之一、副标题、页脚、进度计数器和装饰性标签。通过对象、构图、光线或运动来表达转场。保护自然的思考时间。

与观众共同搭建架构

对于学习架构或机制,以一个观众需要解决的具体任务开始。让他们尝试一个简单的最初设计。将其置于测试中,展现其局限性,然后引入下一个组件作为修复。为后续每个添加给出具体理由。使用直接的第二人称语言,并变换转场方式,使脚本听起来像口语。当观众已经看到每个组件为何值得时,再揭示架构的名称。回到最初的例子,做出预测,然后播放或展示结果。

如有可能,使用一组简单设计无法区分的输入。保持两个例子在收益部分一致。验证每个声称的局限性是否源于所描绘的设计,以及演示的修复是否能改变结果。除非发明历史有据可查,否则将其作为设计练习呈现。

对于预测演示,决定模型可以观察到什么以及什么保持隐藏。当有一个小型工作示例可行时,从这些输入计算预测。独立地从源序列或测量中揭示观察到的结果。跨剪辑保持示例标识一致。当它们出现时,在屏幕上或解说中标识说明性的数量。

画面与语音

默认为暗色背景、暖白文字和一个鲜艳的动作色。第二个强调色可以标记障碍或变化。在合成背景上测试对比度,包括强调文字。用几何图形、符号或直接标签以及颜色来编码含义。将关键文案保持在默认帧的 x 65–900 和 y 120–1510 范围内。在整个镜头移动中为主题及其运动部件留出空间。当有几何数据时,在每一帧投影它们的边界。在 360×640 下,掩盖最右侧 54 像素和底部 127 像素。静音观看以检查标签是否遮挡线索、遗漏指尖或道具边缘、以及揭示前答案是否可见。

对于物理动作,分镜绘制起始状态、接触和持久结果。钥匙必须进入锁孔并就位,然后才能转动并释放锁扣。翻页必须揭示新的插画,并且在摄像机返回时这些插画仍然存在。检查接触前、动作中、释放后以及下一次出现时的已解码帧。比较可见的几何形状和时机与口头声称是否一致。

当物理主体需要细节时,找到信誉良好的、免费的、人工创作的网格并验证其许可证。在 HTML 中嵌入几何体和允许的纹理贴图。记录艺术家、来源、许可证和修改内容到致谢中。使用第一手视觉参考来决定轮廓、比例、表面处理和灯光位置。

构建离线、自包含的 HTML Canvas 组合,带有纯绝对时间绘制函数。使用代码绘制的艺术、嵌入字体和确定性几何体。当可用时,HyperFrames 时间线可以驱动 Canvas。预览控件必须位于导出帧之外。保持实时播放时钟独立于帧捕获。

根据字数估算语音预算,然后测量实际录音。对于英语,包括停顿在内的每分钟 135-160 词的自然对话节奏是一个有用的起始范围。单独审视每个密集短语。在提高难句语速之前,先削减文案。使用单词或短语对齐来定位画面。用短淡化修剪外部填充,保留辅音,并为预测或识别保留有意停顿。

在屏幕上正常书写首字母缩略词。扩展不熟悉的缩略词,并在适当时指示语音说出单个字母名称。当可播放时,通过耳朵检查最终的编码音轨。独立的转写可以标记出将“AGI”听成“a GI”的情况。重新调整时间或重新生成受影响的短语,并验证新的混音。准确描述仅基于转写的检查。

当可用时,使用请求的语音服务。对于 ElevenLabs,使用经过认证的连接器,或在需要时通过安全输入方法请求进程范围的密钥。将密钥远离聊天、文件和日志。一旦合成完成,释放临时凭证材料。在提供商超时后,在开始另一次付费生成前检查是否已有可用的成品。当任务允许时,本地语音是可行的后备方案。标识交付的配音的实际来源。

分别检查独立的语音和完成的混音。音乐背景可能会隐藏长的语音间隙,躲避静音检测器。修复不需要的嘶嘶声、点击声或仅背景音乐段落的来源。对于干净的合成音轨,短的边界淡化较少的音层通常就足够了。根据可识别的动作为拟音配上提示,并在 AAC 编码后检查响度和真实峰值。

参考研究及照明

对于研究驱动的修订,选择解决实际问题的影片。包括原生竖屏作品,并标识任何工艺参考的宽高比。尊重要求的示例数量。链接到创作者。回顾开场、解释机制的变化以及保持或解决的画面。对于逐帧请求,以源帧率解码。在选定的片段中检查相邻帧,并记录确切的源时间和帧数。当评论使用了工作室剪辑时,要说明。区分观察到的视觉选择与关于注意力的假设。

在相同的摄像机帧上测试建议的修改。对于微缩模型,从暖色定向主光、受控的补光和较冷的边缘光开始。研究接触点的地面、接收器上的半影、斜面上的动态高光以及纹理尺度。不同的粗糙度、拍摄的摄影棚环境和空间环境光遮蔽可以澄清材质。仅在对信息边缘保持可读性有必要的深度使用景深。以 1:1 比例检查法线反转、锯齿反射、Alpha 带、深度通道中的透明物体以及断开的部分。根据镜头调整装备。

渲染与审查

对于新安装,请遵循设置渲染和帧审查来安装附带的渲染器依赖项和 Chromium。

对于附带的渲染器,暴露 window.compositionReady 和 window.renderFrame(seconds) 返回绘制的画布。HTML 必须从磁盘运行,并接受 ?capture 以禁用实时播放。使用 Node 配合 Playwright Core 和 Chromium,以及 PATH 上的 FFmpeg/ffprobe。可选的环境变量 REELS_PLAYWRIGHT 和 REELS_CHROME 可以指向已安装的副本。

node scripts/render.cjs index.html out.mp4 mix.wav 45 30
python scripts/audit.py out.mp4 audit --speech voice-aligned.wav --strips --review-at 0 16.9 18.3 20.2

审计需要 NumPy。它解码每一帧,并在固定速率时间线上对齐音频窗口,生成 CSV 以及低动态区间、空白候选和无声段落的摘要。每个可选的接触片包含按阅读顺序排列的 150 帧。空白的音频间隙结果表示相应的流不可用。提供编辑过且时间对齐的语音干音以获得语音间隙结果。帧变化和电平阈值定位需要检查的位置。视觉意图和聆听决定哪些值得修改。

替换实际时长和分镜中的动作时间。对于每个请求的时间,--review-at 以原生分辨率以及遮罩后的 360×640 PNG 保存包含的帧。摘要列出帧号和文件路径。打开图像并检查动作。对于依赖于声音的揭示,检查完成的 AAC 的相应窗口,包括任何预期的静默。

检查每个节拍的已解码画面、开头一秒,以及剪辑两侧在全尺寸和手机尺寸下的帧。对于逐帧请求,检查覆盖每一帧的缩略图条及其指标,并展开可疑区间。检查离线播放、乱序帧相等性、最终流元数据和音频尾部。应用修正并重新导出。交付 MP4、源 HTML、分镜表和简洁的验证笔记,包括任何未经测试的播放条件。将临时渲染和凭证材料排除在交付物之外。

相关技能