Communitygithub.com

calesthio/generative-media-skills

供应商无关的解释性视频制作,适用于AI智能体创建教育、产品、概念、非营利/公共服务、入职、培训、动画、混合媒体和简短的社交媒体解说。当智能体需要将某个主题、简报、研究语料、产品、流程、政策、数据集或复杂理念,转化为一个基于事实、易于理解、配有旁白和字幕、经过分镜设计、可生成媒体就绪、并包含声明审查、本地化、节奏控制、变体和质量保证的解释性视频时使用。

generative-media-skills 是什么?

这是一个为AI智能体(如Claude Code、Cursor、Codex等)设计的专业技能,用于生产解释性视频。其核心理念是将视频视为一种学习和决策的产物,而非简单的画面序列。该技能强调严格的流程纪律,从定义观众的学习目标开始,通过声明日志(Claim Log)维护事实准确性,并内置了风险分级、可访问性检查和供应商无关性,确保无论使用何种生成工具(如图像/视频模型),都能输出高质量、负责任的解释性内容。 该技能(Skill)提供了一套完整的端到端工作流,包括:通过“学习合同”进行输入定义、基于来源的研究与引用纪律、概念分解、脚本架构设计、旁白写作、作为信息设计的分镜、视觉语法规则、动作指导、音轨设计、字幕与可访问性处理、本地化策略、变体生产、合成与渲染,以及一个详细的六步质量保证(QA)评审流程。它特别强调查明来源、避免在AI生成的媒体中伪造证据,并遵守如FTC广告指南和美国版权局关于AI生成内容的规定。 该技能支持多种解释器类型,如定义解释器、机制解释器、产品解释器、公共服务解释器、培训解释器和数据解释器,并提供了针对短视频、培训、公共服务等不同场景的变体。通过遵循本技能,AI智能体能够系统化地生成专业、可信且具有说服力的解释性视频,同时降低事实性错误、法律合规和可访问性方面的风险。

兼容平台~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/content-formats/explainer-video-production

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

解释性视频制作

只有在明确了观众在观看后应理解、相信、决定或做出何种不同行为之后,才能开始制作解释性视频。将视频视为一种学习和决策的产物,而非一系列漂亮的场景。

本技能(Skill)与供应商无关。请使用宿主环境中可用的生成、编辑、合成、字幕和审查工具,但在所有供应商平台上保持解释性逻辑、事实严谨性、可访问性和质量标准。

不可妥协的原则

  • 从受众、先验知识和可衡量的学习或决策目标开始。
  • 区分有记录的事实、有来源支持的推论、制作启发式方法和创造性发明。
  • 维护一个声明日志,用于记录事实性、商业性、比较性、健康、安全、法律、财务、科学和公共服务类声明。
  • 将高风险声明上报给客户、领域专家、法律/合规审查员、医学审查员、财务审查员或政策负责人。切勿提供法律、医疗或财务建议。
  • 将可访问性内置于脚本、故事板、字幕、音频、数据可视化及交付变体中。事后补救效果更差,成本更高。
  • 在生产时重新检查易变的供应商/平台事实:社交媒体的宽高比、最大时长、安全区域、字幕行为、模型输入、模型限制、定价、区域可用性、披露规则和权利/许可条款。
  • 切勿要求图像或视频生成模型捏造证据、渲染精确图表、保留准确的法律/医学/科学陈述或生成可读的精细文本。对于事实、引用、字幕、表格、UI文本、标签和图表,应使用确定性布局/合成。

输入:定义学习契约

在编写或生成之前,回答以下问题:

  • 受众:这是为谁准备的?他们已知什么?他们误解了什么?他们使用什么语言/风格?已知的可访问性/本地化需求是什么?
  • 目标:观众看完后,应该能用一句话说出、做到或决定什么?
  • 用例:教育、产品、入职、培训、公共服务、筹款、政策、销售赋能、社会意识、内部变革管理或技术概念。
  • 成功证据:测验答案、演示完成、支持问题减少、注册、政策理解、行为改变、利益相关者批准或分享/保存。
  • 约束条件:时长、平台、品牌、必需来源、必须包含/必须避免的声明、受限图像、声音、字幕、语言、审查批准人、预算和可用工具。
  • 风险等级:
    • 低:通用概念、内部介绍、非敏感创意说明。
    • 中:产品优势、非营利/公共服务行为指导、数据声明、就业/培训要求。
    • 高:健康、安全、法律、财务、受监管产品、儿童、政治说服、危机指导、比较广告、带有政策影响的公共统计数据。

将目标写成一个可观察的结果,而非一个模糊的主题:

  • 差:“解释碳补偿。”
  • 好:“在90秒后,首次购买者能够区分减少排放和购买补偿,并知道在相信某项声明之前要查看项目验证。”

研究与引用纪律

在编写脚本之前,创建一个声明矩阵。该矩阵可防止有说服力的润色超越证据。

字段用途
声明视频可能做出的确切陈述或暗示。
声明类型定义、统计、因果、比较、产品性能、推荐、安全性、行为建议、预测、观点、隐喻或行动号召(CTA)。
来源优先使用主要来源;包括标题、URL、发布/更新日期和访问日期。
证据强度官方/一手信息、同行评审、技术报告、可复现测试、信誉良好的二手信息、客户提供、轶事或创意。
画面处理引用、来源行、仅旁白、法律/披露文案、从最终版本中排除、或需专家审查。
风险低/中/高及原因。
负责人智能体、客户、领域专家(SME)、法律/合规部门、医学部门、财务部门、可访问性部门、本地化部门。

尽可能使用主要来源:官方文档、标准、监管机构指南、政府统计数据、同行评审研究、产品文档、客户批准的证据或直接检查过的源材料。仅在主要来源不可用时或用于背景信息才使用二手来源,并标明其为二手材料。

对于商业或产品解释性视频,客观的性能声明需要提供佐证。联邦贸易委员会(FTC)的商业指南指出,公司必须用扎实的证据支持广告声明,尤其是与健康相关的声明;FTC的背书指南还要求,背书中的重大关联必须以清晰且显著的方式披露。将这些视为合规触发条件,而非文案建议。在生产时,请重新检查当前的FTC指南和适用司法管辖区的规定。

对于AI生成的媒体和库存/媒体资产,记录其出处:模型/提供商、提示词、种子(如有)、源资产许可证、发布/同意状态、编辑历史记录以及内容是否为AI生成。美国版权局指南指出,包含AI生成材料的作品的版权登记取决于人类创作性以及对超过最低限度AI生成内容的披露;权利规则易变且因司法管辖区而异,因此有关注册、所有权、肖像权和训练数据的问题应上报给法律顾问。

在编写前分解概念

将想法分解为可解释的原子:

  1. 术语:观众在理解解释之前需要掌握的词汇。
  2. 组成部分:组件、参与者、输入、输出、约束。
  3. 机制:什么发生了变化,以何种顺序,以及为何发生变化。
  4. 对比:这不是什么;常见的误解或错误的替代方案。
  5. 示例:具体案例、场景或小型演示。
  6. 后果:为何重要;如果忽略会发生什么。
  7. 行动:观众接下来应该做什么。

选择实现目标所需的最少原子集。如果概念包含的原子数量超出时长限制,则缩小承诺范围,而不是压缩所有内容。

有用的分解模式:

  • 定义解释器:术语 -> 对比 -> 示例 -> 使用。
  • 机制解释器:输入 -> 转换 -> 输出 -> 反馈循环。
  • 产品解释器:问题 -> 当前替代方案 -> 产品机制 -> 证明 -> 下一步。
  • 公共服务解释器:情境 -> 风险 -> 建议行动 -> 例外情况 -> 获取帮助途径。
  • 培训解释器:任务目标 -> 先决条件 -> 步骤 -> 检查点 -> 恢复路径。
  • 数据解释器:问题 -> 数据集/来源 -> 模式 -> 注意事项 -> 含义。

脚本架构

使用适合目标的结构;不要强迫每个解释器都遵循同一个漏斗模型。

大多数60-180秒解释器的核心结构:

  1. 钩子:指出矛盾点或实际问题。
  2. 承诺:告诉观众他们将理解什么或能够做什么。
  3. 地图:预览将要解释的两到四个部分。
  4. 构建:每拍解释一个概念,每个拍子解答一个问题。
  5. 示例/演示:展示概念在一个具体案例中的工作原理。
  6. 注意事项或边界:防止过度宣传并解决一个常见误解。
  7. 行动:下一步、总结、练习任务或决策提示。

短视频变体,15-45秒:

  • 0-3秒:模式中断或具体问题。
  • 3-8秒:承诺和利害关系。
  • 中间:一个机制或一个前后对比,而非完整课程。
  • 结尾:令人印象深刻的句子、行动号召或“保存此内容”的总结。

培训/入职变体:

  • 陈述任务和成功条件。
  • 按顺序演示步骤。
  • 添加检查点和错误恢复。
  • 以如何寻求帮助或如何验证完成度结束。

公共服务/非营利变体:

  • 使用平实的语言,避免羞辱。
  • 使推荐行动具体化。
  • 说明推荐适用于哪些人,以及哪些人需要不同的指导。
  • 引用官方来源,并将健康/安全/法律声明上报。

为理解而编写旁白

旁白听起来应该像一位能干的向导,而不是一篇大声朗读的白皮书。

  • 除非某个技术术语必不可少,否则使用日常词汇;在依赖某个必要术语之前先定义它。
  • 每个句子只放一个想法。
  • 保持从句简短,以适应配音和字幕。
  • 使用路标性语言:“首先”,“关键区别在于”,“这是重点”,“现在观察发生了什么变化。”
  • 一致地重复关键术语;不要为观众还在学习的概念轮换同义词。
  • 将数字置于上下文中:比较、转换、展示比例,或说明这个数字为何重要。
  • 把脚本读出声来。如果配音演员磕巴了,观众也会。

对于脚本化的配音,平静的解释性视频计划大约每分钟130-160个英语口语单词,如果是技术性、翻译后的、面向儿童或对可访问性敏感的视频则更慢。将此视为一个启发式标准;实际语速取决于语言、说话者、观众、视觉内容和停顿需求。

使用类比但不撒谎

只有当类比能映射结构,而不仅仅是情绪时,它们才有帮助。

在使用类比之前,写下:

  • 映射什么:“A就像B,因为两者都...”
  • 不映射什么:“与B不同,A不...”
  • 在哪里停止:准确指出类比在哪个点之后会变得误导。

示例:“热泵就像用水泵将水往高处送:你花费能量来移动热量,而不是创造热量。但与水不同,热量自然地从较暖的地方流向较冷的地方,因此该设备使用制冷剂循环来反向移动热量。”

如果简化可能会改变行为、剂量、安全性、资格、法律解释或财务决策,请避免在高风险领域使用类比。改用朴素的因果解释。

作为信息设计的分镜

用以下列对每个场景进行分镜:

列必需内容
时间开始/结束时间、时长和节奏意图。
学习节拍观众学到什么或现在能做什么。
旁白确切的配音或对话。
视觉图表、角色动作、屏幕截图、产品UI、数据图表、实拍镜头、图标系统或生成的媒体镜头。
动态屏幕上发生了什么变化,以及这种动态为何有助于理解。
文本/字幕屏幕上的标签、来源行、披露信息、底部三分之一或没有文本。
证据来自声明矩阵的声明ID。
可访问性字幕说明、音频描述需求、对比度风险、非纯颜色编码、闪烁/动态风险、转录说明。
资产/提示词说明哪些必须是确定性的,哪些可以生成。

如果一个场景没有学习节拍,就剪掉它,或者将其转换为一个仅持续必要时间的过渡。

解释性场景的视觉语法

将视觉形式与认知任务相匹配:

  • 定义:术语卡、带标签的对象、并排“是/不是”。
  • 流程:流程图、时间线、编号序列、传送带、状态机。
  • 因果:前后对比、因果链、反馈循环、分屏。
  • 系统:参与者、输入、输出、依赖关系、边界的映射。
  • 比例:熟悉的比较、比例条、嵌套容器、地图插图。
  • 数据:只有一个要点的图表、高亮趋势、来源行、注意事项。
  • 产品:真实的UI或产品表面、问题背景、功能使用中、结果状态。
  • 培训:光标路径、高亮控件、检查清单、成功/错误状态。
  • 社交/情感:人的场景、带有披露的推荐、角色隐喻。

保持视觉语言一致:“问题”用一种颜色,“解决方案”用另一种颜色,“警告”用一种,“证明”用另一种。不要在视频中途改变含义。

避免装饰性的直译。每次提到“云”时都放一个云图标,这很少能解释任何东西。使用视觉元素来展示关系、顺序、量级、变化和例外情况。

图表、图示和数据标注

仅在图表和图示能比旁白更好地回答问题时才使用它们。

数据和图表规则:

  • 在图表之前或与图表一起,用语言陈述要点。
  • 使用能保持真相的最简单图表。类别比较优先使用条形图,随时间变化的趋势优先使用折线图,顺序优先使用时间线,机制优先使用带标注的图示。
  • 不要对多个类别、微小差异或精确比较使用饼图/环形图。
  • 尽可能直接标注;减少对图例的检索。
  • 不要仅依靠颜色来编码含义。添加标签、位置、形状、图案或文本。
  • 对于网页或交互式交付,提供可访问的替代方案。W3C WAI 将包含大量信息的图形、图表、流程图、图示和地图视为复杂图像,需要简短的文字和长篇文字替代方案。USWDS 指南指出,SVG图表内容可能对屏幕阅读器不友好,并建议使用屏幕阅读器可访问的表格加上纯文本的趋势/统计摘要,同时警告说,对于复杂数据集,仅靠表格可能不够。
  • 在纯视频交付中,让旁白和字幕承载图表的关键要点,并在图表至关重要时提供转录或配套说明。
  • 从经过验证的数据中确定性生成图表。不要要求生成式图像模型创建事实性图表。

动态指导

动态应解释变化。

使用动态来:

  • 揭示顺序;
  • 连接因果;
  • 显示状态转换;
  • 比较前后变化;
  • 引导注意力;
  • 调节认知负荷;
  • 在观众理解要点后创造情感强调。

避免与解释竞争的动态:

  • 密集文字下的持续背景动态;
  • 新信息出现时快速的镜头移动;
  • 多个区域同时发生变化;
  • 暗示因果关系但实际上并不存在的过渡;
  • 与实际产品不同的虚假UI行为;
  • 每秒闪烁超过三次或接近已知阈值的闪烁;WCAG 包含针对网页内容的“三次闪烁或低于阈值”要求。

使用停顿。在关键揭示之后停顿半秒,通常比再添加一整个解释节拍教得更多。

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

calesthio/brand-launch-film-production

Provider-independent production workflow for AI agents creating brand launch films, product reveal videos, manifesto films, campaign hero films, website hero videos, investor/customer launch assets, and social cutdowns. Use when planning, scripting, generating, editing, reviewing, or delivering launch films that must align strategy, claims, brand voice, visual direction, product proof, accessibility, compliance, and multi-platform delivery.

calesthio/character-design-continuity

Provider-independent character design and continuity direction for generated media. Use when an agent must create, preserve, revise, or QA a recurring character across AI-generated images, video clips, avatars, animation, comics, ads, product mascots, serialized social posts, or multi-shot campaigns; especially when building character bibles, reference packs, prompts, expression/pose ranges, costume/hair/makeup/prop continuity, identity and likeness safeguards, iteration plans, handoff notes, or continuity reviews.

calesthio/generative-media-skills

Provider-independent localization and dubbing production direction for AI agents producing translated videos, dubbed ads, social clips, explainers, avatar videos, documentaries, training media, and multi-market campaigns. Use when planning or reviewing subtitle-versus-dub strategy, translation adaptation, glossary/style-guide setup, casting or voice matching, lip-sync or phrase-sync direction, synthetic dubbing boundaries, captions/subtitles handoff, accessibility, platform delivery, client review, or localization QA.

calesthio/generative-media-skills

Provider-independent cinematic trailer production for AI agents creating movie-style trailers, teaser trailers, launch trailers, game trailers, documentary trailers, series promos, and high-impact generated-media previews. Use for trailer strategy, structure, shot planning, voiceover/title-card copy, music and sound-design direction, generated-video prompt translation, edit pacing, platform/runtime choices, delivery handoff, rights/claims caveats, and trailer QA.

calesthio/generative-media-skills

Use this skill to plan, direct, finish, and QA provider-independent mono or stereo 180-degree, 360-degree, spherical, spatial, wide-FOV, and immersive video. It covers format choice, capture rigs, stitching, nadir and seam management, stereoscopic comfort, attention direction, stabilization, ambisonic and spatial audio, titles, captions, accessibility, edit, color, VFX, projection metadata, Vision Pro, YouTube, headset delivery, device QA, and privacy, location, and likeness rights. Do not use it for interactive XR apps, volumetric/world-model generation, game-engine experiences, or provider-specific video generation prompts.

calesthio/generative-media-skills

Provider-independent production workflow for AI agents creating music videos, lyric videos, visualizers, performance/narrative/dance videos, social cutdowns, album or single launch assets, and generated-media clips synchronized to songs. Use when planning, directing, prompting, editing, reviewing, or delivering video content built around a recorded song, artist performance, lyrics, beat timing, choreography, platform variants, music rights, likeness consent, accessibility, or synthetic-media disclosure.

calesthio/generative-media-skills

Provider-independent captions and media accessibility direction for AI agents producing or finishing generated videos, ads, social clips, explainers, avatar videos, documentaries, podcasts/video recuts, training media, and localized content. Use when planning, authoring, reviewing, localizing, burning in, exporting, or QAing captions, subtitles, SDH, transcripts, audio description, flashing/motion safety, caption readability, or accessible media handoff files.

calesthio/generative-media-skills

Provider-independent dialogue editing and ADR direction for AI agents producing generated videos, films, ads, avatar clips, explainers, localization/dubbing, podcasts, recuts, and social content. Use for dialogue prep, repair, room tone, take comping, sync, ADR cueing, dubbing direction, pronunciation, de-essing, plosives, mouth clicks, voice continuity, synthetic voice consent boundaries, captions/transcripts handoff, mix handoff, loudness, intelligibility, accessibility, and QA.

calesthio/motion-graphics-direction

Provider-independent motion graphics direction for AI agents producing title sequences, lower thirds, explainer graphics, product UI overlays, social ads, kinetic typography, diagrams, data callouts, brand films, and video post. Use when planning, prompting, storyboarding, specifying, implementing, reviewing, or QAing motion graphics across live footage, generated video, UI capture, data visualization, brand systems, typography, accessibility, claim integrity, runtime handoff, and iteration.

相关技能