explainer-editor: 演讲者上方的舞台解释

用户提供一段自己面对摄像头讲话的竖屏视频素材。本技能将其置于舞台底部一个暗色舞台上的框内，其头部浮出框外，并在他们说话的同时，在其上方绘制他们讲解的内容，具有 After Effects 编辑的动态和光照效果：镜头在场景间移动，物体飞入、上升、弹出时带有运动模糊，每个物体都有其阴影和辉光，大约每秒钟舞台上有新元素出现，每次移动都有音效。演讲者的话语在舞台和演讲者之间逐条显示。每分钟有几次，相机闪光灯会将画面切换至演讲者全屏。

短剧的视觉风格是固定的：§ 解释器语言（见下方流程）。它是通过对用户为客户编辑的一个短剧（108秒，一个关于文本挂钩的指南）逐帧分析而确定的，然后基于第一版编辑的评审意见（2026-10-05：“根本不是 After Effects，不是动态设计，屏幕上东西太少，很无聊，缺少嗖嗖声”）和第二版编辑的评审意见（“好多了；元素背后的小阴影和辉光还不够，全黑的背景没有衬托出它们；这里有一组非常轻的音效包”）进行修订：两条评审意见的每一条现在都成为了规则。每次从新素材开始编辑时，都从这个规范出发（init.sh 会构建脚手架）；不要重新打开它。

此技能运行在 short-editor 技能的引擎之上。 其渲染、混音、人像遮罩、预览、构建和验证均由引擎的文件完成，详见 ../short-editor/SKILL.md 的 § 先决条件、§ 文件存放位置以及 § 4 到 § 6；本文件说明存在差异之处。本技能特有的内容包括：布局（layout.mjs：演讲者框和全屏呼吸区，由引擎的 build.sh 和 preview.mjs 代替其缩放功能运行）、舞台（stage.mjs：摄像机、场景、运动模糊、图形、字幕、运动音效）、背景（bed.mjs）、静态帧（stills.mjs）以及测量（measure.mjs）。在每次剪辑前和每次运行时，请先阅读：

../../references/pitfalls.md 的 § 转录和字幕、§ 工作方法：编辑过程中容易犯的错误（其他章节在需要时阅读：§ 手动测量音效前的音频、§ ffmpeg 和 § 自己执行命令前的 Shell；引擎工具遵循其余规则）
../../references/brand-kit.md，当编辑需要显示它们时：用户的真实标志、截图和数字，绝不能是编造的，并且他们的品牌集在 workspace/brand/ 中只需设置一次（§ 你的品牌，设置一次）
$X/example/：参考项目，包含一个已交付编辑的每个文件（stage.theme: "light" 表示其亮色版本）；$X/example-2/：在另一个素材上从头运行该技能（两个片段，一个安静的录音，无呼吸区），以及该运行所做的更改

在步骤需要时阅读：../../references/audio-spec.md 关于电平部分（响度标准，电平如何作为听觉测量）。引擎的图形：node plugins/video/skills/short-editor/scripts/api.mjs <module> [figure]，绝不使用其源代码。

我无法观看视频或收听音频。 头部在哪里、单词从哪里开始、嗖嗖声听起来有多大声：每一点都需要测量。verify.mjs 在“准备就绪”和“文件损坏”之间把关；measure.mjs 判断音效设计是否被感知到。绝不能跳过它们。

以下所有路径均相对于 GTM by Pipecorn 文件夹的根目录。$X 表示 plugins/video/skills/explainer-editor/scripts（本技能），$E 表示 plugins/video/skills/short-editor/scripts（引擎）。请使用绝对路径运行它们。

先决条件（预检：开始前检查）

引擎所需：ffmpeg + ffprobe 在 PATH 中（brew install ffmpeg）以及 python3（Xcode 命令行工具）是必需的，且无法从此处安装；如果缺少任何一个，请停止并提示相关命令。其他一切自动配置：引擎的 bootstrap.mjs（node 包、语音转文本虚拟环境、音乐库）在 init.sh、transcribe.sh 和 build.sh 内部运行；init.sh 会拉取字体：Inter（ExtraBold, Bold, SemiBold, Medium；SIL 开放字体许可证，通过 jsDelivr 从 npm 包 inter-ui 获取）和 Instrument Serif Italic（Google Fonts, OFL）到项目的 assets/fonts/ 目录。不会进行系统级安装。swiftc 用于构建人像遮罩：没有它，头部将无法浮出框外（框只是简单地裁剪演讲者），并且舞台将绘制在覆盖层上；请说明这一点。

文件存放位置

按照引擎的规定，且仅此方式：每个编辑对应一个工作目录 workspace/projects/<slug>/，slug 不能与任何其他项目重复；成品文件为 workspace/videos/<slug>.mp4；即使是对同一素材，也绝不使用其他项目的文件；临时文件放在项目的 tmp/ 目录中，而不是 /tmp。本技能的 scripts/ 目录保持只读。用户的图片（截图、标志、视频帧）放在项目的 assets/ 目录中。

流程

0. 设置工作目录

$X/init.sh workspace/projects/<slug> <source.mp4> workspace/videos/<slug>.mp4 [--theme light]

引擎的脚手架（从文件读取的 project.json、assets/sfx-top5/ 中的 SFX 包），然后是本技能的 plan.mjs 和 edl.mjs、project.json 中解释器语言的关键字段（style: "explainer"、layout: $X/layout.mjs 的路径、blurBand 0）、基于素材人声设置的 sfxMasterDb（其响度 + 15.3 dB，每低于 -20.5 LUFS 1 dB 再加 0.13 dB：以确保室内音效听起来与基础技能中的一样，无论素材电平如何）、字体、用于较小竖屏素材的 1080x1920 母版（在第二次运行时保留），以及主题（stage.theme：dark，即参考主题，或 light；--theme light 设置它；已设置的项目保留其主题）。从该目录运行后续所有命令。

0.2. 首先询问，一个问题内问完

主题（深色、参考主题或亮色：同一舞台、白色玻璃、深色文字、更柔和的阴影）、音乐（音乐库 plugins/video/assets/music/；默认使用 Convergence；说明非 Mixkit 的曲目可能会影响视频的盈利功能）、节奏（默认 ×1；语速较慢的讲解在 ×1.1 下效果更好），以及用户可以提供的图片：其产品的截图、他们谈论的视频帧、他们的标志、真实数据。用户未提供的图片，使用其文字和室内的象形图绘制，绝不使用编造的截图或数据。从 GTM by Pipecorn 页面运行，第一条消息的概要会回答这一问题（其备注中的主题：“light”表示亮色主题）：根据以下规则决定，不要再次询问。

Pipecorn 通用标志：每个风格的 BONUS，每次都会询问，默认关闭 （plugins/video/references/pipecorn-generic.md）：在视频最末尾处播放约 6 秒，先是 Pipecorn，然后其值在同一个槽位中逐个替换，然后又是 Pipecorn，无音乐。否 · 是，并指定哪些值（1 到 4；node $E/generic.mjs --list；默认显示手机覆盖范围、连接率、管道）。

让你的声音更好听：一个 BONUS，每次都会询问，默认关闭 （plugins/video/references/voice-clean.md）：ElevenLabs 的语音隔离器会去除素材中的房间回声和噪音。否 · 是，让我的声音更好听。这需要 ElevenLabs 连接器：如果没有密钥，请用一行说明其存在（设置 › 连接器 › 添加密钥）并继续。如果是“是”，则在步骤 1 之前：node plugins/video/motion/voice.mjs clean <source>，然后修改 project.json 中的 source 为 <…>-voice.<ext>（长度相同，画面不变）。

1. 逐字转录

$E/transcribe.sh --lang en      # 实际使用的语言；然后设置 project.json 中的 "lang"

words.json，基于原始素材的时间码。绝不能翻译。如果素材中有大量重新开始的内容，则首先使用引擎的 rough-cut.mjs 进行粗剪（short-editor/SKILL.md § 0.7），然后再次转录。接着运行 node $E/words.mjs（引擎的）：words-fixed.json，每个单词的开始时间被移出静音区并调整到人声实际开始处，结束时间被调整到暂停前；有疑问的单词会被列出；使用 words.mjs env|end|say 来读取一个单词（short-editor/SKILL.md § 1）。绝不能为此编写自己的脚本。

2. 遮罩和框

node $E/matte.mjs                          # 人像遮罩（需要 swiftc），每分钟素材约需 1 分钟
node $X/layout.mjs --measure --write       # 头部位置 → project.json 中的 stage
node $X/layout.mjs --print                 # 框、字幕、呼吸区

--measure 会找到素材的镜头（源文件中的剪切点，正如 verify.mjs 所做的那样），并在每个镜头中读取遮罩上的头部位置（每个镜头 32 帧）：框的宽度使得最长镜头中的头部达到参考大小（226 像素宽；特写镜头会得到更窄的框，居中放置，因此肩膀和胸部会进入画面：在工作示例中为 598 像素，其头部占素材宽度的 38%；第二个素材为 782 像素；--keep-frame 会保留参考的 942 像素并警告框将主要显示面部）；在每个镜头中，框的上边缘位于头部通常顶部下方 88 像素处（参考值），因此头部可以浮出；字幕会向上移动与头部通常上升的高度相同的量（最多 90 像素），并保持在其上方 20 像素处；全屏时头部占宽度的 45%。对于包含多个镜头的素材，会生成 stage.shots（每个镜头的裁剪、字幕和全屏构图；摄像机在剪切时切换，但框保持不变）。通过预览（§ 5）检查。在此样式中，源剪切发生在演讲者框内，只占画面的一小部分：verify.mjs 可能会报告它“位于全屏板下方”（第二个素材）；检查它是否通过框本身的差异落到其框上，而不是通过肉眼判断。

3. 阅读转录，编写故事板

这是判断步骤，也是全部工作。从头到尾阅读转录文本，并在编写任何代码之前将故事板写成一个列表：包括场景，以及在每个场景中，哪个单词出现时显示什么内容。

场景，通过镜头运动连接。 一个场景是一个概念（承诺、产品、过程、步骤、列表、比较）：持续 4 到 8 秒，然后摄像机移动到下一个。默认的移动是横扫（向右平移：旧场景模糊地离开左侧，一道光带穿过，新场景到达）；当下一个概念深入时使用上升（旧场景向上离开）；当新场景回答旧场景时使用推入（一个“为什么”、一个揭示）；只有在呼吸区之后才使用剪辑。尽量不连续使用两次相同的移动。
场景以组合好的形式到达。 在场景自身时间点上放置的元素会随摄像机一起移动（当移动结束时它们已经在那里：参考示例从未显示移动后空荡荡的舞台）；稍后出现的元素会在其对应的单词出现时进入。当场景中的事物被一个接一个地提及时，将它们全部放置在场景的时间点上，处于黑暗或失焦状态（dim: 0.6，blur: 10），并在其单词出现时点亮每个元素（.blurTo(on(i), 0).lit(on(i)) 及其音效）：舞台从第一帧起就是满的，并且在每个单词上仍然保持运动（第二个素材中的“人物”和“频道”，2026-10-05）。
大约每秒钟有新内容出现。 每个提到事物、数字、步骤、主张的短语，在其单词上都会出现一个图形或一次移动：一个图形进入、一个标签展现、在某物周围画上一个标记、一个物体被点亮、场景移动。如果超过 2 秒舞台没有新内容，就会被视为无聊：这是对第一版编辑的评审意见（2026-10-05）。
标题以两行短文本命名该部分，关键字使用衬线字体（*Killer* Text Hooks），在包含数字或主张的行上使用红色方框（3 Winning Types Of）。它会随着部分的变化而变化，旧标题上升离开，新文字上升进入。

什么图形对应什么内容：

表达的内容	使用的图形
包含 N 个事物、步骤、规则的列表	`S.list`：条形从左飞入，标签在提及前保持模糊（`reveal`），正被解释的条形亮起（`focus`），其判断结果在末尾弹出（`glyph: "check"`, `"cross"`…）；`header` 可将某个条形变为该部分的标题
名称、术语、定义	`S.pill`（内部可包含象形图：`glyph`）、指向所命名对象的 `S.arrow`、围绕物体的 `S.ping`（`ring: true`）、在强调的单词上绘制的 `S.mark`（圆形、方框、下划线）
由部分组成的事物、因果关系、链条	`S.tree`（子节点依次落下，通过火花连接）、任意两点之间的 `S.wires`
组合、比较	`S.equation`（`+`、`=`）、带有 `S.shake` 和毛刺效果的 `VS` 标志
产品、工具、平台	用户的标志（`S.icon`，其辉光，`ring` 使其看起来像手机在响）、他们的截图放在 `S.card` 或 `S.phone` 中、使用时的 `S.prompt` 输入
示例、视频、系列	他们图片的 `S.cards`，或素材本身的帧（`stills.mjs`）配合 `player` 卡片
搜索、多个来源、人群	带有 `glyph` 的 `S.cards` 网格，逐个点亮（扫描效果）
数字	攀升到该数字的 `S.count`，或彩色文字（`{g:22 Days}` 绿色，`{r:A Few Weeks}` 红色）
好/坏、是/否	`S.glyph`（绿色方块上的 `check`，红色方块上的 `cross`），条形图上的判断结果
行动号召	标题（`Comment "X"`、`To Get The Skill`）、用于发送内容的 `S.file`

呼吸区（FULL）：硬切到演讲者全屏（进入时伴随相机闪光灯，离开时伴随嗖嗖声），除了字幕外不画任何东西。用于坦白、妙语、强烈观点；持续 2 到 6 秒；不能在视频开头 15 秒内。非人物头部镜头（B-roll、广角镜头）全屏显示：[from, to, { zoom: 1 }]。呼吸区之后的场景在其后面打开（S.scene(<breather end> - 0.45, "push")），因此在呼吸区结束时场景已经存在。
仅使用真实名称和真实数字（brand-kit.md）：如果某个图形需要显示用户未提供的屏幕截图或数字，则使用他们的文字和室内的象形图绘制，或者剪掉。
字幕是逐字的：`fi

解释器剪辑师