发布日视频：配音卡点 Remotion 成片 + 多尺寸切版

发布视频

你将端到端地导演和制作一条简短的发布视频：调研问题 → 故事板 → 产品截图 → 脚本与配音 → 音乐 → Remotion 场景 → 审阅 → 渲染 → 缩略图与裁切版。客户带来品味和产品知识；你带来流程和工艺。请提出下面列出的问题，其余所有决策由你自行做出，并说明你选择了什么。

这里的所有内容都是通用的。请带入产品自身的品牌、屏幕截图、API 密钥和音乐授权。

安装（适用于任意 Agent）

• Claude Code： 将该文件夹复制到 ~/.claude/skills/launch-video/（个人）或 <repo>/.claude/skills/launch-video/（项目）。
• Codex： 将其复制到 ~/.codex/skills/launch-video/，或从 AGENTS.md 中引用 SKILL.md。
• 其他 Agent： 将其放在任何位置，并告知 Agent 首先读取 SKILL.md。路径、版本和 API 会随时间变化；如果某个命令或 API 形状已经更新，请查阅最新文档并调整，而不是停止。

该技能包含的内容

路径	说明
references/storyboard-template.md	故事结构、钩子类型、如何使用参考视频、节奏表和功能点-节拍配方
references/visual-catalog.md	视觉构建模块、每种模块展示的内容，以及它们适合哪些产品/功能
references/motion-cheatsheet.md	缓动、弹性、节奏、风格家族与类型、转场、摄像机在 UI 上的运动、纹理、光标
references/audio.md	配音与音乐对比、TTS 和音乐 API 的形状、混音、响度
references/review-checklist.md	每个场景、完整剪辑以及分享前需要检查的内容
references/gotchas.md	失败模式及其修复方法
scripts/	参考分析、声音排名、每行配音的词时间码、选段、音乐生成/质量检查/选项/拉伸、节拍对齐的时间线、联系表、最终交付
template/	Remotion 启动模板：品牌令牌、时间轴辅助、动态标题、光标、颗粒、HUD、Logo 组合、通用 Hook/Reveal/Feature/Payoff/End/Thumbnail 场景，视觉库，目录预览，以及 video.config.tsx（代码中的故事板）

工具

• Node 20+, ffmpeg, Python 3.11 via uv/uvx（脚本会声明自己的依赖）。
• Remotion: npx create-video@latest --yes --blank --no-tailwind video。安装官方 Agent 技能（npx skills add remotion-dev/skills），并在编写场景前阅读 remotion-best-practices。
• 可选：rubberband（干净的时间拉伸），demucs 和 Whisper via uvx（分析和 QA），一个 ElevenLabs（或其他 TTS/音乐）账户。
• 许可证： Remotion 对个人和不超过 3 人的公司免费；大型公司需要 Remotion 公司许可证。请检查你的 TTS/音乐提供商的商业条款。第三方徽标是商标；仅在真实集成中出现时显示它们。

1. 调研问题（在规划前提出）

一次性提出这些问题（如果你的客户有问答工具，使用其问题/多选功能；否则使用简短编号列表）。为每个问题提供一个推荐的默认值，以便客户可以直接确认。

1. 产品： 产品名称（准确显示）；用一句话说明它是什么以及为谁服务。
2. 受众与目标： 谁观看（客户、潜在客户、投资者、内部团队），以及他们应该在观看后做什么（注册、预约演示、试用某项功能）。
3. 展示内容（按优先级）： 最重要的 3–6 个功能或时刻。屏幕时间遵循此顺序。
4. 时长与格式： 例如，16:9 的主片 45–75 秒；哪些裁切版（15–20 秒，1:1，9:16）以及将发布在何处。
5. 声音： 配音 + 音乐（当产品需要解释时推荐），或仅音乐。声音偏好（性别、口音、能量）或“匹配此示例”。
6. 故事与外观： 故事结构和钩子类型（参见 references/storyboard-template.md；推荐一种并说明理由），浅色或深色，风格家族（产品原生、编辑风格、展示片、趣味、电影风；references/motion-cheatsheet.md），以及他们喜欢的任何视频。品牌资产：Logo（SVG）、颜色、字体，或在哪里读取它们（产品的 CSS）。
7. 屏幕截图： 你能用演示账户和虚构数据运行产品吗，还是他们会提供截图？任何不得出现的内容。
8. 结束卡： CTA 文本和 URL；发布日期/“现在处于 Beta”字样。
9. 密钥： TTS/音乐 API 密钥的位置（环境变量或一个 .gitignore 忽略的 .env 文件）。绝不要要求客户将密钥粘贴到聊天中。

如果他们已经回答了其中一些问题，不要重复询问。

2. 规划故事板

• 从 references/storyboard-template.md 中选择一个故事结构和钩子类型（问题 → 产品 → 证明只是其中一种）。功能点遵循优先级顺序。
• 如果客户分享了参考视频，借鉴他们的技巧（节奏、剪切、镜头、字体），但绝不要借鉴他们的台词、开场或序列；在录制前对照参考视频的文字记录检查脚本。
• 每行配音对应一个场景，保持简短（≈2.5 词/秒；60 秒 ≈ 140 词）。每行配音应落在其场景的视觉时刻上。
• 对于每个功能点，从 references/visual-catalog.md 中选择一个适合该产品的视觉元素（移动应用可能是 Phone → Steps → Notifications；开发者工具可能是 ComposerAnswer → BeforeAfter → Device）。连续功能点之间应变化运动方式。
• 将故事板以简短的表格形式分享，并在构建前确认。

3. 捕获产品

• 使用演示账户和虚构数据运行产品。绝不要显示真实的客户、同事、邮件或生产数据。
• 捕获故事板中使用的每个屏幕的参考截图（Playwright，2x DPR），并记下确切的可见文本。将这些屏幕重建为简单的 React 组件，放在 Device/Phone/卡片内，以保持清晰并支持动画。当重建不值得时，可以直接将真实截图放入 Device/Phone。
• 如果某个状态无法诚实达到，请对其进行风格化处理并说明。

4. 配音（如果选择）

• 将台词放入 config/script.json。scripts/vo_lines.py 每行生成 3 个 take，附带词时间码；scripts/vo_pick.py 通过文字记录匹配（以及如果提供，与参考声音的相似度）选出最佳版本。
• 每行单独生成，绝不要一次性生成整个脚本：一次性读取会将台词连在一起，导致无法在剪切点开始每行。
• 使用库存/预制声音。要匹配示例中的声音，使用 scripts/voice_match.py 对库存声音进行排名；未经同意绝不要克隆真人。

5. 音乐

• 生成 3–4 个纯音乐选项（scripts/music.py）或获得授权曲目。制作一个 A/B/C/D 摘录文件（scripts/music_options.sh），让客户通过聆听选择。
• 测量选中的曲目（scripts/music_qa.py）；生成的曲目很少遵循请求的节奏或段落，因此将剪辑按照检测到的节拍对齐（scripts/build_timing.py）。如果自然结束位置不合适，则进行少量时间拉伸（scripts/stretch_music.sh）。

6. 构建

• 设置模板（template/README.md），设置品牌令牌、Logo 和 CTA，并将故事板写入 video.config.tsx。
• 在配音存在之前，scripts/draft_timing.py 提供动画时间线，以便构建场景；之后，build_timing.py 用真实的词时间替换它。
• 一次构建一个场景。每个场景完成后，以半尺寸渲染 6–10 张静态帧，并以联系表的形式查看（scripts/sheet.py）。
• 渲染并发送 StyleTest 合成（钩子、揭示、第一个功能点）以供批准，然后再构建其余部分。

7. 审阅与迭代

• 渲染完整剪辑，运行 scripts/finalize.sh（−14 LUFS，封面艺术，1-fps 联系表，最终混音的文字记录），并逐条检查 references/review-checklist.md。
• 对于每一轮修改意见，只更改被要求的内容，重新渲染，并准确说明从上一版本更改了什么。提交每个版本。
• 你无法实时观看：说明你执行了哪些检查（静态帧、文字记录、响度），并要求客户在分享前观看一次。

8. 交付

• 主片：1920×1080，30 fps（密集 UI 动效用 60 fps），H.264 CRF 16–18，AAC 256k，−14 LUFS，−1 dBTP。
• 缩略图：Thumbnail 合成，在约 360px 宽度下可读；它同时也是视频的第 0 帧（许多应用预览第一帧）和 MP4 封面艺术。导出 PNG 和 1280×720 JPG，用于支持自定义缩略图的平台。
• 按需裁切版：15–20 秒的钩子剪辑，1:1 和 9:16（标题堆叠在 UI 上方），静音网站循环，以及根据配音词时间码生成的 SRT 字幕。

解释型与社交媒体视频

相同的流程也适用于为 LinkedIn 和 X 制作简短的解释视频（如博客文章、论文、功能或想法）。需要改变的是：

• 事实来源于源文件，并完整阅读。 来自网页抓取工具的摘要可能会捏造或合并数字。在编写脚本前，根据原始文本制作一份事实核对清单。
• 脚本面向非专业人士。 每个屏幕一个想法，最多约 10 个大词，为核心概念使用一个日常类比（例如，将评估变成“模拟考试与实际考试的比较”），不要使用术语或模型名称，最多两个取整的数字，最后以观众可以采取的行动结束。“准确但太技术性”是最常见的初次反馈。
• 节奏： 每个屏幕的内容在大约一秒内落地（快速入场，在节拍上快速约 0.12 秒剪辑），然后停留 4–5 秒供阅读。在模板中，将场景包裹在 SpeedCtx.Provider value={1.6} 中，以加快创作的入口而不重新计时。
• 格式： LinkedIn/X 信息流使用 4:5（1080×1350），30–50 秒，仅音乐。屏幕上的文字就是字幕（大多数信息流视频在静音状态下观看）。第 0 帧是一个完成的封面。
• 外观： 匹配客户现有的视觉标识（如他们的轮播图、网站），而不是产品模板。
• 音乐： 对于社交媒体，节奏强劲、以鼓声为主的产品广告曲目（清晰的底鼓、军鼓、拍手、深沉的贝斯，从第一拍开始）通常比平滑的氛围音乐效果更好。生成 3 个选项，让客户通过聆听选择；相同节奏的曲目可以共享一个节拍网格。
• 与帖子一同交付： 帖子文案、链接放置、标签、替代文本、封面，以及基于客户自身受众分析（关注者所在位置、他们的网络何时活跃）确定的发布时间。

规则

• 屏幕上只使用虚构数据；除非获得同意，否则不使用真人。
• 不要声称产品不具备的数字或能力。确认任何“数百…”或统计数据的真实性和批准情况。
• 编写原创文案。不要重复使用其他视频的钩子、口号或标语，也不要默认在不同视频之间使用相同的公式。
• 保持在品牌调色板内；突然偏离调色板的场景会被视为故障。
• 保持音乐在收尾台词下方（轻微下降，绝不要接近静音）。
• 对第三方徽标使用官方标志，绝不要使用近似标识。