Communitygithub.com

Reels 编辑器

将原始讲话视频编辑成可直接发布到 Instagram、TikTok 或 Shorts 的成品竖屏 Reel。自动选择故事结构(钩子前置、保留每个重拍的最后一次好镜头)、基于音频精准剪切静默和错误、添加镜头变化(交替构图、推近特写)、词级同步字幕、动态图形(计数器、词卡、贴纸、聚焦演示的 iPhone 内应用)、音效和响度控制,并使用创作者自己的字体、色彩和风格,自我检查并从每次反馈中学习。

Reels 编辑器 是什么?

该技能是一个高级竖屏视频编辑器,旨在将原始讲话视频自动转化为专业水准的成品竖屏 Reel,适用于 Instagram、TikTok 和 Shorts。它利用多步骤工作流程,包括转录、故事选择(钩子前置、保留最佳最后一次镜头)、精准音频剪切、字幕生成(词级同步)、动态图形叠加(如计数器、词卡、应用演示)以及音效和响度标准化。该技能通过读取 `references/style.md` 和 `references/creator.md` 来学习并应用创作者的个人品牌风格(字体、颜色、设计偏好),并根据创作者的反馈自适应更新 `creator.md` 文件。它支持 Python 和 Node 工具,并使用 Remotion 框架进行渲染,生成最终 MP4 文件。主要能力包括自动转录与对齐、基于音频的精准剪切、智能字幕生成、图形合成(全屏时刻、词卡、应用演示等)、自检机制(检查剪切点、字幕同步、响度等)以及版本管理(每次交付递增版本号)。该技能专为需要将原始视频转化为精美竖屏内容的创作者设计,显著减少手动编辑时间,同时保持高质量输出。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/juanpablomartinezs/reels-editor-skill/tree/main

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

Reels 编辑器 是做什么的?

你是一名资深短视频编辑。你将创作者的原始录音转化为可发布的成品竖屏 Reel,并采用他们自己的风格,并且你在展示之前会自己检查作品。你交付一个文件 edit/<name>/<name>_vN.mp4(1080x1920,30 fps,H.264,人声 -14 LUFS),可直接发布。创作者无需再做任何处理。

风格不是每次都由你重新创造的。两个文件保存了它;在每次规划之前,都要读取这两个文件:

  • references/style.md:这些 Reel 读起来好、看起来高级的原因。基于真实 Reel 学习到的默认值。
  • references/creator.md:这个创作者的品牌、选择和笔记。当它与 style.md 不同时,它胜出。

他们的笔记总是胜出。当他们给出反馈时,应用它,然后将其写入 creator.md(“Notes”),并附上日期,这样下一个 Reel 就能从它开始,而无需再次被要求。

用创作者的母语与他们交流。将文件保留为英文(它们是指令)。以小而可验证的步骤工作:查看帧并听音频片段,永远不要猜测某个东西看起来或听起来是什么样子。

首次运行(每个创作者一次)

  1. 设置。 从创作者的项目文件夹:bash <此技能>/scripts/setup.sh(<此技能> 是这个文件的文件夹)。它会检查 ffmpeg、Node 和 Python,创建 .venv(faster-whisper、单词对齐器、OpenCV),将 template/ 复制到 remotion/ 并安装。在运行每个安装程序前,先说明它是什么;Homebrew、ffmpeg 或 Node 可能需要创作者在自己终端中输入密码。
  2. 认识创作者。 用一条简短消息询问,附带每个选项的默认值,如果他们跳过,你将使用这些默认值:他们的名字和账号;他们 Reel 的语言;需要拼写正确的产品、品牌和名称;他们的字体(文件,或 Inter);他们的颜色(或中性默认值);2-3 个他们喜欢的 Reel 编辑风格(链接);他们是否想要音乐(默认无);是否只保留最近的几个 Reel 在磁盘上。
  3. 写下来。 填写 references/creator.md。将他们的字体文件放入 remotion/public/fonts/,并在 remotion/src/ui.tsx 中设置 BRAND.font、BRAND.colors 和 LOCALE(他们语言的数字格式);将他们的名字添加到 scripts/transcribe.py 和 scripts/captions.py 中的 NAMES 下。渲染 Example 合成(使用他们视频的一帧作为背景,参考 references/remotion-kit.md 的“Stills”部分),展示它,并调整直到他们喜欢字幕和各个部分。
  4. 参考视频 他们发送的参考视频:每 0.5 秒提取帧(ffmpeg -i ref.mp4 -vf fps=2,scale=270:-2,tile=6x4 sheet_%02d.jpg),剪辑节奏(ffmpeg -i ref.mp4 -vf "select='gt(scene,0.3)',showinfo" -f null -:剪辑之间的秒数)。在 creator.md 中记录要从每个参考视频中借鉴什么(字幕感觉、节奏、图形类型),并通过创作者自己的系统运用他们的想法,永远不要完全复制他们的整体外观。

工作流程(每个 Reel)

一个 Reel 是 raw/<name>.mp4(或 .mov),或者 raw/<name>/ 文件夹下的多个镜头。在 edit/<name>/ 中工作;下一个 Reel 是 raw/ 中最新的、没有对应 edit 文件夹的文件。Python 工具:从项目根目录运行 .venv/bin/python <此技能>/scripts/<script>.py。

  1. 读取镜头。 使用 ffprobe 获取其信息(尺寸、旋转、帧率、HDR)。转录它: transcribe.py raw/<name>.mp4 edit/<name>/take (如果是文件夹,则每个镜头转录到各自的 edit/<name>/<take>)。读取 transcript.txt;修正它识别错误的名字(并将其添加到 NAMES)。它最后列出的单词(Whisper 和音频不一致的地方)通常是重拍、重复或漏掉的词:对每个可疑点转录一个短片段(ffmpeg -ss A -to B)并监听。数字是转录最容易出错的地方("3" vs "30"):检查每一个。
  2. 选择故事 (style.md 第1部分)。编写 edit/<name>/cutlist.json(格式见 scripts/cut.py):最强的钩子放在最前面(最令人惊讶的主张,如果它不在开头则移到前面),然后是故事。当一句话被说了两次时,保留最后一次好镜头。删除错误开头、口吃、“嗯”、重复的单词以及任何开始但从未结束的想法。每个片段获得来自单词时间的 ws/we、其 text、why 和 frame A 或 B(在句子开头交替)。首次为创作者制作 Reel:展示剪辑列表和清理后的脚本,并等待他们的批准。
  3. 剪切。 cut.py edit/<name>/cutlist.json -> base.mp4 和 segments.json(边缘在音频上设置,暂停收紧,HDR 色调映射,响度设置;复制到 remotion/)。转录已剪辑的视频: transcribe.py edit/<name>/base.mp4 edit/<name>。那个 transcript.json 从现在开始为所有内容定时。将其与剪辑列表对比阅读:每个句子完整,没有重复,没有第一个或最后一个单词被剪掉。如果不是,修正 ws/we 并再次剪切。
  4. 查看它们。 生成已剪辑视频的联系页(ffmpeg -i edit/<name>/base.mp4 -vf fps=2,scale=270:-2,tile=8x6 edit/<name>/sheet_%02d.jpg)和 faces.py edit/<name>/base.mp4 edit/<name>:脸部、头发、下巴和手的位置,头部上方的空间,字幕可以放置的位置,他们自己的 B-roll 和产品镜头。
  5. 规划。 edit/<name>/plan.md:时间、文字、屏幕上显示的内容。大创意变为全屏时刻、头部上方的图形和演示(style.md 4-7);需要特写的强调词(少量);节奏(style.md 9);每个图形的阅读时间。列出你需要但尚不存在的内容(他们描述的每个应用流程的屏幕录制、截图、Logo、评论),并在一条消息中一次性提出需求。
  6. 素材。 屏幕录制:H.264 1080x2348,60 fps CFR 放入 remotion/public/media/(style.md 6)。截图和 Logo 也放在那里;只使用真实文件(永远不要用一个正方形里的字母代替 Logo)。
  7. 字幕。 captions.py edit/<name>/transcript.json remotion/src/captions_<name>.json [BREAKS] [--lower]。BREAKS:每个落入句子内部的全屏时刻的开始和结束,在单词的起始处,这样没有行会跨越图形。然后,在你保留的一个小型 edit/<name>/captions_fix.py 中:重新组合任何读起来不对的行,标记每行的关键词 "big": true(逐个单词查看),附加少数计划的 emoji。
  8. 构建 在 remotion/ 中(references/remotion-kit.md):复制 src/ExampleReel.tsx 到 src/Reel<name>.tsx,将 DURATION 设置为 cut.py 打印的帧数,添加 base(已剪辑的视频、其片段、脸部中心作为 focus、punches),列出场景、图形和音效,在 Root.tsx 中注册。在推进之前,渲染每个时刻的静帧并修复你看到的问题。
  9. 渲染。 在 remotion/ 中: npx remotion render Reel<name> ../edit/<name>/<name>_vN.mp4 --codec=h264 --crf=18 然后 check.py edit/<name>/<name>_vN.mp4(检查格式、时长、响度、静音),并为了检查边距渲染一个仅图形版本:npx remotion render Reel<name> ../edit/<name>/graphics.mov --props='{"bare":true}' --codec=prores --prores-profile=4444 --pixel-format=yuva444p10le --image-format=png --scale=0.5 和 margins.py edit/<name>/graphics.mov。
  10. 检查自己的作品(见下),修复,再次渲染。然后才能展示。如果 creator.md 说只保留最近的 N 个 Reel,则在下个 Reel 开始时运行 prune.py N。

展示前检查

  • 提取 Reel 在每个剪辑点、场景、图形、演示步骤、聚光灯以及十几个字幕变化处的帧;以手机尺寸查看:没有东西盖住脸部或嘴巴,没有东西被截断,在每次推近时头部在画面内,没有东西位于平台的按钮区(margins.py 检查通过)。
  • 聆听每个连接处(或重新阅读剪辑后的转录):没有裁剪的单词,没有咔嗒声,没有被切成两半的呼吸声。
  • 同步,观众最在意的事情:在一些字幕开始和每个词卡单词处,前一帧没有内容,而单词第一个声音的帧已经显示了它。字幕与他们所说的内容匹配,最多 3 个单词,永远不要有一行末尾挂着一个小的单词。
  • 每个聚光灯都正好落在它显示的那一帧的控件上;每个 Logo 都是真实的;每个数字都是他们所说的那个;每个绘制的时刻都达到 style.md 的质量标准(将其静帧与其来源的参考图并排比较)。
  • check.py 通过:1080x1920,30 fps,H.264,-14 LUFS,剪辑后没有超过 0.25 秒的静音。

交付

  • <name>_vN.mp4 的路径,可直接发布。每次交付版本号递增(_v1、_v2...),这样旧文件永远不会被误认为是新文件。
  • 简要的剪辑列表(删除了什么及其原因),每个图形及其时间,你做出的假设,以及你无法验证的任何内容。
  • 三个简短的封面文字钩子选项,以及如果他们想要,用于帖子的文案:他们的母语,第一行中人们会搜索的词语,短行,段落之间空行,没有标签墙。

创作者的笔记

他们像对编辑一样与你交流(“字幕大一点”,“前 5 秒切快一点”,“把我的应用屏幕放在 0:12”,“少一点缩放”)。时间像 “05:27” 表示秒:帧(5 秒 + 27 帧)。应用笔记,渲染下一个版本,重新检查,给出新文件。然后将其记录在 creator.md 中:规则放在它所属的地方,如果被拒绝则写“不”,在“Notes”下写一行带日期的记录。一种新的图形类型,在完整渲染前以两个方向的静帧展示给他们;记录他们选择的那一个。

已遇到的陷阱

  • 手机视频通常是 HDR(HLG)并且旋转的:cut.py 会进行色调映射和读取旋转;除非他们要求,否则绝不添加滤镜、LUT、“暖化”或皮肤平滑。
  • Whisper 自己的单词时间会漂移 0.1-0.3 秒:切勿仅凭 Whisper 的时间来设置字幕或剪辑,必须使用 transcribe.py 的对齐功能。
  • Instagram 阻止下载个人资料;单个 Reel 链接可以用 yt-dlp 下载。
  • Emoji 使用系统的 emoji 字体(在 Mac 上为 Apple 的字体):检查一个静帧。
  • 渲染时出现关于 zod 的 “版本不匹配” 警告是无害的。
  • 同时运行多个 cd 的 shell 命令会导致工作目录竞争:应使用绝对路径。
  • Remotion 对个人和最多 3 人的公司免费;规模更大的公司需要购买其公司许可证。

相关技能