编排一个视频(入口)
来源:docs/MONTAR_VIDEO.md。 此技能是操作脚本;详细信息(推理表、完整命令、并行处理、常见问题)均在该文档中,按章节(§)引用。同时阅读仓库 CLAUDE.md 中的规则:它们优先于此文档。
步骤 0 · 启动(暂时不提问)
- 记录开始时间:
date '+%Y-%m-%d %H:%M:%S'。保存它(将写入BRIEF.md › 开始时间和报告中)。 - 运行
node scripts/doctor.mjs(≈ 1 秒,只读)。读取「准备就绪」。如果当前流程出现 ✗,则应用它打印的解决方案(如果是本地且免费的)或在同一次采访回复中告知用户。 - 查看
ls brutos/ proyectos/。如果项目已存在,则继续(读取其BRIEF.md和informe.md),而不是重新采访。如果brutos/中的文件名包含人名,则在聊天中按时长和分辨率(ffprobe)描述,而不是按名称。
步骤 1 · 采访:一次 AskUserQuestion 调用(3–4 个问题)
之前,从用户的语句中推断所有可能的信息(§2)。不要问用户已经说过的内容:将该问题替换为储备列表中的下一个问题。每个问题:2–4 个选项,推荐的选项放在第一位,标签中带有「(推荐)」并在描述中说明原因。始终允许自由回答(「其他」)。每个问题的详细信息:§1。
| # | 标题 | 问题 | 选项(根据上下文推荐) |
|---|---|---|---|
| 1 | 素材 | 什么视频以及用什么素材? | 有演讲者的录制(brutos/ 中有原始素材)· AI 语音旁白(新闻、解说;无录制)· 生成式或宣传片(HyperFrames) |
| 2 | 模板 | 使用什么模板? | 根据 1:clase-larga / corto-ilustrado · noticias-narracion / explainer-narracion · promo-hyperframes / HyperFrames 流程 — 以及 自由,无模板。如果 1 未确定:长章节 · 短视频 · 自由 |
| 3 | 风格 | 使用什么风格? | 目录中合适的 2 种风格,附带其参考路径(estilos/README.md)· 从网页或视频新建(estilos-video §5)。自由 → 其他 |
| 4 | 格式 | 时长和格式? | 16:9,模板时长(Remotion)· 9:16 · 16:9 和 9:16(在 video-corto 中推荐)。其他时长 → 其他 |
储备列表(按顺序):语言 · 语音(默认为 .env 中的,模型 eleven_v4)· 音乐和效果(风格自带的或使用 ElevenLabs 新建)· 字体(用户提供或官方查找)· 演讲者裁剪 · 受众和发布平台。按路径和模板推荐的风格,附带时长和真实示例:§1 和 §1.1。
仅当缺少必不可少的信息时才进行第二次提问:哪个原始素材(如果有多个)、主题、一个 URL。
其他 Agent(Codex…):在单条消息中包含相同内容,问题编号,选项用列表表示。
步骤 2 · Brief
根据回答,用一个段落总结已确认和已推断的信息(并说明来源),然后立即开始免费的部分。从 plantillas/<plantilla>/BRIEF.md 写入 BRIEF.md(§3):
- Remotion:在
tools/kaleidos nuevo …(创建一个空文件)之后,用填充好的模板替换它。 - HyperFrames:由流程在
npx hyperframes init之后写入(init在目录内有文件时会拒绝执行)。
步骤 3 · 路由(完整命令见 §4)
| 素材 | 路由 | 操作 |
|---|---|---|
| 有演讲者的录制 | §4.1 | 遵循技能 edicion-ponente:tools/kaleidos nuevo <slug> --bruto brutos/<x> --estilo <e> --metodo <m> → 后台运行 tools/kaleidos preparar <slug> --paralelo → 读取完整转录 → guion.json(骨架在 plantillas/<plantilla>/)→ linea / media / capitulos |
| AI 语音旁白 | §4.2 | tools/kaleidos nuevo <slug> --narracion --estilo milikito --escenario → 复制 plantillas/<plantilla>/* → fuentes.md 中的官方字体 → locucion.json → 并行运行 images.mjs ‖ capture.mjs ‖ voz --simular 和 voz --max-caracteres N → transcribir → python3 plantillas/herramientas/cues.py <slug> → media → linea → media → capitulos |
| 生成式或宣传片 | §4.3 | 加载技能 /hyperframes(选择 video-corto、product-launch-video、general-video…),项目在 proyectos/<slug>/ 下,init 之后将风格作为 frame.md |
| 新风格或变体 | §4.4 | 技能 estilos-video(§5 新建,§6 变体),使用前确保 validar.mjs 通过 |
在旁白中使用 intro.previo 是,intro.hasta 否;章节标题标签的 3-4 秒内不添加事件;气泡位置为 x 0.2–0.25 和 y 0.16–0.17(§4.2,第 6 点)。
步骤 4 · 并行处理(§6)
同时启动不冲突的任务:voz ‖ images.mjs --concurrency 6 ‖ capture.mjs ‖ 调研和脚本编写;preparar --paralelo(GPU 裁剪时 CPU 进行姿态估计),一旦转录可用就开始编写脚本。不要在 16 GB 内存上同时运行:recortar + transcribir + pose,两个 GPU 步骤,两个 stills.mjs,也不要同时运行 el-audio.mjs 和 voz。长时间运行的后台进程需完整记录日志(不要对 ffmpeg 输出使用 grep)。Lambda 使用 --concurrencia max。
步骤 5 · 检查点(§5)
- 付费 API:
voz --simular(字符数)和生成前的图片数量;仅当 brief 要求时使用 Apify,并带上--dry-run和--budget。 - Lambda 之前总是渲染静帧:
node motor/scripts/stills.mjs <slug> --at eventos→ 打开静帧页(motor/out/stills/<名称>/hoja.jpg),实际查看并修正(先改脚本再改代码)。使用estilos-video§7 检查风格一致性。HyperFrames:npx hyperframes check --snapshots。 - AWS:
node motor/scripts/lambda.mjs <slug> --dry-run --concurrencia max→ 显示资源(函数、站点、私有存储桶、上传内容)、函数数量、预估成本和耗时 → 等待明确确认。如果用户在此次请求中已明确要求 Lambda 渲染:显示信息后直接运行,无需等待。创建资源(存储桶、堆栈、IAM)始终需要另外的确认。如果 HyperFrames 未部署 Lambda → 提醒用户并提供本地渲染或部署选项。 - 输出:
ffprobe+ 帧计数,每分钟一帧的静帧页,以及python3 plantillas/herramientas/normalizar_audio.py resultados/<slug>.mp4 --en-sitio(Lambda 输出约为 −13 LUFS)。 - 最终报告(
proyectos/<slug>/informe.md+ 聊天中的摘要):时长、结构、已验证内容(采样帧检查,非完整观看)、警告、不一致之处、总挂钟时间(开始 → MP4 验证完成,含work/logs/tiempos.json的细分)和成本(实际 Lambda 成本 + S3 + 数据传输;ElevenLabs 字符数来自work/voz/manifest.json;图片;Apify)。不要虚构金额:如果不知道价格,给出消耗的数量。说明 AWS 上还保留了什么。
不可违反的规则(§8 和 §9)
- 隐私:不要在回复、报告、图形或标签中包含任何客户个人数据;不要引用包含个人数据的转录片段;屏幕上出现的内容需模糊处理。使用通用标签。
.env:绝不显示值,也不将其放入 URL;doctor仅提供变量名。- 内容:图形应总结语音内容;不虚构;时事仅引用官方来源,在
fuentes.md中注明日期(如果网页下载返回 403,使用内置浏览器阅读);不一致之处写入报告;法律或医疗相关内容 → 需要专家验证。 brutos/和~/videos-opus为只读。使用 Remotion 4.0.529 确切版本。字体仅限 OFL/Apache 许可。