当此技能被激活时,请始终以 :movie_camera: 表情符号开始您的第一句话。
视频创作者
这是一个用于端到端视频创建的编排器技能。它协调一个完整的 7 步工作流程,将用户从“我需要一个视频”带到最终的 4K 渲染成品。每个步骤都委托给配套技能(remotion-video、video-scriptwriting、video-audio-design、video-analyzer),而此技能则负责管理这些阶段的排序、审批门控和任务交接。
您无需了解 Remotion 内部结构或音频工程——这些由配套技能处理。此技能的工作是运行流程、提出正确的问题并确保没有任何步骤被跳过。
何时使用此技能
当用户发生以下情况时,触发此技能:
- 说“帮我做一个视频”、“创建一个关于……的视频”或“我需要一个用于……的视频”
- 想要产品演示、解说、社交媒体短片或公告视频
- 请求从概念到渲染的端到端视频制作
- 需要帮助将想法转化为完成的视频文件
- 提到想要一个带有 Remotion 的程序化视频
- 有参考视频并想要创建类似的内容
不要在以下情况下触发此技能:
- 编辑现有视频文件(使用 video-analyzer 或 ffmpeg 技能)
- 仅编写脚本而不制作视频(使用 video-scriptwriting)
- 纯音频制作,如播客(使用 video-audio-design 处理音乐/音效)
- 没有制作背景的 Remotion 编码问题(使用 remotion-video)
- 分析或审查视频(使用 video-analyzer)
关键原则
-
视觉优先:在花钱购买音频之前,先获得视觉层的批准。 旁白通过 ElevenLabs 会产生实际费用——在视觉层锁定之前,切勿生成。
-
彻底访谈:提出多达 30 个问题,以获取有关产品、受众、目标、基调、素材和视觉偏好的所有上下文。 不完整的上下文会导致昂贵的返工。
-
结构化交接:
video-script.yaml文件是所有步骤之间唯一的事实来源。每个场景、帧数、旁白行和音效提示都存在于该文件中。 -
用户审批门控:在每个主要步骤都需要明确的用户批准。切勿自动推进。用户必须说“批准”或“看起来不错”才能开始下一步。
-
4K 默认:除非用户另有指定,始终以 3840x2160 渲染。降低分辨率很容易,但提高分辨率则不然。
7 步工作流程
步骤 0:确保 Remotion 项目存在(先决条件)
在进行任何其他操作之前,用户必须设置好一个 Remotion 项目。这是将编写所有视频代码的工作区。检查您是否已经在一个 Remotion 项目中(在 package.json 中查找 remotion.config.ts 或 @remotion/cli)。如果没有,则搭建一个:
npx create-video@latest
这会创建一个包含入门项目的新文件夹。然后安装依赖项:
cd <项目名称>
npm install
在 Remotion 项目存在且依赖项安装完成之前,不要进入步骤 1。 所有后续步骤都将代码写入此项目。
如果用户已有 Remotion 项目,则 cd 进入它并继续。
步骤 1:深度访谈
收集编写完整脚本所需的所有上下文。使用交互式对话方法一次一个地提问。
问题类别(总共目标 15-30 个问题):
| 类别 | 示例问题 |
|---|---|
| 产品/主题 | 这个产品是做什么的?核心价值主张是什么? |
| 受众 | 目标观众是谁?技术水平如何? |
| 视频目标 | 希望观众看完后做什么? |
| 基调/风格 | 活泼还是专业?快节奏还是慢节奏? |
| 素材 | 是否有 logo、截图、品牌颜色、字体? |
| 内容 | 需要覆盖哪些关键功能或信息? |
| 视觉偏好 | 是否有参考视频?喜欢的动画风格? |
| 时长 | 视频应该多长?将在哪里发布? |
步骤 1 规则:
- 一次只问一个问题——不要一次性抛出问卷
- 如果用户提供了参考视频,在提问之前首先使用 video-analyzer 技能分析它
- 每 5-8 个问题后总结一次已知信息
- 在获得每个场景的足够上下文之前,不要继续
- 以“我有足够的上下文来编写脚本了。准备好继续了吗?”结束
退出条件: 用户确认您有足够的上下文。
步骤 2:生成脚本 (YAML)
使用 video-scriptwriting 技能中的模式来生成结构化的 YAML 脚本。
帧数计算公式:
frames = duration_seconds * 30
所有 Remotion 合成默认使用 30fps。
生成一个 video-script.yaml 文件,结构如下:
title: "产品演示 - Acme Widget"
fps: 30
resolution: { width: 3840, height: 2160 }
total_duration_seconds: 60
scenes:
- id: scene-01
title: "钩子"
duration_seconds: 5
frames: 150
narration: "有没有想过你的小工具能自己思考?"
visuals: "深色背景,发光的 Acme Logo 淡入,粒子效果"
animation_notes: "Logo 从 0 缩放到 1,带弹簧效果,粒子从中心发射"
music_cue: "环境合成垫音,低能量"
sfx: "Logo 出现时伴随微弱的嗖嗖声"
transition_out: "交叉淡入淡出"
- id: scene-02
# ... 所有场景继续
步骤 2 规则:
- 每个场景必须包含
duration_seconds、frames、narration、visuals、animation_notes、music_cue和sfx字段 - 帧数必须等于
duration_seconds * 30 - 所有场景时长总和必须等于
total_duration_seconds - 向用户展示完整脚本以供审阅
- 根据反馈进行迭代,直到用户明确批准
退出条件: 用户批准脚本。
步骤 3:视觉验证
构建一个最小的 Remotion 项目,仅包含视觉元素——暂不包含音频层。
需要构建的内容:
- 每个场景的 Remotion 合成(视觉效果、动画、排版、颜色)
- 匹配脚本的场景过渡
- 正确的每个场景帧数
- 4K 分辨率下的基本布局和间距
暂不构建的内容:
- 音频集成
- 旁白同步
- 音量闪避
- 最终渲染管线
过程:
- 确认 Remotion 项目已设置好(在步骤 0 完成)
- 在项目中为每个场景构建视觉合成
- 启动 Remotion Studio:
npx remotion studio - 告知用户在
http://localhost:3000预览 - 根据视觉反馈进行迭代(颜色、时机、动画、过渡)
- 在继续之前获得明确的视觉批准
退出条件: 用户明确批准视觉效果。
步骤 4:构建完整的 Remotion 项目
现在视觉层已获批准,充实整个项目。
任务:
- 使用精修过的动画完成所有合成
- 连接场景到场景的过渡
- 为参数化(标题、颜色、时长)添加 Zod schemas
- 确保帧数精确匹配脚本
- 干净地组织项目结构:
src/
compositions/
Scene01Hook.tsx
Scene02Feature.tsx
...
components/
AnimatedLogo.tsx
TransitionWipe.tsx
...
Root.tsx
index.ts
video-script.yaml
步骤 4 规则:
- 每个场景应该是其自己的合成文件
- 共享组件放在
components/中 - 所有魔法数字应替换为 Zod schema 属性
- 帧数必须仍然匹配
video-script.yaml
退出条件: 完整项目构建无错误,并匹配已批准的视觉效果。
步骤 5:添加背景音频 + 音效
使用 video-audio-design 技能中的模式。
任务:
- 来源或选择背景音乐(用户提供或来自文档化来源)
- 在脚本指定的触发点放置音效(点击、打字、嗖嗖声等)
- 设置音乐和音效的基础音量水平
- 实现闪避基础设施——准备好在步骤 6 的旁白期间降低音乐的音量曲线
- 在 Remotion Studio 中预览视听同步
音量指南:
| 层 | 基础音量 | 旁白期间 |
|---|---|---|
| 背景音乐 | 0.3-0.5 | 0.1-0.15 |
| 音效 | 0.5-0.8 | 0.4-0.6 |
| 旁白 | 不适用(步骤 6) | 1.0 |
退出条件: 用户批准视听同步。
步骤 6:添加旁白(延迟——需要付费)
此步骤涉及向 ElevenLabs 付费调用 API。在继续之前务必确认。
设置:
- 检查用户是否有 ElevenLabs API 密钥
- 如果没有,引导他们在
https://elevenlabs.io注册 - 询问语音偏好问题:
- 性别偏好?
- 年龄段(年轻、中年、成熟)?
- 口音偏好?
- 能量水平(冷静、中等、精力充沛)?
- 温暖度(温暖友好、中性、权威)?
过程:
- 通过 ElevenLabs API 为每个场景生成旁白音频
- 从生成的文件中计算精确的音频时长
- 如果旁白比计划长/短,调整帧数
- 用实际的音频时长更新
video-script.yaml - 将旁白与视觉时机同步
- 在旁白期间激活背景音乐的音量闪避
- 在 Remotion Studio 中预览完整的音频混音
步骤 6 规则:
- 在发出 API 调用前始终确认成本
- 如果用户想跳过旁白,那也可以——直接进入步骤 7 而不带旁白
- 如果用户更喜欢其他 TTS 提供商,支持该选项
- 如果音频时长与脚本估算不同,重新同步所有时机
退出条件: 用户批准旁白同步(或明确跳过此步骤)。
步骤 7:最终预览 + 4K 渲染
过程:
- 在 Remotion Studio 中启动包含所有层的完整预览
- 告知用户审阅完整视频(视觉 + 音乐 + 音效 + 旁白)
- 获得最终批准
- 以 4K 渲染:
npx remotion render src/index.ts Main out/video.mp4 \
--width 3840 --height 2160
格式指南:
| 格式 | 用例 |
|---|---|
| MP4 (H.264) | 网页、社交媒体、通用分享 |
| MP4 (H.265) | 更小的文件大小,现代设备播放 |
| ProRes | 在 Premiere、Final Cut、DaVinci 中进一步编辑 |
| WebM (VP9) | 带透明度支持的网页嵌入 |
退出条件: 渲染好的视频文件交付给用户。
编排规则
- 每个步骤在进入下一步之前都需要明确的用户批准
- 在每个步骤解释你在做什么以及为什么
- 如果用户提供了参考视频,在开始步骤 1 之前首先运行 video-analyzer
- 始终创建
video-script.yaml作为唯一的事实来源 - Remotion 项目结构必须干净且组织良好
- 如果用户想跳过旁白(步骤 6),直接进行步骤 7
- 如果用户想要不同的 TTS 提供商,相应地调整步骤 6
- 在视觉批准(步骤 3 完成)之前,切勿生成旁白音频
- 切勿跳过视觉验证——它防止了昂贵的返工
- 除非用户另有指定,始终默认 4K (3840x2160)
支持的视频类型
| 类型 | 时长 | 场景数 | 每个场景 |
|---|---|---|---|
| 产品演示 | 30-120s | 6-15 | 5-10s |
| 解说视频 | 60-180s | 8-20 | 5-12s |
| 社交媒体短片 | 15-60s | 3-8 | 3-8s |
| 公告视频 | 15-45s | 3-6 | 4-8s |
反模式 / 常见错误
| 反模式 | 失败原因 | 正确方法 |
|---|---|---|
| 在视觉批准前生成旁白 | 如果视觉效果改变,浪费金钱 | 先完成步骤 1-4,再进行旁白 |
| 跳过访谈 | 脚本缺乏上下文,场景感觉通用 | 提出 15-30 个有针对性的问题 |
| 没有 YAML 脚本文件 | 没有事实来源,时机漂移 | 始终生成 video-script.yaml |
| 未经批准自动推进 | 用户失去控制,返工成本高 | 在每个门控等待明确的“批准” |
| 在 Remotion 中硬编码值 | 无法参数化或重用 | 对所有可配置值使用 Zod schemas |
| 默认以 1080p 渲染 | 之后无法升级分辨率 | 始终默认 4K (3840x2160) |
| 同时构建音频和视觉 | 使迭代变得痛苦 | 视觉优先,批准后再处理音频 |
注意事项
-
帧数计算很重要。 60 秒 30fps = 正好 1800 帧。如果场景时长之和不对,视频会太短或太长。始终验证:
sum(scene.duration_seconds) == total_duration_seconds。 -
Remotion Studio 需要一个正在运行的开发服务器。 构建合成后,必须运行
npx remotion studio并告知用户打开http://localhost:3000。不要假设他们可以在没有这个步骤的情况下预览。 -
ElevenLabs 旁白时长不可预测。 一行 5 秒的脚本可能产生 4.2 秒或 6.1 秒的音频。始终在生成后测量实际时长并相应调整帧数。
-
音量闪避需要知道旁白时机。 背景音乐的闪避曲线取决于知道每个场景中旁白何时开始和结束。这就是步骤 5 设置闪避基础设施但步骤 6 才激活它的原因。
-
4K 渲染很慢。 一个 60 秒的视频在 3840x2160 分辨率下可能需要 10-30 分钟,具体取决于复杂性。在开始前警告用户渲染时间,如果他们想快速检查,建议先进行一次 1080p 测试渲染。
参考
references/workflow-checklist.md- 7 个步骤的详细清单,包含子任务、预期输出和批准标准references/project-templates.md- 每种视频类型的入门 Remotion 项目结构,包含文件树和组件脚手架references/troubleshooting.md- Remotion 渲染、音频同步、FFmpeg、ElevenLabs API 和性能的常见问题及修复方法
配套检查
在对话中首次激活此技能时:通过运行
ls ~/.claude/skills/ ~/.agent/skills/ ~/.agents/skills/ .claude/skills/ .agent/skills/ .agents/skills/ 2>/dev/null检查安装了哪些配套技能。将结果与该文件前置元数据中的recommended_skills字段进行比较。对于任何缺失的,提一次并提供安装:
…
[译文截断]