Communitygithub.com

marcus/marcus-skills

创建精美且能有效转化的软件演示和产品视频。涵盖从缩略图和脚本到制作、配音、转场、音效和分发的每个阶段。在规划、脚本编写、故事板绘制或审查任何软件营销视频时使用——包括讲解视频、产品导览、功能亮点、发布公告、客户案例或对比视频。

marcus-skills 是什么?

该AI技能提供了一个完整的端到端工作流,用于创建高转化率的软件产品视频,将专业视频制作知识封装为AI可操作的指令。它支持Claude Code、Cursor和Codex等AI代理平台,通过为讲解视频、产品导览、功能亮点、发布公告、客户案例和对比视频等类型提供视频策略、脚本框架、制作技术和分发最佳实践的结构化指导。该技能的核心原则源自顶尖SaaS公司和视频机构(如Sandwich Video、Apple、Stripe、Figma和Linear),强调从观众问题出发、每个视频只传达一个核心思想、展示产品魔力、在5秒内抓住注意力以及利用音效设计等。它还提供了详细的脚本模板(PAS、BAB、Tell-Show-Tell、英雄之旅)、配音速度指南、AI与真人配音对比数据、缩略图设计和标题公式,并与Remotion等自动化制作管线集成,实现AI驱动的视频生成。对于寻求创建媲美专业工作室品质视频的开发者来说,这是一个必知的技能。

兼容平台~Claude Code~Codex CLI✓Cursor✓Gemini CLI
npx skills add https://github.com/marcus/marcus-skills/tree/HEAD/skills/software-demo-video

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

软件演示视频

制作精美且能有效转化的软件产品视频。该技能涵盖完整的流程:策略、脚本编写、制作和分发。

快速开始

  1. 选择视频类型 - 根据渠道阶段和目标匹配(参见下方视频类型)
  2. 编写脚本 - 选择一个框架,按字数编写,大声朗读(参见 references/script-templates.md)
  3. 规划制作 - 故事板、选择音乐、准备环境(参见 references/production-techniques.md)
  4. 制作 - 录制、拍摄、动画、剪辑、混音
  5. 优化分发 - 缩略图、标题、SEO、嵌入策略(参见 references/thumbnails-and-distribution.md)

核心原则

这些原则将卓越的软件视频与平庸之作区分开来。源自对 Sandwich Video、Apple、Stripe、Linear、Arc、Figma、Descript 以及顶级 SaaS 视频机构的研究。

1. 从观众的问题出发,而非你的功能

每个优秀的软件视频都以观众已经感受到的痛点开场。产品是作为解决方案出现的,而不是主题。Slack 以沟通混乱开场。Salesforce 以销售下滑开场。Monday.com 以“你理想的工作是什么样?”开场。功能列表不会创造渴望,而是已经感受到的问题才会。

2. 每个视频只有一个核心思想

如果观众忘记了其他所有内容,他们必须记住什么?那就是你的视频。不是一个功能,不是五个好处。一个想法。

错误:“我们的平台有项目管理、时间追踪、
        发票、团队聊天和文件存储。”

正确:“别再在应用之间切换了。你团队需要的
        一切都在一个地方。”

3. 展示魔力

Sandwich Video 的理念:识别那些让人们说“哦,这很酷”的时刻,并围绕这些时刻制作视频。在你的产品中找到2-3个能创造真正愉悦感的交互,并给予它们最多的屏幕时间。

4. 在5秒内抓住注意力,否则就会失去他们

55% 的观众在60秒内离开。你的前5秒必须赢得接下来的55秒。永远不要以动画标志、“欢迎回来”或设置背景开场。以问题、结果或模式中断开场。在所有的留存研究中,冷开场都优于品牌介绍。

5. 音效设计是最被低估的技术

Figma 的点击声、Apple 的拟音、Arc 的刻意静默——音频改变了观众对视觉内容的感知。为 UI 交互添加微妙的声音。将剪辑与音乐节拍同步。音效设计良好的视频给人的精致感是普通视频的两倍。

6. 视频风格要与产品个性匹配

Linear 的极简主义之所以有效,是因为产品本身就是极简的。Arc 的卧室视频博客之所以有效,是因为产品是个人化的。Descript 的喜剧小品之所以有效,是因为观众是有创造力的。风格不匹配比低制作价值更糟糕。

7. 屏幕录制不必看起来像屏幕录制

每个顶级公司都有一个策略:Apple 在动态图形中重新创建 UI。Figma 添加点击声和光标标签。Slack 构建自定义的理想化截图。Linear 的产品足够美观,可以原生录制。Stripe 将代码视为艺术。找到你的方法。


视频类型

类型时长渠道目标受众
讲解视频60-90秒顶部“这是什么?”意识到问题的潜在客户
产品导览2-4分钟中部“它是如何工作的?”正在评估的潜在客户
功能亮点30-90秒中部“这能做什么?”用户 + 评估者
客户案例60-120秒底部“还有谁在用?”决策阶段的买家
发布视频30-90秒所有“有什么新功能?”用户 + 市场
对比视频2-4分钟底部“为什么选这个而不是X?”活跃的评估者
快速提示30-90秒售后“这个怎么做?”现有用户
品牌/文化60-180秒顶部“这些人是谁?”人才 + 好奇者

每种类型的详细脚本结构和填空模板,请参见 references/script-templates.md。


脚本框架

选择与你的视频任务相匹配的框架。每个框架在 references/script-templates.md 中都有详细的模板。

问题-加剧-解决方案 (PAS)——最常见

阶段时间字数目的
问题15-20秒30-40指出痛点
加剧15-20秒30-40展示不行动的后果
解决方案25-30秒50-60将产品作为解决方案介绍
行动号召 (CTA)5-10秒10-20清晰的下一步操作

使用问题解决结构的视频显示出 60% 更高的参与度。

之前-之后-桥梁 (BAB)——最适合视觉化产品

展示转变:观众今天的世界,他们使用你的产品后的世界,以及产品如何弥合差距。最适合仪表盘、设计工具、分析工具。

讲述-展示-讲述——最适合导览和教程

设置背景(讲述),现场演示(展示),强化价值(讲述)。可将留存率提升高达 65%。将复杂产品分解为多个讲述-展示-讲述模块。

英雄之旅——最适合客户案例

你的客户是英雄。你的产品是向导。三幕:平凡世界(问题),旅程(发现和使用产品),回归(带有指标转变的结果)。

其他框架

  • JTBD 叙事:“当[情境]时,我想要[工作],以便[结果]”
  • 钩子-故事-提供:5秒钩子,30秒叙事,10秒行动号召(CTA)(非常适合短视频)
  • AIDA:注意、兴趣、欲望、行动
  • 黄金圈:为什么、如何、什么 (Sinek)
  • 皮克斯故事脉络:“很久以前... 每天... 有一天... 因为那...”

开场钩子

你只有 5秒钟。选择一个:

钩子类型示例最适合
问题陈述“如果你花了3个小时调试部署配置...”教程,了解痛点的受众
结果展示先展示最终输出,然后解释如何实现产品导览,功能亮点
模式中断快速缩放、突然的视觉变化、定格帧+文字社交媒体,信息流拥挤
冷开场挑逗从高潮开始:“...然后构建就崩溃了”叙事视频
提问“如果你的部署从不失败会怎样?”B2B,特定细分市场
惊人数据“你的支持工单中有90%已经在文档中回答了”教育性,数据驱动型受众
直接价值“这里有5个你没在用CSS技巧”底部渠道,行动导向型用户

前5秒内的模式中断显示出 23% 更高的留存率。

冷开场胜过品牌介绍。 剪掉标志动画。先钩子,后品牌。


配音

语速

视频类型每分钟字数 (WPM)说明
讲解视频130-150理解的最佳语速
教程120-130复杂信息时放慢
推广/发布150-160更快以增强能量感

字数参考:30秒 ≈ 75字, 60秒 ≈ 150字, 90秒 ≈ 225字, 2分钟 ≈ 300字。

视角

在配音中使用第二人称(“你”)——这能吸引观众,并使他们成为主角。在行动号召(CTA)中切换到第一人称(“开始我的免费试用”比“开始你的免费试用”转化率高出 90%)。

语气

  • 对话式:短句、缩略、直接。最适合讲解视频、初创公司。
  • 专业式:沉稳、权威。最适合企业、安全、金融。
  • 热情式:充满活力、前瞻性。最适合发布视频。
  • 共情式:温暖、理解。最适合问题导向的开场。

像说话一样写作。 大声朗读脚本。如果结巴,就重写。

AI vs. 真人配音

AI 配音便宜 60-86%,且可以即时更新。但:AI 配音的留存率低 70%,并且在45秒内流失率高出35%。对于高风险内容,使用真人配音。AI 适用于高数量内部/教程内容。

ElevenLabs 带时间戳 API

使用 /v1/text-to-speech/{voice_id}/with-timestamps 端点获取单词级同步数据。它返回相同的音频以及字符级对齐,你可以将其聚合为单词级和句子级时序。这使得自动合成时序成为可能——段落时长通过测量的音频得出,而非通过字数估算。

分段音频

始终为每个脚本段落生成一个音频文件,而不是合成单个配音。合成文件会插入可变的段落间停顿(每个2-4秒),在10个段落中累积产生20-35秒的漂移。分段音频,每段都固定在其合成帧上,完全消除了累积漂移。仅保留一个合成文件用于预览/收听。

语音克隆

如果克隆语音可用(例如通过 ElevenLabs 语音克隆),请使用它以 AI 的速度和成本实现真实的创始人/开发者配音。克隆质量足够高,可用于生产。配音脚本中的 --voice <voice_id> 标志选择克隆。

速度与节奏控制

影响节奏的 ElevenLabs 语音设置:

  • stability: 0.5 —— 自然变化,不走调
  • similarity_boost: 0.75 —— 跨段落语音一致性
  • style: 0.3 —— 微妙的表达力,不过度表演
  • use_speaker_boost: true —— 清晰度增强

要加快节奏,将稳定性提高至 0.7,并将风格降低至 0.1。要获得更温暖、更对话式的表达,将稳定性降低至 0.3,并将风格提高至 0.5。

声音选角

品牌个性声音风格
创新/技术清晰、自信、中等语速
温暖/平易近人友好、笑容可掬
企业深沉、沉稳、男中音
俏皮/创意精力充沛、富有表现力、语调多变
大胆/颠覆性语速快、自信、挑衅

制作快速参考

完整细节请参见 references/production-techniques.md。

屏幕录制

  • 以 4K/60fps 录制,输出为 1080p 或 4K
  • 以 50% 自然速度 移动光标,点击前暂停 0.5-1 秒
  • 关闭所有通知,使用干净的浏览器配置文件,预加载所有屏幕
  • Screen Studio ($89) 是目前精致演示的黄金标准
  • 后处理:缩放至 150-300% 用于标注,缓和所有缩放动效 (cubic/quintic),添加微妙的阴影

转场

  • 硬切 用于 90%+ 的转场
  • 缩放转场 用于功能到功能的导航 (0.3-0.8秒)
  • 溶解 仅用于时间流逝 (0.5-2秒)
  • UI 遮罩 用于品牌化精致度(侧边栏展开覆盖画面,揭示新场景)
  • 永远不要将转场用作装饰。每个转场都应为叙事服务。

音乐

视频类型情绪节奏
发布/宣传片向上、积累120-140 BPM
导览轻快、不抢眼90-110 BPM
企业专业、温暖80-100 BPM
消费者应用有趣、现代110-130 BPM

让你的剪辑与节拍同步。 主要转场在强拍上,次要转场在弱拍上。这会创造“苹果感觉”——每一次剪辑都落在音乐节拍上。

音乐平台:Epidemic Sound ($10-20/月,最适合量),Artlist ($10/月,资源广泛),Musicbed (高级、电影感)。

配音同步(Remotion 管线)

对于基于 Remotion 的制作,使用自动同步管线:

script.md --> narrate-sync.ts --> sync-manifest.json --> composition 常量 --> audit-sync.ts --> render

关键原则:

  • 分段音频:每个脚本段落一个 MP3,每段都固定在其精确的合成帧上。绝不要使用单个合成文件作为合成音频源。
  • 段落时长公式:ceil(narration_seconds * fps) + 15 帧填充。始终通过测量的音频得出,而不是通过字数估算。
  • 同步清单:JSON 文件,包含单词级和句子级时序数据(以秒和帧为单位的开始/结束)。由 narrate-sync 脚本自动生成。
  • 渲染前审计:运行 audit-sync 以检测死帧、配音超时和视觉间隙。在渲染前修复任何问题。

完整细节请参见 references/remotion-production-pipeline.md。

音效

在关键的 UI 交互处添加微妙的点击声、嗖嗖声和砰砰声。将音效保持在配音音量 -20 到 -30 分贝。不是每次点击都需要声音——只为有意义的时刻保留。

配音录制

  • 最低要求:Blue Yeti / AT2020 USB+ ($50-130)
  • 专业级:Shure SM7B / RE20 ($300-450)
  • 在安静、经过处理的房间里录制。录音时要微笑。
  • 后处理链:降噪 > 均衡器 > 压缩 > 去咝声 > 限幅器 > 归一化至 -16 LUFS

缩略图和分发

完整细节请参见 references/thumbnails-and-distribution.md。

缩略图检查清单

  • 1280x720px,小于2MB,16:9
  • 一个清晰的焦点
  • 最多3-5个词,高对比度,在小尺寸下可读
  • 不重复视频标题
  • 创造好奇心或情感反应
  • 与频道的视觉品牌一致
  • 准备2-3个变体进行 A/B 测试

黄+黑 缩略图能产生最高的点击率 (CTR),达到 8.2%。高对比度缩略图可将点击率 (CTR) 提高 20-40%。

标题公式

最佳长度:55-70个字符,10-11个词。数字可将点击率 (CTR) 提升高达 36%。

模式示例
转变“[工具] 如何将我们的部署时间缩短了 80%”
意外对比“[工具A] vs [工具B]——结果让我惊讶”
警示性“停止使用[做法]——改做这个”
速度/结果“用[工具]在[时间]内构建一个[事物]”
发现“我找到了最好的[类别]工具(不是[预期]的那个)”

YouTube vs. 网站

  • YouTube 用于发现和受众建设(优化缩略图/标题)
  • 自托管(例如 Wistia) 用于网站、登陆页面、邮件,以利用第一方数据分析、无干扰观看和自定义行动号召(CTA)

嵌入策略

位置自动播放?静音?循环?
首页是是是
功能页面否否否
登陆页面是是否

与 AI 代理配对

Claude Code

将此技能与 Claude Code 结合用于脚本编写和视频策略。使用:

pmx marcus/marcus-skills --type explainer --product "你的产品名称" --problem "他们的问题" --solution "你的解决方案"

Cursor

Cursor 可以通过将技能的知识图注入上下文,帮助在开发环境中编排视频制作。

Codex

Codex 可以自动化 OpenAPI 工作流,这些工作流调用 ElevenLabs、Remotion 和 Screen Studio 的 API,端到端地创建视频而不需要手动编辑。


另请参阅


该技能源自 Sandwich Video、Apple、Stripe、Linear、Figma、Descript 和顶级 SaaS 视频机构的最佳实践。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

相关技能