MartinDelophy/ai-video-editor

使用 Timeline Studio 进行 AI 视频编辑

将用户的精确编辑请求和媒体转换为可逆的 Timeline Studio 编辑。保持可编辑时间线作为真相来源；切勿用不透明的一次性渲染来替换它。

选择执行路径

1. 首次安装后本地使用时，阅读 references/host-environment.md。如果 Node.js 不可用，从零依赖的 Shell 或 PowerShell 引导脚本开始；否则运行 node scripts/setup-host.mjs --check。在代理驱动的配音生成之前，还需运行 node scripts/setup-host.mjs --check --capability voiceover；此能力仅在获得明确批准后，才会在隔离环境中安装 MeloTTS 及其语言资源。将结果视为能力证据。如果缺少语言运行时或依赖项，显示确切的安装计划并在安装模式前获得用户明确批准；切勿将技能安装视为修改主机或下载模型的许可。
2. 将本地项目文件处理视为确定性编辑的默认方式：本地检查媒体，通过命令层或本地存档服务修改可移植的 .timeline 文件，本地渲染，并本地验证解码后的输出。不要仅仅因为编辑器有 UI 就打开浏览器。
3. 仅当用户明确要求使用网站、未提供本地仓库或项目路径、或需要仅托管平台才有的功能时，才将 https://video-editor.ai-creator.top/ 视为规范托管编辑器。
4. 当此仓库可用时，优先使用其代理命令层和本地媒体工具。仅当操作为经过验证的纯 UI 操作，且本地项目管道无法表达并且用户未要求仅本地工作流时，才启动本地服务器和浏览器。从进程输出中读取实际服务器 URL；切勿假设端口为 5173。
5. 检查 package.json 以获取代理命令脚本。不要将 npm run ... --if-present 用作能力检测，因为它可能静默成功。
6. 如果命令运行器存在，阅读 references/command-contract.md，检查项目，构建带版本号的计划，运行结构验证器，并在 project.run 之前使用 project.diff 作为权威的语义化 dry run。
7. 如果本地合约中缺少所需操作，说明确切的差距。对于仓库开发工作，在回退到 UI 之前，实现最小的共享本地操作和渲染器支持。否则，在切换到浏览器工作流之前询问。
8. 当只有 UI 自动化可用时，不要声称确定性或幂等执行。说明局限性，并在 UI 支持的情况下保留可编辑的项目存档。

工作流

1. 编辑前检查

• 逐字保留用户的提示作为创意简报。
• 将每个引用的资产解析为显式路径或 URL。未经批准，切勿扫描目录。
• 检查持续时间、尺寸、音频存在性和媒体类型。
• 在更改现有项目之前，先阅读当前项目摘要。
• 仅当未决选择实质性改变编辑时才提问，例如预期的输出持续时间或宽高比。
• 对于自动编辑请求，阅读 references/auto-edit-workflow.md。先检查，对内容、目标和交付进行分类并附上明确的置信度，然后仅询问最少数量、能够改变剪辑的特定类别问题。切勿询问可从媒体中挖掘的事实。
• 对于复制、模仿、重建或逆向工程参考视频的请求，阅读 references/replication-workflow.md。将其分类为 编辑风格复制、AI 生成复制 或混合型；在构建之前重建滤镜、重复、源分割、速度曲线、转场、镜头和时间线；并明确解决是否需要保留授权的原始音轨。在复制分析完整性门禁通过之前，不要开始编辑。仅在需要生成时使用当前网络搜索比较 AI 视频平台，并且仅当用户未提供足够素材时使用合法的网络来源镜头。
• 在加载或下载用于媒体分析的模型之前，阅读 references/local-model-routing.md。盘点仓库现有的本地和固定镜像能力，选择证据缺口所需的最小模型链，在本地运行推理而不驱动可见的编辑器 UI，并记录确切的模型/运行时/回退来源。切勿默认加载每个可用模型或创建重复缓存。
• 当用户需要网络来源镜头或询问在哪里可以找到可下载素材时，阅读 references/web-footage-sourcing.md。从实时搜索中提供最新的、特定任务的平台建议，并按来源合法性、明确下载支持、使用权限、视觉匹配度、质量和来源对它们进行排序。保持技能的中立性；切勿硬编码一个平台或品牌作为永久路径。
• 对于每个完成的自动编辑，阅读 references/professional-editing-workflow.md。直接分析图像；使用代表性帧、语音/OCR、语义以及全局加主题区域光流分析视频。在跟踪或增强之前进行稳定化处理。仅在检查证明生成有实质性帮助后，才询问图像到视频或图像到图像模型。
• 当远程生成在实质上是必需的时，阅读 references/remote-video-generation.md。搜索当前官方文档，仅比较适合镜头蓝图的提供商，在任何付费或隐私敏感作业前获得批准，规范化异步任务和来源，下载即将过期的输出字节，并将验证结果添加到“我的资产”中，不自动放置到时间线上。
• 对于产品、品牌、营销-商业、网站推广或其他促销编辑，阅读 references/promotion-narrative-workflow.md。主动构建一个雄心勃勃的、基于证据的总体叙事，而不是功能列表或动态排版蒙太奇。除非用户明确要求预告片，否则构建一个完整的问题-转变-证明-行动号召的叙事弧，并积极寻找几个视觉上不同的案例——对于 35-45 秒的短片通常至少三个——每个案例都有其自身的设置、产品动作、可见结果以及与最终回报的联系。切勿编造客户、成果、指标或产品行为来使故事显得更宏大。
• 对于强调或戏剧性效果至关重要的高光编辑和参考复制，阅读 references/highlight-tension-workflow.md。将显著性视为候选证据，分配设置/上升/冲击前/峰值/余震角色，设计非平坦张力包络，保护决定性的英雄帧，并在精确剪辑仍然缺乏主要回报时拒绝完成。
• 对于网站导览或宣传录制，使用受支持的浏览器控制技能在捕获前检查并排练授权路径。在浏览器操作前完整阅读该浏览器技能，然后遵循 references/website-promo-workflow.md。在得出产品结论前，构建并完成页面/流程覆盖清单。当所需页面需要登录时，要求用户在所选浏览器中自行登录；切勿请求凭据或将不可访问的行为描述为已验证。分别确认任何后果严重的外部操作，保护已登录和个人数据，并且当仅截图或静态资产可用时，切勿声称捕获了真实的屏幕录制。
• 对于配音编辑，阅读 references/voiceover-workflow.md。对包含内联英文的中文叙述使用 MeloTTS ZH，并确保其隔离环境及批准的固定模型工件在合成前准备就绪。除非用户要求其他交付方式，选择可用最温暖、最自然的讲故事者风格自有声音，并指导亲密、会话式的表演，具有有意义的措辞；切勿默认使用平淡、金属感或机械的系统语音效果。在最终确定场景时长或运动之前，锁定最终的自然语音表演。让句子时序和停顿驱动画面剪辑。将近似持续时间视为目标范围，而不是全局时间压缩语音的许可；当无法自然达到精确限制时，重写或缩短叙述。

2. 在支持的保真度下规划

• 对于自动编辑，保留提示并将推断的、确认的、默认的和未解决的决策规范化为可编辑的简报。在更改时间线之前，构建一个源时间决策记录，包含保留/移除/缩短/重新排序的决策、原因、置信度、字幕预期、音频连续性约束和保护的内容。
• 对于说明性产品、教程或网站节拍，为单个命名目标选择明确的注意力处理：放大小的或密集的证据，在精确文本或数字下划线，或框定控件、卡片或结果的精确边界。最多使用一种相机移动的支持处理，并且仅在相机停止后应用下划线或框线。
• 使用命令运行器时，将编辑表达为具有稳定 ID、秒、修订版、操作 ID 和前置条件的声明式操作。运行 scripts/validate_edit_plan.mjs <plan.json> 以检查传输形状错误，然后运行 npm run agent -- project.diff <plan.json> 以拒绝不支持的操作和无效的项目特定编辑，然后才应用任何内容。
• 仅使用浏览器 UI 时，编写一个简短的、有序的用户可见意图和预期 UI 结果的检查清单。优先使用命名控件和剪辑标签；仅作为基于当前截图的最后手段回退，才使用坐标。
• 保持主要视觉元素连续。将字幕、贴纸、源音频、配音、音乐和叠加视为定时剪辑。
• 应用单向字幕到语音规则：如果项目配置或启用了任何字幕，则每个可见字幕必须对应可听的语音。将转录字幕链接到现有的口语源剪辑，并为每个新的叙述、说明、促销或文本主导的字幕生成配音。现有的源语音满足此规则，且不得接收重复的配音。如果未配置字幕，配音仍是可选的，并遵循简报、内容和编辑目标。如果配置的字幕没有授权的语音路径，则省略它或在保留可编辑项目的情况下停止。
• 对于句子范围的配音编辑，将配音分割为物理上独立的存档音频文件，并将每个字幕绑定到恰好一个匹配的 audioClipId；不要将可编辑句子剪辑表示为一个庞大叙述文件上的范围。
• 在移动或修剪剪辑时，保留媒体身份和源时间映射。

3. 安全应用

• 在破坏性批处理之前，保存项目版本或导出一个 .timeline 存档。
• 每个用户可见意图应用一个事务。当前置条件失败时，使整个事务失败。
• 切勿静默替换丢失的媒体、声音、模型、字体或效果。
• 保持每个结果可在正常 UI 中撤销和编辑。
• 在没有明确用户请求的情况下，不要开始付费或远程生成作业。
• 不要在命令计划中包含 output.render，或声称 project.run 会渲染视频。对其文档化的可移植子集使用单独的版本化 project.render 请求，并对 AI 生成或不支持的合成功能使用浏览器编辑器。
• 对于完成的视频编辑请求，解析一个明确的绝对输出目录，并在那里创建可移植的 .timeline 项目和渲染结果视频。规划、诊断和显式的仅编辑器交接是唯一的例外。不要仅使用一个工件报告完成。

4. 验证结果

• 重新读取时间线摘要，并将其与请求的持续时间、排序、轨道放置和启用状态进行比较。
• 预览开场、每个剪辑或转场、字幕边界、叠加和最后一帧。
• 连续播放时间线，跨越每个视觉、字幕和音频边界。时间线时钟必须单调递增；拒绝任何停滞、向后跳转、重复剪辑尾部或同时激活两个相邻半开剪辑的边界。
• 检查可听行为，而不仅仅是可见轨道。区分嵌入视频音频和显式分离的源音频剪辑，并验证静音/链接状态。
• 当使用 FFmpeg 放置立体声或多声道音频时，将每个预期的偏移显式应用于每个声道。对于 adelay，使用 adelay=<毫秒>:all=1 或为每个声道提供一个延迟值；使用默认的 all=false 的单个值仅延迟第一声道，并可能导致后续的每个剪辑在零时刻堆积到另一个声道。在交付前，比较开场窗口以及每个计划语音边界附近的左右声道活动。拒绝仅声道早期语音、在开场堆叠的多个配音剪辑或未文档化的声道间起音偏移。
• 验证每个可见字幕在其完整活动间隔内解析为一个可听的语音剪辑。拒绝孤立字幕、静音链接剪辑、超出语音的字幕、重复的源语音加配音或纯文本字幕交付。
• 以正常播放速度收听完整的叙述。拒绝冰冷或机械的音色、平坦的音高和能量、合成逐词交付、僵硬的等长停顿、急促的节奏、剪切停顿、不自然的发音、句子级速度变化、无法解释的音量跳跃，或仅为达到目标持续时间而全局加速的叙述。要求温暖、人性化、存储空间内的叙述，并且在句子处于未决状态时删除空洞的标注。最后，在对话的节奏中，要感受到在对话中传递出信息时的自然停顿和节奏，确保音频轨道与视觉元素的同步，以及在整个编辑过程中保持一致的创意视野。