HyperFrames — 从这里开始
HyperFrames 从 HTML 渲染视频 — 一个合成是一个 HTML 文件,其 DOM 使用 data-* 属性声明时间控制,其动画运行时是可搜索的,其媒体播放由框架管理。完整的创作协议位于 /hyperframes-core;在编写合成 HTML 之前请先阅读该协议。
以下是一个能力地图(按需加载的领域技能)和意图路由器(为任何“帮我做个视频”请求选择工作流程)。
能力地图 — 领域技能
按需加载的原子能力 — 不是完整的视频工作流程。对于“帮我做个视频”,请使用下面的意图路由器。
| 你想要… | 技能 |
|---|---|
创作/编辑 HTML 合成 — data-* 协议、片段、轨道、子合成、变量 | /hyperframes-core |
| 动画 — 原子运动、场景蓝图、过渡、运行时适配器 (GSAP / Lottie / Three.js / Anime.js / CSS / WAAPI / TypeGPU) | /hyperframes-animation |
创意指导 — frame.md / design.md、调色板、排版、旁白、节奏规划、音频反应式 | /hyperframes-creative |
| 媒体 — TTS 配音、背景音乐、转录、背景移除、字幕 | /hyperframes-media |
媒体解析 — 从 HeyGen 目录中查找并固化 BGM、SFX、图像、图标到 .media/ 中,并带有清单跟踪 | /media-use |
| CLI 开发循环 — 初始化、检查、验证、检查、预览、渲染、发布、诊断 | /hyperframes-cli |
安装注册表块/组件 (hyperframes add) | /hyperframes-registry |
意图路由 — 选择工作流程
本节仅了解顶级工作流程;它不加载其内部引用或上述领域技能。
路由前 — 确认输入,而非规范
路由需要知道视频是关于什么的 — 其输入和主题。如果未指定(“制作一个关于我们东西的视频”但没有 URL、产品、主题或资产),请在进入任何工作流程之前提问 — 承诺一个工作流程本身就是路由决策。最多两个问题:
- 输入 — 一个产品(URL / 简报)、一个通用网站、一个 GitHub PR、一个要解释的主题、还是现有的说话人视频?
规范默认值 — 陈述,不提问(它们从不更改路由):宽高比 16:9(仅在指定垂直目标平台 — TikTok / Reels / Shorts 时使用 9:16);旁白/字幕 语言 = 用户的。所选工作流程会在其第一步重新确认自己的具体细节。
工作流程速查表
| 工作流程 | 用途 |
|---|---|
/product-launch-video | 营销/发布/推广产品 — 来自其 URL、简报或脚本(即使仅提到了网站名称) |
/website-to-video | 将通用网站转换为视频 — 网站导览、作品集/落地页展示、源自网站视觉素材的社交短片 |
/faceless-explainer | 通过文字解释主题/概念 — 没有产品,没有 URL;每个视觉元素都由 LLM 生成 |
/pr-to-video | GitHub PR / 代码变更 → 变更日志/功能揭示/修复/重构解说 |
/embedded-captions | 为现有的说话人头视频添加字幕/子标题(原片段保持不变) |
/talking-head-recut | 为现有的说话人头视频包装设计好的图形叠加层 — 下方三分之一、数据标注、动态标题、引文 |
/motion-graphics | 短小、无旁白、以设计为主导的动态图形 — 动态排版、统计图表/数据展示、logo 动画、下方三分之一叠加层 |
/music-to-video | 音乐曲目 → 节拍同步视频 — 歌词视频、幻灯片或动态宣传片;音乐驱动节奏(可选的用户图像/视频按节拍网格剪辑) |
/slideshow | 演示文稿/融资演讲/交互式演示 — 独立幻灯片、片段、分支、热点;输出是可导航的演示,而非渲染的视频 |
/general-video | 其他任何情况 — 较长或多场景作品、静态循环/海报、自定义合成 |
/remotion-to-hyperframes | 将现有的 Remotion (React) 合成移植到 HyperFrames(迁移,而非创作) |
消歧(仅在可能混淆时):
- 动效优先且无旁白(约 10 秒以下,动效_即是_信息) →
/motion-graphics,无论输入是什么。 - URL 或脚本 — 推广特定产品(即使是仅提到网站名称) →
/product-launch-video;通用非产品网站 →/website-to-video;GitHub PR 链接 →/pr-to-video;解释概念而无产品/网站 →/faceless-explainer。对于产品与主题、或发布与通用网站确实不清楚 → 问一个问题。 - 现有素材 — 纯口语字幕 →
/embedded-captions;设计好的叠加卡片 →/talking-head-recut。两者均不编辑素材本身(重新定时/重新着色/重新构图/重新排序/音频属于 NLE 编辑 — 超出范围)。 - 音乐曲目是输入(音频文件,或要从中提取音频的视频)且无旁白 →
/music-to-video— 音乐的节拍/能量驱动节奏。(有旁白的作品仍使用上面与输入匹配的工作流程;/motion-graphics用于非音乐驱动的短小无旁自动画。) - 演示文稿/融资演讲/交互式演示(独立幻灯片、导航、演示者模式) →
/slideshow— 输出是可导航的演示,而非渲染的视频。显式的“幻灯片”请求直接进行;相邻触发词(“演示 / 幻灯片 / 展示 / 将此页转换”)会使/slideshow在创作前确认是否为幻灯片,如果不是则切换到适当的非幻灯片工作流程。 - 长度是指导,不是限制 — 意图选择工作流程;仅当作品明显长于约 3 分钟,或是静态/循环/自定义格式时才进入
/general-video。
如果匹配的工作流程未安装
一旦选择了工作流程,请检查它是否确实可用。如果匹配的工作流程技能未安装,不要退回到猜测 — 告诉用户先安装它:
- 仅此工作流程:
npx skills add heygen-com/hyperframes --skill <workflow-name>(例如:--skill pr-to-video— 裸名,无前导/)。 - 同时安装所有工作流程:
npx skills add heygen-com/hyperframes --all(核心 + 每个工作流程,跳过选择器)。
用户运行后,重新读取工作流程的技能并继续。
工作流程详情
/product-launch-video
- 输入: 正在营销的产品 — (a) 产品 URL(使用无头 Chrome 爬取以获取资产 + 品牌令牌),(b) 命名了产品网站的脚本/简报(即使没有链接,PLV 也会解析并爬取它,除非用户选择退出),或 (c) 没有可推导网站的脚本/“不要抓取”(无捕获模式 — 选择一个提供调色板 + 设计系统的样式预设)。提供的脚本可以是逐字配音或按场景重构 — PLV 会询问。
- 输出: 产品发布/SaaS 宣传片作为 HyperFrames 合成 → MP4。(最佳时长 30–90 秒)。
- 触发词: “为 X 发布视频”、“我们网站的宣传片”、“用一分钟解释我的 SaaS”、“将我的脚本变成 60 秒宣传片”、“仅文本发布视频,不要抓取”。
/website-to-video
- 输入: 要转换为视频的通用网站 / URL — 目标是制作关于该网站的视频,而非产品发布。使用无头 Chrome 捕获真实的屏幕截图 + 品牌资产。
- 输出: 基于网站自身视觉素材构建的网站导览/作品集/落地页展示/社交短片 → MP4。
- 触发词: “将这个网站变成视频”、“网站导览来自 ”、“我们主页的社交短片”、“我只有一个 URL — 做些东西”。
/faceless-explainer
- 输入: 任意文本 — 正在解释的主题、文章或笔记,没有要营销的产品,也没有要捕获的网站。(从
/product-launch-video分支出来;无无头 Chrome。) - 输出: 无脸解说视频 → MP4,每个视觉元素由 LLM 按场景生成(排版/抽象/图表/数据可视化);附带
pin-and-paper预设。(最佳时长 30–90 秒)。 - 触发词: “关于 X 的无脸解说”、“制作一个解释 DNS 如何工作的视频”、“将这篇文章变成解说视频”、“根据我的笔记制作解说视频”。
/pr-to-video
- 输入: GitHub 拉取请求 — PR URL、
owner/repo#N引用或“这个 PR” — 通过ghCLI 读取(非抓取网站)。 - 输出: 代码变更解说(变更日志/功能揭示/修复/重构)→ MP4 — 差异高亮、前后对比、文件树 + 影响场景。≤(最佳时长 30–90 秒)。
- 触发词: “制作一个关于这个 PR 的视频”、“将 PR #1187 变成变更日志视频”、“来自 github.com/org/repo/pull/123 的发布说明视频”。
/embedded-captions
- 输入: 要添加字幕的现有说话人头视频 (MP4) — 实际素材,而非 URL 或简报。本地转录 (Whisper,无需 API 密钥) 并使用遮罩 (RVM) 以便主体可以遮挡字幕。
- 输出: 同一素材保持不变,带字幕层 — 标准(逐字下方三分之一导轨 + 主体后方嵌入高潮)或电影级(每个字幕合成在主体后方)。任意时长。
- 触发词: “为这个视频添加字幕/子标题”、“主体后方的字幕”、“我的剪辑的电影级字幕”。
/talking-head-recut
- 输入: 要使用屏幕图形包装的现有说话人头/访谈/播客视频 (MP4) — 实际素材。本地转录 (Whisper)。剪辑完整播放,保持不变。
- 输出: 同一素材加上定时图形叠加卡片 — 动态标题、下方三分之一、数据标注、引文、侧面板、画中画 — 与转录同步。任意时长。
- 触发词: “包装这个视频”、“为我的演讲添加图形叠加/下方三分之一/数据标注”、“将这个访谈变成图形包装的编辑版本”。
/motion-graphics
- 输入: 一个以动效本身即是信息的短小、以设计为主导的动态图形 — 通常约 10 秒以下,无旁白。类型:动态排版、统计/数字计数、数据图表动画、logo 动画、下方三分之一/叠加、或基于搜索的页面/推文/标题镜头。
- 输出: 短动态图形 → MP4 或透明叠加(alpha WebM / MOV)用于下方三分之一/标注。
- 触发词: “8 秒的 logo 动画”、“让这个统计数据动起来”、“动态排版开场”、“将这个推文变成动态图形”、“透明的下方三分之一叠加”。
/music-to-video
- 输入: 音乐曲目 — 音频文件,或要从中提取音频的视频 — 无旁白且无网站捕获。可选地,用户提供的要编织进来的图像/视频。曲目被一次性分析为确定性的节拍/能量图 (
audiomap.json),整个视频均基于此构建。 - 输出: 节拍同步的 HyperFrames 合成 → MP4,其中音乐驱动节奏。排版和模板是基础(完整视频零资产也可生成);任何提供的媒体都按相同的节拍网格剪辑(节拍剪辑/肯·伯恩斯效果)。类型 — 歌词视频、幻灯片、动态宣传片 — 由逐帧选择产生;流程从不分支。
- 触发词: “为这首歌制作视频”、“基于此曲目的节拍同步视频”、“歌词视频”、“将这段音乐变成视频”、“音乐可视化/随着节拍的动态宣传片”。
/slideshow
- 输入: 要创作的演示文稿/融资演讲/交互式演示 — 简报、大纲或要转换为幻灯片的现有页面。不是渲染视频的请求;如果意图模棱两可,该技能会在创作前确认“您是否希望将此作为 HyperFrames 幻灯片?”。
- 输出: 可运行的 HyperFrames 合成 + JSON 数据岛,播放器的
SlideshowController会读取该数据岛,将 GSAP 时间线变为可导航的演示 — 独立幻灯片、片段揭示、分支序列、热点导航、演示者模式和演讲者备注。交付物是演示,而非 MP4。 - 触发词: “制作一个融资演讲/演示文稿/幻灯片”、“交互式演示”、“将此页转换为幻灯片”、“带演示者模式的幻灯片”。
/general-video
- 输入: 上述未涵盖的任何内容 — 创意简报、要动画化的单个元素、对正在构建的合成的编辑。与输入和长度无关。
- 输出: 通过原始流程的 HyperFrames 合成(任意长度/格式):设计系统 → 提示扩展 → 计划 → 布局优先于动画 → 构建(委托给
hyperframes-* 技能)→ 验证 …
…
[为翻译截断]