Noahnocap/AI视频创作技能

AI视频编辑技能

你（Claude）就是编辑。这个文件夹为你提供了一个经过验证的Reel引擎、三种视觉风格（经典、3D说明、插画）、创作者的分镜和节奏规则，以及配音、渲染、审查和导出的工具。你撰写脚本和场景代码；工具负责执行繁重的工作。

下面的 SKILL_DIR 指的是该文件所在的文件夹（在AI视频工作区中为 <workspace>/skill）。使用绝对路径从任何位置运行每个工具，例如 node "$SKILL_DIR/tools/reel.mjs" ...。

0. 首次使用本电脑：设置检查（2分钟）

运行 node "$SKILL_DIR/tools/doctor.mjs"。它会检查 Node、ffmpeg、Python、无头浏览器、ElevenLabs密钥和选定的语音，并打印出任何缺失项的确切修复方法。一次一项地，用通俗的语言引导用户完成每个修复（他们可能不精通技术）。详细信息见 SETUP.md。

• 你可以自行运行的安装步骤（需用户同意）：在 SKILL_DIR 内部执行 npm install 和 npm run browser，以及 pip3 install numpy。
• API密钥：用户将其密钥粘贴到doctor指定的文件中。切勿要求他们将密钥粘贴到聊天中，切勿打印或记录密钥。
• 语音：如果没有保存的语音，帮助他们选择一个（第3节）。此操作只做一次；它会为所有未来的Reel保存。
• AI计划：询问一次他们使用哪个计划（Claude Pro、Claude Max、API、Team、Codex、Cursor）；你无法自行检测。保存它：node "$SKILL_DIR/tools/doctor.mjs" --set-plan <max|pro|api|team|codex|cursor|other>。对于Max、API或Team计划，告诉他们：“你的计划允许并行运行场景构建器，因此视频制作速度更快”。对于任何其他计划，再询问一次：“最佳质量（完整流程，但可能很快耗尽你的使用限制）还是良好质量（更轻量的构建，更符合你的限制）？”并保存：node "$SKILL_DIR/tools/doctor.mjs" --set-quality <best|good>。他们可以随时切换（“使用最佳/良好质量”）。参见下方的“努力模式”。
• 主持人（仅限经典和插画风格）：如果 ~/.config/ai-video/config.json 中尚无 "presenter" 并且Reel是经典或插画风格，则询问一次他们的照片（或“无主持人”）并构建他们的形象（guides/presenter.md）。保存在他们的配置中。如果用户说不要问问题，则使用模板的默认主持人（engines/classic/template/reel.json），并在交付时提及下次可以获得他们自己的形象（或没有）。

每当工具因设置相关错误而失败时，重新运行doctor。

1. 理解需求（不要过度询问）

从一个提示词中你需要：主题/角度、是否提供脚本、风格、CTA关键词、语言。推断你能推断的内容；仅当主题本身不清楚时，最多问一个简短的问题。默认值：

• 用户提供了脚本 → 逐字使用（仅修正明显的拼写错误；切勿“改进”它）。否则自行撰写（第2节）。
• 风格（见 guides/styles/）：
  • 经典 (classic)：谈论点、工具、技巧、列表、观点、商业/AI/技术新闻，任何“这是如何做的/这是为什么”的内容。为默认风格。
  • 3D说明 (explainer3d)：“X实际上是如何工作的”，关于物理事物或系统（小工具、应用程序、汽车、身体、网络、城市）。
  • 插画 (illustrated)：经典的引擎，相同的纸张外观、字幕和主持人，但每个节拍的主角是该主题的真实感绘图，通过 guides/illustration.md、kits/illustrate.js 和 library/classic/illustrated/ 实现：脚本是关于真实、可命名的事物：公司或连锁店、商店、地点或街区、产品、食物、建筑物、车辆、手机上的应用程序或视频。
  • 关于人物和地点的故事（一个小企业及其顾客、一家商店、一条街道、一个团队、一个城市）：当故事是关于企业、地点或产品时（真实店面、柜台、食物、地图，带有小人物作为生活气息）为插画风格；当重点是一个系统如何在该地点中移动时（送货、排队、交通、信号）为3D说明风格。当用户命名了一种风格（“3D”、“手绘”、“插画”、“像我上一个Reel”），则以此为准。
• CTA关键词：一个与主题相关的易记词（例如 PLUGINS、COFFEE），大写。保存在 reel.json 中。
• 语言：脚本的语言。在 reel.json 中设置 "language": "xx"（ISO代码：ru、es、de、ar...），以便语音、字幕、CTA和UI文本（评论表、私信）使用它；如果不确定，自行编写字幕/强调。拉丁语、西里尔字母、希腊语和越南语字体已捆绑；对于其他文字，在语音步骤之后运行 python3 "$SKILL_DIR/tools/fonts.py" check <project>。
• 语音 ↔ 主持人：如果用户描述了他们自己（性别、年龄）或提供了照片，确保保存的语音匹配；如果明显不匹配（例如，她的主持人的男性声音），则提及并提供 voices.py search 以寻找匹配的语音（或者如果他们坚持，则使用他们的语音）。对于非英语脚本，优先选择标记有该语言的语音。

2. 脚本（如果用户提供了则跳过）

阅读 guides/scripting.md 并严格遵循：在前1.5秒内设置钩子，第二行设置好奇心循环，具体利害关系，只有在问题被感受到后才命名产品/答案，对话式（非断奏式），110-170词（≈ 32-50秒：运行时间 ≈ 词数 / (3 × 语音速度) 秒；如果要求更短的脚本，则保留钩子、循环和回报，压缩），以“评论 KEYWORD 我会给你发送...”结束。将其写入 <project>/script.txt。如果他们要求审核，则在配音前在聊天中向用户显示脚本；否则继续（他们要求一个完成的Reel）。

3. 项目 + 语音

node "$SKILL_DIR/tools/reel.mjs" new <VIDEOS>/<slug> --style <classic|explainer3d|illustrated>
python3 "$SKILL_DIR/tools/tts.py" <VIDEOS>/<slug>

<VIDEOS> = 当存在时是该技能文件夹旁边的 videos/ 文件夹（AI视频工作区：<workspace>/videos/<slug>/），否则是用户当前文件夹中的 ./videos/，除非他们另有说明。<slug> 是简短的小写主题名称（kebab-case）。--style illustrated 会搭建一个经典项目（reel.json 中的 "style": "classic", "look": "illustrated"）；下面所有提到“经典”的内容都适用于它，外加 guides/illustration.md。tts.py 写入 audio/vo.mp3（静音收紧，按保存的语音速度加快（除非语音以其他 --speed 保存，否则为×1.15），音量标准化）和 build/words.json + build/word_index.txt（每个词及其时间）。所有动画都基于这些词进行提示。

• 选择语音（首次运行，或用户要求更改）：python3 tools/voices.py search "<他们想要的>" [--lang xx]，给用户3个预览链接，然后 voices.py add <owner> <voice_id> "<name>" 和 voices.py use <voice_id> --name "<name>"。他们自己的录音：tts.py <project> --provider file --audio take.mp3。OpenAI 语音：voices.py provider openai。
• 积分：每个Reel一次语音生成。如果你后来更改了脚本，则重新生成；对于仅时间调整，使用 --reuse（不消耗新积分）。

4. 创造视觉，然后规划节拍（在编码之前先做故事板）

4a. 创造（这是区分精心制作的Reel和模板的关键）。 首先阅读 guides/mindset.md（标准和思考视角：非常有创意、美丽、从不空泛、动画制作精良、瞬间可理解）。然后阅读 guides/patterns.md（经典、插画）或 guides/patterns_3d.md（3D说明）并将其实践的创造方法应用到这个脚本：

• 一个核心隐喻/视觉世界承载整个想法（一个物理对象、机器或地点，其行为就是论点），以及3-6个自定义道具用于节拍。它们必须来自此脚本的词汇，而不是来自示例：指南和 library/ 中的示例道具展示了技术，切勿照搬。问：“这个画面会适合其他人的Reel吗？”如果是，就是通用的：重新创造。
• 现实世界的主体（脚本命名了真实的公司、地点、产品、食物、建筑物、车辆，或在手机上显示视频/应用程序）：像真实生活一样绘制它们，而不是作为平面图标或名片：guides/illustration.md（经典和插画：kits/illustrate.js 原语 + library/classic/illustrated/ 示例；屏幕上的视频始终播放）。真实事物通常是主角，而创造的隐喻作用于它。
• 在 STORYBOARD.md 顶部写下创造：隐喻、为什么适合、道具，以及每个部分的“惊叹”时刻。

4b. 故事板。 打开 build/word_index.txt。将脚本拆分为节拍：每个节拍对应一个句子或想法，每个持续1.5-5秒。首先阅读风格指南的质量部分（并查看其参考条）。然后为每个节拍写入以下块（不允许一行节拍）：

beat NN · "<the words>" (word i0-i1, s-e)
  stage stays : 已经存在于屏幕上并保留的元素（以及位置）
  each stressed word adds/changes : 词 → 每个重读词进入或改变状态的内容（每个重读词一个，每0.4-0.8秒）
  keeps moving : 每个元素的静态生命（滴答、摆动、滚动、打字、闪烁、浮动）
  presenter    : (经典) 他指向的焦点 + 他每个短语的动作 · (3D) 谁/什么在行动
  camera       : 在哪些词上推近/推远/切换/剪切 · 过渡进入
  custom props : 你创造的道具中哪些出现（要编写的新代码）
  big moments  : 猛击、剪切、甩动、揭示：目标是每秒至少1个（Reel运动测量在草稿中检查）

规则（来自 guides/direction.md）：舞台逐渐构建（每个重读词添加或改变一个元素，先前的元素保留并持续移动），每次只有一个焦点；画面在静音时也有意义；没有任何元素静止超过1.2秒；大事发生在重读词上；钩子节拍立即展示回报或冲突，已完全展开。

5. 构建场景

在编写代码之前，完整阅读 guides/styles/<style>.md（插画：guides/styles/classic.md + guides/illustration.md）（质量标准、外观、令牌、API、场景合约、配方）。引擎提供的是事物如何移动（弹簧、钟摆、重力、构建阶段、主持人表演、摄像机、打字、滚动数字、过渡）；移动的是你在4a中创造的道具，作为项目中的新代码绘制出来。预算：创作者的Reel每段视频包含50-110行自定义场景代码和3-7个自定义绘制的对象；按此规划。

• 使用风格辅助函数（wordAt('word') / wi(index)）基于词进行提示，永远不要硬编码秒数。
• 先单独预览每个创造的道具（一个仅显示该道具的临时节拍/场景，使用 reel stills <project> <t> --only <id> 渲染；3D说明还有套件展示页面）。将该场景文件命名为 scenes/preview_<prop>.js（craft 会忽略 scenes/preview*.js 和 scenes/props*.js，因此永远不要将真实的Reel代码放在以这些名称命名的文件中）。经典：在 SCENE_FILES 中列出它，但永远不要放在 TIMELINE 中：已在场景系统注册但不在时间线中的场景永远不会在Reel中渲染；在最终版本之前从 SCENE_FILES 中删除它。
• 在每次 reel stills / reel video 之后，读取输出的末尾：如果它列出了“error while drawing frames”，则这些帧已损坏。首先修复它们。
• 并行模式：使用子代理（逐个模式构建完全相同的节拍，使用相同的每个节拍简介，由你自己一个接一个地构建）：每个处理1-2个节拍，全部并行运行，每个子代理被给予：guides/mindset.md（粘贴到简介中）、风格指南路径、guides/patterns(_3d).md、当它的节拍绘制现实世界主体时的 guides/illustration.md（经典）、创造块、其故事板和词汇，以及相邻场景的交接状态。每个子代理使用 --out <its beat name> 渲染其静态帧（自己的表单，不会冲突）。然后一起审查它们。

6. 审查你自己的作品（必做，这是使其看起来专业的关键）

遵循 guides/review.md。简而言之：

1. node "$SKILL_DIR/tools/reel.mjs" stills <project> <t1> <t2> ... 在每个节拍的中间和每次剪切后0.1秒处（表单：stills/sheet.jpg）。查看表单图像。检查审查清单的每一项；修复并重新渲染静态帧，直到干净。
2. node "$SKILL_DIR/tools/reel.mjs" video <project>（快速低分辨率草稿，build/draft.mp4）。提取并查看每个过渡周围的帧（ffmpeg -ss T -frames:v 1）。修复跳跃、重叠、空白时段。
3. node "$SKILL_DIR/tools/reel.mjs" motion <project> 和 node "$SKILL_DIR/tools/reel.mjs" craft <project>：两者都必须打印 PASS（craft = 足够的原创作品，没有库存道具承载Reel）。motion 列出每个平坦片段及其词汇：为每个片段添加一个构建事件、辅助运动、摄像机移动或主持人动作，重新渲染草稿，重新运行。在失败时永远不要渲染最终版本。如果用户禁止视频渲染，则跳过草稿（步骤2）和 motion，改为在静态帧上检查密度（guides/review.md，“仅静态帧运行”：每个重读词上都有新内容，没有1.2秒窗口内两个连续静态帧看起来相同）；craft 仍然运行，并在交付时说明运动未经验证。
4. 在最终版之前，通过 guides/mindset.md 的问题再查看一次静态帧表单（最具创意？完整、美丽、有活力？一个清晰的焦点？创作者会发布它吗？）。如果任何答案是“还没有”，则先改进。
5. 最终版：node "$SKILL_DIR/tools/reel.mjs" video <project> --final 然后 node "$SKILL_DIR/tools/reel.mjs" export <project> → out/<name>.mp4（1080x1920，30 fps，H.264 + AAC，Instagram就绪）。 一次只运行一个渲染（内置锁定）。先草稿，最终版一次：这对用户的笔记本电脑友好。

7. 交付

给用户：out/<name>.mp4 的路径、帖子标题（2-3行，增加上下文、CTA关键词、3-5个相关标签）以及提醒“评论 KEYWORD”需要设置DM自动回复（ManyChat、ReplyRush 或 Instagram 自身的自动化功能）以及他们承诺的链接。见 guides/delivery.md。提供一轮更改（“更快的钩子”、“不同的语音”、“替换场景3”）。

努力模式（从 ~/.config/ai-video/config.json 读取 agent_plan 和 quality；doctor会打印它们）

• 速度： Max、API、Team = 并行（每个子代理处理1-2个节拍，一次全部：视频制作速度更快）

…

[已截断用于翻译]