剪辑一个短视频
所有操作都在这个对话中完成。像剪辑师一样说话:简短更新,不用术语,不说设置。计时每个步骤,并在交回时提及(“粗剪完成,用了 0:40”)。
1. 转录
- 默认使用
inbox/中最新添加的视频,除非用户拖入或指定了文件。 - 多个片段合成一个视频(用户分几段拍摄、或者有多条拍摄,或者是说“这 3 个片段”):将它们按拍摄顺序(最早拍的在前)一起传入:
uv run tools/transcribe.py "<片段1>" "<片段2>" … --name <名称>。转录结果会合并成一份,lines.md中会标注每个片段的开始处(── 片段 2: … ──),这样你就可以在所有片段中为每句话挑选最佳的一次表达。如果inbox/中有多个新视频且不清楚它们是否属于同一个视频,用一行话询问。 transcribe.py会先检查片段。如果它打印了PROBLEM:行且INTAKE=refused(水平画面、过长、无声),请友好地告知用户并停止。NOTE:行(如 HDR 已转换、片段很长)可以用一句话简短提及。- 告诉用户:“正在转录,需要几秒钟。”
uv run tools/transcribe.py "<片段>" --name <工作名称>- 如果
brand/preferences.md和brand/names.txt存在,请读取它们。
听错的名字。 转录器不知道品牌和工具名称,所以它会写下它听到的内容:"Claude" 经常变成 "cloud" 或 "clawed","Skool" 变成 "school","ChatGPT" 变成 "chat GPT",用户的自己的名字或产品名称也可能出错。检查 lines.md 中的这些错误。在 cut.json 的文本中修复它们,并且在构建时,在 build.json 的 "spell" 中修复(这是字幕使用的)。只修复听错的地方,绝不改动用户的措辞。当你知道了用户使用的某个名称,就把它添加到 brand/names.txt(每行一个),这样下一个视频就能正确转录。
转录器(Parakeet)会精确记录下所说的每一个字,包括没有停顿的重复开头(例如“while most of the pe… while most of the people”)。每一次尝试都在转录中,因此每一次尝试都可以被剪掉。
2. 制作粗剪
阅读 projects/<名称>/lines.md。每个短语格式为:P# [首词-尾词] 开始时间→结束时间 | 文本。词索引指向 transcript.json。要精确修剪,打印带有索引的词:
python3 -c "import json;w=json.load(open('projects/<名称>/transcript.json'))['words'];print(' '.join(f\"{x['i']}:{x['w']}\" for x in w))"
按以下顺序决定保留什么:
- 重拍: 当一句话被说了多次时,保留最后完整、流畅的那一次。之前的尝试都是排练,包括半词(“pe”、“m”)和废弃的开头。重拍通常措辞不同,所以要按意思匹配。
- 假开头: 删除任何话说到一半、被放弃或立即重新开始的内容。仔细留意长短语内部,因为重开经常在短语中间且没有停顿(例如“and these are and these are the non-negotiables” → 只保留最后一个“and these are the non-negotiables”)。
- 自言自语: 删除“okay”、“let me start over”、“was that good?”以及失误后的笑声。
- 填充词: 如果句子在没有开头的“so”、“um”、“uh”或“okay”时依然成立,就删除它们。通过拆分短语来删除内部的“uh”和“um”。
- 保留个性。 那些有亮点的插科打诨和玩笑是内容。如果不确定,就保留并提及。
- 除非用户另有要求,否则保持他们说话的顺序。
编写 projects/<名称>/cut.json:
{"lines": [
{"text": "while most of the people are debating…", "words": [19, 33]},
{"text": "This is what I want you to do instead.", "words": [53, 61]}
]}
- 一条记录 = 一个可审阅的句子:一个句子或简短想法,大约 2 到 8 秒。
words是整词的包含范围。text恰好是这些词(只修复明显的听错内容)。
然后:
uv run tools/roughcut.py projects/<名称>渲染剪辑,打印带编号的行,并在 QuickTime 中打开视频。uv run tools/verify.py projects/<名称>回放检查。在展示给用户前修复任何“缺失”、“多余”或“重复”的地方:调整cut.json并重新运行。仅拼写差异(如“Chat GPT” vs “ChatGPT”)没有问题。- 开场检查(
hooks技能,A 部分):修剪一个预热式开头(如“so today I want to talk about…”)。如果后面某句话能构成更强烈的冷开场,在审阅时提议,不要直接应用。
3. 在对话中审阅
展示给用户:
粗剪完成:1:31 → 0:51,耗时 0:40。正在 QuickTime 中播放。
我移除了:开头的 3 次尝试,两次“and these are”,7 个“let me show you”中的 6 个。
1. while most of the people are debating… (4.3s)
2. or to go back to Claude… (5.6s)
…
告诉我删除或修改什么(“删掉 3”、“第 9 行到‘important things’结束”、“使用第 5 行前面的那条”),或者说“好”。
保持行列表与 roughcut 打印的内容完全一致(也会保存在 lines_review.txt 中)。
4. 应用用户的修改
用户用简单的话回复,通常按行号。
- “删掉 3” → 删除该条目。
- “第 9 行到…” 或 “剪掉‘which I love’” → 缩小该条目的词范围。
- “使用前面的那条” → 在
lines.md中找到并替换范围。 - 关于视觉效果的说明(“在这里显示我的屏幕”、“在这上面放大字”)→ 保存在
projects/<名称>/notes.md中供构建步骤使用。
重新运行 roughcut 和 verify(未修改的部分会复用,因此只要几秒钟)。用一两行回复说明修改了什么和新时长。重复直到用户说“好”。
如果一个修改适用于所有视频(例如“永远不要剪掉我的‘honestly’”),将其作为一行添加到 brand/preferences.md 中。
- “冷开场” → 将你提议的那一句移到
cut.json顶部,重新运行,并检查下一句是否仍然衔接。
当用户说“好”时,粗剪锁定,构建开始。
5. 构建完成的视频(自动,按用户的风格)
粗剪锁定后立即构建。不要征求同意。
- 读取用户的套件:
brand/kit.txt命名它,套件位于packs/<套件>/kit.json。它的rules规定了内容放置位置和数量(intensity)。 - 读取锁定的行(
edl.json→lines)并编写projects/<名称>/build.json:-
钩子 放在第 1 行,用
hooks技能编写:挖掘视频,写出 3 个不同模式的选项,只保留通过四项检查(真实、具体、好奇、人性化)的选项,并将全部三个存储在"options"中。最好的一个放入eyebrow(2–4 个词)和text(最长约 8 个词,一个 强调)。 -
封面:
"cover": {"eyebrow": "…", "text": "…"},一个更清晰、3–6 个词的标题,点明主题(hooks技能,B2)。 -
标签(名字 ✳ 他们的身份):默认不用。 只有当视频是关于他们本人时才添加:他们自我介绍(“我是…”、“如果你是新朋友…”)、讲述自己的故事,或用户要求。使用
{"type": "label", "at_line": n}放在那一行。如果套件的label仍然是 你的名字 / 你教什么,请一次性向用户询问措辞(简短,每侧最多约 22 个字符)并保存到他们的套件中。 -
金句(大文字时刻):一个 1.6 秒的全屏强视觉冲击,用在最有力的一个想法上,改写为 2–4 个有力的词,其中一个加 强调。通过
"word": i将时间点定位在该想法落地的那个词上(例如“work”在“you can work across them”中),而不是整行。每个视频最多 2 次,不在前 5 秒内,不连续出现。对于intensity为clean的套件,跳过它。它会遮挡演讲者,所以保持低频。 -
拼写(字幕):
{"<词索引>": "Claude"}用于每个听错的名字。""将某个词与前一个合并:“Chat” “GPT” →{"40": "ChatGPT", "41": ""}。 -
高亮词: 大约每第 3 个字幕出现一个,选取传达要点的名词和数字(词索引来自
transcript.json)。永远不要选填充词。 -
视觉效果(弹出式解释图形):用
visuals技能规划,按套件的密度。在busy密度下,这是剪辑的主要层次。 -
特写(演播室风格):
{"line": n, "close": true}在zooms中直接切到更紧的画面(套件zoom.close,约 1.5×),用于那一行。- 在情感或重要行上交替使用全景和特写,最多每隔一个段落。
- 当源素材是 4K 时,特写从原始 4K 中裁剪,因此保持清晰。首次构建会多花约 30 秒。
- 特写期间图形会自动跟随更大的面部移动。
-
推进缩放: 1–3 个推进镜头,
{"line": n},放在点明要点的行上(做出承诺、给出数字、转折点)。永远不要放在钩子行或金句行上。剪辑点上的跳跃缩放会自动进行(套件zoom.jump)。 -
背景(将文字或图片放在演讲者身后,演讲者在前面,通过 Apple Vision 抠图):每个视频最多 1–2 个,放在关键名词或揭示内容上。
{"type": "behind", "line": n, "text": "One *folder*"}会在与人头等高的墙上放置超大文字(1–3 个词易读)。添加"image": "path/to/file.jpg"可以将墙面替换为 meme、截图、他们给的 B-roll 静帧,或assets/中的文件。每个时刻会增加约 20 秒的额外构建时间。 -
音效 由套件的音效集自动生成(
"sfx": {"palette": "soft"};音效集位于sfx/palettes.json):soft:柔和宁静clicky:科技感清脆playful:轻快有趣punchy:大胆高能量
每个时刻会轮换 3 个以上音效,构建时会自动间隔并控制重复,所以不要自行添加高亮词上的音效。
- 添加 1–3 个与内容匹配的音效:在输入提示时用
"sfx_extra": [{"at": 12.3, "sfx": "keyboard"}],在“just click”时用mouse_click,在顿悟时用ding或sparkle,在“screenshot”时用shutter,在“next”时用page_flip,在揭示前用riser。at时间是最终视频中的时间。 - 在某个事件上固定一个音效:在事件内部使用
"sfx": "thud"。在 build.json 中使用"sfx": false表示没有音效。
-
音效:用户可以说什么
- “有什么音效?”/“其他音效?”
open sfx/sound-menu.mp4:一段预先制作好的 40 秒视频,包含带编号的卡片和每种音效的播放。绝不生成或合成音频预览;菜单已存在。- 在对话中,将 4 个音效集各用一行列出,再加上“或从菜单中选择编号”。
- “用 clicky 音效”(仅此视频): 在 build.json 中设置
"sound_set": "clicky",然后重新构建。 - “永远用 clicky”(所有视频): 在用户的套件中设置
sfx.palette。 - “不要 3 号”/“我讨厌那个气泡声”: 将名称添加到套件的
sfx.avoid列表中(持久生效),然后重新构建。编号对应sfx/LIBRARY.md。 - “多用 6 号”: 将其添加到
sfx.favour;喜欢的音效会在高亮词轮转时优先使用。 - “少些音效”/“小声点”:
- 少些:删除不需要音效的
highlight_words,或将套件的"highlight": []设为空 - 小声点:将
sfx.volume_db降低 3
- 少些:删除不需要音效的
- 构建过程会打印
SOUNDS=set: soft; soft_pop ×3, tick ×2…。在你的报告中提及音效集,这样用户就知道怎么按名称要求。
-
uv run tools/build.py projects/<名称>渲染final.mp4(对于 50 秒的视频大约需要 30 秒)并打开它。声音会自动清理并针对 Instagram 进行电平标准化(LOUDNESS=行;约 -14 LUFS)。 -
同时查看
cuts.png:每个剪辑点两侧的画面。每个“之后”画面必须清晰地展示新镜头。构建还会生成一个小的final-phone.mp4用于在手机上检查;请提及。 -
交回前检查:抓取钩子、任何标签和每个金句的画面(
ffmpeg -ss <t> -i final.mp4 -frames:v 1 …),查看它们,并修复任何出屏、不可读或遮挡面部的问题。修复构建打印的每一条SAFE ZONE:行(位于 Instagram 用户名、评论或按钮下方的图形)并重新构建。然后运行uv run tools/verify.py projects/<名称> --video final.mp4(检查词语、停顿、音量和安全区域),并修复其列出的问题。 -
用两到三行告诉用户你做了什么,以及他们可以要求修改(“不要钩子”、“换个金句”、“更柔和些”)。例如:
钩子:“Build your business brain”。或者说 钩子 2:“…” / 钩子 3:“…”。 一个金句在“work across them”上,4 个高亮词,2 个推进缩放。音效:soft 集(soft pop, swoosh, tick)。
钩子替换和微调遵循
hooks技能,C 部分。然后加上:“视频也在你的 已完成视频 文件夹中,可以直接发布。对于你的下一个视频,请在这个文件夹中开始一个新对话,然后输入 /new-reel。”只有在同一个对话中完成第一个视频时才说新对话那一句。
微调:编辑 build.json(或者对于要持久化的更改,编辑套件),然后重新运行构建。将持久偏好保存到 brand/preferences.md。
表情包(“把 Schitt's Creek 的 David 表情包放在第 5 行”、“用这个 GIF”、“表情包 3”、“全屏显示”、“放大”、“不要文字”):遵循 visuals 技能中的表情包部分,然后重新构建。
“换成这些颜色”/“改成鼠尾草绿和奶油色”/“不同字体”:修改用户的套件(保留角色的 colors 值;弹出式颜色的 visuals.rotate;任何免费的 Google Font),然后重新构建。只有不清楚时才问“只是这个视频还是所有视频?”。绝不编辑预设。
要预览一个套件:uv run tools/build.py projects/<名称> --sheet 会将所有元素渲染到用户素材上,生成一张合成图。