添加片头片尾是做什么的？

片尾片段是短小的MP4文件，带有自己的音效，每种方向有一个片段对，在偏好设置中列出。本技能将所有内容标准化为同一种格式，将片头、视频和片尾以短交叉淡入淡出（视频和音频）的方式连接起来，并渲染输出结果。

偏好设置

remote-video-editing/preferences.json（查找顺序同clean-voice-sidon）：

键名	含义
`stings`	`{"intro_16x9": url, "outro_16x9": url, "intro_9x16": url, "outro_9x16": url}`；URL或本地路径
`sting_fade_s`	交叉淡入淡出长度，默认`0.5`
`render_notes`	在哪里运行长编码任务（例如服务器而不是笔记本电脑）。请遵从这些说明。

如果未设置stings，请询问文件。该插件不附带任何品牌资产。

方向

读取显示的方向，而不是编码尺寸：手机将竖屏视频存储为1920x1080并带有旋转标记。使用以下命令检查： ffprobe -v error -select_streams v:0 -show_entries stream=width,height:stream_side_data=rotation -of compact IN。旋转90或-90会交换宽度和高度。ffmpeg在解码时会自动应用旋转。

竖屏（9:16）视频：使用intro_9x16 / outro_9x16，画布1080x1920。
横屏：使用16:9片段对，画布1920x1080。
竖屏视频的16:9裁剪（用于YouTube主信息流）：画布1920x1080，视频缩放至1080高度居中显示，覆盖在其自身的模糊、变暗、放大的副本之上；使用16:9片段。下面的[v1]链变为：
```
[1:v]fps=30,split[a][b];
[a]scale=1920:1080:force_original_aspect_ratio=increase,crop=1920:1080,scale=480:270,boxblur=20:2,scale=1920:1080,eq=brightness=-0.06:saturation=0.9[bg];
[b]scale=-2:1080[fg];[bg][fg]overlay=(W-w)/2:0,setsar=1,format=yuv420p[v1]
```
先对8秒裁剪片段（-ss 60 -t 8）进行测试，并在渲染完整视频之前显示一帧。

渲染

W:H是画布，F是淡入淡出长度（0.5），DI是片头时长，DV是视频时长（ffprobe format=duration）。偏移量：第一次淡入淡出在DI-F处；第二次在DI+DV-2*F处。

ffmpeg -y -i intro.mp4 -i main.mp4 -i outro.mp4 -filter_complex "
 [0:v]fps=30,scale=W:H,setsar=1,format=yuv420p[v0];
 [1:v]fps=30,scale=W:H:force_original_aspect_ratio=decrease,pad=W:H:(ow-iw)/2:(oh-ih)/2,setsar=1,format=yuv420p[v1];
 [2:v]fps=30,scale=W:H,setsar=1,format=yuv420p[v2];
 [0:a]aresample=48000,aformat=channel_layouts=stereo[a0];
 [1:a]aresample=48000,aformat=channel_layouts=stereo[a1];
 [2:a]aresample=48000,aformat=channel_layouts=stereo[a2];
 [v0][v1]xfade=transition=fade:duration=F:offset=DI-F[v01];
 [v01][v2]xfade=transition=fade:duration=F:offset=DI+DV-2*F[v];
 [a0][a1]acrossfade=d=F[a01];[a01][a2]acrossfade=d=F[a]" \
 -map "[v]" -map "[a]" -c:v libx264 -preset medium -crf 20 -maxrate 10M -bufsize 20M -c:a aac -b:a 192k -movflags +faststart out.mp4

多个源片段：先拼接它们（相同的滤镜模式，或者如果它们共享编码器则使用concat分离器），然后将结果视为main.mp4。
这是完整的重新编码：处理10分钟1080p视频需要几分钟的全核心运行。在Modal上运行，而不是在本地或家庭服务器上：将输入之后的参数（从-filter_complex到+faststart）每行一个放在render.args中，然后运行 $MODAL run "${CLAUDE_PLUGIN_ROOT}/scripts/ffmpeg_modal.py" --inputs intro.mp4,main.mp4,outro.mp4 --args-file render.args --out out.mp4 （modal_command和run_notes来自偏好设置，用于指定Modal在哪里运行）。在同一个图中拼接多个片段（使用concat滤镜），而不是作为单独的通道。之后删除卷video-editing-work中该任务的文件夹。
xfade要求两个输入具有相同的时间基准：在每个视频分支上放置fps=30,settb=1/30（包括在concat之后），否则ffmpeg会报错“First input link main timebase (1/30) do not match”。
码率：保持上限（-crf 20 -maxrate 10M -bufsize 20M）。对噪点较多的手机片段使用纯CRF 18会导致约24 Mbps，11分钟大约2 GB（2026-11-13）。YouTube无论如何都会重新编码，并建议1080p上传使用8-12 Mbps。
验证：输出时长约为DI + DV + DO - 2*F，并检查DI-F/2（淡入淡出中间）、视频中间和结尾的帧。

手持镜头：在同一次渲染中稳定

手持拍摄的手机视频受益于轻度稳定（用户，2026-11-13，在第一次Hebrish周末更新发布时没有包含此项功能）。使用ffmpeg的vid.stab（libvidstab；Debian的ffmpeg——Modal镜像安装的版本——包含它；使用ffmpeg -filters | grep vidstab检查）。两个通道，都在Modal上运行：

检测（快速，仅分析，写入变换文件），针对每个源片段： ffmpeg -i main.mp4 -vf vidstabdetect=shakiness=5:accuracy=15:result=main.trf -f null - 作为独立的ffmpeg_modal.py任务运行（参数 -vf / vidstabdetect=...:result=/work/<job>/main.trf / -f / null，输出-），或者向脚本中添加检测步骤。.trf文件必须与输入文件一起放在卷中。
变换在主渲染中，放在该片段视频分支的最开始，在尺寸调整和缩放之前： vidstabtransform=input=main.trf:smoothing=20:zoom=2:optzoom=0,unsharp=5:5:0.4 smoothing大约15-30（帧）可保持自然运动；固定的zoom=2（百分比）可隐藏移动的边界，而不会出现optzoom=1在说话人头部上引起的抽动效果。轻微的unsharp可抵消重采样引入的柔化。

先对8秒裁剪片段进行测试，并将一帧静态图像和一个短片段展示给用户，然后再进行完整渲染。如果libvidstab缺失，deshake是一个一次通道的替代方案（效果较弱）。此场景不需要AI稳定器。

制作片尾片段

使用的片尾片段是由品牌SVG文件通过一个小型Pillow脚本以及生成的音效渲染而成的。使用find-script（标签logo、sting、intro）查找该脚本，不要使用视频模型重新生成logo：视频模型会扭曲字体形状。

添加片头片尾