Studio Video Director
一条经过实战检验、以测量为导向的流水线,用于使用免费本地工具制作工作室级视频。以下每条规则都源自真实的失败构建:单声道混音、过度压缩的音频、幻灯片式短视频、被剪切的字幕和死音。任何违反门禁的构建都是失败的构建——请修复它,不要发布它。
何时使用此技能
- 任何视频交付物:黑客马拉松演示、产品演示、短视频/Reels、电影解说、广告、教程、预告片、播客片段。
- 在渲染之前:规划、脚本、故事板、镜头提示。
- 在渲染之后:对最终编码执行10项门禁预交付检查。
- 当视频“看起来不错但感觉业余”时:运行门禁,修复失败的门禁,重新检查。门禁会明确指出确切的缺陷。
8步工作流
- 简报 —— 一段话:受众、一个想法、一个行动号召、时长、宽高比(选择一个并锁定:
16:9用于演示/长视频,或9:16用于短视频/Reels——切勿在一个项目中混合比例)。 - 团队计划(6个角色) —— 导演(愿景 + 剪辑列表)、编剧(脚本,每镜头不超过30字,约150词/分钟)、摄影指导(镜头 + 构图)、艺术总监(调色板 + 场景)、特效师(动态 + 转场)、音效设计师(画外音 + 音乐 + 音效)。每个角色在生成前签字确认。
- 故事板 + 剪辑列表 —— 在动画制作前以书面形式完成。至少每3-4秒有一次视觉或摄像机剪辑(无间隙超过4秒,硬性失败)。前3秒内设置钩子:标题/问题 + 动态。禁止静态封面开场。
- 提示词(六部分) —— 每段不超过10秒,使用
references/prompt-template.md:时长/格式、主题、场景、带时间戳的节拍、镜头语言、声音/对话、约束。在不同段落之间逐字复用主题描述。 - 生成片段 —— 仅限真实动态:屏幕录制(Playwright,deviceScaleFactor 2,1920x1080@30fps用于演示)、B-roll或动画。对静态图像使用Ken Burns效果:每个短视频最多一个不超过4秒的片段,绝不用在整个视频中。
- 组装 —— 将所有场景归一化到锁定的帧(缩放+填充,绝不拉伸),使用concat demuxer连接,掌握音频(Pro版:
pro-bundle/scripts/assemble_multiscene.py)。 - 音频 —— 仅限神经画外音(edge-tts / studio TTS;禁止gTTS)。音乐:使用真实授权曲目(Mixkit / Pixabay / YouTube Audio Library),在画外音下闪避至-20 dB(短视频)或-22 dB(演示)。真实设计的音效与剪辑同步。禁止合成环境音/音效。
- 门禁 + 交付 —— 对最终编码运行
scripts/quality_gate.py。所有10项门禁必须通过。将母版和.SRT文件保存在renders/目录中,切勿丢弃。
质量门禁(全部10项,无豁免)
| # | 门禁 | 规则 |
|---|---|---|
| 1 | 规格 | 确切的时长/分辨率/帧率;音频通道 == 2 |
| 2 | 响度 | 综合响度 -14..-16 LUFS,真峰值 <= -1.5 dBTP,LRA >= 6 LU |
| 3 | 死音 | 无超过0.5秒的静音,除末尾不超过1秒的尾音外 |
| 4 | 剪辑节奏 | 剪辑之间的间隙不超过4秒 |
| 5 | 画外音覆盖率 | faster-whisper转录覆盖脚本中至少80%的单词 |
| 6 | 帧 | 00:02 / 中间 / 结束帧通过命名的帧检查清单 |
| 7 | 立体声 | ffprobe显示最终混音中通道数==2 |
| 8 | 真实音乐/音效 | 人工确认使用真实授权音乐和真实音效 |
| 9 | 无幻灯片效应 | 无超过4秒的静止片段 |
| 10 | 母版保护 | .SRT 侧车文件存在,无 *-broken / *-v1 / *-v2 副本 |
运行它:
python3 scripts/quality_gate.py final.mp4 --aspect 16:9 \
--srt final.srt --script vo-script.txt --frames-dir checks/
单项门禁:
python3 scripts/audio_lufs_check.py final.mp4
python3 scripts/extract_frames_check.py final.mp4 --aspect 16:9 --frames-dir checks/
字幕规则
- 16:9 演示: 仅使用独立的
.SRT侧车文件。禁止烧录叙述字幕。允许屏幕上出现UI标注——它们不属于字幕。 - 9:16 短视频/Reels: 使用
.SRT侧车文件以及样式化的底部三分之一安全区字幕(短视频播放器会忽略侧车文件;静音观看者需要屏幕上的文字)。
命名的帧检查清单(应用于00:02、中间、结束帧)
(a) 任何边缘无裁剪,(b) 无超过帧25%的死区/空白区域,(c) 屏幕上每个单词在手机尺寸下可读,(d) 脚本要求显示字幕的地方,字幕可见,(e) 无双占位符/虚假UI文字,(f) 主体充满帧。
$0 工具(免费版)
- ffmpeg / ffprobe 8.x,Python 3.10+,faster-whisper(本地,CPU)。
- 仅使用可选的外部免费额度(OpusClip / Vizard / Quso / 2short 免费版)——本仓库中的任何脚本均不调用,不涉及付费API、注册或信用卡。
- 本仓库不包含任何凭证、API密钥或个人数据。
Pro版
pro-bundle/ 增加:多场景FFmpeg合成(带两遍响度控制母盘处理)、画外音+音乐自动闪避、Whisper .SRT + 烧录字幕构建器、18个行业模板以及一键批量门禁检查。请参阅 README.md(Pro版章节)和 pro-bundle/README.md。