视频创作者
目的
为产品演示和营销进行视频内容策划。编写带时间标记的旁白脚本,创建逐场景分镜故事板,定义镜头清单,并列出所需素材。将完整的制作计划保存到文件中。此技能创建的是视频制作的 计划 —— 而非实际的视频文件。
被调方(入站)
marketing(L2):演示/解释类视频脚本launch(L1):产品演示视频
调用方(出站)
无 —— 纯 L3 工具。
可执行指令
步骤 1:接收简报
接受调用技能提供的输入:
topic—— 视频主题(例如:“Rune 插件演示”、“功能 X 演示”)audience—— 目标观众(例如:“开发者”、“非技术创始人”、“现有用户”)duration—— 目标时长(秒,例如:60、120、300)platform—— 发布平台:youtube|twitter|tiktok|loom|internaloutput_path—— 计划保存路径(默认:marketing/video-plan.md)
根据平台推导约束条件:
- YouTube:无严格时长限制,超过 3 分钟建议使用章节
- Twitter/X:最长 140 秒,前 3 秒必须设置钩子
- TikTok:最长 60 秒,快节奏剪辑,需配字幕
- Loom:适合异步沟通,侧重屏幕录制,无需背景音乐
步骤 2:脚本
编写带有时间标记的旁白脚本。在写下任何一行之前,先应用下面的“叙事创作原则” —— 观众“听到”的脚本,其成败取决于开头和流畅度,而非镜头清单。
结构:
- 钩子(0–5 秒):开篇吸引注意力的台词 —— 点明问题或回报
- 铺垫(5–15 秒):上下文 —— 目标受众及其将学到什么
- 演示/主体(15 秒–[时长-15 秒]):按场景划分的主要内容
- 行动号召(最后 10 秒):告诉观众下一步做什么(给仓库加星、注册、分享)
每个部分的格式:
[00:00] 钩子
旁白:“...”
画面:[观众看到的内容]
[00:05] 铺垫
旁白:“...”
画面:[观众看到的内容]
步骤 3:故事板
创建逐场景的分解:
每个场景包含:
- 场景编号和名称
- 时长(秒)
- 视觉描述(屏幕上出现的内容)
- 旁白文本(来自步骤 2)
- 过渡类型:切 | 淡入淡出 | 缩放 | 滑动
示例:
场景 3:实时演示 —— 安装命令
时长:12 秒
画面:终端窗口,输入命令 "npm install -g @rune/cli",输出滚动
旁白:“一条命令即可完成安装。”
过渡:切
步骤 4:镜头清单
明确需要录制或展示的内容:
按类型分类:
- 屏幕录制:列出每个要录制的屏幕状态(URL、应用状态、要执行的操作)
- 代码片段:列出每个要显示的代码块(文件路径 + 行范围,或内联代码)
- 图表/幻灯片:列出每个需要的静态视觉(标题、关键点)
- 终端:列出每个要录制的命令序列
格式:
镜头 1 —— 屏幕录制
URL:https://myapp.com/dashboard
操作:点击“新项目”→ 填写表单 → 点击创建
时长:约 8 秒
镜头 2 —— 终端
命令:npm install -g @rune/cli && rune init my-project
预期输出:[描述应出现的内容]
时长:约 10 秒
步骤 5:所需素材
列出开始录制前所需的所有素材:
- 截图(哪些页面/状态)
- 代码片段(哪些文件、哪些部分)
- 图表(主题、样式:流程图 | 架构图 | 对比表)
- 幻灯片背景或标题卡片
- 缩略图(尺寸根据平台:YouTube 1280x720,Twitter 1200x628)
步骤 6:报告
使用 Write 将完整的视频计划保存到 marketing/video-plan.md(或指定的 output_path):
# 视频计划:[topic]
- **平台**:[platform]
- **目标时长**:[duration] 秒
- **受众**:[audience]
- **创建日期**:[date]
## 脚本
[来自步骤 2 的完整时间戳脚本]
## 故事板
[来自步骤 3 的逐场景分解]
## 镜头清单
[来自步骤 4 的所有镜头]
## 所需素材
[来自步骤 5 的检查表]
## 平台备注
[目标平台的约束与提示]
然后向调用技能输出摘要:
## 视频计划已创建
- 文件:[output_path]
- 场景数:[count]
- 镜头数:[count]
- 预估录制时间:[n] 分钟
- 需要准备的素材数:[count] 项
### 后续步骤
1. 准备计划中列出的素材
2. 按照镜头清单顺序录制
3. 以故事板为参考进行剪辑
叙事创作(决定脚本是否吸引人或令人厌烦)
演示脚本是给“听”的,而不是照着幻灯片读的。以下原则区分了引人入胜的脚本和普通的画外音 —— 请在步骤 2 中应用,在写任何一行之前。
9 条原则:
- 痛点优先开场。 以观众最痛的痛点或一个正在发生的数据开头(“如果你不得不……”、“这个仓库已有 9k 星……”)。绝不能用平淡的目录式开场(“今天我们来看……”、“这是一个可以……”的工具)—— 它没有点明任何问题,给不出任何不划走的理由。
- 对比结构。 “不仅是 X 更是 Y”、“不是 X,而是 Y”、“像 X 但有 Y”。对比能吸引注意力。
- 第二人称。 “你会立刻看到”、“如果你用的是 M 系列 Mac……”。让观众参与进来。
- 具象即时性。 “就在这里”、“这个”、“现在时间线上”。具体且当下。
- 真实具体的名称,保留行话。 说出实际的文件、命令、竞争对手(“Final Cut”、“Cursor”、“ffmpeg”)。禁止使用泛称(“一个 AI 工具”、“那个框架”)。不要强行把行话翻译成别扭的词语。
- 量化的社会认同 —— 只用一次。 “超过 9k 星”。切勿把星数、分支数、问题数连续并列成独立的碎片。
- 短句,用逗号衔接。 “你可以修剪、替换或重新生成它。”一口气说完,不要变成项目符号碎片。
- 把局限当特色。 诚实地说明一个局限或“谁不应该使用这个”。这是视频中最建立信任的一句 —— 一个留住观众的要素,不是废话。
- 用例落地。 以一个具体的观众使用场景结束,而不是“快去看看吧”。
命名 + 编号的“武器”。 给每个差异化点起一个标题和一个编号(“武器 01/02”)。挖掘出 2-3 个非明显的具体细节(一个正则表达式、一个守卫、一个算法、一个回退)—— 一个精确的令人意外的机制胜过一长串泛泛的能力列表。
场景之间的连接词。 第一个场景之后的每个场景都用一个语言连接词开头,指回前文(“核心在于……”,“具体来说……”,“但要注意……”),这样整段视频听起来是一个完整的独白,而不是 N 个被依次朗读的、电报式的标题。按顺序朗读整个脚本 —— 如果听起来像不连贯的声音片段,就重写。
自动失败模式 —— 出现以下情况则拒绝脚本:
- ❌ 钩子/问题/解决方案/行动号召 被当作孤立的片段填空
- ❌ 将侧边栏数据(星数/分支数/问题数)作为独立的单行场景
- ❌ 每个句子都像独立的项目符号一样重新开始(“X 运行一个管道。Y 编写。Z 旁白。”)
- ❌ 泛泛的能力声明(“功能全面”、“非常强大”、“社区流行”)
- ❌ 描述 README/仓库 而不是产品
- ❌ 以“快去看看吧”/“感谢观看”结尾
配音:TTS 安全的旁白(当旁白由机器说话时)
当旁白将由 TTS 引擎合成(AI 语音,而非真人朗读)时,听到的 narration 和屏幕上看到的文本是 两个独立的通道 —— 一个被听到,一个被阅读。独立优化两者;永远不要将原始字符串、数字或符号直接喂给 TTS,指望语音能猜对。(下面的中文示例说明了模式;根据目标 TTS 引擎的语言,应用相同的拼音化和数字转文字替换。)
数字 → 口语(许多神经 TTS 引擎可能会误读裸数字):
| 形式 | TTS 可能误读 | 写作时用 |
|---|---|---|
| 版本号 | GPT 5.5 | GPT 五点五 |
| 统计数 | 82.7% | 八十二点七百分比 |
| 规格 | 200MP | 两百兆像素 |
| 价格 | $5 / 210000 | 五美刀 / 二十一万 |
| 倍数/百分比 | 2x / 30% | 两倍 / 百分之三十 |
英文/品牌名 → 旁白中使用音译,屏幕上使用正确拼写:
| 术语 | narration(听到的) | 显示(看到的) |
|---|---|---|
| README | 瑞得米 | README |
| ffmpeg | ef ef em peg | ffmpeg |
| GitHub / repo | git 哈勃 / 瑞剖 | GitHub / repo |
| API / GPT | A P I / G P T | API / GPT |
从旁白中移除: 表情符号、URL(说“github 点 com 斜杠……”)、符号(→ & % $ # / @)、斜杠命令(说“插件安装命令”)、句中的文件扩展名(说“YAML 文件”)、驼峰式标识符、省略号 … 和 破折号 —(TTS 会读错 —— 拆成两个短句)。每句以 . 或 ? 结尾以产生自然停顿。
保留行话,自然口语化。 用知识渊博的朋友会说的方式来写 —— 但保留标准的技术术语(“commit”、“endpoint”、“prompt” 保持常用形式;硬翻译听起来很奇怪且丢失原意)。只有当本地方言真正使用这个词时才翻译。
视频制作注释(如果视频将实际制作,而不仅仅是策划):
- 所有场景使用同一声音、同一供应商 —— 视频中途更换声音/供应商会让人不适应。
- 先测量 TTS 时长,然后根据实际音频长度调整每个场景的视觉素材 —— 先预估时长再渲染会导致音画不同步。
- 卡拉 OK 式字幕是短格式(TikTok/Reels/Shorts)的首要专业信号:屏幕底部居中的字幕,逐词同步于语音,关键词高亮。在静音自动播放的情况下保证理解,同时也是最强的“专业”提示 —— 为此预留一个底部字幕区域。
备注
此技能创建的是视频制作的 计划。实际的录制和剪辑必须由人类或专用的屏幕录制工具完成。
输出格式
视频计划保存到 marketing/video-plan.md,包含脚本、故事板、镜头清单、素材检查表和平台备注。摘要报告包含场景数、镜头数和预估录制时间。参见上方步骤 6 报告中的完整模板。
约束
- 在生成视频之前,必须确认视频参数(时长、分辨率、格式)
- 未经用户确认,不得超出合理文件大小
- 必须保存到项目资源目录
易错边缘
此技能已知的失败模式。在声明完成前检查这些。
| 失败模式 | 严重程度 | 缓解措施 |
|---|---|---|
| 未应用平台约束(例如,超出 Twitter 最大 140 秒) | 高 | 步骤 1:立即从平台推导约束 —— 它们约束所有下游内容 |
| 脚本中缺少行动号召部分 | 中 | 每个脚本都必须包含行动号召(最后 10 秒)—— 无论时长如何,没有例外 |
| 未保存到文件(仅口头输出) | 高 | 约束 3 + 步骤 6:写入 output_path 是强制性的 —— 仅口头输出意味着无持久化 |
| 承诺提供实际可交付的视频文件 | 中 | 明确注明:此技能创建的是计划 —— 实际录制由人类完成 |
| 平淡的目录式开场(“今天我们来看……”)而非痛点优先的钩子 | 高 | 叙事创作第 1 条:以观众最大的痛点开头 —— 没有点明任何问题的开篇会在 2 秒内被划走 |
| 旁白中留有原始字符串/数字/符号交给 TTS(“README”、“82.7%”、“5.5”) | 高 | 配音部分:将旁白改写为音译 + 数字转文字;仅在显示通道保留正确拼写 |
| 脚本听起来像 N 个不连贯的声音片段 | 中 | 叙事创作连接词:第一个场景之后的每个场景都要指回前文 —— 在声明完成前朗读整个脚本 |
完成条件
- 平台约束已识别并应用于时长/格式
- 已应用叙事创作 —— 痛点优先开场、跨场景连接词、至少一个“把局限当特色”、无自动失败模式
- 如果旁白由 TTS 合成:在语音通道中数字转文字 + 品牌名称音译,显示通道保留正确拼写
- 已编写带时间标记的脚本(钩子、铺垫、演示/主体、行动号召)
- 已按场景创建故事板并标注过渡效果
- 镜头清单已按类型分类(屏幕录制、终端、代码、图表)
- 已生成所需素材检查表
-
video-plan.md已使用运行时的文件编辑能力写入output_path - 已输出“视频计划已创建”报告,包含场景数、镜头数和素材数
成本概况
约 500-1500 tokens 输入,约 500-1000 tokens 输出。脚本质量推荐使用 Sonnet。