SergeoDev01/voiceover-glass-reel

旁白 → 玻璃帧视频

一步输入，一步输出完成的MP4。用户提供一个旁白文件（任意音频或视频格式，最长约3分钟）以及可选的脚本文字、主题说明或参考链接。你负责其余所有工作，仅在以下情况停止：

• 一次用于下载Logo等素材。没有信用额度预算：所有素材免费获取（参见references/higgsfield.md——经过测试的Pixabay / Wikimedia / thesvg方法）。报告素材来源，但除非用户明确要求付费附录，否则绝不谈及费用。

在聊天中使用用户的语言。屏幕上的一切内容使用旁白的语言。

产出内容

将任意旁白（及可选脚本）通过一次请求转化为After Effects中完整的16:9纪录片风格视频。它会剪辑停顿和呼吸声，编写视觉故事，免费获取所有图片（Wikimedia Commons档案照片、Pixabay MCP片段和肖像、thesvg MCP的Logo SVG、ffmpeg 静态图像Ken Burns动态效果），并原生在After Effects中构建编辑。视觉效果：暗调档案纪录片，每个片段置于浮动的圆角玻璃框架中，带有细发光边框和平滑推入效果；动态透视网格，关键词随文字翻转颜色；大号字幕；打字机/大词/照片卡片页面；剪辑处的闪白和负片闪烁；合成音效。渲染输出1080p H.264 MP4。当用户提供旁白、语音备忘录、叙述或播客片段并请求制作视频、短片、短视频、解说或编辑时使用："用我的旁白做个视频"、"把这段叙述做成视频"、"玻璃帧编辑"、"从旁白剪一段"、"用我的录音做视频"、"按我的语音剪辑视频"、"玻璃帧和网格"。即使他们没有素材也没问题。

开始前（每台Mac检查一次；如有失败，告诉用户具体修复内容）

1. macOS 26或更新版本（设备端转录）且After Effects 2024或更新版本，打开。在AE中，启用设置 → 脚本和表达式 → 允许脚本写入文件和访问网络。
2. Xcode命令行工具（swiftc）。运行scripts/build_tools.sh。它会编译scripts/bin/{to_wav,transcribe,facebox,frames}。如果脚本因"权限被拒绝"失败（上传的技能可能丢失可执行权限），在该技能文件夹中运行一次chmod +x scripts/*.sh。
3. 免费素材准备就绪：pixabay和thesvg MCP工具（search_pixabay_images、search_pixabay_videos、search_icons、list_variants、get_icon_url、get_icon）以及curl和ffmpeg（引擎已使用）。Wikimedia Commons只需网络连接 + 正确的User-Agent。无需信用额度、无需账户、无需检查余额。
4. 第一次运行transcribe可能会请求语音识别权限。也可能一次性下载设备端模型。
5. 如果另一个AE项目打开且未保存更改，build.sh会拒绝。请用户保存。绝不丢弃他们的工作。构建日志会打印PREVIOUS_PROJECT <path>当关闭用户已保存的项目时。最终渲染后，重新打开它：写一行jsx app.open(new File("<path>")); 并用scripts/ae_run.sh运行。

S = 此技能文件夹。PY = /usr/bin/python3（或任意Python 3.9+，仅标准库）。

流程

1. 项目文件夹和语音

• 创建<proj> = 在旁白文件旁新建一个名为<旁白文件名>_reel的文件夹。
• 运行PY S/scripts/reel.py prep <voiceover> <proj>。它会转换音频，在Mac上转录，并移除所有停顿和呼吸声。结果存储在work/voice_cut.wav和work/words.json（单词索引 → 节目时间）。
• 然后运行PY S/scripts/reel.py words <proj>并阅读整个索引转录文本。
• 如果用户提供了脚本，将其与转录文本比较。记下拼写错误的名称，用于spell（例如"28": "Grok"）。

2. 故事（阅读references/story.md，然后编写<proj>/story.json）

1. 决定适合脚本的世界：时代、地点、2-5个角色的固定演员阵容、3-6个地点、黑白或彩色。
   • 默认：黑白1950-60年代档案纪录片风格，抽象主题变成人和地点。
   • 选择主持人的外观。当用户希望自己出镜时，使用其照片作为主持人参考。
2. 将转录文本切分为镜头。每个镜头从一个单词索引开始。
   • host（对着电视摄像机的对话）：3-6个镜头，每个2-6秒。用于钩子、转折和行动呼吁。总时长约占运行时间的15-20%。
   • clip（玻璃框架中生成的素材）：大部分镜头，每个1.5-3秒。
   • type（打字机页面）：开场问题或章节标题，最多6个单词。
   • giant（一个巨大的单词，带有红色标签和衬线的副标题行）：一个命名的概念。
   • cards（2-4张照片卡片，带有Logo徽章，每个单词上有一个名称）：当语音列出人物、产品或品牌时。Logo仅在提及它们时出现。
   • list：当语音列出2-4个要点时，标记该单词范围。其关键词会翻转成强调色。
   • keys：每句话最多一个。
   • hits：在3-6个戏剧性剪辑处使用invert，最多2个"事情变得更疯狂"的时刻使用strobe，最多2个高潮处使用burn。
   • 绝不重复显示相同的片段瞬间。
3. 根据镜头编写素材清单：
   • 每个故事片段为8-12秒的素材片段（或对免费静态图像的Ken Burns平移），覆盖连续的镜头，因此一个片段通过不同的in时间提供多个镜头；
   • 卡片肖像、地点和任何主持人素材——全部免费获取；
   • 可选背景音乐（或没有：当缺少music时，构建会跳过）。

3. 获取素材（阅读references/higgsfield.md）

1. 按此顺序获取：故事片段 → 卡片肖像 → 地点 → （如果保留）电视面板 → （如果保留）主持人片段。按照经过测试的方法验证每个下载（HEAD content-type + content-length，curl -A UA + 重试，如果Commons提供则使用SHA-1）。记录文件 → 来源URL → 许可证 → 作者到work/SOURCES.md。
2. 故事片段：Pixabay search_pixabay_videos（video_type: "film"，匹配方向，时长8-15秒）或Commons filetype:video（imageinfo → 使用curl方法下载→转码Talks .ogv/.webm为MP4）。静态图像使用ffmpeg方法变成Ken Burns .mp4。
3. 主持人片段（仅当用户自己出镜时）：
   • PY S/scripts/reel.py chunks <proj> 将每个主持人镜头的音频块写入work/host/host_NN.wav；
   • 将音频块合成到他们的网络摄像头片段上，保存为assets/host/host_NN.mp4（ffmpeg -map 0:v:0 -map 1:a:0 -shortest）- reel.py align 然后精确匹配单词；
   • PY S/scripts/reel.py align <proj> 测量每个片段相对于单词的偏移量。 无自有素材 → 将这些主持人节拍重组为type / giant / cards页面。
4. 如果使用电视面板，运行PY S/scripts/reel.py screen <proj>/assets/tv_plate.png <proj>。它会找到绿屏。如果未找到，重新绘制（ffmpeg drawbox，参考文档§2）或将主持人镜头切换为full模式——无需面板。
5. 运行PY S/scripts/reel.py sfx <proj> 合成音效（无需许可证）。
6. 音乐：省略music（默认），使用用户的曲目，或将Commons音频文件转换为MP3。

4. 构建和检查

1. 运行PY S/scripts/reel.py plan <proj>。它会写入work/plan.json并打印检查结果。修复story.json中的所有ERROR。认真对待WARN：重复的片段、主持人口型同步问题。
2. 运行S/scripts/build.sh <proj>。它会构建<proj>/reel.aep（合成REEL），对于70秒的视频大约需要1分钟。读取日志：使用的字体、警告。
3. 运行S/scripts/render.sh <proj> --half 进行快速检查（约2分钟）。然后检查帧：
   • S/scripts/bin/frames <proj>/out/reel_half.mp4 <proj>/work/check.jpg 4 <约16个镜头中间秒>；
   • 查看check.jpg：字幕可读且不覆盖面部、主持人在电视内嘴唇活动、玻璃框架存在、无黑色间隙、页面不为空。 在story.json中修复，然后重新运行plan、build和检查。
4. 最终： 运行S/scripts/render.sh <proj>。它会写入<proj>/out/reel_1080.mp4（1920×1080，25 fps，约40 Mbps，含声音）。
5. 发送MP4。报告：
   • 其长度；
   • 无法验证的内容；
   • 手动调整的位置（reel.aep：每个镜头在02_SHOTS / 03_PAGES中有自己的合成，字幕在CAPTIONS中）。

规则

• 版权：
  • 所有素材免费获取：Pixabay MCP、Wikimedia Commons（检查每个文件的许可证）、thesvg MCP用于Logo，以及本地合成（ffmpeg Ken Burns、reel.py sfx）。默认不使用付费服务；Higgsfield附录仅在用户明确要求时使用。
  • 绝不抓取电影、系列、广告或其他人的社交帖子。
  • Logo仅来自thesvg MCP或Wikimedia Commons，且仅在用户同意后使用。
  • 音乐可选（省略、用户自有曲目、或将Commons文件转换为MP3）。
  • 音效由reel.py sfx合成。
• 语音是时钟。
  • 每个剪辑点落在单词上，在其前一个帧处。reel.py实现这一点。
  • 绝不改变速度或单词。
  • 字幕精确显示所说内容，除了spell修正的拼写错误名称。
• 人物：
  • 朴素、符合时代服装；
  • 写实的成年人；
  • 角色不使用真实公众人物；
  • AI模型和公司以虚构角色呈现，仅通过字幕和Logo命名。
• 重跑成本低。 plan和build是确定性的，从头重建reel.aep。更改story.json，而非手动编辑reel.aep，除非用户要求手动编辑。一旦用户自行编辑了reel.aep，未经询问绝不覆盖重建。
• AE一次只运行一个脚本。
  • 仅使用scripts/ae_run.sh、build.sh和render.sh。
  • 退出码4表示AE仍然忙碌：等待，绝不重新发送。
  • 退出码6表示AE未启动脚本：是否有对话框打开？

文件

路径	说明
scripts/reel.py	prep / words / chunks / align / screen / sfx / plan（仅标准库）
scripts/build.sh、scripts/ae/build_reel.jsx、scripts/ae/reel_lib.jsx	After Effects构建
scripts/render.sh	aerender输出H.264（--half用于检查）
scripts/ae_run.sh	向运行的AE发送一个脚本并等待
scripts/tools/*.swift → scripts/bin/	音频转换、设备端转录、人脸框、帧图
references/story.md	story.json格式、镜头规则、完整示例
references/higgsfield.md	免费素材获取手册：经过测试的Pixabay / Wikimedia / thesvg检索和验证方法、按素材映射、付费生成附录
references/look.md	构建绘制的内容（尺寸、时间、颜色）以及如何调优
references/troubleshooting.md	错误和修复
references/example_story.json	已完成70秒视频的story.json（EXPERIMENT测试）
PROMPT.md	如何安装技能以及发送的提示词