Communitygithub.com

演示视频制作

当用户要求“录制演示”、“制作演示视频”、“屏幕录制工作流程”、“制作 GIF”、“制作 YouTube 视频”、“添加画外音”、“添加 TTS 旁白”、“制作字幕/隐藏式字幕”,或者希望将终端和浏览器工作流程的演示转变为带旁白的 MP4 和 .srt 字幕文件,以及/或一个简短的高光 GIF 时,使用此技能。涵盖窗口布局、Windows 原生分辨率捕获、使用联系表查找关键瞬间、场景时间控制、edge-tts 旁白、YouTube 字幕和 GIF 大小限制。

演示视频制作 是什么?

此技能是一个全面的演示视频制作工具,专为需要将终端、浏览器或应用程序的实际工作流程转化为专业视频内容的开发者设计。它能够输出高质量 MP4 视频(含 TTS 画外音和独立的 .srt 字幕文件)和用于 README 文档的轻量 GIF 高光片段。技能核心是一套脚本集合(位于 `scripts/` 目录下),通过 `build.py`、`gif.py`、`rec.ps1` 等脚本实现录制、剪辑、旁白生成和 GIF 制作。它特别关注 Windows 平台上的录制细节,例如解决 DPI 缩放和隐形窗口边框问题,确保原生分辨率捕获。录制完成后,可使用 `sheets.py` 生成带时间戳的联系表来精确定位关键操作,并通过 `build.py` 中的场景列表精确控制每个片段的播放速度和旁白时间,最终生成适合 YouTube 发布的视频和字幕。对于 GIF,`gif.py` 会单独提取关键步骤、裁剪并缩放以控制文件大小(通常小于 10 MB)。整个流程注重效率,避免了无效的视频逐帧浏览。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/shannonbay/claude-demo-video-skill/tree/HEAD

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

演示视频:录制、剪辑、旁白、字幕、GIF

将屏幕上的真实工作流程(终端、浏览器、应用程序)转化为:

  • YouTube 剪辑:带 TTS 旁白的 MP4,无烧录字幕,外加一个 .en.srt 文件;
  • 高光 GIF:仅包含关键步骤,无声,无字幕,文件足够小,适合放在 README 中;
  • 可选的带字幕 MP4(烧录字幕),用于不支持字幕功能的平台。

scripts/ 中的脚本是模板:请将它们复制到一个视频项目文件夹(该文件夹应在任何仓库之外,因为录制文件可能达数百 MB),然后编辑其配置块。需要 ffmpeg(在 PATH 中,或设置 FFMPEG/FFPROBE 环境变量)、Python 3,以及用于语音的 pip install edge-tts。

1. 与用户一起规划

  • 将故事商定为步骤,并确定哪些步骤是用户的(点击、输入)以及哪些是等待步骤。编写步骤列表,包含需要按下的按键,以便用户在录制时操作。
  • 选择一个能展示可见成果的主题(例如一个问题、一个待办事项)。
  • 清理舞台:删除演示中会创建的重复内容,关闭个人标签页(打开一个仅包含目标网站的全新浏览器窗口),隐藏通知。提及任何可能造成干扰的内容(如更新横幅)。
  • 告知用户:在录制过程中,他们在 Claude 中键入的任何内容都会出现在屏幕上,因此只需输入“下一步”或“完成”。

2. 将两个窗口框定在一个捕获区域内

将演示中使用的所有窗口放置在完全相同的矩形区域内(1920×1080 是一个不错的默认值),然后录制该区域:前置的窗口即为镜头画面,因此切换窗口即是剪辑。

scripts/rec.ps1 place -X <px> -Y <px> 可以在 Windows 上完成此操作。需要注意的问题:

  • DPI 缩放:来自非 DPI 感知进程的坐标会被缩放(125% 缩放时,一个“1920”宽度的窗口其物理尺寸是 1536 像素)。place 会设置每个监视器的 DPI 感知(SetThreadDpiAwarenessContext(-4)),因此所有坐标都是物理像素。使用 rec.ps1 monitors 列出监视器。
  • 隐形边框:Windows 10/11 的窗口有大约 7 像素的隐形边框。应使用 DWM 可见边界(DWMWA_EXTENDED_FRAME_BOUNDS)来确定窗口大小,而不是 GetWindowRect;place 会测量并修正。
  • 在录制前抓取一帧并查看一下(读取生成的 PNG 文件)。

3. 录制

scripts/rec.ps1 start <名称> / stop / mark <文本>。注意事项:

  • gdigrab 不感知 DPI,它会在缩放的显示器上捕获缩小的桌面(并且 __COMPAT_LAYER=HighDpiAware 也无法修复)。请使用桌面复制(ddagrab),它能按每个监视器获取原生像素。其 offset_x/y 是相对于该监视器的。
  • 位于第二张 GPU(如笔记本电脑 + 外接显示器)上的监视器并不在适配器 0 上:需要使用 -init_hw_device d3d11va=dx:<adapter> -filter_hw_device dx 以及在 -filter_complex 中的 ddagrab=output_idx=<n>。rec.ps1 start 接受 -Adapter 和 -Output 参数;如果遇到“Failed to enumerate DXGI output”错误,请尝试 0/1。
  • 写入 MPEG-TS(-f mpegts)格式:录制会通过终止进程来停止,而 MP4/MKV 会在这种情况下丢失文件头。
  • 在自然的断点处分割成片段(例如设置阶段 / 用户输入 / 一次较长的等待过程)。一个长时间的缓慢过程片段没问题,因为剪辑时会加速等待部分。
  • 当用户操作时,简要地转述每个后台步骤报告的内容以及下一步需要按什么键。

4. 查找关键瞬间

不要逐帧拖拽视频。制作带时间戳的联系表并阅读它们: python scripts/sheets.py <clip.ts> --every 10(查看整个片段),然后使用 --from 170 --to 236 --every 2 --crop 900:560:1020:0 在每个点击附近进行更精细的查找,以确定提案出现、按钮按下、页面加载的精确秒数。 记下每个步骤的(片段,开始时间,结束时间)以及哪些时间段是等待时间。

5. 旁白

lines.txt:每行对应一个场景(故事的一个步骤),写为字幕文本。使用简短的英语口语,说明“为什么”而不仅仅是“做了什么”。voice.py 中有一个 SAY 映射表,定义了符号的朗读方式(例如 #92 → “ninety-two”, /goal-new → “goal new”, CI → “C I”);字幕保留原始内容。默认语音为 en-US-AndrewNeural,语速加快 4%;使用 python -m edge_tts --list-voices 列出可用语音。使用 --only N 重新为某一行配音。

6. 构建

scripts/build.py:SCENES 是一个场景列表,每个场景是一个由 (clip, start, end, speed) 组成的片段列表:

  • 用户的点击操作使用 1–2 倍速;浏览器页面使用 2–4 倍速;机器工作使用 6–40 倍速,并添加一个 ▶▶ N× 徽章(当速度 ≥ 3 时绘制);
  • 如果一个场景的时长小于 LEAD + 其对应的台词时长 + TAIL,则会保持其最后一帧(tpad),以确保旁白不会提前结束;
  • 输出 youtube/<名称>-youtube.mp4(视频 + 语音,使用 -c copy),youtube/<名称>-youtube.en.srt(每行按字符比例分割成约 70 个字符的提示),以及一个缩略图。
  • --burn 参数还会写入 <名称>-captioned.mp4,其中包含烧录的字幕。

目标时长为 1.5–3.5 分钟。如果旁白留下长时间静音,应加快场景速度,而不是填充废话。

7. GIF

GIF 不是视频的简单加速版:它只包含关键步骤。scripts/gif.py:HIGHLIGHTS = (clip, start, end, speed, crop),每个片段时长 3–7 秒,进行裁剪(1280×720 的帧内窗口:例如某个面板、网页、菜单),然后缩放至 960×540,帧率 8 fps,使用一个调色板(palettegen stats_mode=diff,paletteuse dither=none diff_mode=rectangle)。无字幕,无徽章。将 GIF 文件大小控制在 10 MB 以下(GitHub 的图像限制),总时长保持在约 60 秒以内。通过平铺每个高光片段的最后一帧并查看图像来检查效果。

8. 交付

在视频文件夹中创建一个 README.md 文件:包含视频内容说明、输出文件表格、每个源文件和脚本的用途、录制者的帧率设置及任何捕获过程中的异常情况,以及如何重新构建(重新配音 → 构建 → 制作 GIF)。主动提出记住该文件夹的位置。

相关技能