微缩立体模型推广视频 是做什么的?
生成时长约 30-50 秒的垂直视频(1080×1920,30fps),风格参考了病毒式传播的“5个Claude吐槽你的LinkedIn”Reel:一个小舞台上,方块角色逐场演绎产品的功能,同时字幕逐字弹出。一切由assets/template/中的Remotion项目里的src/video.json文件驱动。
请阅读 references/style-guide.md 了解该格式为何有效(节奏、排版、叙事弧线),并阅读 references/scene-types.md 了解所有JSON字段。
工作流程
1. 获取需求简报(只询问缺失的信息)
- 推广内容及其具体功能(输出、数据、步骤)。
- CTA关键词(用户默认评论的词语,默认
LINK),以及是否免费。 - 旁白/字幕语言——匹配用户语言(印度尼西亚语请求 → 印度尼西亚语脚本,除非另有说明)。横幅可以保留英语,如果用户更喜欢那种“IG风格”。
- 旁白音频:用户是否有录音?如果没有,视频在没有音频的情况下仍能正常工作(仅字幕);提供编写脚本的建议,供用户录制,然后在第5步同步。
- 桌上的“道具”(个人资料、网站、简历、商店等)——有合理的默认设置。
- 调色板:默认单色灰度 (
"palette": "mono")。仅当用户要求彩色时使用"warm";单个颜色可在theme中覆盖。
2. 先以表格形式编写脚本
遵循风格指南中的叙事弧线:钩子 → 机制 → 痛点 → 输出 → 转变 → 回报 → 证据 → 免费 → 简单 → 号召性用语。9-12个场景,每场景一句话,约2.7词/秒,因此一个场景持续2.5-4.5秒。为每个场景选择一种能够展示该句子的场景类型(例如,“五个观点”的句子 → 使用带有五个标志和自动计数器的 lineup 场景)。向用户展示表格(横幅 | 旁白 | 场景类型),并在构建前进行调整——修改表格成本低,而重新渲染成本高。
3. 构建项目
bash <skill-dir>/scripts/new_video.sh <project-dir> # 复制模板 + npm install
然后根据批准后的脚本编写 <project-dir>/src/video.json。从该文件中已有的示例开始(它重建了参考Reel)——保持其结构。
保持布局整洁的实用限制:横幅 ≤ 30个字符,标志 1-2个词,card 行 ≤ 约25个字符且 ≤ 7行,list ≤ 4项,hero 中 ≤ 5个字符。
4. 在全渲染前进行视觉检查
node <skill-dir>/scripts/preview_sheet.mjs <project-dir> # → out/sheet.jpg,每场景一帧
查看预览图(读取图像)。检查:横幅没有裁剪,字幕没有遮挡关键道具,计数器显示正确的数字,卡片内容没有溢出。修正 video.json 并重新运行。此步骤只需几秒;完整渲染需要几分钟。
5. 旁白同步(当有音频时)
将音频放入 <project-dir>/public/ 并运行:
pip install faster-whisper # 第一次运行,如果缺失
python3 <skill-dir>/scripts/word_timings.py <project-dir> voiceover.mp3 --lang id
这会将单词时间码写入 video.json(captions, voiceover);场景剪切将精确落在每句话开始的位置。背景音乐:放入 public/ 并设置 "music": "file.mp3"(默认音量0.12)。没有音频时,时间码将根据文本估算。
6. 渲染并交付
bash <skill-dir>/scripts/render.sh <project-dir> out/video.mp4
当Remotion无法下载自己的浏览器时(在沙箱环境中常见),render.sh 会回退到本地Chrome/Chromium。一个45秒的视频需要几分钟。交付MP4文件,并同时以参考模式撰写帖子文案:
评论 "LINK" 我会私信给你链接…… 评论 "LINK" 获取链接。#…
用户可以在项目内运行 npx remotion studio 进行实时调整。
重风格化现有视频
当用户提供一个视频并要求“以这种风格”重新制作时,保留他们的故事和语音,仅替换视觉表现:
bash <skill-dir>/scripts/caption_strips.sh <video> <work-dir>— 提取音频(voiceover.m4a),并每0.5秒截图一次字幕带,附带时间戳,同时生成一张overview.jpg。如果whisper可用,word_timings.py更快;当它不起作用时(无法下载模型),通过读取截图:每个截图带中高亮的单词就是在该时间戳正在被说出的单词,这提供了±0.25秒精度的单词时间码。首先在探测帧上检查字幕带的位置——错误的裁剪可能只显示文本的片段。- 将转录文本切成与原视频视觉变化或主题变化对应的“节拍”(overview图会显示此信息)。一个节拍 = 一个场景,3-8秒。
- 选择能展示每个节拍的场景类型。讲解类视频倾向于使用
board(符号、“A → B”、划掉错误答案)、timeline(日期、人物)、card(定义、引用、高亮术语)、带有rewrite:false+stamp(“MITOS”、“FAKE”)的before-after、spotlight(人物/揭秘),以及用于结束评论提示的cta。 - 编写包含
"voiceover"和"captions"数组({word,start,end},绝对秒数,按顺序)的video.json。每个场景的text必须包含该场景的所有单词(按顺序)——场景的时间由其中第一个单词的开始时间决定。最不容易出错的方法是使用一个小型Python脚本,为每个场景维护start word|start word|…并同时输出两者。assets/examples/restyle_asal_usul_x.py是一个完整的工作示例(一个90秒的印度尼西亚语讲解视频,解释代数中为什么使用x,共16个场景)——复制其结构。 - 预览图 → 修正 → 照常渲染。横幅可以使用视频原语言。
JSON之外的自定义
- 颜色/角色:
video.json中的palette、theme和characters。在mono模式下,所有内容强制使用灰度,因此自定义的theme颜色只影响其亮度。 - 新的视觉节奏:添加场景类型(步骤见
references/scene-types.md末尾)。 - 仅使用
useCurrentFrame()+interpolate/spring进行动画;CSS过渡/动画在Remotion中无法渲染。保持 y 坐标 1440-1620 区域空置给字幕。
原创性
模板中的吉祥物、场景和道具都是通用且原创的。请保持这一点:不要将其他创作者的字符、标志或镜头复制到视频中;描述产品与什么一起工作时,真实的品牌名称(如“LinkedIn”)可以作为文字出现。