Communitygithub.com

创建短视频

用于制作竖屏(9:16)泰语解说短片,适用于 Reels、Shorts 或 TikTok——涵盖新闻、工具评测或演示、概念讲解、操作指南。手绘风格,由所有者亲自配音,使用 Remotion 渲染。

创建短视频 是什么?

该技能旨在帮助用户快速制作 9:16 竖屏、时长约 60-90 秒的泰语解说短视频,适用于 Instagram Reels、YouTube Shorts 或 TikTok。它从主题选择到最终交付提供了完整的工作流程,包括研究、脚本撰写、录音、分镜、渲染和发布。核心特点是手绘动画风格,配音由用户自己录制,并通过 `split_recording.py` 或 `assemble_takes.py` 等脚本处理。技能内置了新闻、工具评测、概念讲解和操作指南等多种故事模板,并支持根据 Futurepedia Style Atlas 定制视觉风格。它依赖 `bun`、`ffmpeg`、`python3` 等工具,以及 `kien-thai` 和 `kode-thai` 技能来优化泰语脚本。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/savepong/skills/tree/HEAD/skills/create-short-video

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

解说短片(9:16,~60-90 秒,泰语配音,任意主题)

竖屏解说视频的操作手册:新闻、工具或仓库评测、概念讲解、操作指南,或者用户自己构建的某物演示。构建机制和样式移植位于 create-video 技能中;请在步骤 4 之前加载它。语音引擎及其特点:references/voice-options.md。

需要:bun、ffmpeg/ffprobe、python3,以及用于 measure_ink.py 的 Pillow + numpy(uv run --with pillow --with numpy ...)。泰语文本润色使用 kien-thai 和 kode-thai 技能(npx skills add chakrit/kien-thai)。

默认值(无需重复询问)

  • 9:16 比例,1080x1920 分辨率,8-10 个节拍,时长约 60 秒(Shorts 允许最长 3 分钟;自读脚本通常达到 80-90 秒)
  • 样式:用户最后批准的 Atlas 样式。模板中包含的工具包:Ballpoint(src/style/ballpoint.js,window.BP)和 Whiteboard(src/style/whiteboard.js,window.WB)。新样式需要粘贴 Futurepedia AI Style Atlas 提示。
  • 视觉效果用代码绘制。仅对主题和来源署名使用真实徽标。不使用新闻照片。例外情况:当主题是实时网页演示时,可以将你自己捕获的浏览器真实截图与绘制的节拍混合,用于“看看它如何工作”的节拍。
  • 语音:用户自己录制。 移交 read-script.md,他放下录音,scripts/split_recording.py 或 scripts/assemble_takes.py 将其分割成节拍。仅当他要求时才使用合成语音(references/voice-options.md)。
  • 无表情符号,无 API 密钥,引用来源。

首先选择故事结构

结构和节拍模板:templates/story-shapes.md。

结构用途实时复核
新闻发生了某事,可能仍在进行中是,渲染前
工具评测/演示一个仓库、应用或产品:它做什么以及有何特点亲自运行它
概念某事物如何工作否
操作指南执行某事的步骤否,但测试步骤

步骤和审批关口

  1. 主题选择。 优先选择有机制可绘制的故事,而非“谁做了什么”的新闻;跳过丑闻/八卦和尚无内容可解释的新诉讼。给出 3-4 个排序后的选择并说明理由,同时说明它们来自尚未验证的标题。首先检查 date。
    • 时效性: 一个无法在事件发生后约 1-2 天内发布的新闻片段已经过时;在投入前说明这一点。改为提议:等待主要的后续报道(例如事故后报告),或将其重新塑造为使用该事件作为例子的常青概念片段。
  2. 研究。 阅读主要来源(仓库、文档、状态页面、官方帖子)以及媒体报道。保持三个标签的区分:我验证过的 / 来源声称的 / 我的解读。
    • 交接问题/简报: 对照实时状态验证每个“当前状态”声明(PR 是否已合并、URL 是否可访问、文件是否位于所说位置)。从 GitHub 读取文件(gh api repos/O/R/contents/PATH -H 'Accept: application/vnd.github.raw'),而不是拉取或检出用户本地仓库。
    • 演示: 在浏览器中运行真实事物,复现任何声明的数字,并测量资源大小(curl -sIL ... content-length),而不是相信源代码中硬编码的估计值。在声明/实际对照表中报告差异。
    • “无服务器”/隐私声明: 列出页面的网络请求(performance.getEntriesByType('resource'))。托管分析信标(例如 Cloudflare /cdn-cgi/rum)会出现在 DevTools 截图中;过滤掉或在屏幕上解释它们。
  3. 脚本 从结构模板开始,数字写成文字,通过减少字数而不是加快语速来达到时长。编写 read-script.md(编号的节拍,每个节拍一口气说完)。
    • 新闻 = 倒金字塔: 节拍 1 是一个完整的导语(谁、做了什么、何时)可以独立存在;然后是按重要性递减排列;为每个声明注明出处(”X 指出”,”方面…认为”);语音中不包含观点或道德评判,要点放在字幕中。
    • 简报要求的署名和 URL 放在最后一个节拍和屏幕上。
    • 通过 kode-thai 循环使用 kien-thai 润色: 审查、引用规则标识符、修复、重新阅读、重复,直到一次通过找不到任何问题。由用户配音的解说 = 个人博客语体,男性:使用 ผม、仅在结尾使用 ครับ、用 คุณ 称呼观众、用 เรา 指代团队。模型草稿中反复出现的问题:เรา 在构建者和观众之间漂移(deixis-continuity)、用 ทิ้ง 表示“放下”(verb-calque)、悬空的“ไม่ใช่ X เป็น Y” 缺少 ต่างหาก(f4/targhak-closure)、混合使用 เมกะ/เมกะไบต์(每个术语统一形式)、相邻节拍中重复使用 ก็เลย/พอ。
  4. 语音 -> 关口 1(用户听取)。 录音说明(QuickTime > 文件 > 新建音频录制,质量最高,不使用 AirPods;或 iPhone 语音备忘录 + AirDrop):节拍之间暂停 约 2 秒,明显比换气长(自己录制的间隔约为 0.6-0.9 秒,与句中换气相同,因此没有阈值能精确分割成 N 个);立即重读念错的节拍;自然地朗读英文名称。提议先检查节拍 1 的 10 秒测试。
    • 找到录音: 他可能会将多个文件(录音片段)放入一个子文件夹并只说“完成了”。递归搜索项目文件夹以及 find ~ -mmin -30 -iname '*.m4a',然后针对每个文件报告时长、volumedetect 均值和最大值以及静音图,再进行切割。在循环中引用路径(语音备忘录名称包含空格)。
    • 单个文件: python3 split_recording.py <file>;除非找到正好 N 个节拍,否则会停止。如果没有阈值能给出正确的数量,不要强行切割:询问大致的节拍开始时间,并将每个切割点对齐到最近的静音处。
    • 多个文件/重录: 询问哪个文件对应哪个节拍,然后使用 assemble_takes.py,配合一个包含每个节拍的 {file, start, end} 的 takes.json。在多节拍文件中以最长的静音处分割,并对照单节拍文件(约 11 个泰文字符/秒)的语速对每个切割进行合理性检查;标记出有声时间少于 20% 以上的节拍(可能漏了词)。它会匹配每个节拍的电平(beat_lufs),通过剪切每个停顿的中间部分(ffmpeg 的 silenceremove 几乎无法做到)将句中停顿缩短至 max_pause,然后在 loudnorm 之前进行压缩(语音波峰因数约 22 dB;最终 LUFS 接近 -18,TP 为 -1.5)。
  5. 分镜 -> 关口 2(用户批准)。 生成一张缩略图联系表以及全分辨率 PNG,显示每个节拍结束时刻的静帧。列出任何假设或示意性内容。
    • 通过像素而非肉眼测量构图(肉眼曾漏过均匀的右移)。scripts/measure_ink.py --z .. --camx .. --camdy .. stills... 将每个节拍的墨水适配到 TikTok/Reels 安全框 x 140-940, y 230-1500 内(否则内容会溢出到应用 UI 下方),并打印修正后的 CAMXS/CAMDY/ZS;一次重新测量后应留有 >= 8 像素的边距。生成一个 storyboard-sheet-safezone.png,将不安全区域着色标记(使用 ffmpeg 的 drawbox)。
    • 每个静帧应在该节拍最后一个标记(其 IO 结束点)之后立即获取,而不是在下一节拍开始减去一个常数:提前结束的节拍已经在滚动,测量结果会严重偏离。
    • 展示 OCR/文本识别错误: 无环的泰文字体(Sriracha、Mali 及大多数字体)将 น 绘制得像拉丁字母 u,将 บ/ป 绘制得像 U,因此像 Qนotation 这样的错误识别在屏幕上看起来是正确的,视觉检查也难以发现。通过 JS 文本验证字符串,而非截图;用 Itim(带环字体,OFL 许可,已包含在模板中)绘制错误识别,并使用 measureText 圈出翻转的字形。WB.mText 接受十六进制颜色:传入 B.hexOf(RED),而非 RGB 数组。
  6. 渲染并验证。 bun run render <slug>。帧数 == 时长 x 30;mp4 中的语音 LUFS 应与语音文件一致(旁白混音);背景音乐约在语音下方 20+ dB;检查绘制过程中的静帧(非节拍结束点)以确保笔尖落在墨水上且内容未离开安全框。对于新闻,先重新阅读主要来源并更新屏幕上的时间戳。
  7. 交付 到 ~/Downloads/<slug>-video/:完整的 mp4、-small.mp4(CRF 24)、背景音乐 wav 文件、来自 templates/captions.md 的字幕。给出绝对路径。
  8. 发布。 永远不要为用户公开发布。如果替用户上传,请设置为“私密”并仅在语音为合成语音时才勾选 YouTube 的“已更改或合成内容”;由用户自行点击发布。否则提供复制粘贴工具包:文件路径、标题、描述、需要勾选的设置。

脚手架

scripts/new_short.sh <slug> [--out dir] [--from template] [--kits dir] [--no-install] 将捆绑的 template/(Itim + 泰文字体、安全框摄像机、渲染/静帧脚本、参考视频)复制到 ~/Videos/shorts/<slug>/(或 $SHORT_VIDEOS_DIR),将之前的视频保留为 _reference_* 以供适配,并将语音工具复制到 <slug>/voice/。依赖项自动安装(--no-install 跳过)。传递 --from <一个已完成的项目> 以从你最新的已批准片段开始。

Futurepedia Style Atlas 素材(H 库、SOUND 工具包、提示词以及从其参考代码移植而来的 Ballpoint/Whiteboard 工具包)不属于此技能——它属于 Futurepedia。new_short.sh 会从 $CODE_MOTION_KITS(默认为 ~/Videos/shorts/_kits/{src/lib,src/style,prompts})复制它们。如果没有这些文件:将 Atlas 提示词保存到 proj/prompts/,运行 bun run extract-kit prompts/<style>.md,然后移植样式(使用 create-video 技能)。永远不要提交这些文件。

相关技能