Communitygithub.com

blixvip/skills

从原始素材和脚本到成品视频的端到端操作手册——涵盖阶段顺序、质量门、磁盘工件布局、引擎选择、并行镜头构建和交付检查清单。当请求涉及“剪辑此视频”、“帮我制作视频”、“添加动态图形”、“一次性剪辑”或任何跨越单个独立动画的工作时,应首选此技能。

skills 是什么?

该技能是一个全面的视频编辑编排器,专为AI代理(如Claude Code、Cursor或Codex)设计,用于管理从原始素材和脚本到最终交付物的整个视频制作流程。它强制执行一个严格的7阶段流水线:从需求收集和转录开始,经过规划、资产构建、设计、动画,然后并行批量处理所有镜头,最后集成和交付。流水线的核心是防止产生“AI感”编辑,通过强制要求阶段顺序、质量门(G0-G7)和严格的样式一致性(通过一个单独的“tokens.css”文件定义调色板、字体和样式标记)。它支持多种渲染引擎,包括Remotion(用于数据可视化)、HyperFrames(用于UI/动能排版)、Manim(用于数学动画)、After Effects(用于合成)以及Blender/Unreal(用于3D),并包含详细的交付检查清单,涵盖一致性、节奏、音频集成和渲染规范。该技能还包含一个持续改进机制,记录用户更正并生成项目特定技能,从而使后续视频项目跳过重复的样式探索阶段。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/blixvip/skills/tree/HEAD/motion-pipeline

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

motion-pipeline

您是编排者,而不是动画师。您的工作是按顺序运行各个阶段,在失败的门前拒绝前进,并确保每个镜头与其他所有镜头保持一致。

造成AI感编辑的唯一原因是跳过阶段。 在一个未经计划的节拍上,使用凭空创造的调色板,并配上没有人重新校色的库存素材,进行出色的动画制作——这就是垃圾。顺序比努力更重要。

不可妥协的要求

  1. 永远不要一次性完成整段视频。 将镜头1构建到交付质量,获得批准,然后 批量处理其余镜头。在26个场景之后被拒绝的样式意味着26次重写。
  2. 永远不要在红灯的门前前进。 指出哪个门失败以及缺少了什么。
  3. 当素材、品牌工具包或参考文件夹可以提供调色板、字体或资产时,永远不要凭空创造它们。
  4. 永远不要装饰每一行。 密度在第2阶段封顶,并在交付时强制执行。
  5. 每个决策都写入磁盘,而不是保留在上下文记忆中。下一个代理、下一个会话和用户都读取相同的文件。

阶段地图

#阶段技能/工具通过条件
0需求收集此技能G0 简报完整
1转录whisper / hyperframes transcribe / Premiere文本面板G1 存在单词级时间码
2规划motion-planG2 每个节拍已分类,密度低于上限
3资产motion-assetsG3 调色板已采样,令牌已写入,无占位符
4设计motion-designG4 通过试帧的反垃圾检查
5动画motion-animateG5 通过试镜头的运动检查
6批量处理并行子代理G6 每个镜头与试镜头匹配
7集成Premiere / 主时间线G7 交付检查清单(附录A)

阶段0 —— 需求收集

在动手之前先收集信息。只询问真正缺失的内容;推断其余部分并陈述推断。模板——用于完整的简报、用于简报不足时的默认设置、以及用于你在第6阶段发送给子代理的消息——在附录B中。

  • 素材 路径、分辨率、帧率,以及是否已剪辑。
  • 脚本或转录,以及时间码是否存在。
  • 宽高比 —— 16:9、9:16、1:1。这会改变构图,而不仅仅是裁剪。
  • 时长目标 和硬性截止日期。
  • 品牌工具包 —— 标志文件、字体、十六进制颜色代码、要匹配的先前视频。如果不存在,说明情况,并在第3阶段从素材中导出。
  • 参考链接 —— 最高杠杆率的输入。三个参考胜过三段文字描述。明确要求它们:“发送2-3个你要的样式的视频或截屏。”
  • 引擎限制 —— 交付物是否需要放入Premiere/After Effects,还是独立渲染即可?

编写 edit/BRIEF.md。如果缺少参考,标记它:未提供参考,因此样式从素材中导出,并仍然是猜测,直到用户对镜头1做出反应。

工件布局

在第1阶段之前创建它。所有下游内容在此读写;没有任何重要内容只存在于对话中。

edit/
  BRIEF.md            需求收集 + 推断 + 限制条件
  NOTES.md            运行日志:每个用户更正,逐字记录
  00-source/          原始A卷、音乐、音效、品牌工具包
  01-transcript/      words.json(单词级)、transcript.md
  02-plan/            plan.md + plan.json(机器可读的镜头行)
  03-assets/
    brand/            logo.svg、fonts/、brand.json
    refs/             样式参考,按它们教授的内容命名
    gen/              AI生成的静态图像/视频,旁边有 prompt.txt
    3d/               glb/obj + 渲染通道
    lottie/           .json / .lottie
    sfx/              嗖嗖声、撞击声、UI滴答声
  04-design/
    tokens.css        调色板 + 字体比例 —— 唯一事实来源
    palette.json      机器可读,用于生成器
    pilot/            已批准的镜头1帧
  05-scenes/          每个镜头一个文件夹:03-stat-card/、07-map/、...
  06-renders/         每个镜头mp4(不透明)/ mov prores4444(含Alpha)
  07-master/          项目文件 + 最终导出

tokens.css 是法律。 每个场景都导入它。硬编码颜色的场景是一个错误,因为它会与其他场景发生偏差——镜头之间的调色板漂移是最明显的结构性垃圾信号。

阶段1 —— 转录

必须达到单词级,否则不算数。仅句子级时间码会产生统一时长的视觉元素,看起来像自动化产物。

  • 本地:whisper(最终版用large-v3,草稿版用base)或 npx hyperframes transcribe。
  • 已在Premiere中:“文本面板”转录导出时间码。
  • 已在YouTube中:提取字幕轨。

输出 01-transcript/words.json,包含 {word, start, end} 记录。

G1 —— 如果只有句子时间码则失败。在规划之前修复;不要估算。

阶段2 —— 规划

调用 motion-plan。它将每个节拍分类为 VISUAL 或 REST,并写入每个视觉节拍必须展示的内容。

在此基础上加上管道的密度上限:

视频时长最大VISUAL比例典型镜头数量
60秒以下(短视频)65%8–14
3–8分钟40%15–30
8–20分钟30%25–50
20分钟以上22%40–80

同时生成 plan.json —— 每个镜头一行:{id, start, end, dur, text, must_show, archetype, engine, assets[]}。第6阶段会根据这些行进行分发,因此每行必须独立存在,无需依赖周围的对话。

G2 —— 如果任何节拍未分类、密度超过上限、或两个相邻镜头使用相同的类型(单调看起来像模板),则失败。

阶段3 —— 资产

调用 motion-assets。两个重要输出:

  1. 04-design/tokens.css —— 调色板从素材中采样,绝不凭空创造。
  2. plan.json 中的每个 assets[] 条目都解析为磁盘上的实际文件。

G3 —— 如果存在任何占位符、任何lorem ipsum、任何“TODO:查找图标”、任何尚未重新校色到调色板中的库存素材,则失败。

阶段4 —— 设计试镜头

选择最具代表性的镜头,而不是第一个。通常是视频中段的统计或概念卡片。使用 motion-design 构建一个帧,达到交付质量。

运行 motion-design 的反垃圾检查清单。三次或更多失败意味着重新设计,而不是修补。

然后将其展示给用户并停止。 一个帧,一个问题:这就是样式——在构建其他 N 个镜头之前,有什么要改的吗?

G4 —— 如果没有明确的批准,或者更正未记录在 NOTES.md 中,则失败。

阶段5 —— 为试镜头制作动画

在批准的帧上调用 motion-animate。渲染它。对照实际音频观看,而不是单独观看。

G5 —— 如果四个法则中的任何一个被打破:任何地方的线性缓动、同时入场、完全静态摄像机超过约2秒、或节拍器式的时长,则失败。

阶段6 —— 批量处理剩余镜头

现在,而且只有在现在,才进行并行处理。

为每个镜头(或每组3-4个相似镜头)分派一个子代理。每个代理接收且仅接收:

  • 它的 plan.json 行。
  • 04-design/tokens.css —— 只读。
  • 已批准的试镜头场景的路径,作为要模仿的模式。
  • 这个镜头的引擎(见下表)。
  • 反垃圾和运动检查清单。

每个代理将一个渲染文件返回至 06-renders/,并在 NOTES.md 中写一行注释。代理之间不互相通信,也不修改令牌。

隔离工作区。 并行代理编辑一个项目目录会互相覆盖——给每个代理一个git工作目录、一份副本,或者至少一个不重叠的子文件夹,然后在最后进行协调。

G6 —— 随机抽取四个渲染并并排放置。相同的调色板、相同的字体、相同的阴影方向、相同的颗粒、相同的圆角半径?任何偏差意味着偏差代理根据试镜头重建,而不是根据它自己的输出。

引擎选择

镜头是...在...中构建
数据、图表、地图、计数器、长程序序列Remotion
UI模拟、终端、动感文字、快速HTML+GSAP、需要可调整的检查器HyperFrames
数学、几何、图论、算法演示Manim
任何必须叠在素材上的东西——追踪、板集成、抠像、实拍3DAfter Effects(参见 ae-extendscript)
3D对象或环境Blender / Unreal,渲染通道,然后合成
真实感B卷、产品特写、不可能拍摄的素材AI图像到AI视频,然后重新校色到 tokens.css
字幕add-subtitles 或字幕块,从令牌设置样式
主时间线、音频、导出Premiere / DaVinci

混合引擎是正常且良好的——这是最强的反模板信号之一。但绝不可混合的是调色板。

阶段7 —— 集成并交付

在主时间线中组装。然后完整运行附录A。它涵盖了逐镜头检查无法看到的内容:图形下方的音频闪避、字幕与下方三分之一冲突、安全区域、整个作品中的节奏,以及渲染规格。

G7 —— 每个框都已勾选,或者有一份书面清单说明哪些未勾选及原因。

闭环

在完成之前,阅读 NOTES.md 并问:这些更正中有哪些是用户在下一个视频中又会做出的?

将这些转化为一个项目技能 —— .claude/skills/<client>-style/SKILL.md —— 保存他们的调色板、字体、节奏偏好、禁止的动作以及你被告知的更正。下一个视频则将第4阶段作为起点,而不是第0阶段。

这是复利步骤。一个不记录自己被更正的内容的代理将永远被更正。

当用户只想要一个动画时

跳转到该单一镜头的第3-5阶段,但仍然:从真实内容中采样调色板,仍然运行两个检查清单,仍然写入 tokens.css。门很便宜;重建则不然。


附录A · 交付检查清单 (G7)

在组装好的主时间线上运行,而不是在单个镜头上。逐镜头检查已经通过;这会捕捉只有所有内容放在一起时才出现的问题。

观看整部视频两次:一次静音,一次全音量并隐藏图形。问题隐藏在两者的混合中。

1. 跨镜头一致性

  • 每个镜头都从 tokens.css 中提取颜色。在场景文件夹中搜索不在令牌文件中的原始十六进制值——任何命中都是偏差。
  • 每个镜头的阴影方向相同。
  • 每个镜头都有相同强度的颗粒/纹理通道。
  • 圆角半径、描边宽度和发光强度匹配。
  • 字体:整个视频中使用相同的两种字体家族、相同的字距规则、相同的大小写规则。
  • 重复元素(章节卡片、计数器、下方三分之一、订阅标志)实际上是同一个组件,而不是为每个实例重新制作。
  • 标志以一致的尺寸和清晰空间出现。

2. 贯穿全片的节奏

  • 没有两个相邻镜头共享同一类型。
  • 镜头时长有变化。将其绘制成图表——一条水平线是节拍器,看起来像自动化产物。
  • REST节拍幸存了。如果每一行最终都有一个视觉元素,则规划在某处被覆盖;删减回来。
  • 开头5秒承载最高密度;中间有呼吸空间。
  • 没有图形比它所属的台词存在更久。一个在它说明的点之后还停留的视觉元素是死气。
  • 屏幕上没有内容在播放速度下难以阅读。以播放速度大声朗读每个叠加文字;如果读不完,则太长或太快。

3. 与素材的集成

  • 图形与画面校对色,而不是粘贴在它上面——匹配黑电平、匹配暖度、匹配颗粒。
  • 任何旨在放在场景中的东西都有接触阴影或遮挡。
  • 没有任何内容遮盖说话者的脸,也没有任何内容放在他们的手移动的地方。
  • 下方三分之一和字幕从不碰撞。决定Z轴顺序一次:图形在字幕之上,或字幕在图形之上——然后坚持这个顺序。
  • 构图经受住裁剪:9:16导出将主体和叠加文字保持在可见区域内,而不仅仅是在画布内。
  • 安全区域得到尊重——在外部5%内没有关键内容,在短视频的平台UI后面没有内容(底部约15%,右侧约10%)。

4. 音频

  • 音乐在对话下方闪避。使用生成的关键帧,而不是静态电平。
  • 音效仅存在于需要它们的时刻——入场、撞击、UI滴答声、转场——而没有别处。不间断的嗖嗖声本身是一种垃圾特征。
  • 音效混合在图形下方,而不是在声音之上。如果你注意到嗖嗖声,那就太响了。
  • 每个音效与运动发生的帧对齐,而不是近似。
  • 对话电平在镜头之间一致;没有环境音的突兀跳变。
  • 结束干净:音乐有解决或渐弱,不在持续音符上硬切。

5. 编辑本身

  • 剪辑在单词上开始,而不是在吸气上。
  • 重复的镜头、重新开始和填充词已删除。
  • 在拼接点没有重复帧(连接生成片段时最后一帧到第一帧的经典迹象——修剪一帧)。
  • 转场是有动机的。因为存在转场而存在的转场应被删除。
  • 任何AI生成的B卷已重新校色到调色板中,并且,如果有可见文字,则已检查是否有乱码。屏幕上乱码的文字是单个最可识别的生成视频迹象——将其裁剪掉或替换镜头。

6. 渲染规格

  • 目标平台正确的分辨率、帧率和色彩空间。
  • Alpha镜头导出为ProRes 4444 / 带Alpha的QuickTime,而不是在黑色背景上合成。
  • 比特率对平台合理;渐变中没有条带(如果有,添加一点颗粒)。
  • 音频达到平台的目标响度,峰值低于0 dBFS。
  • 文件名说明其内容及版本。

7. 诚实的问题

再观看一次,并用一句话回答:观众会说什么暴露了这个是自动化产物?

如果你能说出某件事,修复那件事。如果你真的不能,就交付它。

失败日志

任何在此失败的内容都要填入 NOTES.md,附带原因,而不仅仅是症状。“镜头12有纯色背景”是症状;“镜头12的批量处理代理没有导入 tokens.css”是原因,并且这是将成为项目技能中的规则的原因。


附录B · 向代理简要介绍(以及向子代理简要介绍)

…

[为了翻译而截断]

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

blixvip/skills

The motion vocabulary that separates premium animation from AI slop — text pop-blur-fade, sequential staggers, always-moving eased cameras, object entrances, and the timing/easing tables behind them. Includes ready code for Remotion (interpolate/spring) and HyperFrames (GSAP). Use when animating designed frames, when motion "feels stiff", "bouncy", "jittery", "too fast", "too uniform", or when writing any timing/easing code for video.

blixvip/skills

Source, generate, and prepare the real assets that keep a motion-graphics edit from looking generated — sampling the palette from the footage, collecting style references, pulling 3D models/Lottie/SVG/textures/SFX, generating AI stills and b-roll, and the mandatory conform pass that grades every asset into one palette. Use when a scene needs an icon, logo, 3D object, texture, background, screenshot, chart source, sound effect, or generated image/video, and whenever output "looks flat", "looks stocky", "looks AI", or assets came from different places and no longer match.

blixvip/skills

Design the actual frames for motion graphics and generated UI — palette derived from the footage, type pairing, one of five scene archetypes, and the layering order that produces depth instead of flat AI slop. Use when building scenes in Remotion, HyperFrames, After Effects, or any generated-image pipeline (Nano Banana / GPT Image / Seedream), and whenever output "looks AI-generated", "looks flat", "looks like a template", or needs to match a creator's branding.

blixvip/skills

Turn a script or timestamped transcript into a shot-by-shot motion plan — which lines earn an on-screen visual, which stay bare A-roll rest, what each visual must show, and how long it holds. Use BEFORE designing or animating anything in Remotion, HyperFrames, or After Effects. Triggers on "plan this edit", "what should be on screen", "storyboard this script", "beat map", "where do the animations go", or any request to animate a video that arrives without a shot list.

相关技能