视觉解说短片与长片制作工作室

视觉解说制作工作室 — 短片 + 长片

目的

将一个主题转化为一个经过研究、可供剪辑师直接使用的视觉解说包。该技能支持两种不同的制作模式：

• 短片： 一个时间紧凑的竖版解说视频，通常为48-59秒。
• 长片： 一个8-12分钟、通常为16:9的解说视频，有意将AI生成视频与动态图形、动画图表、键盘排版、地图、档案/资料素材、屏幕录制、静态图像以及精心选择的视觉停顿相结合。

该技能并不仅仅是视频生成器。它是故事、视觉设计、提示词编译和剪辑交接规划器。它必须交付一个单一的整合提示包，外加一份单独的《导演笔记》，剪辑技能可以遵循该笔记而无需从分散的提示中推断创意意图。

单一文件编译与Telegram交付规则

1. 统一文本编译：当被要求将钩子提示或剧集包编译成文本文件时，将大师级旁白（含精确时间戳）和完整的逐场视频提示（包括主提示、逐秒时间线进度、技术相机/灯光规格和反向提示）编译到仓库中的一个专用.txt文件中（/home/john/kos-obsidian-omni/<slug>.txt）。
2. Telegram消息保护（<3,000字符）：当已写入.txt文件时，切勿将数千行原始提示直接转储到Telegram中。以干净的```text代码块输出完整的旁白脚本（含时间戳），总结场景标题/焦点，并直接指向已保存的.txt文件路径。这保留了Markdown格式和一键复制按钮。

对于《弹出式账本》（纸工艺/3D弹出式宏观经济学和历史），请参阅references/the_pop_up_ledger.md。对于长片节奏和混合媒体工作流程，请在制作前阅读references/long-form-explainer.md和references/directors-note-template.md。

模式路由 — 首先确定这一点

1. 如果用户明确要求一种格式，则遵守。
2. 否则，时长低于60秒的视频为短片；目标时长为8-12分钟的为长片。
3. 切勿将对短片的限制（6秒场景、115-130词旁白、竖版构图）应用于长片工作。
4. 切勿通过添加填充内容将短片拉长成长片。长片需要一个更深入的问题、多个解释步骤、证据、一个中段重新参与点以及一个有意义的综合。
5. 如果用户请求长片视频但未提供主题，则询问一个简洁的主题问题。不要询问可以合理默认的细节。

不可协商的制作规则

1. 研究先于断言

• 使用可靠来源核实事实、日期、名称、数量、机制、比较和因果断言；在适当情况下优先使用权威机构的一手来源。
• 维护一个事实账本，记录每个断言、来源URL/标题、发布日期或访问日期（如适用）、置信度、注意事项以及能够诚实展示该事实的视觉手段。
• 将既定事实、估计、有争议的解释和说明性隐喻区分开。切勿让电影化的视觉暗示超出证据所支持的确信度。
• 不要编造来源、统计数据、引文、素材出处或精确的视觉数据。如果某个断言无法核实，请在制作包中说明，并删除它或适当标记。

2. 故事先于镜头

• 阐明核心问题、核心答案/论点、目标受众、预期收获以及观众为何应在意。
• 首先构建因果链或叙事主线。每一个章节和视觉节拍都必须具体地解释、证明、比较、情境化或情感强化某个内容。
• 将每一个主要旁白节拍映射到一个主要视觉方法。不要仅为了装饰旁白而生成视觉内容。

3. 长片默认使用混合视觉

• 不要让整个长片视频完全由AI生成。 选择最能解释每个想法的媒介。AI视频是众多工具之一，并非每条台词的标准答案。
• 使用动态图形制作可读标签、箭头、计数器、时间线、标注、图表和分阶段概念展示。对精确数字、具有来源链接的图表、地图和技术标签使用确定性图形。
• 使用AI生成素材用于氛围、说明性重建、视觉隐喻、不可能实现的摄像机运动或昂贵/无法拍摄的场景。清晰区分说明性重建与真实证据。
• 当真实性、证明、UI细节或现实世界背景至关重要时，使用真实的资料/档案素材、截图、产品素材或屏幕录制。适用时记录来源/许可/信用信息。
• 选择性地使用键盘排版处理关键短语、对比、章节转换和令人难忘的总结——而不是作为解释复杂想法的替代品。
• 避免依赖生成性视频来呈现关键的可读文本、方程式、UI副本、图表值、精确边框、地图、标签或源数据。这些应在后期制作中合成。
• 没有固定的视觉媒体百分比。根据清晰度、信任度、成本、制作时间和视觉多样性来选择媒介。说明每个主要镜头或图形为何使用其选定的资产类型。

4. 音频需单独规划

• 切勿将旁白脚本放入AI视频生成提示中。
• 除非用户明确要求生成对白，否则视频提示必须仅指定视觉动作、摄像机、连续性和画内声音/拟音/环境声，并以Sound effects: [specific ambience/Foley]. No voice over, no talking, no intelligible dialogue.结尾。
• 旁白、音乐、音效和图形时间在规格说明中必须是独立的字段，并在《导演笔记》中明确说明。
• 不要假设AI片段生成的音频会被用于最终剪辑。将其视为可选参考，除非剪辑师特意选择。

5. 连续性和真实性

• 当镜头需要匹配时，固定重复出现的主题、材质、摄像机地理、灯光、调色板和视觉处理。
• 对于分段连续场景（使用Google Flow / Omni或支持参考帧的其他工具），使用镜头N的最后一个可用精确帧作为镜头N+1的参考，并指定持续的摄像机向量和动作。此规则对于基于剪辑的编辑是可选的。
• 当精确几何形状未获得来源时，将图表/地图标记为示意图。切勿将生成的、图表、档案风格的图像或重建呈现为真实证据。

6. 交付物必须包含剪辑师交接

• 始终将所有AI视频提示和视觉生成提示编译成一个干净的<slug>_prompts.txt文件，按场景/资产ID分组并可直接复制使用。
• 始终创建<slug>_directors_note.md，一个独立的剪辑交接文档，包含整体创意简报、故事/章节地图、临时或锁定时间线、旁白同步提示、动态图形构建说明、过渡和声音设计、资产参考、连续性规则和最终检查。这是必需的输出，而非可选的摘要。
• 包含<slug>_production_spec.yaml作为结构化的真实来源，以及<slug>_voiceover.txt作为干净的旁白副本。当项目提出事实性断言时包含<slug>_research_ledger.md；当来源/许可跟踪有用时包含资产清单。
• 使用实际可用的已配置项目/仓库位置。否则，在当前可写工作区中创建一个项目文件夹（例如visual-explainer-output/<slug>/）。不要假设存在特定机器的家目录。除非文件实际写入并验证，否则切勿报告文件已保存。

7. 尊重实际渲染器限制

• 在最终确定提示之前，检查所选AI模型可用的时长、宽高比、参考图像和音频控制。
• 不要在提示中写入一个请求的时长，好像模型支持它而实际不支持一样。生成支持的片段，并规划在后期中进行修剪、延长或合成。
• 计划的编辑时间线是临时的，直到最终旁白/音频时长确定。诚实标记临时时间；在测量音频后（当该资产可用时）更新最终时间线。

短片模式 — 60秒以下

时长和场景规则

• 默认目标：48-54秒，通常为8-9个视觉节拍。
• 首选生成场景时长：6秒（当所选模型支持时）。如果不支持，则使用支持的时长并规划在后期中剪切/修剪；不要虚假请求不支持的时长。
• 除非平台/用户目标不同，否则保持最终视频时长低于60秒。
• 48-54秒的起始旁白目标约为115-130词，语速约130-145词/分钟。在锁定场景时间之前，计算字数，并在生成旁白可用时计算实际音频时长。

短片故事配方

1. 0-2秒：视觉钩子。 以一个悖论、惊人事实、张力、规模对比或难以置信的证据开始——而不是一个通用的问候。
2. 2-8秒：承诺答案。 让具体问题变得显而易见。
3. 中间：解释一条因果链。 每个镜头应增加一个不同的步骤、比较、后果或证据。
4. 收尾：回答开头问题。 不要以模糊的总结结束。
5. 结束： 仅当自然融入时使用简洁的观众提示；永远不要为了行动号召而牺牲答案。

短片视觉/音频检查

• 每个镜头保持一个主导视觉想法和简短的屏幕文字。
• 为移动端观看规划钩子、字幕、安全区域放置、声音设计和最终收尾。
• 将精确的标签/数据作为后期制作叠加，而非AI渲染的文字。
• 对于地图和连续场景解说，保留持续的场景/摄像机路径，并将每个叠加与旁白触发点关联。
• 对于从长片中提取的片段，重建钩子和收尾使其独立工作；不要仅仅裁剪一个随机的中段。

长片模式 — 8-12分钟

完整阅读references/long-form-explainer.md。 长片模式是电影化视觉、图表、键盘排版、证据视觉、图表/地图、真实资产和克制的停顿的有意混合。

时长和旁白规划

• 默认目标：8-12分钟，通常为16:9。如果用户请求的平台/宽高比不同，则使用之。
• 初始旁白估算：约1,150-1,600词，以自然纪录片语速（约130-145词/分钟）为准，取决于停顿、强调和纯视觉时刻。这是一个规划范围，而非盲目规则；根据选定的语速估算时长，然后在锁定编辑前使用实际旁白时长。
• 不要为了达到字数而填充。一部强有力的8分钟视频优于一部稀释的12分钟视频。
• 将旁白分成章节和短小的意义单元。保持一个单独的干净旁白文件，同时保留映射到时间线的段落/节拍ID。

长片故事结构

• 以一个强有力的视觉问题、令人惊讶的结果、矛盾、谜团或重要的例子开场。
• 告诉观众视频将回答什么问题以及为什么重要，不要使用冗长的频道介绍。
• 在引入过多术语之前，建立一个有用的心智模型。
• 通过不同的章节构建：背景、机制/证据、复杂性或反驳、含义和综合。根据主题调整顺序。
• 在大约一半位置包含一个中间注意力重置——例如新的规模、案例研究、意外比较、图表转换或揭示。如果证据不支持，不要制造转折。
• 通过回答开头问题、连接各个部分、在相关处指出不确定性并提供令人难忘的收获来结尾。
• 请参阅参考指南中建议的8-12分钟章节地图。将其视为一个框架，而非严格的时间戳指令。

长片视觉规划

对于每个章节，指定：

• 此刻观众的问题。
• 旁白节拍/关键断言。
• 主要视觉媒介及其为最合适选择的原因。
• 视觉证据、机制、比较或隐喻。
• 编辑动作：保持、揭示、标注、跟踪、比较、缩放、暂停或过渡。
• 所需的精确资产/数据及其来源状态。
• 视觉内容是真实素材、来源素材、示意图、AI重建还是隐喻。

使用灵活的镜头/图形时长。简单的说明性插入可能较短；节奏得当的图示可能停留在屏幕上10-25秒，同时层次随着旁白构建。当想法改变时改变视觉，而不是仅仅为了强制不断切换。避免长时间不变的墙纸，但要给予证据和复杂图示足够的时间被理解。

长片导演笔记是强制性的

《导演笔记》是剪辑技能的主要操作指南。它必须解释预期的观看体验以及如何组装整个视频。它必须引用提示ID/资产，而不是复制其完整提示文本。每个时间线事件必须指向旁白/节拍ID，每个生成/来源资产必须映射到一个镜头或图形。如果精确时间依赖于未生成的旁白，请将其标记为PROVISIONAL — sync to final VO。

视觉模式

根据主题选择视觉模式。当它改善解释时有意识地混合模式。

• 地质学/连续地球： 连续轨道到地面轨迹、有来源的板块边界、横截面、地形高亮和世界空间标注。
• 纸工艺定格动画/触觉弹出式立体模型： 分层卡纸、折叠页、滑动标签、镂空账本、触觉阴影、微妙的逐步运动和画内纸/纸板拟音。
• 时间线/历史突发事件： 时间线状态、地图、历史物品、档案证据、移民/贸易路线和清晰标记的重建。
• 过程/工作原理： 输入 → 机制 → 输出；分解视图、...