netfire222/vfx

/vfx - 讲话人物视频特效包

大标题会绘制在说话者身后（通过人物分割实现）并自动放置在头部上方。完全支持希伯来语/RTL 书写方向。

命令	功能说明
/vfx strike	头部上方显示大字 -> 红线划过 -> 替换为新词
/vfx echo	大标题弹出，并伴随轮廓回声副本爆发散开
/vfx spotlight	背景变暗，说话者身上打出暖色灯光，加上闪烁霓虹标题
/vfx freeze-mark	冻结画面 + 闪光 + 放大 + 脸部周围手绘红圈（可选标签）
/vfx pinned-comment	顶部弹出“回复评论”卡片
/vfx plan	在一次渲染中组合多个特效
/vfx showcase	将渲染好的剪辑包装成 Claude-app 界面：带打字动画的命令、“Edited with /vfx X” 标题、打字音效+特效音效、结尾行动号召按钮

输入要求

• 视频（竖屏 9:16 讲话人物视频效果最佳），以及每个特效所需的精确文字和时间点。 切勿自行编造用户未提供的文字；如果缺失信息请询问一次。时间点可以来自触发词（参见 words）。
• 输出文件保存在源文件旁边，命名为 <原文件名>_vfx.mp4。

一次性设置

• 脚本位于本文件旁边的 scripts/vfx.py 和 scripts/compose.py（请使用完整路径调用它们）。
• 需要 ffmpeg、Node/npm（字体和分割模型会通过 npm pack 自动下载到 ~/.cache/vfx）以及 pip install numpy pillow fonttools python-bidi ai-edge-litert "opencv-python-headless<5"。 可选安装：pip install rembg onnxruntime（可提供更干净的发丝边缘，自动使用），pip install faster-whisper（用于获取单词时间点）。

工作流程

1. 使用 ffprobe 检查剪辑。如果头部上方空间不足，标题会自动降到底部三分之一处；建议重新构图。
2. 从语音获取时间点：python3 scripts/vfx.py words clip.mp4 --lang he -> 输出行格式：{word,start,end}。
3. 渲染：

   python3 scripts/vfx.py strike in.mp4 out.mp4 --text "משעמם" --swap "מרתק" --at 2.1 --strike-at 2.8 --swap-at 3.3
   python3 scripts/vfx.py echo in.mp4 out.mp4 --text "IN-APP BROWSER" --at 5 --dur 2.5
   python3 scripts/vfx.py spotlight in.mp4 out.mp4 --text "AI SLOP" --at 13 --dur 2.5
   python3 scripts/vfx.py freeze-mark in.mp4 out.mp4 --at 9.5 --hold 1.5 --label "תסתכלו כאן"
   python3 scripts/vfx.py pinned-comment in.mp4 out.mp4 --user someone --text "..." --at 17 --dur 4
   python3 scripts/vfx.py plan in.mp4 out.mp4 plan.json      # [{"fx":"strike","text":..,"at":..}, ...]
   

   Strike 变体（仅在 plan.json 中）："front_first": true 将第一个词放在人脸上方（在说话者前面），而替换词放在头部后方（例如“מלפנים” -> “מאחור”）；"overlap": 0.45 可让更多内容隐藏在头部后面。 Echo 变体（仅在 plan.json 中）："linger": true 让轮廓副本停留在屏幕上（微微呼吸动画）直到特效结束。 选项：--y（固定标题高度，占画幅的百分比；如果头部遮挡文字可调高此值），--color， freeze-mark 的 --x --y --r 用于圈出其他对象，--seg fast|quality，--crf。
4. 展示模式（可选）：python3 scripts/compose.py fx.mp4 final.mp4 schedule.json

   {"intro": 2.4, "cta": 3.2,
    "cmds": [{"cmd": "strike", "send": 0.0, "desc": "说出来，划掉它，替换它", "sfx": [["swish", 0.9], ["pop", 1.5]]},
             {"cmd": "echo", "send": 2.75, "desc": "大标题，回声爆发", "sfx": [["boom", 2.8]]}],
    "cta_lines": ["想要这个技能包", "5 个命令的特效?"], "cta_button": "回复 \"技能\""}
   

   send = 命令发送时的剪辑时间点（将每个特效的 at 设置在该时间点后约 0.05 秒）。第一个命令会在介绍部分被逐字打出。 音效：key, send, whoosh, swish, pop, boom, shutter, power, ding, chime。
5. 验证：为每个特效截取 2-3 帧（ffmpeg -ss T -i out.mp4 -frames:v 1 f.png），检查它们（文字可读，人脸可见，希伯来语从右到左正确，无被裁切），如有问题修改后重新渲染。然后每个特效给出最终交付物。