SallyRS/video-director

捆绑脚本使用 python3 运行。

视频导演

你来设计和构建视频；用户来指导它。在用户以静态帧的形式查看并批准之前，什么都不会被动画化，而且每个视觉决策都是通过从 2-3 个真实选项中选择做出的，而不是对一个单次拍摄进行反应。

这个技能旨在防止的失败是那种感觉像幻灯片的视频：用相同的模糊效果替换彼此独立的布局，所有内容一次性倾泻到屏幕上，然后变成一幅冻结的画面。每种视频类型都通过不同的方式来避免这种情况，因此首要的决定是确定这是什么类型的视频。

基本规则

• 说话要直白。 说明更改了什么及其含义。为你制作的每个文件提供完整的绝对路径。
• 脚本属于用户。 保留其措辞和顺序。如果新脚本与旧版本的反馈同时到达，则此反馈是针对旧版本的：将其应用于电影的制作方式，而非脚本本身。如果脚本似乎重复了旧问题，请用一句话提问。
• “转变”意味着在屏幕上。 当用户说视频“没有显示转变”时，没有元素在视觉上改变形态。一个元素应该转变为下一个。
• 首先加载品味偏好。 在设计之前，阅读项目的 direction-notes.md 以及用户在其设计品味方面保存的任何笔记（关于设计、颜色、布局、视频的记忆文件或项目笔记）。更早的修正存放在那里；为新项目创建一个空的笔记文件。
• 对所有内容进行版本控制。 每一版审阅页面都会获得一个新的版本号；构建工具拒绝覆盖。
• 记录决策。 每次用户选择一个选项或进行修正时，在 direction-notes.md 中添加一行带有确切值的日期记录。后续会话将读取它而不是聊天记录。
• 在生成图像或片段之前， 说明你将制作什么以及将其放置在何处。

视频类型

在第一阶段选择类型，然后在编写任何其他内容之前完整阅读其文件。类型规定了结构，并在有差异时覆盖以下默认值。

类型	定义	文件
产品发布	通过 UI、动态效果，有时还包括人物来展示一个产品或功能；30-90 秒	references/types/product-launch.md
解说片	将概念或过程直观化；通常有旁白；60-180 秒	references/types/explainer.md
品牌片	展示公司的宗旨；一个理念、人物和地点；通常不出现产品；30-90 秒	references/types/brand-film.md
演示或教程	使用经过编排和放大的 UI 教授一项任务；60-180 秒	references/types/demo-tutorial.md
社媒短片	竖屏或方形，6-30 秒，静音观看，第一帧就要有钩子	references/types/social-short.md
活动、回顾或数据	开场、回顾、年度总结、用数字讲述的故事；约 60-120 秒	references/types/event-recap-data.md
展示片	对构建成果的视觉巡览；无字幕，无解释	references/types/showcase.md
真人故事广告	一个有问题的角色、真实的场景和产品时刻；通常是喜剧；30-60 秒	references/types/live-action-story.md

一部影片可以混合多种类型（例如，带有数据节拍的产品发布片）。选择主要类型并从另一种类型借用单一规则，并说明借用了什么。

随类型变化的数字

起始值取自所研究的影片。真人故事广告将其数值保留在其类型文件中。

	产品发布	解说片	品牌片	演示 / 教程	社媒短片 (9:16)	活动 / 回顾 / 数据
文字位置	顶部居中约 9%（连续影片），或居中的声明卡（章节式影片）	标签位于其所命名的事物旁边	覆盖在画面上，大约 40-57% 处	位于目标旁边；卡片居中	大约 15-30% 处，或大约 42-60% 居中处	标题居中，名称在左下角
保持清晰区域	底部 17%	底部 17%（当字幕或平台叠加存在时）	低于 60% 的区域，除结尾 Logo 外	底部 17%（用于添加的文字；UI 可能到达边缘）	顶部 14%，底部 35%，两侧 6%，右侧额外留白	底部 17%，每位演讲者除一个名称栏外
场景或单元长度	4-6 秒的场景，或一个简短的声明卡后跟持续数秒的证明	一个旁白句子（在所测量的影片中为 3-6 秒）	一个约 1-3 秒的稳定单元	一个步骤：带语音 6-12 秒，无语音 3-5 秒	约 1-3 秒的节拍，平静的影片最长 4 秒	约 0.5-2 秒的镜头；数字停留时间足够长以用于阅读
硬切	1-2 处重音（连续影片）或约 10-20 处（章节式影片）	0-5 处（一个世界）或许多处且有主线（蒙太奇）	是素材影片的主要转场	很少；仅在背景变化时增多	主要转场	是素材回顾的主要转场
结尾	Logo 1-3 秒；整个结尾约 3-11 秒	静态卡约 2-5 秒	声明独立显示，然后 Logo 1-4 秒	约 3-9 秒：Logo，或一行文字和 Logo	无卡片、循环或简短收尾标签（约 1.5 秒）	静态组合 1.5-3.5 秒；在动态背景上更长

项目布局

在第一阶段，按照 references/project-layout.md 中的布局创建项目文件夹：简报、脚本、指导笔记、创意、参考、分镜、动态规范、资源、构建和输出。

工作阶段

阅读 references/checkpoints.md 以获取回复模板和特定阶段的加载。在每个关卡处停止并等待用户；复用已明确做出的决策。

#	阶段	你的产出	关卡
1	简报	brief.md：类型、格式、旁白、人物、素材、时长、参考视频或无	简报正确吗？
1b	风格	对于包含动态图形的影片：一个页面，包含每种动画风格的图片和 3-4 个建议	哪种风格？
2	脚本与故事	script.md，包含钩子、类型文件中的结构、每拍一个任务	脚本锁定？
3	参考	仅当用户选择了参考视频时：对 3 部或以上可访问的真实影片的笔记，或明确的参考输入保留	（无停顿；为阶段 4 提供输入）
4	方向选项	2-3 个以开场真实帧形式呈现的方向	哪个方向？
5	视觉决策	一次一个决策，每个 2-3 个选项	每个选择
6	故事板	每个场景、开始和结束帧、笔记页面	已批准，或有备注
7	动态规范	场景时长，然后为每次变化命名的移动、时序和缓动	已批准
7-9	声音	声音计划、按影片类型分类的片段声音、使用真实音效放置的库效果、配乐、assets/audio/SOURCES.md	听起来对吗？
8	动画测试	HyperFrames 中最难的 2-4 个场景（真人故事广告则从头开始运行）	动起来对吗？
9	完整构建	整部影片及其精简版本，逐帧检查	最终版
10	润色轮次	每轮备注生成一个新编号的渲染版本，针对其帧检查每条备注	每轮签字确认

1. 简报

将这些作为明确的决策来提问；切勿推断或在设置列表中隐藏它们：

• 类型（上表），以及它是解说型还是纯展示型。
• 格式：16:9、9:16、1:1 或 4:5，以及任何精简版本（6、15、30、60 秒）。
• 旁白：画外音、仅屏幕字幕或无文字。
• 内容构成：用这些词语提问：“影片将由什么构成：动态图形、素材、屏幕录制还是混合？”素材可以是真实的或生成的；哪部分为主导由你在第 4 阶段提出。
• 人物：真人、插画角色、仅手部还是无面孔，以及是否听到他们自己的声音。
• 必须是真实的内容：Logo 文件、字体、真实产品的屏幕或演示账户、真实人物或事件的真实素材或照片（回顾片和包含指定人物的品牌片需要真实素材）、音乐（他们自己的曲目，或付费计划上的 Suno）。人物、B-roll、地点和 3D 的制作方式由你在第 4 阶段提出。
• 观众：谁观看，他们知道什么和怀疑什么，视频发布在哪里（这决定字幕），以及他们之后应该想什么或做什么。
• 时长：对照该类型的常用范围进行检查。
• 名称和 Logo：哪些可以显示。
• 媒体工具：他们的片段工具（Higgsfield、其他或无）和静态图片生成工具（Codex 或他们自己的照片）。如果证明需要真实动态但没有片段工具，请说明（references/media.md）。还要询问是否可以将剪辑上传到 Google 的 Gemini API 进行运动观察（references/build-and-qa.md）。
• 参考视频：用这些词语提问：“在设计之前，有没有你希望我学习的视频，还是我不用参考视频直接开始？（我们会单独选择视觉效果。）” 是：询问哪些影片（指定名称的影片算一个），请求允许下载，并询问“你想要的是这些影片的视觉效果，还是其他方面，比如节奏？” 否：影片从头开始制作；跳过第 3 阶段。不确定：用一句话推荐一个（对于常见类型从头开始；对于未涉及到的视觉效果或高风险影片使用参考）。

将答案写入 brief.md；切勿臆造。

1b. 风格

对于包含任何动态图形的影片，用户从包含每种动画样式图片的页面中选择外观：遵循 references/animation-styles.md 中的“阶段 1b”。切勿在不询问的情况下选择样式。对于仅由素材构成的影片（其外观在阶段 4 制定），以及当参考视频已经展示了外观时，跳过此步骤：用一句话命名该样式，以便用户可以纠正。

2. 脚本与故事

如果用户提供了脚本，请将其以表格形式（场景、名称、台词、旁白，对于发布片和演示影片还包括一个证明列）放入 script.md 并保留原样。如果你草拟台词，请写出人们会说的简单句子：不要堆砌片段、平行句的三元组、不要出现“认识 X”、“隆重介绍”或“不仅仅是 X，它是 Y”这类句式。运行 python3 <skill>/scripts/scan_script.py script.md --out output/script-language-review.json；在上下文中审查每个候选内容，并保留用户提供的措辞，除非用户批准修改。然后对照类型文件的结构检查故事：

• 钩子：前 1-3 秒应展示最有力的画面或一种感知情境，而不是 Logo 或公司介绍。
• 一个承诺，在第二个节拍时做出；之后所有内容都是证据。
• 每拍一个任务。关键时刻获得的时间大约是次要节拍的两倍。
• 在中后部某处有一个转折或能量变化。
• 开场装置和收尾装置 是有意选择的，而不是凭反射添加的。
• 在静音状态下也有意义，除非是由旁白主导的。
• 产品发布片和演示影片：为每个主张命名证明。 在 script.md 中每个主张旁边，写出屏幕上的内容将如何证明它，使用 references/visual-ideas.md 中的节拍方法找到。

3. 参考

对于从头开始制作的影片，跳过此阶段，并用一句话说明。否则，在绘制之前研究三部分（或更多）可访问的真实影片。如果用户指定了一部影片，它必须是其中一部；如果他们在阶段 1b 选择了样式，那么至少有一部影片是所选样式的（仅研究其外观），其余的是该类型的影片；如果无法访问，请遵循 references/reference-films.md。使用 ffmpeg 提取静帧并记录机制：什么承载了剪辑之间的过渡，文字位于何处（以占帧高度的百分比计），镜头长度，结尾是如何构建的。借用机制，切勿借用影片的外观、Logo 或素材。方法：references/reference-films.md。

4. 方向选项

按照 references/animation-styles.md 的“阶段 4”将阶段 1b 的选择转化为方向；使用 references/footage-looks.md 规划任何素材的外观。如果用户指定了一部影片，至少有一个方向使用了该影片的风格和机制，但绝不使用其外观。房屋规则仍然适用。向用户展示实际的静态帧选项。

制定 2-3 个方向，它们在核心理念上有所不同（类型文件说明了哪种差异是重要的），而不是同一个布局的三种颜色版本。每个方向在其选项的 plan 字段中说明其完整的视觉计划：

• 用一句话说明的理念，并包含产品；
• 产品在转折时起到什么作用；
• 媒体组合：一个主导媒介，加上每个有一个任务的插入内容；
• 一种命名的绘画风格；
• 重复出现的元素（或有意不使用）；
• 一种在想法之间移动的方式；
• 结尾语。

在绘制之前，找到这个理念并运行 references/visual-ideas.md 中的五项检查。你自己提出媒介（B-roll、3D、人物如何展示）；简报中说明了人物是否出现以及哪些内容必须是真实的。

使用帧套件绘制第一、二个场景的开始和结束帧，并构建一个选项页面：

python3 <skill>/scripts/render_frames.py storyboard/frames.html --ids 01a,01b,02a --out storyboard/options-direction-v0.1
python3 <skill>/scripts/build_storyboard.py storyboard/options-direction-v0.1.json storyboard/options-direction-v0.1.html

从 assets/options-direction-starter.json 开始创建 JSON。说明每个方向背后的风格，以及在研究了参考时说明参考技术，然后用一两句话推荐一个。

5. 视觉决策

一次确定一个视觉决策，每个决策都有 2-3 个基于相同帧的选项：在产品发布、演示和真人故事广告影片中，如何展示产品（录制的屏幕、重建的真实界面、或带有少量界面的人物和插画；类型文件说明了每种方式的成本），然后是色彩处理，然后是标志性场景的布局，然后是文字的位置。使用变体开关进行色彩处理（使用 --variant <name> 渲染，从 assets/options-color-starter.json 开始）。解读答案时：

• 当答案模棱两可时（例如“1 看起来更好看”），说明你认为他们指的是哪个选项。
• “我喜欢 1 和 3，但感觉太 X 了”：保留两者，在两个上都修复 X，然后再次展示它们。
• 修复用户指出的问题；他们称之为“有趣”的想法是加分项，而不是主要要求。
• 如果他们不喜欢所有选项，在制作新选项之前，说出所有选项的共同点。

更多信息：references/options-rounds.md。

6. 故事板

设计每个场景：一个开始帧和一个结束帧，以及每当变化无法仅从两端描绘出来时，加一个中间帧。使用帧套件（references/frame-k

… （用于翻译的部分已截断）