remotion-video 是做什么的?
你接收用户的想法,并返回一个 MP4 文件。本文件旁边的工具套件负责繁重的工作:kit/new-video.sh 创建项目,narrate.py 将脚本转换为音频和时间轴,Remotion 项目负责渲染。
如果此文件旁边没有 kit 文件夹,则表示技能被复制时未包含该工具套件。请克隆 https://github.com/anujkapoor-arch/video-skills 并使用其中的 kit 文件夹。
开始之前
请检查以下条件,若缺少任何一项则停止并给出清晰提示:
node --version、python3 --version、ffmpeg -version。该工具套件已在 Node 24、Python 3 和 ffmpeg 8 上测试通过。- 环境变量
ELEVENLABS_API_KEY,或者用户准备将其放入项目的.env文件中。没有静默模式或免费模式。切勿打印密钥或将其提交到代码库。 - Remotion 许可证。对于个人及员工不超过 3 人的公司免费。较大公司需要付费的公司许可证 (remotion.dev/docs/license)。向用户说明一次。如果 Remotion 不符合要求,请使用
revideo-video技能,它采用 MIT 许可证。
步骤
1. 将创意整理成脚本
仅询问你无法推断的信息:主题、目标受众、频道名称。然后自行编写脚本。
- 4 到 7 个场景,总时长 20 到 45 秒。人们大约每秒说 2.5 个单词。
- 以
hook开头,以cta结尾。中间使用points、stat和bars类型。 - 每个
say是一到两个短句,适合口语表达。数字用文字拼写。 - 屏幕上的每个数字都需要用户提供或你能指明的来源。如果没有,请询问。切勿编造统计数据。
- 为每个项目选择一个提示词 (
at),使视觉效果与口语单词同步。
完整字段列表请参见 kit/common/SCRIPT.md。编写脚本前请先阅读。
2. 创建项目
<此技能文件夹>/kit/new-video.sh remotion <新文件夹>
cd <新文件夹>
npm install
npm install 大约需要 20 秒。首次渲染时还会下载 Chrome Headless Shell(约 470 MB)到 node_modules。
3. 编写 script.json,检查,然后支付语音费用
将示例 script.json 替换为用户脚本,然后:
python3 narrate.py --check # 验证并打印字符数,不调用 API
向用户展示台词和字符数,并在执行下一条命令前获取确认。ElevenLabs 按字符收费。
python3 narrate.py # 写入 public/narration.wav 和 src/spec.json
它会打印每个场景的起始时间和长度。台词缓存在 .tts-cache/ 中,因此编辑后重新运行仅对修改的台词收费。
4. 全量渲染前检查静态帧
渲染一帧大约需要 4 秒;全量渲染时间约等于视频时长。
npx remotion still src/index.ts Video out/check.png --frame=150
帧数 = 秒数 x 30。在每个场景中,在其最后一个提示词后约一秒处渲染一帧静态图,并逐一检查。确保文字适合卡片,没有任何内容遮挡字幕或吉祥物,并且重要内容不在 y=1620 以下(Shorts / Reels 的 UI 会覆盖该区域)。
5. 渲染
npm run render # -> out/video.mp4
npm run studio # 可选:带时间轴和热重载的预览
6. 报告
对文件运行 ffprobe,告知用户视频时长、文件大小及存储位置。说明你已检查的内容(静态帧)和未检查的内容(无法听到音频或观看动态)。请用户带上声音观看一次。
修改内容
| 要修改的内容 | 编辑位置 |
|---|---|
| 颜色、频道名称、页脚、字幕开关、吉祥物开关 | script.json,然后 python3 narrate.py(免费,音频已缓存) |
| 语音 | script.json 中的 voice.id 或 ELEVENLABS_VOICE_ID。更换语音会重新对每一行收费。 |
| 字体 | 将 .ttf 文件放入 public/fonts,在 src/fonts.ts 中列出,在 src/util.ts 中更改 FONT |
| 场景类型的布局 | 其在 src/scenes.tsx 中的组件 |
| 页眉、卡片、字幕、气泡、五彩纸屑 | src/Video.tsx |
| 吉祥物 | src/Mascot.tsx |
添加场景类型
- 在
src/scenes.tsx中编写一个组件,接受{s: Scene}并将其内容包裹在<Layer s={s}>中。 - 将其添加到该文件底部的
KINDS数组和src/util.ts中的kind联合类型。 - 在
narrate.py的KINDS中添加该类型及其所需字段。
更换吉祥物
将角色的 SVG 以 JSX 形式移植到 src/Mascot.tsx。不要加载 .svg 文件。保持每帧驱动的五个部分:根据 open 的嘴部高度、根据 blink 的眼睛 scaleY、瞳孔偏移、眉毛偏移以及一个可以旋转的头部组。如果后续 SVG 发生更改,则需要重新移植。
确保 Remotion 渲染正确的规则
- 屏幕上的所有内容都是当前帧的函数。不使用
useState、CSS 过渡、setTimeout、Math.random()。Remotion 会并行且无序地渲染帧,因此任何带有记忆状态的代码都会出错。请使用remotion中的random(seed)。 - 所有时间来自
spec.json。切勿硬编码秒数。读取s.start、item.t或单词的t,这样更换旁白后无需更改代码即可重新调整视频时间。 - 字体在
src/fonts.ts中通过delayRender加载。否则可能在字体准备就绪前捕获帧。 - 浏览器在渲染时加载的文件(音频、字体、图片)存放在
public/中,并通过staticFile()引用。 - HTML 会换行长文本,但不会缩放文本。初始项目根据字符数选择字体大小。如果你添加文本,请执行相同操作,否则文本将溢出卡片。
- 弹簧动画使用
spring({frame: frame - at * fps, fps, config})。util.ts中的pop()辅助函数对其进行了封装。 - 唇形同步来自单词时间轴(
util.ts中的mouthOpen),无需音频分析。 - 视频长度向上取整到整帧,因此 MP4 可能比
spec.total长最多 1/30 秒。
来自测试机器(Apple M2,8 GB RAM)的数据
- 25 秒视频:渲染耗时 26.5 秒,文件大小 4.9 MB。
node_modules:安装后约 240 MB,首次渲染后约 950 MB(包括 Chrome Headless Shell 和 webpack 缓存)。