reels – 长视频转竖屏Reels

Reels（竖屏短视频）

从长视频中提取竖屏片段（或独立拍摄的Reels）。

配置：在此设定你的品牌参数

首次运行前一次性编辑以下内容。后续所有操作均引用这些名称。

设置	位置	默认值
强调色	scripts/motion.html、scripts/thisorthat.html、scripts/hook.html 顶部的 --brand	#3b82f6
显示字体（钩子卡片、标题、关键词）	同一文件中的 --display-font	Anton（免费，Google Fonts）
字幕字体	scripts/caption.html	Montserrat ExtraBold 800（免费）
相机LUT	reel-params.json 中的 "lut"，以及 preview_reel.py 的 LUT 环境变量	<你的LUT路径>.cube
新素材存放文件夹	步骤“新素材存放位置”	<你的素材盘>/<收件箱文件夹>/
B-roll素材库	动画风格，步骤6	<你的素材盘>/<拍摄>/<相机>/full/
Reels跟踪器	步骤0	项目中的 drafts/social/reel-tracker.md
Whisper模型	WHISPER_MODEL 环境变量	~/.cache/whisper-models/ggml-small.en.bin
评论关键词行动号召	cta 计划项	你自己的关键词（例如 GUIDE）
背景音乐参考	音乐步骤	你喜欢的参考曲目（例如用于 SearchRecordings 的Spotify曲目ID）

字体：将 Montserrat 和你选定的显示字体安装到 ~/Library/Fonts（或者保留每个HTML文件中的Google Fonts @import，在线渲染）。如果显示字体需要授权，请勿将其包含在仓库中。

工具：whisper-cli（whisper.cpp）、ffmpeg、Node + puppeteer-core、Google Chrome、DaVinci Resolve Studio（已启用脚本支持，并带有可执行 execute_resolve_code 的Resolve MCP）、macOS（用于 cutout.swift）。

步骤0：先读取数据看板

在选择或剪辑任何内容之前，先读取Reels跟踪器。

1. 填写统计信息：对于已发布超过7天且仍为空白的行，从你的分析工具（例如Metricool的 getAnalyticsDataByMetrics，针对Instagram Reels）拉取数据。包括：观看次数、平均观看时长、3秒停留率（如可用）、分享数、保存数、评论数、关注数。
2. 按可控因素比较： 格式、钩子样式（卡片/构建/标题）、长度、行动号召类型、缩放动效、主题。仅当每侧至少有3条Reels时才称为一种模式，并说明差距大小。
3. 在跟踪器中写下结论，标注日期，写在“数据目前说明了什么”下方。
4. 将结论应用于当前批次并告知用户（在展示给用户的Reels列表中说明：“构建钩子的3秒停留率比卡片钩子高1.4倍，因此我在8条里用了6条构建钩子”）。如果某个优胜模式与已定样式冲突，请先询问再更改。
5. 排期后，为每条Reels添加一行，记录其剪辑方式。

最重要的规则：钩子优先

前3秒决定分发效果，多达一半的观众在前3秒内离开，钩子必须瞬间吸引人，而不是慢慢铺陈。以“第二条建议是...”开头的Reels注定失败。

因此不要剪辑按时间顺序的摘录。将每条Reels构建为：

1. 钩子（2-4秒）： 取自视频任何位置（包括结尾）最有力、最独立的句子。
2. 展开： 背景与解释，按阅读最流畅的顺序排列。
3. 收尾： 如果有，一个简短的结束句。

按时间顺序的片段会产生弱的钩子。重新排列相同的素材（无需重拍）即可解决。重新排列就是全部工作。

好的钩子模式示例：“我们再也不跳过腿部训练了”、“跳过的计划不是计划”、“每天10分钟等于一年60小时”。简短、陈述句、无需铺垫。

新素材存放位置

新的Reels批次出现在 <你的素材盘>/<收件箱文件夹>/，通常是 untitled folder。先查看那里。确认内容后，将文件夹重命名为“日期-名称”格式：9-28-2026 gear reels。在重命名前进行转写，然后修复 clips.ndjson 中的路径。

独立Reels：动画风格

对于作为Reels拍摄的片段（无长视频、无纸质编辑），动画风格更具吸引力：画面中的产品、照片卡、按钮上的箭头或圆环、顶部打字机笔记、头部上方弹出的微小图片、带有小副标题的大胆钩子。先制作一条并获得批准，然后再批量处理。

1. 无需纸质编辑。 将 segments-v2.json 写为 []，并为每个部分设置 "raw": true, "exact": true。
2. 不要完全信任整段素材的Whisper转写结果。 行与行之间重置时间较长的拍摄段，时间偏移可能达到2-5秒（Whisper可能将一句短语放在5.4秒的静音中）。运行 GAP=0.18 SUF=.fine blobs.py <workdir> <clip>，并在blob边界处剪切。对于最后一个单词，检查50ms RMS图：单词中间的骤降可能是摩擦音（如“free”中的“f”），因此重新检查字幕尾部。在单词尾部低于-50 dB时结束最后一部分。Whisper还可能在最后一张卡片的边界后凭空生成单词，因此请对照音频检查SRT的最后一条提示。
3. 缩放节奏： 在原生竖屏素材上，将各部分交替设置为广角（缩放1.25，纵倾0）和聚焦（缩放1.6，纵倾-90）。对于说话者倾斜的镜头（例如钩子：纵倾180），平移该部分。
4. V2层的动画： motion.json（元素列表，与 reels-built.json 中的单词时间对齐）→ render_motion.mjs（逐帧渲染，30秒约50秒）。元素类型在 motion.html 中有文档说明：单词构建、猛击、打字机注释、摇晃、产品抠图（弹出/飞入/缩小）、按钮上的脉动圆环、删除线，以及B-roll卡片（播放真实素材，通过ffmpeg的 lut3d 应用LUT进行调色）。每行一个视觉元素，全部位于头部上方区域（y 200-550；在y 100时顶部单词会被裁切）。为留出此空间，将每个部分的纵倾降低100（广角1.25 / 纵倾-100，聚焦1.6 / 纵倾-190）。关键词使用 blue 类（使用 --brand），会在填充色后方绘制粗白边框，使强调色不会在浅色墙壁上消失。使用 resolve_captions.py 放置，"track": 2。
5. 产品图片： 优先使用Wikimedia Commons API，其次是品牌OG图片。使用 scripts/cutout 进行抠图，裁剪掉桌面反光。保存在 <workdir>/gear/ 中。
6. 你的B-roll素材： <你的素材盘>/<拍摄>/<相机>/full/。如果素材是log格式，使用全分辨率文件加上LUT；烘焙代理文件看起来可能很粗糙。
7. A2轨的音效： build_sfx.py motion.json out.wav。它会使用 video-reels/sfx/<name>.wav（如果存在：pop、whoosh、slam、tick、click、type、swipe、wobble、shrink），否则使用合成的替代音效，因此无需文件即可开箱即用。ding 始终为 scripts/ding.wav（附送合成叮咚声；可用你自己的声音替换）。合成的 pop 是相机快门声（音调扫描式pop往往听起来“像外星人”），MASTER = -3 dB确保每个音效略低于人声。若需更好音效，创建 sfx/ 目录并放入你已授权的音效，然后在 LIBGAIN 中调整每个文件的增益。使用Epidemic Sound连接器：通过 SearchSoundEffects 搜索，通过 DownloadSoundEffect（WAV）下载，然后curl获取 assetUrl。 7b. A3轨的柔和背景音乐： 选择一个氛围并保持一致（例如梦幻爵士/萨克斯，无演唱）。使用Epidemic Sound：SearchRecordings 时使用 query.externalID = {type: SPOTIFY_TRACK, id: <参考Spotify曲目ID>} 且 vocals: false，跳过任何标记为奇怪/恐怖/无人机/管弦乐的曲目，并为每条Reels选择不同的曲目。然后使用 EditRecording，设置 targetDurationMs = Reels长度 + 约0.3秒 并启用 forceDuration，使曲目自然结束而不是被截断。使用ffmpeg将 -21 dB的音量和1.2秒淡化混入WAV，因为Resolve API无法设置剪辑音量（SetProperty("Volume") 返回 False）。这样背景音乐大约比人声低15 dB。
8. Resolve审查前的预览： preview_reel.py（相同的裁剪、LUT、叠加、音效、音乐）可快速生成一个mp4。将每个片段修剪至Resolve的精确帧数（先 fps，然后 trim=end_frame，最后 atrim=duration）；单纯的 -ss/-t 输入会运行约0.45秒，导致预览丢失最后一行字幕。使用1.3秒接触页进行验证，并Whisper最后1.5秒以确认结束部分完整。
9. 保持结束行如果说话者在行动号召后添加了结束语：在结束语后的静默处剪切，而不是在行动号召词后。build_reels.py 会在音频后填充1秒静音，否则Whisper会丢弃字幕的最后几个单词。重新渲染会使用新文件名（-v3），这样Resolve无法提供缓存的旧剪辑。

批量处理独立Reels

首先让一条Reels的样式获得批准，然后并行运行其余部分：

1. 每条Reels一个文件夹（~/Movies/reels-<MMDD>/<NN>-<slug>/），包含符号链接 <clip>.wav/.json、clips.ndjson、segments-v2.json=[]。分隔文件夹可防止Reels互相覆盖彼此的 reels-built.json。
2. 编写简短说明，指向已批准Reels的文件（motion.json、构图、音效），并为每条Reels启动一个后台代理，一次最多4个（过多会在解码4K时导致笔记本卡顿）。向每个代理提供该片段转写结果、产品的确切型号名称，以及需要剪掉的任何行（错误事实、重新开始、闲聊）。
3. 代理在无音乐预览处停止。集中处理音乐（每条Reels编辑一次，选择不同曲目），将电平调整至约平均-38 dB并添加淡化，渲染最终预览，然后一次一条放入Resolve。
4. 在构建前亲自验证每个代理的接触页。将最终预览收集到一个 previews/ 文件夹供审查。
5. 构图因设置而异。示例：某个设置的广角缩放1.2 / 纵倾-190，聚焦1.5 / 纵倾-380；较宽松的设置使用1.25/-100，1.6/-190。检查每个片段的静态帧。
6. 将每个代理的“待检查”项（误听、它剪掉的事实、屏幕上声明的信息）收集到你的摘要中。Whisper经常误听快速讲话（例如将“free”听成“for you”）。

从视频中挖掘每条Reels

挖掘整个视频，绝不重复内容。

1. 首先盘点。 浏览整个转写文本，列出每个可以独立成段的想法单元：每条技巧、故事、数据、脚本、自白、反直觉观点、客户成功案例。预期每1.2-1.5分钟成片生成一条Reels。
2. 寻找以下钩子类型：
   • 数字：“300个面包”、“我购物账单的40%”、“从5K到50K粉丝”
   • 自白：“我曾经只是坐着等他们联系我”
   • 反直觉观点：“不要随便送出去......那是糟糕的赠送”
   • 内行话：“没人做的秘诀”
   • 客户成功案例：具名结果（经许可）
   • 朗读脚本：私信内容、推荐请求
   • “从未”：“我从未当面被人拒绝过”
3. 钩子必须点明主题。 “没人做的秘诀”单独出现会失败，因为观众无法判断在说什么。选择在第一秒就说明Reels主题的句子。
4. 一句话不能出现在两条Reels中。 两条Reels可以共享一个主题，只要钩子和角度不同。
5. 按层级呈现： A名单用于构建，B名单作为备用，剩余部分注明原因（“Reel 4的后半部分”、“无钩子”、“在镜头前啰嗦”）。用户选择。
6. 内容开始重复时就停止。 超过该点，每条Reels都会稀释其他Reels的效果。

每条Reels遵循的结构

“钩子需要钩住人，然后Reels的其余部分解释钩子，解释价值，也就是核心内容。”

1. 钩子： 停止滚动并点明主题。
2. 解释钩子： 下一行回答钩子提出的问题。如果钩子是“我没去健身房减了20磅”，接下来要说明如何做到的。
3. 核心内容： 实际价值、操作指南、脚本、证据。这是Reels的大部分内容。
4. 在收尾句上停止。

一个好的钩子后面跟着无法兑现的行，比平淡的钩子更糟糕，因为观众会感觉被引诱。根据两个部分评判每条Reels：钩子能否吸引我，以及之后的内容是否合理并兑现承诺？

流程检查：在构建前像陌生人一样阅读

将每条Reels按顺序写成纯句子，然后像一个从未看过长视频的人一样阅读。 只有这样才能查看时间。以下是手动修剪常遵循的规则：

1. 在收尾处结束，一次就好。 最有力的那一句时停下。不要在它后面添加口号或再次强调观点。
2. 没有任何内容可以指向Reels未设置过的信息。 “我就直接问他们，他们几乎都会分享”但Reels中没有“问了他们什么”，必须剪掉。检查每个“她”、“他们”、“这个”、“那个”和“所以”是否与Reels中前面出现的内容呼应。
3. 故事按故事顺序展开。 一个成功案例作为口语钩子，后面才提到人名，会让听众困惑。先提人名，再说成功。文字卡片负责钩住观众。
4. 每条Reels只包含一个想法。 两个想法加上重复说明应浓缩为一个想法加一个证据。
5. 剪掉关于说话者的离题话和段落内的口齿不清。 将段落从中分开。
6. 口语钩子必须用文字点明主题。 “这也是接触新社区的绝佳方式”中的“这”未定义。“随着你周日继续准备餐食……”才说明Reels的主题。
7. 目标时长20-35秒。 超过40秒需要有充分理由。

制作精良：无“嗯”、无空白、无重复。 在构建前：

• 领夹/室内音频：运行 segments.py（来自 paper-edit），设置 NOISE_DB=-30。 ffmpeg的silencedetect基于峰值，领夹麦克风的室内噪音峰值高于-36默认值，因此在-36下0.5-0.8秒的真正停顿无法被检测到。
• Whisper会完全忽略“嗯”，即使有填充提示。检查每个部分的第一个有声片段：第一个实词前的一个短（0.2-0.7秒）孤立片段就是“嗯”或假开头。剪切至下一个停顿。
• 段落内的重复会在字幕阅读中显现为重复单词（“从那个从那个”、“不是的不是的”）。在第一次尝试处将段落分开。

尾部口头禅（“对吧？”、“好吗？”）。 两个陷阱：如果段落结尾在句子的实际结束时间点，就会保留口头禅；如果段落开头向后对齐0.6秒，就会带入前一句的口头禅。Whisper对这些词的时间估计可能偏差高达0.8秒，因此通过2秒窗口上的 silencedetect=noise=-40dB:d=0.06 找到真实间隙，在间隙中设置边界，并标记为 "exact":"end" 或 "exact":"start"。然后重新阅读字幕：口头禅应消失。

构建

1. 获取转写

whisper-cli --no-prints --progress false --language en --model whisper-small.en \
  --file <视频文件> --output-srt --output-file <转写文件>.srt

2. 在 clips.ndjson 中列出要使用的剪辑

格式每行一个剪辑：

{"file": "<视频文件>", "start": <起始时间秒数>, "end": <结束时间秒数>}

3. 运行 build_reels.py

该脚本将剪辑拆分为段落，构建垂直时间序列，并为每条Reels生成 reels-built.json。

4. 在Resolve中放置

resolve_captions.py 将字幕和钩子放置到时间线上。

5. 预览和渲染

preview_reel.py 生成预览，render_reel.py 渲染最终版本。

故障排除

• 时间线未对齐： 检查 clips.ndjson 中的时间戳。
• 字幕丢失： 确保whisper模型已正确安装。
• Resolve错误： 确保Resolve MCP正在运行且 execute_resolve_code 可用。