/hyperframes-best-practices
在将原始录屏、人物出镜录制或 OBS 导出内容制作成精致的 HyperFrames 宣传视频时,应使用本技能。它包含 两层 知识:
- HyperFrames 基础 — HeyGen 在
github.com/heygen-com/hyperframes维护的上游规则文件(合成编写、GSAP 时间线、data-*属性、开发循环 CLI)。通过npx vskill i heygen-com/hyperframes安装。 - 制作技巧 — 来自为 SpecWeave 产品构建真实宣传视频的长期迭代周期中积累的经验,该视频基于一段 8 分 47 秒的单独 OBS 录制。遵循这些规则,你能产出可发布的视频;打破它们,则会遇到蜂鸣声、词中被切断、空白接管场景以及遮挡说话人头像的覆盖层。
在编写合成画面之前,请先阅读这两层内容。
范围与适用性
以下第 2 层制作技巧源自一个特定项目:将一段 8 分 47 秒的 SpecWeave 介绍录制(Anton Abyzov,OBS 捕获,人物出镜 + 屏幕共享,2026 年 5 月)转化为一部 6 分钟的可发布宣传视频。 它们体现了 该 产品的视觉风格与特点——Studio 的彩色卡片审美、SpecWeave 的紫/绿色调、iOS 卡片覆盖层样式,以及 OBS 录制的技术现实(开始/停止提示音、录制恢复时的瞬态失真、同一句台词重录三次产生的重复片段)。
确切的常量是项目特定的——针对特定头像位置的覆盖层位置、
Boris Cherny / Anthropic更正文本、600+/500+/3K+统计数据——请进行翻译,不要复制。将此层作为背后技术的参考: 基于转写的智能剪辑算法、用于抑制瞬态失真的逐片段淡入、避免拼接混流器带来的点击声的
concat滤镜渲染管线、手术式静音消噪器、iOS 卡片覆盖层模式、源时间到剪辑时间的映射、Studio 波形缓存失效问题——这些都具有通用性。
何时使用
当以下 任一 条件满足时触发此技能:
- 用户有原始录屏或 OBS 录制,希望得到一个更紧凑、带字幕、有品牌标识的视频。
- 源素材中存在空白、静默暂停或重复的“让我再试一次”片段。
- 源素材在录制边界处有咔哒声、蜂鸣声或瞬态失真。
- 用户希望添加图形覆盖层(标注、统计卡片、品牌展示、工具图标),且 不遮挡说话人头像。
- 用户说过“使其达到可发布状态”或“准备发布”。
- 用户提到想要“Apple Keynote 风格”或“iOS 悬浮卡片”或“毛玻璃效果”。
如果存在以上任一信号,请遵循本工作流。如果用户只想在一个干净的素材上快速添加标题卡片,那么仅使用上游的 hyperframes 技能就足够了。
流水线(10 个阶段)
┌──────────────────────────────────────────────────────────────────┐
│ 阶段 0 工具清单 │
│ 阶段 1 探查源文件(时长、编码格式、音频采样率) │
│ 阶段 2 使用 Whisper 转写(字级时间戳) │
│ 阶段 3 检测静默 + 场景变化 │
│ 阶段 4 构建智能剪辑列表(带字边界缓冲) │
│ 阶段 5 消除瞬态刺音(手术式静音 + adeclick) │
│ 阶段 6 通过 concat 滤镜渲染主文件(单次处理) │
│ 阶段 7 生成 Hero 图像(Gemini 3 Pro Image) │
│ 阶段 8 编写 HyperFrames 合成画面(iOS 卡片) │
│ 阶段 9 在 Studio 中 Lint + 验证 │
└──────────────────────────────────────────────────────────────────┘
按顺序执行各阶段。在一个阶段内部迭代,不要跨阶段迭代——一个糟糕的剪辑列表会破坏下游所有覆盖层的时间线,而你将花费一小时重新调整锚点。先确保剪辑列表正确,然后渲染一次,最后在最终时间线基础上构建覆盖层。
阶段 0 — 工具清单
开始前,请确认以下工具可用。本技能假设使用 macOS / Linux;在 Windows 上请使用 WSL。
| 工具 | 用途 | 安装方式 |
|---|---|---|
ffmpeg (>= 6.0) | 所有视频/音频处理 | brew install ffmpeg |
ffprobe | 流信息检测 | 随 ffmpeg 捆绑 |
whisper (OpenAI Python 包) | 带字时间戳的转写 | pip install openai-whisper |
python3 | 剪辑列表 / 刺音消除脚本 | 系统自带 |
npx hyperframes@latest | 合成 CLI(预览、渲染、lint) | npx hyperframes init <project> |
| Gemini 3 Pro Image API | Hero 图像(可选) | GEMINI_API_KEY 环境变量 |
vskill (>= 1.0) | 技能安装 | npm i -g vskill |
如果未安装 Whisper,运行 pip install openai-whisper。不要在 CPU 上使用 large-v3 或 large-v3-turbo 模型——对于 8 分钟音频,它们需要 10–15 分钟。 使用 base.en 处理英文技术独白:约 30 秒,精度足以满足字边界检测。
如果用户的机器上已安装 auto-editor,请忽略它——它虽然能做静默裁剪,但 不能 消除刺音或进行字边界缓冲,并且会生成零碎的 50+ 片段剪辑。我们手动处理效果更好。
阶段 1 — 探查源文件
在开始其他操作之前,先了解文件的格式:
ffprobe -v error -show_entries stream=index,codec_type,codec_name,width,height,r_frame_rate,duration,sample_rate,channels \
-show_entries format=duration,size,bit_rate -of json "$SRC" | tee source_meta.json
你必须了解以下信息:
- 总时长 — 驱动所有剪辑计算。
- 帧率 — OBS 通常以 60 fps 录制;HyperFrames Studio 在内部浏览时以 30 fps 播放。将秒数 × 30 转换为 Studio 帧号,而不是秒数 × 源帧率。这一点很容易出错。
- 音频编码格式和采样率 — OBS 通常以 48 kHz 的
pcm_s24le录制。为交付而重新编码为 AAC 192k;保持 48 kHz 以兼容所有下游工具。 - 封装格式 — 来自 DaVinci 的
.mov,来自 OBS 的.mkv— 均可,ffmpeg 都能读取。
将探查结果保存到磁盘,以便后续阶段无需重新探查即可重新读取。
阶段 2 — 使用 Whisper 转写
字级时间戳是基础。没有它们,你无法:
- 将剪辑边界对齐到字边缘(避免词中被切断)。
- 检测重复片段(同一句话说了 2-3 次)。
- 将覆盖层锚点对准说话时刻,而不是会漂移的剪辑时间。
先提取音频,这样 Whisper 就能处理干净的 16 kHz 单声道 WAV(相比全质量音频节省 80% 的 CPU 资源):
mkdir -p .work
ffmpeg -hide_banner -y -i "$SRC" -vn -ac 1 -ar 16000 -c:a pcm_s16le .work/source.wav
运行 Whisper,生成字时间戳和 JSON 输出:
whisper .work/source.wav \
--model base.en \
--language en \
--word_timestamps True \
--output_dir .work \
--output_format json \
--verbose False
⚠️ Whisper CLI 注意事项:在旧版本中,同时传递 --output_format json --output_format srt 会 仅保留 最后一个标志。如果需要多个格式,请使用 --output_format all(会写入 JSON + SRT + VTT + TSV + TXT)。
验证输出:.work/source.json 应包含带有 start、end、word 的 segments[].words[]。如果 words 为空,说明你忘了加 --word_timestamps True。
在此阶段阅读完整转写文本。 不要跳过。你会发现以下问题:
- 品牌名称被误听。 Whisper 十次有九次会把 "Claude Code at Anthropic" 听成 "Cloud Code at Infropic"。"SpecWeave" 会被听成 "spec with" 或 "specs"。这些需要的是覆盖层更正,而不是重新录制。
- 重复片段。 寻找逐字重复的句子。在我们的项目中,"And those systems cannot produce skills as you work" 在 01:14、01:30、01:47 出现了三次。去掉其中两个。
- 填充性重起。 像 "And…"、"And…" 这样的单字片段出现在实际句子之前。剪辑脚本会将其识别为“幽灵”片段——我们在阶段 4 中将其丢弃。
阶段 3 — 检测静默和场景变化
两种并行的检测为剪辑算法提供数据:
3a. 静默检测
ffmpeg -hide_banner -nostats -i "$SRC" -af "silencedetect=noise=-30dB:duration=1.2" -f null - 2>&1 \
| grep -E "silence_(start|end)"
-30 dB 和 1.2s 是最佳参数。更宽松的设置(-25 dB,0.8s)会捕捉到你不想裁剪的呼吸间隙。更严格的设置(-35 dB,2s)会遗漏真正的空白。
将 start/end 对解析为 [(s, e, dur), ...] 并写入 silences.json。参见 scripts/build_cuts.py。
3b. 场景变化检测
ffmpeg -hide_banner -nostats -i "$SRC" -filter:v "select='gt(scene,0.05)',showinfo" -f null - 2>&1 \
| grep "showinfo" | grep -oE "pts_time:[0-9.]+" | sed 's/pts_time://' > scenes.txt
scene>0.05 的灵敏度足以捕捉到说话者打开新浏览器标签页、切换应用或大幅滚动的动作。不要低于 0.03——否则你会因为光标闪烁而得到误报。
这两者结合起来,让你做出 智能剪辑决策:静默 + 无场景变化 = 纯粹死寂,裁剪掉。静默 + 有场景变化 = 说话者正在屏幕上展示内容,保留它(观众应该看屏幕,而不是听画外音)。
阶段 4 — 构建智能剪辑列表
该剪辑算法有 5 条硬性规则,是通过痛苦的方式学到的:
规则 1 — 纯粹死寂应被裁剪,但不要全部裁掉
对于每个大于 MIN_CUT_LEN (1.5秒)、且内部没有场景变化的静默片段:裁剪掉除 BREATH(0.30秒)之外的所有内容。这口气保留了自然节奏——完全去除所有静默会让语音听起来像是机器剪辑出来的。
if not in_scenes and (cut_end - cut_start) > MIN_CUT_LEN:
cuts.append((cut_start + 0.30, cut_end, f"dead air {dur:.1f}s"))
规则 2 — 带有屏幕活动的静默保留(上限为 3.5 秒)
如果静默中有场景变化,说明说话者正在让观众阅读。保留从 first_scene - 0.4s 到 last_scene + 0.8s 的窗口,但最长不超过 3.5 秒——盯着同一帧超过 3.5 秒会让观众失去兴趣。
规则 3 — 对齐到字边界
在计算出粗略的保留范围后,在 0.4 秒的容差内,将每个边界对齐到来自 Whisper 的最近字边缘:
def snap(t, words):
best, bd = t, 0.4
for s, e, _ in words:
for cand in (s, e):
if abs(cand - t) < bd:
best, bd = cand, abs(cand - t)
return best
这能防止剪辑在词中被切断。没有它,几乎每两次剪辑就会有一次切断末尾的 's' 或呼吸辅音。
规则 4 — 添加字边界缓冲(这是用户会注意到的关键)
即使进行了字边缘对齐,末尾辅音的持续时间会略微超出 Whisper 报告的字结束时间戳。Whisper 计时的是 元音起始到元音结束,而不是辅音的尾部。因此,在 word.end 处直接剪辑会切掉尾部的 's'、呼吸或 'k'。
解决方案:延长每个保留范围:
- 结束: 在最后一个词结束的基础上
+ 0.30s,上限为到下一个保留范围间隙的一半。 - 开始: 在第一个词开始的基础上
- 0.10s,上限为到上一个保留范围间隙的一半。
END_BUF, START_BUF = 0.30, 0.10
for i, (s, e) in enumerate(keep):
gap_next = keep[i+1][0] - e if i+1 < len(keep) else TOTAL - e
gap_prev = s - keep[i-1][1] if i > 0 else s
add_end = min(END_BUF, max(0, gap_next * 0.5))
add_start = min(START_BUF, max(0, gap_prev * 0.5))
if gap_next < 0.6: add_end = max(add_end, gap_next - 0.05) # 吞噬微小间隙
if gap_prev < 0.6: add_start = max(add_start, gap_prev - 0.05)
final.append([s - add_start, e + add_end])
结果是:剪辑 "find the tickets" 会从源文件的 08:09.26 扩展至 08:09.56——尾部的 's' 得以保留。没有这个,用户会告诉你音频“听起来很赶”或“吞尾音”。
规则 5 — 手动去除重复片段
通过程序去重相同的 n-gram 是脆弱且危险的(可能会丢弃合法的重复内容)。相反:阅读转写文本,亲自找到逐字重复的内容,并在源时间中添加显式的丢弃范围:
DUP_RANGES = [
(78.86, 113.82), # 01:18.86 - 01:53.82: "skills as you work" 的三次重复中的两次
]
for ds, de in DUP_RANGES:
# 裁剪与此范围重叠的每个保留片段
...
这会使剪辑节省量从 35% 降到 32%(重复片段是静默间隙和语音的组合),但结果读起来很干净。
输出
脚本会写入:
cuts.json— 保留范围 + 裁剪范围 + 摘要统计 + 源时间映射(阶段 8 用于覆盖层锚点)。edl.txt— 人类可读的 EDL,包含每个保留片段的转写片段(在渲染前请目视检查此文件)。
完整实现参见 scripts/build_cuts.py。
阶段 5 — 消除瞬态刺音
OBS 录制中常包含短时的瞬态失真——启动提示音、按键切换咔哒声、撞到热输入的麦克风爆破音。这些失真会伴随静默裁剪决策一起保留,因为它们声音很大(静默检测会忽略它们),并且周围环境安静。最终视频中在 4:11 或 0:52 或其他位置,它们听起来像“咔嗒声”。
不要试图用全局噪声门或降噪器来解决这个问题。 这会使辅音变得模糊,让语音听起来像在水下一样。相反:检测瞬态失真,并在每个 60–100 毫秒的窗口内进行手术式静音。
检测算法(不会静音语音的算法)
如果满足以下条件,瞬态失真就是“哔哔声”:
RMS(window 5ms) > BEEP_RMS_MIN (例如 > 800)
RMS(preceding 150ms) < PRE_QUIET (例如 < 200)
RMS(following 200ms) < POST_QUIET (例如 < 350)
第三个条件至关重要。没有它,你会捕捉到语音中辅音的开头('p', 't', 'k'),因为它们在最初的 5 毫秒内看起来完全相同——但语音之后会跟着持续的元音,而哔哔声则会恢复到静默。通过 post_avg < 350 进行过滤,你只会静音掉孤立的瞬态失真。
同时,将静音跨度上限控制在 0.30 秒——一次误分类永远不会抹掉一个词。
应用手术式静音
使用目标范围构建一个 ffmpeg volume 滤波器表达式:
volume=enable='between(t,52.110,52.180)+between(t,169.850,169.920)+between(t,251.245,251.320)':volume=0
通过一个小脚本从 beeps.json 自动生成。参见 scripts/scrub_beeps.py。
adeclick 回退
对于更复杂的点击声(不是纯粹的孤立瞬态,而是短的 10–30ms 波形中断),volume 静音会产生可听见的缺口。相反,使用 adeclick:
ffmpeg -hide_banner -y -i master.mp4 -af "adeclick=window=10:overlap=5:tolerance=120" -c:v copy -c:a aac -b:a 192k master_adeclicked.mp4
始终在 volume 静音后应用 adeclick。先消灭大的孤立瞬态,然后让 adeclick 处理剩余的几个微点击。tolerance=120 是保守设置——它很少会触摸语音。
阶段 6 — 通过 concat 滤镜渲染主文件(无点击)
现在你有了 cuts.json(保留范围),需要渲染一个裁剪后的、过滤后的文件。
不要使用 concat demuxer (ffmpeg -f concat -i list.txt -c copy)。这会产生 2–5ms 的间隙,听起来像咔哒声。相反,使用 concat 滤镜——它将解压后的帧/样本连接起来,没有间隙:
ffmpeg -hide_banner -y -i "$SRC" \
-filter_complex "$(scripts/build_concat.py)" \
-c:v libx264 -preset medium -crf 18 \
-c:a aac -b:a 192k -ar 48000 \
master_unscrubbed.mp4
在 npx hyperframes init 后将 master_unscrubbed.mp4 放在你的 HyperFrames 项目根目录。它将成为阶段 8 的基础媒体文件。
关键:后期阶段(ADR 替换或语音增强)应在阶段 6 之前进行,而不是之后——在裁剪后分发像 voicefilter 这样的复杂滤波器可能会使同步偏移几个样本。
阶段 7 — 生成 Hero 图像(可选但强烈推荐)
HyperFrames 可以将静态图像用作“Hero”覆盖层——全屏图像,带有覆盖在其上的坚固文本。要获得 Apple Keynote 级别的图像(在撰写时,DALL-E 的输出较弱),使用 Gemini 3 Pro Image:
curl -s -X POST "https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-pro-exp-03-25:generateContent?key=$GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{"parts":[{"text": "specweave ai agent product video background, deep purple gradients, glass morphism elements, dark mode ui mockups, cinematic lighting, unreal engine 5 quality, no text on image"}]}]
}' \
| jq -r '.candidates[0].content.parts[0].inlineData.data' \
| base64 -d > hero.png
提示工程规则:
- “no text on image” 至关重要——Gemini 和 DALL-E 都会固执地在图像上放置“SPECWEAVE”,这些文字无法被从覆盖层移除。
- 指定情绪:“cinematic lighting, unreal engine 5 quality”会让它脱离“截图”的感觉。
- 提及 UI 元素(“dark mode ui mockups”),这样产品画面就能与人物画面相融合。
阶段 8 — 编写 HyperFrames 合成画面(iOS 卡片)
这是主要的编写工作。目标:创建一段视频,其中全屏录屏(或人物摄像头)播放,并且带有毛玻璃卡片浮动在顶部——在你的宣传视频中看到的那些“600+ skills / 500+ contributors / 3k+ GitHub stars”统计卡片、品牌图标和副文本。
8a. 项目初始化
cd ~/projects/hyperframes && npx hyperframes init specweave-cards
cd specweave-cards
将 master_unscrubbed.mp4 复制到项目目录。将 hero.png 复制到 assets/heros/。
8b. 组合结构(3 个时间线)
编写一个类似以下结构的 main.hyper.ts(示例片段):
// 时间线 0 - 全屏视频
scene(0)
.at({ x: 0, y: 0, w: '100%', h: '100%' })
.layer("video", "master_unscrubbed.mp4")
.start(0)
.duration({
fromSource: true // 使用视频的精确剪辑持续时间
})
// 时间线 1 - iOS 卡片在 >>k 毫秒处淡入
// 卡片始终是“浮动”元素——从不覆盖 face-cam 区域
scene(1)
.at({ x: 60, y: 80, w: 240, h: 160 })
.layer("html", `
<div class="glass-card">
<img src="assets/icons/claude.svg" class="brand-icon"/>
<div class="stat">600+</div>
<div class="label">Skills built</div>
</div>
`)
.start(463000) // 源时间 07:43 → 剪辑时间由映射给出
.animate("fadeIn", { duration: 500 })
.duration(6000)
.animate("fadeOut", { duration: 300 })
8c. 映射
关键:在 start() 中使用 剪辑 时间(即裁剪后视频的播放时间),而不是源时间。从 cuts.json 中读取 cut_to_source 映射:
def source_to_cut(src_ms: int) -> int:
# 从 cuts.json 中的保留范围进行二分搜索
for s, e in KEEP_RANGES:
if s <= src_ms <= e:
# 返回自剪辑开始以来的偏移量
return int(src_ms - sum(RETAINED_BEFORE(s)))
在构建合成画面时,始终打印 cut_to_source 和 source_to_cut。你会需要使用这两种方式。
8d. 卡片样式(毛玻璃)
在 styles.css 中:
.glass-card {
background: rgba(128, 90, 213, 0.25);
backdrop-filter: blur(16px);
-webkit-backdrop-filter: blur(16px);
border: 1px solid rgba(255,255,255,0.18);
border-radius: 20px;
padding: 18px 20px;
box-shadow: 0 8px 32px 0 rgba(0,0,0,0.37);
}
设置 border-radius: 20px; padding: 18px 20px; 以实现 iOS 外观。使用 来自产品品牌色的细边界(rgba(255,255,255,0.18) 在深色背景上效果很好)。
记住:所有卡片必须保持在 safe zone 内(左上角 70x70 + 顶部 70px 带区)。face-cam 位于右下角(在我们的项目中是 320x240 从右侧起始 40px,从底部起始 40px)。
阶段 9 — Lint + 验证
在 Studio 中打开合成画面前,先在 CLI 中运行 lint:
npx hyperframes lint main.hyper.ts
常见问题:
- 损坏的媒体路径 — 如果
master_unscrubbed.mp4不在项目根目录,lint 不会报错,但 Studio 中会显示黑屏。file:///路径必须解析为绝对路径。 - 重叠的 layer() 调用 — 你可能会意外地将两个视频区域重叠。lint 会警告
overlapping video region。 - 缺少 .start() — 每个图层必须有显式的
.start()。
然后 在 Studio 中打开。致 Anthony/Jonathan:在 Studio 中打开合成画面后,如果没有看到视频,请完全重启 Studio。它是一个 Electron 应用,有时无法正确重新加载媒体文件。
Studio 的 Lint 日志
在 Studio 中按 Ctrl+Shift+I 打开开发者工具 → Console 标签页。lint 警告会打印在 detected issues: 下。查找:
Media source not decoded— 通常意味着编解码器不受支持(尝试 H.264 而不是 ProRes)。Waveform cache out of sync— 如果你在 Studio 打开后重新渲染了master_unscrubbed.mp4,Studio 会使用旧的波形数据。通过rm -rf .hyperframes/cache清除缓存。Animation keyframe mismatch— 检查.animate()是否适用于图层类型(例如,你不能对所有内容都应用fadeIn;scaleIn需要不同的 CSS 过渡)。
发布的检查清单
在导出之前:
- 在播放修复后从头到尾观看一次(不仅仅是跳过头尾)。
- 检查是否在 0.5 倍速下出现咔哒声——在时间线中寻找
adeclick未捕获的瞬态失真。 - 验证所有覆盖层:品牌图标是否正确?文本是否与旁白同步?
- 移除叠加在 face-cam 上的卡片(我们犯过这个错误——在剪辑 03:22 处,一张“3K+”卡片覆盖了说话者的嘴,看起来像视频故障)。
- 检查 Hero 图像:它们是否在足够长的时间内显示以便阅读覆盖文本?
- 验证字幕(如果使用):它们是否与语音准确对齐?
常见问题 / 我知道你会问什么
“我的 HyperFrames 合成画面在本地看起来完美,但在推送到 Studio 后覆盖层消失了”
检查 assets/ 中的路径。Studio 在 AWS Lambda 中渲染,文件路径是不同的。对每个资源使用 import.meta.url 或相对路径。不要硬编码 /Users/…。
“为什么我的渲染有 0.5 秒的黑屏?”
如果你使用 concat demuxer 而不是 concat 滤镜,就会发生这种情况。重新阅读阶段 6。
“我运行了 adeclick,但它把一些语音‘click’去掉了。”
tolerance=120 是保守设置。如果仍然去掉了一些语音,增加到 tolerance=80,但容忍更多的点击声。或者,将 adeclick 限制在已知的刺音区域,而非全文件应用。
“构建越狱 [sic] 能让这更快吗?”
不。如果你很着急,auto-editor 在 50 秒内就能输出一个不错的快速裁剪版本。但随后你必须手动修复每一个词被切断的瑕疵,并且要花费 2 小时重新同步覆盖层。多花 10 分钟做好裁剪,可以避免之后 2 小时的修复工作。
“你提到了‘transient artifacts’——那具体是什么?”
在 OBS 录制中,通常是以下两种之一:
- 开始/停止提示音 — 当你点击“开始录制”或“停止录制”时,OBS 会发出一个短的(60ms)440 Hz 正弦音。如果你在录制开始前没有留出静默(比如为了剪掉呼吸),这个提示音会出现在你的源文件中。
- 设置切换咔哒声 — 在切换音频设备(重新调整窗口、共享/停止共享屏幕)时,OBS 内部音频引擎的切换产生的约 30ms 点击声。
“整个流程需要多长时间?”
对于 8 分钟 ➡ 6 分钟的剪辑(我们的规模):
- 转写 + 检测 + 剪辑计算:3 分钟(+ 20 分钟手动审查)
- 刺音消除:2 分钟(+ 10 分钟手动审查)
- 渲染:4 分钟
- Hero 生成:每个图像 30 秒
- 合成画面编写 + 调试:2–6 小时(是的,这需要时间,因为你要回调时间)
- Studio 渲染 + 修复:30 分钟
大部分时间花在审查上。如果用户要求你一天完成 8 次,那就修剪范围以匹配:只有静默裁剪,没有卡片,没有 Hero,用 auto-editor 处理点击声。这是一个分层定价产品。
相关技能
heygen-com/hyperframes— 上游框架文件(阶段 8 的基础)anton-abyzov/specweave-brand— SpecWeave 品牌资源(图标、颜色、徽标)anton-abyzov/vskill— 本技能!
最后更新:从 SpecWeave v1 宣传视频制作中获得的教训,2026 年 5 月。