品牌宣传视频(Remotion)
你正在制作一部短小精悍、由音乐驱动的动态设计视频,展示产品的实际功能,并采用品牌自身的视觉语言。最终成品应给人一种由专业工作室为该品牌制作的质感,不应看起来像AI模板。
核心概念:网站即是故事板。 视频的流程展示真实的网站外观以及工具的实际运作方式,正如你通过浏览网站所发现的那样。场景是其真实的屏幕、步骤、标签和结果,经过动画和剪辑与音乐同步,按照用户接触它们的顺序呈现。每个场景都应能追溯到你在网站上看到的内容。当创意选择不明确时,选择更忠实地展示产品的选项。
以下规则源自为真实品牌制作多个此类视频的经验。它们大多数最初是审阅笔记,因此每条都附有其理由。将理由视为真正的规则。当遇到未涵盖的情况时,思考这些理由所暗示的内容。
设置
这些是技能项的默认值。用户可以为单个视频覆盖其中任何一项,只需明确说明。若要永久更改某项,请编辑此表。
| 设置 | 默认值 | 选项 |
|---|---|---|
| 字体 | Inter,紧凑设置(见§2) | 如果机器上安装了SF Pro且其许可覆盖此用途,则使用该字体;用户为某个视频指定的任何字体 |
| 音效 | 合成音色库(scripts/make_sfx.py) | 用户自己的许可音效包,通过scripts/slice_sfx.py和清单(见§3a) |
| 项目布局 | §0中的文件夹布局 | 用户现有的布局(如果他们已有视频存储位置) |
| Studio端口 | 任意空闲端口,每个项目固定 |
在代码中,字体存放在一处,即src/theme.ts中的FONT常量(见references/environment.md)。每个场景和动态套件都从该常量读取字体,因此更换字体只需更改一行代码。
0. 项目导入
每个视频应保存在其自己的项目文件夹中。如果用户已有存储视频的位置(一个包含其他品牌项目的仓库或文件夹),则遵循该布局及其约定。否则,使用以下布局:
<品牌-slug>/ 小写、连字符,例如 acme-search/
brief/ prompts.md(用户的原始请求),参考视频
source/ 歌曲、字体文件、网站截图(source/site/)、品牌资产
review/ 音频检查和值得保留的审阅静态帧
video/ Remotion项目
README.md 状态、决策、最终渲染文件
将用户的请求保存在brief/prompts.md中,并保持README的更新。在询问前先查看文件夹:字体文件或压缩包、音频文件、现有的video/项目。然后根据用户的消息和文件夹填写以下简报:
| 项目 | 未提供时的默认值 |
|---|---|
| 品牌名称 + 网站URL | 必需。如果缺失则询问 |
| 视频应展示的内容 | 产品的工作流程,从头到尾 |
| 字体 | 字体设置(默认Inter),紧凑设置(见§2)。仅当用户为此视频指定其他字体时才使用 |
| 音频 | 文件夹中的音频文件;如果音频文件包含在视频文件中,则提取配乐 |
| 格式 | 网页/落地页:1920×1080 @ 30fps;Reels/TikTok/Shorts:1080×1920。如果不明确则询问 |
| 时长 | 大约30–50秒。较短的时长更容易保持紧凑 |
| 风格方向 | 网站自身的外观和流程。仅在用户要求时才添加类型元素(例如“奇幻游戏风格”),并且即使如此也要以产品的真实屏幕为核心 |
| 不展示的内容 | 询问一次:用户不希望展示的数字、声明或功能 |
| 歌词 | 如果歌曲有 vocals,则需提供标题/艺术家和语言,以帮助选择部分 |
仅询问真正缺失且阻碍进度的事项,并以简短的一批形式提出。其他所有内容:采用默认值并告知用户。
1. 扫描网站并根据网站构建流程(首个交付物)
在接触Remotion之前,像首次使用的用户一样在浏览器中扫描网站并进行捕获:
- 落地页,从上到下: 首屏、标题和副标题、运作方式、功能、社交证明、定价、常见问题、页脚。截取每个部分的截图。
- 工具本身: 如果有实时应用、演示、搜索框、扫描器或聊天功能,请实际使用。输入真实的查询、上传或扫描某些内容,并打开结果。沿途截取每个状态的截图:空状态、输入状态、加载/扫描状态、结果、详情视图。这个走查通常成为视频的主干。
- 使其真实的细节: 准确的标签、按钮文字、分类、微文案、图标、空和加载状态,以及网站自身使用的过渡效果。
将截图保存在source/site/中,并按步骤命名(01-hero.png、04-results.png)。
然后将扫描结果转化为故事线。视频的流程即产品的流程:钩子(网站首屏所针对的用户情景),然后逐步展示工具的使用,接着是结果或回报,最后是品牌和URL。向用户提供:
- 一句话描述及其目标用户
- 观众应了解的3–5件关于产品的事情,使用产品自身的术语
- 逐场景的大纲,包含针对歌曲的大致时间点,每个场景标明其来源的屏幕或步骤(截图文件名)
- 你计划使用的调色板(字体类型即为字体设置)
在开始构建之前等待用户批准。这个检查点的存在是因为最昂贵的错误是视频未能遵循网站。有一个案例中,一个用于寻找满足特定需求的地点的搜索工具最终看起来像一个通用的导航应用,因为场景是编造的而不是取自产品的工作方式。故事层面的修复在大纲阶段成本低廉,而在场景创建后则代价高昂。
如果一个场景无法指向网站上的某个屏幕、步骤或声明,则将其删除或重新设计,直到可以为止。抽象的隐喻、虚构的功能和通用的“科技”视觉效果会偏离产品。唯一的例外是开头的钩子,它可以以网站自身使用的词语来设定观众的情景。
2. 品牌工具包:调色板、字体、资产
- 调色板: 从网站真实的CSS中提取:
:root自定义属性、<meta name="theme-color">、logo/favicon SVG填充、OG图像。将其写入src/theme.ts,并注明每个值的来源。如果用户覆盖了某个颜色(例如“将蓝色改为棕色”),则将其应用到处,包括色调、映射和背景,并在注释中注明覆盖。 - 字体:每个品牌使用一种字体,紧凑设置。 使用字体设置(默认为Inter)。品牌特色来自调色板、UI和动态效果,而非字体,因此除非用户为特定视频指定了网站字体或文件夹中的字体文件,否则不要替换。
references/environment.md展示了如何加载Inter(Google Fonts包或捆绑的OFL文件)以及SF Pro(仅来自用户自己安装的副本,切勿提交到仓库)。对于SF Pro,标题使用Display,小号文字使用Text,仅当品牌本身是圆润/有趣风格时才使用Rounded。间距紧凑到最小:- 标题/动态文字(字重600–700):
letterSpacing-0.03em到-0.045em,lineHeight0.95–1.05 - 标签和UI文字(字重500–600):
-0.015em到-0.02em,lineHeight1.1–1.2 - 约24px以下的小号文字(字重400–500):
-0.005em到0。再紧凑的话,视频压缩后字母可能会融合 - 永远不要使用正的字间距。不要使用宽间距的全大写标签
在
theme.ts中将这些定义为类型令牌(例如type.display = { fontFamily: FONT, fontWeight, letterSpacing, lineHeight }),以便每个场景共享。如果用户为特定视频指定了不同的字体,则更改FONT并保持紧凑设置。检查你使用的每个字重实际都能渲染。静默回退到系统字体很容易被忽视。
- 标题/动态文字(字重600–700):
- 资产: 收集网站的图像(logo、产品图片、插图、UI截图)。最快可靠的方法是在浏览器中:使用一个小脚本收集
img[src]、srcset、<picture>来源和CSSbackground-imageURL,然后使用curl将它们下载到public/brand/。优先使用SVG/大尺寸原图。根据展示的内容命名文件,并在使用前查看它们,因为文件名可能会误导:以产品功能命名的图片可能实际上是一张不相关的 lifestyle 照片。 - 从你的扫描中重建UI。 这就是核心概念在屏幕上的呈现方式。重建你捕获的真实屏幕(搜索框、卡片、地图、聊天、扫描进度、结果)作为与截图匹配的React组件,然后按照工具的实际行为进行动画:输入到真实输入框、真实的加载/扫描状态、结果出现。这样做比让平面截图滑动要好,因为重建的UI保持清晰并且可以移动。使用网站上真实的标签、分类和微文案,并在代码旁打开截图以便比较。
阅读references/environment.md以了解项目设置、字体加载、此技能所需的工具以及抓取技巧。
3. 音频:选择部分、映射、剪切
阅读references/audio.md获取完整方法。简要版本:
- 运行
scripts/analyze_audio.py <歌曲> --json src/audio.json(仅需ffmpeg)。它报告BPM、拍子/小节网格、部分起始点以及包含人声频段能量的每小节响度表,以及强烈的击键。对于没有稳定节拍(网格置信度低)的声音设计曲目,将场景提示到击键而非网格。 - 在基于网格构建之前,使用
--click grid-check.m4a通过听觉验证网格。探测器容易在半个节拍和相位上出错,特别是在柔和的前奏部分。 - 选择部分。优先从歌曲的真实开始处开始。如果需要剪切,则在节拍线处、通过人声换气或器乐小节进行拼接,并使两侧的能量匹配。转到半句的跳跃听起来会很破碎,尴尬的拼接足以导致剪切被拒绝。对于歌词,确定每句歌词在何处演唱,以便最强的歌词落在产品的关键时刻。
- 将结果写入
public/song.mp3,并将映射(部分、拼接点)作为注释记录在src/time.ts中。 - 添加轻量音效(§3a)。
3a. 音效:仅用于弹窗和高亮
音效放置在模态框/文字弹窗和文字高亮上,以保持观众的参与度。它们不用于每个运动。将该限制视为规则。音效标记了观众应该注意的少数时刻,就像高亮一样。
- 什么情况下添加音效: 卡片、模态框或浮窗出现时(
pop,与pop-alt交替使用,使相邻元素不同)、小标签或标签弹出时(pop-high,对于小型或警告性元素使用pop-low)、消息到达时(notify,每个视频最多两次)、以及文字高亮扫过时(marker)。大的擦除和logo出现通常不需要whoosh/impact,因为音乐节拍已经覆盖了它们。 - 什么情况下不添加: 动态标题词、交错列表行、摄像机移动、行中的每个图块(最多为一组添加一个声音)、钩子中的任何内容(由音乐承载)。如果安静是重点,则让一个安静的场景保持沉默。
- 密度: 平均每4–5秒一个提示点,一个50秒的视频中大约10–12个。两个提示点之间的间隔小于约0.4秒会模糊成一个,因此去掉其中一个。
- 来源: 默认使用合成音色库。
python3 <skill>/scripts/make_sfx.py public/sfx仅使用ffmpeg生成12个音效(无需下载,无需许可),每个文件峰值归一化到-6 dBFS。--list打印每个音效及其用途。使用你自己的音效包(可选): 如果用户拥有许可使用的音效包,则在清单中描述其剪切点(从assets/sfx/manifest.example.json开始),然后运行python3 <skill>/scripts/slice_sfx.py public/sfx --manifest <manifest>。它会写入相同的名称,以相同的方式归一化,因此提示点列表不会改变。阅读references/sfx-pack.md以了解每个音效适合哪种屏幕时刻(例如,blueprint用于网格线绘制时,ticks用于文本输入时,riser以全出血揭示结束),以及如何在包中找到剪切点。 - 放置: 在
time.ts中维护一个提示点列表({ at, sfx, vol, what },时间从场景起始点加上场景中该元素使用的相同偏移量构建),并在时间线中将其渲染为<Sequence from={sec(at)}><Audio src={staticFile(sfx/${sfx}.wav)} volume={vol} /></Sequence>。将提示点放在元素开始出现的帧上,因为入场是缓出效果,大部分运动发生在前几帧。为每个Sequence提供name(sfx:搜索弹窗),以便提示点在Studio的时间线中可读。 - 电平: 你无法听到混音,因此需要进行测量。运行
python3 <skill>/scripts/sfx_check.py public/song.mp3 public/sfx ../sfx-check.m4a <t:name:vol> …会生成仅音频的混缩(无需Remotion渲染),并打印每个音效峰值与此时音乐峰值的对比。目标是将音效电平比音乐低6–8 dB。基于噪声的音效(marker)听起来比其峰值更响,因此将其保持在较安静的一端,特别是在柔和的小节中。将检查文件交给用户,并告知他们音量设置在time.ts中。
4. 节奏:感觉快速但可读
这是修改请求的最大来源,涉及两个方向:“太慢”,然后是“太快,我什么都看不到”。
- 观众必须能够阅读每个单词。粗略指南:每个单词至少保持约0.3秒,再加上约0.5秒,并且通常不少于典型的1个小节。如果一行文字无法在音乐给予的时间内读完,则先减少词语数量,再减少保持时间。
- 能量来自运动:快速入场、摄像机移动、遮罩、缩放和动态文字。它不来自每拍更换内容。避免每拍的摄像机冲击和八分音符的图像闪烁。
- 当有歌声时,将文字和场景变化同步到演唱的乐句和音节,而不仅仅是鼓点网格。将节拍网格用于次级运动。
- 开头容易拖沓。在约1–2秒内进入钩子,不要为了等待节拍而延迟第一个场景。
- 注意边缘。高亮、方框和文字绝不能因帧而被裁剪,包括在缩放或缩放动画期间。将所有内容保持在安全区域内(约5%内边距,对于带有平台安全区域的垂直视频需要更多)
…
[内容已截断,等待翻译]