Film edit
導演剪輯;AI 掌控時間線。此技能將已核准的片段轉化為一部完成、且誠實標示的影片。所有工作皆基於 ffmpeg:已測試的指令收錄於 ffmpeg-recipes.md,而素材日誌、編輯決策列表、製作日誌、交付檢查清單、致謝範本與 FCPXML 骨架則位於 edit-sheets.md。
每一步的規則
- 導演指揮;AI 執行。 AI 負責組裝、測量、提議與渲染。保留什麼、刪除什麼、停頓、交換或重新排序,由使用者決定。當面臨選擇時(選哪個鏡次、裁切左邊或右邊、加速或修剪),提供選項並說明各自的代價。
- +1 是意圖,不是品味。 如果剪輯偏離使用者所述的要求(無法完全套用的筆記、失去回應的節奏),標記一次,讓使用者決定,並記錄該決策。你的偏好不算偏離。
- 絕不覆寫,絕不刪除。 每一次處理都建立新的編號檔案(
cut-v4.mp4);原始檔案唯讀。使用 ffmpeg 的-n(拒絕覆寫),而非-y,除非使用者要求替換特定檔案。舊的剪輯、較差的鏡次與替換掉的片段,請移至superseded資料夾。 - 花錢與發布前先詢問。 在任何付費步驟(雲端轉寫、生成式重新渲染、付費放大)之前,說明工具、數量與預估費用,並等待同意。拒絕結果後的重新渲染是新的花費:再次詢問。沉默不等於同意。
- 權利與同意。 非使用者所有的素材、音樂與聲音需要權利;真實人物的肖像或聲音需要其同意。下載他人的影片需要所有者的許可或授權;服務條款的警告不等於許可,請等待使用者回覆。
- 保存製作日誌:記錄每個版本、套用的筆記、使用者的決定,以及每個付費步驟的工具、工作 ID 與費用。生成的結果只有在使用者批准後才記為保留。
此技能的邊界
- 標題、下三分之一、動態字體、動態或逐字字幕、箭頭、地圖等在程式碼中繪製的內容:motion-graphics。此技能將它們的渲染輸出疊在乾淨的剪輯上。
- 旁白、對話、音樂、音效、混音與響度:film-sound。此技能將完成的混音放在鎖定的畫面下方。
- 鏡頭、靜態圖與片段:cinematic-shots,包括拍攝時遺漏的鏡頭。
- 尚未涵蓋:調色。除非使用者要求,否則維持生成的色彩。
1. 在剪輯前探查並記錄素材
在規劃前探查:時長、幀率(r_frame_rate 與 avg_frame_rate 不同表示可變幀率)、尺寸、像素形狀與格式、音訊串流。生成的片段通常每個鏡頭都不同,有些沒有聲音。
以觀察者而非導演的角度記錄每個片段:鏡次編號、檔案、畫面內容、可用的起點與終點、完整台詞與動作的起始與結束位置、承載節奏的時刻、觀察到的問題。將你看到的與可能的含義分開;寫「不清楚」而非編造故事。測量結果是候選而非定論:
- 每個片段數幀的聯絡表,標註時間。單一幀可能隱藏幽靈物體或偏移的臉孔。
- 場景變化候選點。動作、閃爍與溶解也會有高分;請以正常速度逐一檢查。
- 沉默區間,可在此處進行剪輯。轉寫稿中的空白不代表沉默。
- 掉幀:時間戳記間隔大於 1.5 幀。
- 語音:對於長時間錄音,先閱讀轉寫稿,僅在畫面重要時提取幀。
2. 依照鏡次表順序組裝
初剪是機械性的:按照鏡次表順序使用已核准的片段,每個片段以其記錄的 in 與 out 點為準。這是一個供使用者觀看與審查的草稿。
- 將每個片段標準化為同一格式:尺寸、方形像素、幀率、像素格式、音訊取樣率與通道。為無聲的片段添加靜音軌道。當長寬比不同時,由使用者選擇適應(加黑邊)或填滿(裁切)。
- 拼接:若所有片段規格完全一致,使用串流複製;否則使用 concat 濾鏡(重新編碼一次)。拼接後比較影片與音訊的時長。
- 盡可能減少重新編碼次數:使用高品質的中間檔,最後一次交付編碼。
- 保留每個片段自己的聲音(保留影片模型的環境音軌;調整音量屬於 film-sound 的工作)。
- 為版本編號、記錄、製作聯絡表。
3. 剪輯筆記轉換為編輯決策列表
使用者觀看並以自己的話輸入筆記:修剪、交換、停頓、刪除、移動。每條筆記轉換為編輯決策列表(EDL)的一行:筆記編號、使用者原文、鏡次、來源 in 與 out、動作、原因、狀態。時間維持在來源秒數;任何輸出時間線上的內容(旁白、字幕、標記)在每次重新剪輯後重新計算時間。
- 當筆記模糊時提問(例如「中間縮緊一點」):提供兩個具體解讀並附上時間碼。
- 為每一行提供原因:它服務的節奏、為何在此進入與離開。保留讓節奏成立的時刻,而非整個事件。
- 列出必須保留的時刻(問題與其答案、反應、高潮);在任何自動邊界變更後,檢查它們是否完整且順序正確。
- 對於對話,顯示完整的轉寫稿,標註時間與編號,詢問要移除哪些部分,然後再將圖形元素對齊剪輯。當同一句話說了兩次,後一個鏡次通常是修正;在刪除任何一個之前先詢問。
- 套用、渲染新版本、記錄筆記與決定。 重複直到使用者確認剪輯完成。
4. 修剪與節奏
在句子結尾與停頓處剪輯。 in 或 out 點應位於測量過的沉默區間、來源的開頭、或同一鏡次內的連續接合處。如果邊界仍落在語音之內,移動它或刪除整個句子;絕不要為了達到長度而剪斷一個詞。修剪停頓中間的空白,使兩側都保留一次呼吸。對於非連續接合,添加極短的音訊淡入淡出以避免爆音。在移除刻意放慢的說話者的停頓之前,先詢問。
避免閃爍幀:當邊界落在來源的硬剪輯旁時,可能產生的一到兩幀殘留片段。移動邊界或丟棄該片段;不要使用凍結或減速來拉長短鏡頭,也不要用轉場來掩蓋不良剪輯。
長度目標。透過加速與修剪來「達到 60 秒」是兩種不同的答案(加速會改變所有動作與聲音;修剪則會損失素材)。呈現兩種方案。
將畫面配對旁白(畫面側):當旁白行比其鏡頭長時,將該片段最多減速 10%,並讓其餘部分流入下一個鏡頭。在一部影片中,25 個鏡頭中有 7 個需要這樣處理。在速度變更後保持幀率恆定,以便片段仍可拼接。
配合節奏剪輯。 取得已核准音樂的節拍時間(以秒為單位的列表,來自 film-sound 或對音軌執行的節拍追蹤器)。提議每個片段最強烈的時刻,將剪輯點對齊最近的節拍,並在組裝前顯示編號的鏡次表。當節拍與句子結尾不一致時,顯示兩者,讓使用者選擇。
5. 對完成片段的特效修正
按成本順序進行,並在每個修正旁保留原始檔案。
-
保留原始像素的免費修正:重新構圖、速度、凍結幀、透過插值補償掉幀、輕度降噪。
-
疊加層絕不放入生成的素材。 箭頭、路線、標籤與網格由 motion-graphics 在乾淨的片段上繪製。如果生成的片段已內嵌這類疊加,請重新生成乾淨的版本,而不是在上面覆蓋。
-
生成式重新渲染是一個新鏡頭,而非修正。 參考影片模型使用原始素材作為動作與外觀的指導,而非鎖定的像素,因此臉孔、道具與攝影機運動可能會偏移。如果使用者想要這樣做:
- 讀取整個片段的幀;寫下必須保持不變的內容(身份、手勢、攝影機運動、構圖、光線、手持物體)以及變更內容,並對應到準確時刻。
- 在工具允許的情況下,先變更一個靜止幀,獲得批准後再為動態付費。
- 說明模型、數量與預估成本;等待同意。
- 將結果與來源比對:長度、結尾的語音、最後幾個字時的嘴型、開始、中間、接合處與結尾的臉孔、已批准的變更仍然存在。如實報告缺失,並提供一次修復機會;不要自行升級。
模型能保留什麼,需要先以一個鏡頭測試。
-
在過程中標記每個鏡頭為真實或生成;揭露資訊需要它。
6. 字幕
在畫面鎖定與任何重新構圖之後才製作字幕;在裁切前製作的字幕可能會落在畫面之外。
- 文字。 如果旁白是先寫好的,劇本就是字幕文字:將其對齊音訊,而非重新轉寫。否則進行轉寫;本地引擎可將媒體保留在機器上,雲端服務則會上傳(先詢問)。轉寫時間戳記通常是粗略的區間,而非逐字時間;當時間很重要時進行對齊。
- 透過閱讀來修正。 轉寫器會聽錯方言、名字與專業詞彙。絕不添加未說過的字,絕不為了符合長度而縮短或改寫字幕:使用較小的字體或另一行,或詢問。為了讓合成語音正確發聲而改拼的字,在字幕中保持原本拼法。
- 一個主檔,多種格式。 保留最豐富的版本(逐字時間、說話者),並從中轉換:SRT(純文字與時間)、VTT(網頁播放器)、ASS(樣式)。
- 翻譯時保持時間:相同數量的提示,順序相同,時間與說話者標籤相同;沒有空白提示;保留聲音標籤;不要加入來源沒有的破折號、括號或方括號。若來源語言不明確,請確認。逐字高亮的字幕必須使用音訊的語言;對於其他語言,使用純翻譯行。
- 嵌入或封裝。 嵌入的字幕是畫面的一部分,無法關閉,因此應在最後、放大之後再嵌入;它需要以 libass 編譯的 ffmpeg。封裝的字幕可切換:每種語言一個軌道,並標記其語言。平台每種語言接受一個字幕檔案。
- 放置位置:將字幕保持在臉孔之外,並避開垂直影片的平台按鈕;檢查其當前的安全區域。
7. 最後放大,每個片段分別處理
僅在剪輯鎖定後才進行放大,每個片段單獨處理,而非拼接後的整部影片,以避免裁切產生模糊。使用相同的 EDL 從放大的片段重建剪輯,然後添加字幕與圖形,使文字保持銳利。AI 放大適用於攝影素材;在一個影片系列中,它會使平面向量藝術劣化。在使用任何付費放大工具前先詢問。
8. 最終觀看
檢查你將交付的檔案,而非較早的版本、代理檔或無字幕的主檔。
- 以正常速度播放一次,不停下來修正;記下你注意到的問題。
- 以正常速度播放每個接合處,前後各半秒到一秒。
- 不帶畫面聽一次。
- 再次觀看開頭、關鍵時刻與結尾。
- 在修訂版中,確認每個要求的變更已發生,且沒有其他更動。
- 然後探查數字、執行解碼 pass、檢查字幕軌道,並為每個鏡頭製作聯絡表。
表格與自動檢查只能指出問題;播放決定一切。如果你無法檢視圖片或播放媒體,請直接說明,而不是聲稱已檢查。在問題所在之處修復(剪輯、聲音、文字),而非在封裝時處理。使用 edit-sheets 中的五行格式回報。
9. 交付檔案、揭露與致謝
- 詢問影片將去哪裡。 目的地決定長寬比、長度、編解碼器與響度。閱讀其當前規格並記錄日期。
- 一個主檔,然後每個目的地一個檔案,從主檔編碼並探查;連同每個語言的字幕檔案、轉寫稿、致謝與揭露、權利記錄。
- 揭露與致謝:腳本改編自何處、哪些畫面與聲音是 AI 生成、哪些是真實的,以及素材、音樂與聲音的權利與致謝。AI 先草擬此文件並留空;由使用者編輯與簽署。如實設定平台的合成媒體標記。
- 權利記錄:每個外部資產的來源與授權;每個生成資產的模型與工作 ID。
10. 將時間線交給剪輯師(FCPXML)
當使用者或其剪輯師將在剪輯程式中完成後製時,除了平面檔案外,也提供時間線。
- 將 EDL 匯出為 FCPXML(詢問匯入剪輯師程式的格式),並附上 CSV 版本。以絕對路徑指向原始片段;列出缺少的媒體。
- 時間以幀數除以幀率表示(
72/24s),絕不使用四捨五入的小數。offset是時間線上的位置,start是來源內的入點,duration是長度。標記是其所標記片段的子元素,可攜帶剪輯筆記。spine是主要故事線;連接的片段位於軌道上,正數在上,負數在下。.fcpxmld套件是包含附帶資料的資料夾;保持其完整性。 - 絕不直接編輯剪輯師的檔案:寫一個新版本並列出變更。
- 寫入檔案不等於匯入。先匯入一個小測試;匯入是使用者的步驟。
11. 上傳:先詢問,預設私人
- 預設是由使用者自行上傳的套件:檔案、字幕、標題、描述、標籤、封面、揭露。
- 僅在使用者要求時上傳,每個平台分別處理,設為私人或草稿。公開或排程發布需要使用者指定平台、檔案與時間。「全部發布」並非此種批准:列出每個平台的預定動作(檔案、標題、可見性、時間)並確認。
- 一次一個平台。遇到登入畫面、驗證碼、CAPTCHA 或安全警告時,停止並移交。絕不輸入密碼或驗證碼,也不讀取或重複輸入憑證。
- 之後,回讀標題、描述開頭、字幕、可見性與合成媒體設定。成功是指影片 ID 加上處理狀態;登入失敗則不算。