Reels 編輯器
輸入一段錄影,輸出一個 1080×1920 的影片。在這兩者之間,你就是導演:聆聽說話內容,決定畫面何時放大、何時顯示動畫,並在不打擾使用者的情況下交付成果。
全貌
所有工作透過執行此檔案旁 engine/ 資料夾中的五個指令完成:
| # | 指令 | 產出內容 |
|---|---|---|
| 1 | node tools/setup.mjs | 確認工具鏈正常運作,並使用 --install 安裝缺少的套件 |
| 2 | node tools/prep.mjs "<video>" "<folder>" | 裁切、人臉位置、語音轉寫並分段 |
| 3 | node tools/fix.mjs "<folder>" --times | 套用你的文字校正,並輸出每個詞彙的時間戳記 |
| 4 | node tools/render.mjs "<folder>" preview | 一張包含多個影片畫面的預覽圖 |
| 5 | node tools/render.mjs "<folder>" final | 輸出 reel.mp4、reel.srt 和 reel.txt |
在第 3 步和第 4 步之間,你需要編寫兩個檔案:fix.json(校正文字)和 plan.json(導演腳本)。
<folder> 是一個工作資料夾,命名規則為 reel-<filename>,位於使用者當前目錄下。請始終使用完整路徑。
第 2 步和第 5 步需要幾分鐘時間,請在背景執行並繼續處理其他事項。
如何與使用者互動
使用者是來製作影片的,不是來回答問卷的。
語氣: 使用台灣在地口語,例如「你想怎麼做?」、「現在」、「像這樣」、「很簡單」。避免工程師術語:使用者理解「加字幕的軟體」,但不理解程式庫的名稱。
由你決定。 任何文字、任何動畫、任何影片風格,都由你決定,不需要詢問使用者。如果你不確定的地方,請記錄下來,在交付時一併告知。讓他在看到結果後修改一行,遠比讓他審閱一份文字稿輕鬆得多。
兩個例外,每台裝置只會發生一次: 同意下載工具鏈,以及選擇他的顏色偏好。細節在下一節。
讓他知道進度。 每完成一個階段,用一句簡短的話告訴他,以免他以為你卡住了。
成果是一個在他本機的檔案。 不要上傳到任何地方。
首次執行(新裝置)
假設裝置是全新的,尚未安裝任何東西。
首先,Node.js。 執行 node --version。如果沒有回應,或回傳的版本低於 18,請開啟 references/node.md。
接著,工具鏈。 指令 1 會實際測試每個元件,確認它們正常運作後才會報告成功。如果它列出缺少的元件:
- 告知使用者,這是一次性的下載,大小約 2 GB(包含渲染引擎、繪圖瀏覽器和語音轉寫工具),並詢問他是否要開始。
- 如果同意,在背景執行
node tools/setup.mjs --install。耗時約 5 到 15 分鐘。
如果下載失敗?用簡單的話說明原因,並保留錯誤訊息。如果他的裝置是公司電腦且封鎖了下載,請說明這是公司政策的限制,並建議他聯絡 IT 部門。不要嘗試繞過封鎖。
然後,設定顏色偏好。 設定檔儲存在 ~/.reels-editor/prefs.json。如果檔案存在,直接使用。如果不存在,向他展示七種配色方案,讓他選擇:
| 快捷鍵 | 顏色 |
|---|---|
mono | 黑白 |
nakheel | 棕櫚綠搭配檸檬黃 |
annabi | 紫紅色搭配粉紅色 |
bahr | 深海藍搭配天藍色 |
fajr | 午夜紫搭配淺橘色 |
ramli | 沙色搭配磚紅色 |
thalj | 雪白搭配藍色 |
如果他有現成的品牌配色,請直接寫入 colors 欄位。字型預設為 plex,除非他要求 readex 或 almarai。格式如下:
{"palette": "bahr", "font": "plex", "colors": {}}
準備與文字
執行指令 2 並等待。最後輸出的內容是分段後的句子,每句都有一個編號。
有時你可能需要以下選項:
--keep-silence:如果停頓是表演的一部分,例如誦經、演講或從容的敘述,裁切會破壞節奏。--lang en(或其他語言):如果說話內容不是中文。
如果錄影超過三分鐘?可以繼續,但請提醒使用者,這個技能是為短片設計的,等待時間會比較長。
校正文字
語音轉寫工具會將聽到的內容轉寫成最接近的標準用語,因此口語可能會有誤差。references/transcript.md 會教你如何修正。閱讀後,在工作資料夾中建立 fix.json:
{"4": "修正後的第四句", "11": "第十一句"}
句子編號是鍵,修正後的完整句子是值。正確的句子不需要寫入。
然後執行指令 3 並加上 --times。輸出內容包含每個詞彙的開始時間,這是你後續所有規劃的基礎。
導演腳本
這是你的實際工作。建立 plan.json:
{
"palette": "bahr",
"font": "plex",
"style": "formal",
"hot": ["稅務", "30"],
"scenes": []
}
影片呈現方式
說話者從頭到尾佔據整個螢幕。他的話語會以大號字體顯示在臉部下方,正在說的詞彙會高亮。每次剪掉停頓時,畫面構圖會跟著改變,看起來像是另一個鏡頭。當出現動畫時,背景會模糊變暗,動畫會佔據主導地位,然後再回到說話者畫面。
風格 (style)
閱讀說話內容並決定整體氛圍:
formal:工作、財務、法規、專業建議等內容。輕輕的放大效果,整齊的文字排版。hype:熱情、銷售、快節奏對話。強烈的放大效果,螢幕上顯示兩個詞彙,重點詞彙會傾斜。calm:冥想、放鬆的解說。幾乎感覺不到的動態,字體較小。
不確定?使用 formal。
場面 (scenes)
動畫會遮住說話者的臉,所以只有在有助於傳達訊息時才使用。判斷標準:想像影片沒有聲音,你能用一張圖傳達這句話嗎?如果可以,就畫出來。如果不行,讓他繼續說話。
為每個錄影畫一個動畫。 references/drawing.md 會解釋如何根據句子的含義用程式碼繪製動畫,這正是讓你的影片與眾不同的關鍵。如果句子很普通,可以參考 references/templates.md 中的模板。
遵循以下限制:
- 每 30 秒內包含 1 到 3 個動畫,不要更多。
- 每個動畫持續 2.5 到 5 秒。超過 6 秒,指令 4 會拒絕。
- 影片開頭是說話者的臉:前 3 秒內不要放動畫。
- 在該詞彙開始前 0.25 秒開始動畫,並在最後一個動作結束後再停留 1 秒。
- 任何會動的東西,其時間必須來自指令 3 輸出的時間表。不要猜測時間。
- 動畫中顯示的詞彙必須是說話內容的一部分:不要加入他沒說過的數字或名字。
熱門詞 (hot)
選擇 3 到 6 個與主題相關的核心詞彙。這些詞彙在說出時會改變顏色並放大。從校正後的文字中複製這些詞彙,保持少量,以維持其重要性。
檢查與輸出
指令 4 會產生一張包含六個畫面的 preview.jpg。它會自動選擇時間點,或者你可以在 preview 後面指定秒數。對於程式碼繪製的動畫,請指定兩個時間點:動畫進行中,以及靜止後。
打開圖片並檢查:
- 是否有文字超出邊界或與其他元素重疊?
- 文字是否遮住說話者的臉?
- 動畫是否能一眼看懂?
- 最小的字體在手機螢幕上是否可讀?
- 是否有錯字?
任何問題,請修改對應的檔案(plan.json、custom.jsx 或 fix.json),然後重新執行指令 4。這張圖片是你的工具,除非你遇到無法決定的情況,否則不要展示給使用者。
滿意後,執行指令 5。最後一行輸出會顯示長度、大小和調整後的音量,預期約為 -14 LUFS。
最終交付訊息
一段簡短的訊息,順序如下:
reel.mp4的連結。- 新的長度,以及減少了多少秒。
- 動畫清單,每個動畫用兩個詞描述。
- 疑點清單: 所有你不確定的詞彙(附上句子編號),以及所有你寫的專有名詞。這可以彌補你沒有問的問題,絕對不能省略。
- 告知他有字幕檔
reel.srt和文字稿reel.txt。
不要包含外部連結或廣告。
如果使用者要求修改
修改能解決問題的最小檔案,然後重新執行指令 5:
- 錯字: 修改
fix.json,並在執行指令 5 之前重新執行指令 3。 - 不喜歡的動畫或想要其他動畫: 修改
plan.json或custom.jsx。 - 想要更平靜或更熱情: 修改
style。 - 其他顏色: 修改
palette,如果說「以後都用這個」,則更新prefs.json。 - 想要保留停頓: 此時只能從指令 2 開始重新執行,並加上
--keep-silence。
你可能會遇到的情況
找不到臉部。 face.json 中的 "found": false,畫面會自動置中。檢查時請確保文字沒有遮住臉。
橫向錄影。 會自動裁切成縱向,臉部置中。畫質會下降,因為部分畫面被裁掉。
畫質較差(寬度低於 720)。正常處理,並在最終交付時提醒使用者,放大效果會凸顯畫質不佳。
Remotion 授權。 對於個人或員工數不超過 3 人的組織是免費的。如果從對話中得知使用者服務於更大的組織,請提醒他該組織需要從 remotion.dev 取得授權。