Communitygithub.com

tunght104/ai-agent-shorts-video

根據新聞網址或 .txt 檔案,使用專業 HyperFrames 模板(編輯風格海報)製作 9:16 新聞短影音。輸出 video.mp4、voice.mp3 與 script.txt,供 CapCut 進一步編輯。

ai-agent-shorts-video 是什麼?

這項技能專為 AI 代理(如 Claude Code、Cursor 等)設計,能自動將越南文新聞文章轉換為高品質的 9:16 格式新聞短影音。其核心亮點在於使用 HyperFrames 模板系統,將所有設計與動畫效果交由預設的專業模板處理,代理僅需填入文字內容(如標題、數字、陳述等)。支援從網址(自動抓取)或本機 .txt 檔案讀取內容,並生成結構化的 script.json 定義每個場景的模板與文字。技能內建完整的 TTS 語音處理、場景渲染與影片合成管道(基於 Node.js 與 Chromium),最終輸出影片、語音及字幕腳本,可直接匯入 CapCut 等編輯軟體進行後製。為了確保越南文 TTS 正確發音,技能對數字與符號的書寫格式有嚴謹規範,代理需自動將「5.5」寫為「năm chấm năm」等。整體流程從內容萃取、模板選擇、腳本生成到影片渲染完全自動化,無需人工干預,顯著提升新聞短影音生產效率。

相容平台✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/tunght104/ai-agent-shorts-video/tree/HEAD/.agents/skills/create-template-video

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

預覽

來自技能 README

說明文件

建立模板影片技能

使用 templates/ 中的 HyperFrames 模板產生 9:16 新聞短影音(比舊版 6 場景 Remotion 更美觀、更專業)。Claude 只需將文字填入模板的插槽中,所有設計與動畫均由模板處理。

輸入

1 個參數:新聞文章網址 (http:///https://) 或 .txt 檔案路徑。

工作流程(請依序執行)

步驟 1–3:取得內容 + 建立輸出目錄

偵測輸入後取得內容:

  • 網址(開頭為 http:///https://)→ 使用 WebFetch,提示詞如下:
    從該頁面擷取以下內容:
    - title (字串):文章標題
    - content (字串):主要內容,約 500-1500 字
    - ogImage (字串 或 null):og:image 圖片網址
    - domain (字串):網址的網域
    回傳包含上述 4 個欄位的 JSON。
    
    若失敗(付費牆 / JavaScript / 4xx 錯誤)→ 請使用者將內容儲存為 .txt 檔案後重新呼叫。停止。
  • .txt 檔案 → 使用 Read;標題為第一行(不超過 80 字元),內容為其餘部分,ogImage 為 null,domain 為 "local"。
  • slug = 無聲調 ASCII(移除越南文聲調符號,đ→d),不超過 40 字元;時間戳記 = YYYYMMDD-HHmm;outputDir = output/<slug>-<timestamp>/;mkdir -p。

步驟 4:讀取模板目錄

讀取 templates/CATALOG.md 以了解有哪些模板以及每個模板的插槽輸入。 僅能使用目錄中存在的 templateId。 目前有:

掛鉤(僅 1 個):

  • frame-liquid-bg-hero — 主視覺極光(動態模糊形狀 + 標題 + 行動呼籲按鈕)。掛鉤場景一律使用此模板。

主體(Claude 根據內容自行選擇 — 請參閱步驟 5):

  • frame-vignelli — 深炭色背景 + 紅色的 1 個數字。
  • frame-pentagram-stat — 深色霓虹背景的 1 個數字(瑞士網格,橘色發光數字 + 青色強調色 + 長條圖)。
  • frame-bold-poster — 多行強烈陳述 + 大尺寸數字。
  • frame-build-minimal — 深色背景的強力結語(1 個大寫粗體字,橘色發光,逐字顯現)。
  • frame-creative-voltage — 創意 / 標語句子,電光藍分割 + 手寫字型。
  • frame-glitch-title — 賽博龐克故障 RGB 分裂(雜訊背景)— 適合震撼 / 突發 / 科技新聞。
  • frame-aicoding-list — 列表 2–5 個項目(每個項目有圖示 + 程度標籤),深色漸層背景。適用於場景為列表 / 排名時。
  • frame-aicoding-comparison — 比較 2 個事物(舊 vs 新,A vs B)— 2 張漸層邊框卡片 + WIN 徽章 + 統計數據。適用於場景為對決 / 對比時。

結尾:

  • frame-logo-outro — 預設(標誌發光 + 名稱 + 標語 + 網址)。
  • frame-statement-outro — 替代方案(紙張背景上的紅色卡片)。
  • frame-logo-outro — 預設結尾 / 品牌結尾卡片(標誌發光 + 名稱 + 標語 + 網址)。
  • frame-statement-outro — 替代結尾(紙張背景上的紅色卡片)。

步驟 5:產生 script.json(模板模式)

強制結構:

{
    "version": "1.0",
    "renderer": "hyperframes",
    "aspect": "9:16",
    "metadata": {
        "title": "...",
        "source": { "url": "...", "domain": "...", "image": null },
        "channel": "AI Coding"
    },
    "voice": { "provider": "omnivoice", "speed": 1.0 },
    "scenes": [
        /* 8–12 個場景:1 個掛鉤 + 6–10 個主體 + 1 個結尾 */
    ]
}
  • provider:永遠是 omnivoice(唯一的本地 TTS;不需要 voiceId / API 金鑰)。
  • 每個場景:{ id, type, voiceText, templateId, inputs }。inputs 需符合目錄中的插槽。
  • scenes[0].type = hook;最後一個場景 .type = outro(templateId = frame-logo-outro)。
  • 8–12 個場景;總 voiceText 約 270–360 字(約 90–120 秒)— 維持總時長,僅將其分割為更多場景以加快節奏,避免冗長。每個主體場景 約 25–40 字(每個場景僅表達單一想法 — 如果某段落包含 2 個想法,則應該拆分為 2 個場景,而非塞入 1 個)。目標:每個場景在畫面上出現僅約 6–10 秒後即切換。

將內容對應到模板:

  • 掛鉤 → 一律使用 frame-liquid-bg-hero(插槽:kicker, headline, subheadline, cta, brand)。headline 預設以醒目的漸層顯示(預設金→紫);可設定 headline_from/headline_to(2 個十六進位顏色代碼)以改變色調。掛鉤不使用其他模板。
  • 主體 → Claude 根據內容為每個場景自行選擇最合適的模板(優先考慮多樣性 — 不要在每個主體場景重複使用同一個模板)。可選擇:
    • frame-vignelli — 場景有 1 個數字 / 統計資料 想強調,深炭色 + 紅色色調。插槽:kicker, number, label, note, brand。
    • frame-pentagram-stat — 場景有 1 個數字 / 基準,深色霓虹背景(瑞士網格,橘色發光數字 + 青色強調色)+ 長條圖。插槽:label, headline(數字), subtitle, anchor, footer_left, footer_right。
    • frame-build-minimal — 簡短結論 / 論斷,圍繞 1 個關鍵字,深色背景 + 1 個大寫粗體發光橘色字。插槽:eyebrow, hero(1 個字), desc, side_left, side_right。
    • frame-bold-poster — 多行強烈陳述 + 大尺寸數字。插槽:kicker, date, figure, headline[], standfirst, footer_left, footer_right。
    • frame-creative-voltage — 創意 / 標語句子(幾個字),電光藍分割 + 手寫字型。插槽:meta, display_lines, accent_index, script, caption。
    • frame-glitch-title — 震撼 / 突發 / 科技新聞,賽博龐克故障風格。插槽:title, subtitle。
    • frame-aicoding-list — 場景為列表 / 比較 2–5 個項目(誰受影響、優缺點、層級、核取清單)。插槽:title, accent, accent_from, accent_to, subtitle, items[]。每個 item {icon, title, desc, tag, level}:
      • icon:Claude自行選擇適合每個項目的表情符號(🚫 ⚠️ ✅ ❌ 📈 💡 🔒 🚀 …),不固定。
      • level:danger/warn/good/info → 決定圖示、標籤和進度條的顏色。tag:短標籤(危險 / 高 / 好處…)。
      • accent_from/accent_to:Claude自行選擇 2 個十六進位顏色代碼作為強調文字的漸層(需與文章整體色調相符),例如橘→紅、紫→藍、綠色。
    • frame-aicoding-comparison — 場景比較恰好 2 個事物(舊 vs 新,A vs B,之前 / 之後)。插槽:badge, pre, vs, post, left{}, right{}。每個部分 {label, from, to, icon?, bullets[], stat?, stat_label?, win?}:
      • from/to:Claude自行選擇 2 個十六進位顏色代碼作為每個部分的漸層(通常 2 個部分色調不同,例如左橘→紅,右青綠→藍)。
      • icon:每個部分的選擇性表情符號。win: true 表示獲勝方(發光邊框 + WIN 徽章)。stat/stat_label:每張卡片下方的選擇性統計資料。
    • 平衡建議:如果多個場景都是數字,可交錯使用 frame-vignelli(炭色 + 紅 / 金)和 frame-pentagram-stat(深霓虹橘 / 青)以避免單調;對於非數字的場景則插入 frame-build-minimal。
  • 結尾 → frame-logo-outro(預設;插槽:brand_name, tagline, primary_url)。若想使用紙張背景上的紅色卡片,則改用 frame-statement-outro。

⚠️ 越南文 TTS 規則(voiceText 強制遵守)

voiceText 將由 OmniVoice(越南文 TTS)朗讀。數字和符號會被逐字朗讀 — 例如 "5.5" 可能被讀成 "năm rưỡi"(對於版本號而言是錯誤的)。因此,在 voiceText 中務必將數字寫成越南文文字。而 inputs(螢幕上顯示的文字)則保留美觀的數字格式("5.5" / "82.7%")。

完整對照表(適用於 voiceText):

數字形式錯誤(TTS 誤讀)正確(寫成文字)
十進位版本號GPT 5.5 → "năm rưỡi"GPT năm chấm năm
十進位數據82.7%tám mươi hai phẩy bảy phần trăm
整數版本號iPhone 17iPhone mười bảy(或 iPhone 17 亦可)
含點版本號iOS 18.2iOS mười tám chấm hai
技術規格200MPhai trăm megapixel
電池5000mAhnăm nghìn miliampe giờ
Token1M tokensmột triệu token
越南盾價格21 triệu đồnghai mươi mốt triệu đồng
美元價格$5năm đô la(或 năm đô)
倍數2xgấp đôi(比 "hai lần" 更自然)
百分比30%ba mươi phần trăm
時間60 giâysáu mươi giây
比例3:1ba trên một / ba so với một
  • 小數點:使用 chấm(口語自然)或 phẩy(正式)— 選擇後保持一致。
  • 英文縮寫:AI/GPT 通常可以;如果讀錯,則寫成發音 ây ai / gí pi tí,API → ây pi ai。
  • voiceText 絕對不能含有表情符號 / 圖示、網址,以及 → & % $ # + =(保持語音乾淨)。品牌名稱(Apple, OpenAI, TikTok)保持原樣。句子以 . 或 ? 結尾,以獲得自然的停頓。
  • inputs(螢幕上顯示的文字)允許使用表情符號 / 圖示以增加生動性(🔥 🚀 ✨ ⚡ 📈 ⚠️ → …)— 渲染時顏色正常。保留美觀的數字格式("5.5", "82%")。與 voiceText 完全分離。
    • 表情符號使用適量(每個欄位 0–1 個圖示,放在短標籤 / 標題 / 行動呼籲按鈕中 — 例如 kicker "🔥 Tin nóng", cta "Theo dõi ngay →")。不要將表情符號塞入會逐字彈出的較大文字中(例如 build-minimal 的 hero),否則會破壞動畫效果。

步驟 6:自我檢查

  • scenes[0]=hook,最後一個場景=outro;每個 templateId 都存在於 CATALOG 中;每個 inputs 都滿足必要的插槽;
  • headline ≤3 行且每行簡短;voiceText 已將數字寫成文字且不包含表情符號 / 圖示;表情符號(若有)僅存在於 inputs 中。最多靜默修正 2 次。

步驟 7:寫入 script.json

使用工具 Write 寫入 <outputDir>/script.json。

步驟 8:執行管道

Bash 前景執行,串流輸出:

npm run pipeline -- <outputDir>/script.json

CLI 會自動辨識 renderer: "hyperframes" 並執行模板管道(TTS → 渲染各模板 → 根據語音調整 → 合成 + 混入音效)。錯誤 → 清楚回報錯誤資訊及 outputDir 路徑。

步驟 9:回報結果

✓ 影片:[video.mp4](output/<slug>/video.mp4)
✓ 音訊:[voice.mp3](output/<slug>/voice.mp3) — 供 CapCut 使用
✓ 腳本:[script.txt](output/<slug>/script.txt) — 供 CapCut 自動字幕使用
總時長:XX.X秒

備註

  • 每個場景渲染約需 15–20 秒(Chromium)。8–10 個場景的影片約需 3–5 分鐘。需要 ffmpeg 和 Chrome(已安裝)。
  • TTS 具有冪等性(保留 voice/scene-*.mp3);剪輯片段也具有冪等性(保留 clips/scene-*.mp4)— 在修改 inputs 後可刪除這些檔案以重新渲染。
  • 新增模板:按照 templates/CATALOG.md 末尾的說明進行操作,然後在目錄中新增一行。

相關技能