影片編輯 — 配字幕的展示影片流程 是做什麼的?
基於 HyperFrames 的端到端字幕影片編輯器。使用者提供影片,你負責協調「轉錄 → 審查 → 渲染」,並始終在進行長時間渲染前暫停等待轉錄稿批准。
此技能在 YUV.AI 金字塔中的位置
video-edit 屬於 YUV.AI 技能金字塔的中層,與 yuv-design-system、yuv-decks、yuv-viral-video、parallax-landing-page 和 video-to-landing-page 同級。頂層協調器 yuv-pilot 會在使用者想要配字幕的展示影片、教學影片或含字幕的談話頭剪輯時,將任務路由至此。
這是 yuv-viral-video 的更通用化影片兄弟技能。其分工如下:
yuv-viral-video— 特定風格的 YUV.AI 病毒式短片流程(MrBeast 節奏、標誌性編輯風格)video-edit— 通用配字幕編輯器,具備「審查轉錄稿後再渲染」功能(支援希伯來文 + 英文 + 任何 Whisper 語言)
若需製作 YUV.AI 品牌的配字幕影片,請將此技能與 yuv-design-system(Neon 模式用於字體/調色決策)搭配使用。對於一般/第三方品牌的配字幕影片,此技能可獨立運作。
何時呼叫
- 影片檔案路徑(mp4/mov/mkv)+ 要求「編輯」、「加字幕」、「加入字幕」、「製作 Reels/宣傳片」、「做一樣的」
- 「修正字幕 / 希伯來文拼寫錯誤」— 在現有專案上從審查步驟重新進入
- 任何配字幕的教學 / 談話頭 / 宣傳片建置
儲存位置
預設: ~/Documents/yuv-projects/videos/<slug>/ — 始終將配字幕的影片專案儲存在此處,以便渲染結果可被找到。 <slug> 是簡短的名稱,從主題或來源檔案名稱衍生而來。
mkdir -p ~/Documents/yuv-projects/videos
cd ~/Documents/yuv-projects/videos
# 在此初始化專案。
最終渲染成品存放在 ~/Documents/yuv-projects/videos/<slug>/renders/<name>_FINAL.mp4。渲染結束時告知使用者影片位置。
工作流程(12 個步驟)
-
探查來源 — 使用
ffprobe取得尺寸、fps、時長、音訊。 -
建立專案骨架 —
cd ~/Documents/yuv-projects/videos && npx hyperframes init <slug> --video <path> --non-interactive。將複製的影片重新命名為source.mp4。 -
提取音訊 —
ffmpeg -i source.mp4 -vn -ac 1 -ar 16000 audio.wav。 -
轉錄 — 將
references/transcribe.py複製到專案中。預設模型為large-v3(希伯來文最佳)。CUDA 在 Windows 上通常會失敗(缺少 cuDNN);腳本會回退到 CPU int8。希伯來文強制設定language="he",英文設定language="en";否則自動偵測。 -
套用已知修正 — 將
references/corrections-hebrew.md的內容複製到專案根目錄的corrections.json(鍵 = 錯誤 token,值 = 正確 token)。 -
🛑 停止 — 啟動審查伺服器,讓使用者在 Web 應用程式中批准。 首先套用已知修正:將
references/make_review.py複製到專案中並執行python make_review.py。它會將corrections.json套用到transcript.json。然後以背景任務方式啟動審查伺服器(它會阻塞,直到使用者在瀏覽器中點擊 「批准並渲染」):
python "$HOME/.claude/skills/video-edit/references/serve_review.py" . # 在 Windows 上:python "C:\Users\<你>\.claude\skills\video-edit\references\serve_review.py" .伺服器會輸出一行類似
REVIEW_URL=http://localhost:PORT/的內容。從 背景任務的輸出(或讀取 stdout)取得該 URL,並發送給使用者:👉 在此處審查你的轉錄稿:http://localhost:PORT/ 當你點擊批准並渲染,我會自動繼續。
代理不需要「繼續」訊息 — 當使用者點擊按鈕時,伺服器會將
transcript_review.txt寫入專案目錄,並以代碼 0 退出。代理的 背景任務通知會觸發,流程會從步驟 8 繼續。若無瀏覽器/無伺服器時的備案:以靜態檔案方式開啟編輯器 (在 Windows 上為
start "" "$HOME/.claude/skills/video-edit/transcript-editor/index.html",在 macOS 上為open,在 Linux 上為xdg-open), 請使用者選擇專案資料夾,進行編輯,將transcript_review.txt儲存回 專案中,然後回覆「繼續」。編輯器支援兩種模式。 -
(可選)背景去除 — 參見下方步驟 7;可與使用者的審查並行執行。
-
批准後,執行
python references/apply_review.py。它會重新標記化已編輯的行,並 將詞語時間重新分配回transcript.json,使字幕同步仍然有效。 -
(可選)背景去除 — 若有任何談話頭片段需要在主體後方顯示文字,將該片段提取為
outro.mp4(或intro.mp4),並執行npx hyperframes remove-background <clip>.mp4 -o <name>_subject.webm --quality best。在大多數設定下僅使用 CPU(一個約 15 秒的 1440p 片段約需 3–8 分鐘)。 -
以密集關鍵影格重新編碼來源 — 多工作渲染在關鍵影格稀疏時會卡住。務必執行:
ffmpeg -y -i source.mp4 -c:v libx264 -preset medium -crf 18 -r 30 -g 30 -keyint_min 30 -sc_threshold 0 -pix_fmt yuv420p -movflags +faststart -c:a copy footage.mp4 -
重新載入(已編輯的)轉錄稿,並透過
references/gen_body.py產生主體子合成。該產生器會輸出完整的compositions/components/caption-body.html,其中包含以液態玻璃膠囊交替呈現的 editorial + matrix 風格,錨點位於偏左下方(避開右下角的網路攝影機子母畫面)。 -
從
references/host-template.html接線主機index.html。圖層順序(z-index,非軌道索引):- z0:影片
.cam-bg - z1:液態模糊背景(
compositions/liquid-blobs.html,mix-blend-mode: screen,全時長) - z2:視差背景後字幕(intro 和/或 outro,當使用背景去除時)
- z3:主體去背
.cam-out/.cam-sub(帶有對應的data-media-start) - z6:主體字幕
- z46:進度條 + 閃光 + 液態變形轉場
- z0:影片
-
檢查 —
npx hyperframes lint。必須為 0 錯誤。常見修正:轉場元素上的 GSAP/CSS transform 衝突(使用xPercent/yPercent或移除 CSS transform);相同屬性上的重疊 tween(加入overwrite: "auto")。 -
渲染 —
npx hyperframes render --quality standard --fps 30 --output renders/<name>_FINAL.mp4。Standard 是正確的交付目標 —high大約會使渲染時間加倍。在報告完成前,從時間軸各處抽查 6–8 個影格來驗證。
垂直(9:16)輸出,適用於 TikTok / Reels / Shorts
當使用者要求從 16:9 來源輸出垂直 / 直向 / TikTok / Reels / 9:16 格式時:
- 將專案複製到同層資料夾:
cp -r project/ project-vertical/。 - 將其
index.html替換為references/host-template-vertical.html(1080×1920 畫布,帶有液態模糊的模糊背景,16:9 影片作為置中橫向條,字幕在下方)。 - 將其
gen_body.py替換為references/gen_body_vertical.py(置中膠囊、較大字型、較窄最大寬度),然後重新執行以產生compositions/components/caption-body.html。 - 移除主體去背剪輯 + 視差子合成(去背剪輯是針對 16:9 對齊的;v1 版本不值得重新對齊)。垂直合成改用模糊來源背景 + 液態模糊來營造氛圍。
- 將
data-duration更新為實際影片時長。更新index.html中的品牌晶片文字(預設為YUV.AI)。 - 檢查 + 渲染 — 指令相同。輸出為
1080×1920。可直接上傳至 TikTok / IG Reels / YT Shorts。
若要一次交付 16:9 和 9:16 兩種版本,可在並行專案中執行兩個渲染指令。transcript_review.txt 的批准適用於兩者 — 相同的字幕,兩種合成。
關鍵規則
- 絕不能在沒有明確轉錄稿批准的情況下渲染最終版本。 審查步驟是整個流程的意義所在。
- 希伯來文:
large-v3+language="he"+direction: rtl+ Rubik(700 + 900 用於 editorial 雙重粗細強調)。 - 字幕膠囊始終需要不透明的深色背景 — 純淺色文字在白色應用程式 UI 上會消失。
- 水平置中字幕膠囊,但當影片有右下角網路攝影機子母畫面時,將中心 x 座標向左偏移(例如
left: 720px)。 - 主體去背剪輯片段必須攜帶與其
data-start(或從來源提取片段時的偏移量)匹配的data-media-start,否則去背剪輯會從影格 0 開始播放並造成不同步。 remove-background的 webm 會保留原始 RGB 並僅寫入 alpha 遮罩 —ffprobe會顯示為yuv420p,看起來像是「沒有 alpha」。透過TAG:ALPHA_MODE=1或在固色背景上合成來確認。- 結尾卡/結束卡帶有燒錄文字 — 請勿在其上添加字幕;它們會重疊。
檔案參考
| 檔案 | 用途 |
|---|---|
transcript-editor/index.html | 互動式瀏覽器編輯器 — 影片預覽、RTL 編輯、字典套用、可選的 WebLLM AI 建議、儲存 transcript_review.txt |
references/setup.md | 先決條件 + Node / Python / FFmpeg / faster-whisper 的安裝指令 |
references/transcribe.py | 帶 CPU 回退 + 詞語時間戳記的 faster-whisper 轉錄 |
references/serve_review.py | 本地審查伺服器 — 自動載入編輯器,阻塞直到使用者點擊「批准並渲染」,然後寫入 transcript_review.txt 並退出(向代理發出訊號) |
references/make_review.py | 套用修正 + 產生 transcript_review.txt(檔案模式備案) |
references/apply_review.py | 解析已編輯的審查檔案,重新分配詞語時間,更新 transcript.json |
references/gen_body.py | 字幕主體產生器(液態玻璃膠囊中的 editorial + matrix) |
references/host-template.html | 16:9 主機合成,含液態效果 + 轉場擦除 |
references/host-template-vertical.html | 9:16 主機(1080×1920)— TikTok / Reels / Shorts 佈局:模糊背景、置中 16:9 影片條、下方字幕、右上角品牌晶片 |
references/gen_body_vertical.py | 針對垂直格式調整的字幕主體產生器(置中膠囊、較大字型、較窄最大寬度) |
references/liquid-blobs.html | 全時長漂移模糊圖層 |
references/caption-parallax-outro.html | 主體後方字幕範本(英文;可為其他語言複製) |
references/corrections-hebrew.md | 已知的希伯來文 Whisper 誤聽列表 |
references/transcript-review-workflow.md | 暫停/批准步驟的詳細說明 |