從儲存庫生成產品宣傳影片 是做什麼的?
一支 30 到 45 秒的影片,展示一位使用者使用產品執行一項真實任務,包含程式碼中的實際標籤、口白配音和原創配樂。此技能涵蓋從程式碼正確取得產品、故事、聲音、音樂和重新繪製的畫面。它不規定渲染引擎;與使用者一起選擇(偏好免費工具)。
1. 讀取正確的程式碼
- 在讀取任何內容之前,執行
git fetch --all並比較分支(對每個分支執行git log -1 origin/<b>)。預設分支可能已過時——main可能仍是初始提交,而產品已在dev分支上重新命名並重建。在錯誤的分支上構建劇情會浪費一個完整的回合。如果使用者說名稱或功能已更改,請相信他們並找到包含該內容的分支(執行git grep -c <new name> origin/<b>)。 - 收集事實,而非印象:導航(產品自身功能地圖)、主要任務流程的頁面元件、後端種子資料中的目錄名稱、實際限制和數字(最大長度,公式如「預估秒數 = 字數 ÷ 4.5」)。影片中的每個斷言都必須追溯至這些事實之一。
- 將儲存庫中的標誌和縮圖/圖示複製到
assets/。檢查標誌中沒有舊的品牌文字。
2. 劇情線,然後暫停
將三道劇情線寫入 STORYLINES.md(每個:一行前提、附時間的節拍清單、承載每個接縫的轉場),然後暫停讓使用者選擇。對於多步驟產品,效果最佳的一種是:一個物件穿過產品的各個步驟(找到的貼文 → 主題卡片 → 劇本 → 完成的影片),由游標抓取進入。將您的建議放在最前面。
用一行陳述假設:長度 30–40 秒,1920×1080,音樂 + 音效,配音 是/否,螢幕上的產品資料為示範資料。
3. 配音 (MiniMax)
僅在要求時執行。輸入 $MINIMAX_API_KEY 或 ~/.minimax_key 的第一行;切勿印出。
- 每個節拍一行簡短台詞,放入
voice/script.json([{"id", "text"}]),每行約 4.5 個中文字元,35–40 秒約 120–140 個字元。台詞是因果關係,而非口號;螢幕顯示關鍵詞,從不逐字顯示口語句子。 - 向使用者顯示台詞、語音 ID 和模型,並獲得同意——每次呼叫都會計費。
python3 -I scripts/tts_minimax.py voice --dry-run會列印字元數和估計長度。 - 產生一次:
python3 -I scripts/tts_minimax.py voice [--voice ID]→vo-<id>.mp3和durations.json。使用--only id重新產生一行。 - 配音是時鐘:根據
durations.json安排場景(每行在其場景開始後約 0.15–0.25 秒開始;場景 ≈ 台詞 + 0.3–0.6 秒)。
4. 產品畫面:從程式碼重新繪製
不要執行應用程式或模擬其後端進行截圖;從元件、CSS 和後端資料重新構建 HTML 畫面。在進入第一個產品場景之前,閱讀 references/ui-redraw.md。
將示範資料標示為 演示数据 · 虚构。切勿顯示舊的產品名稱或標誌,也切勿發明程式碼中不存在的按鈕。
5. 音樂與音效
scripts/score.py合成一個原創曲目,其小節網格將強拍對齊在高潮,而標誌命中則在整數拍數之後(需要 numpy + scipy):score.py assets/bgm/score.wav --total 38.5 --bpm 104 --hook-end 4.6 --reveal 9.8 --build 24.2 --payoff 27.0 --claim 31.6 --logo-beats 13選擇--logo-beats,使得payoff + beats × 60/bpm落在結束卡的標記處。- 來自免費來源的音效(點擊、颼颼聲、砰聲、打字聲、漸強、撞擊、閃爍聲)。每個可見原因一個聲音。
6. 規格與審查
- 在場景之前撰寫
SPEC.md:GOAL, OUTPUT, TIME, VOICE, DATA, LOOK, OBJECTS, MOTION, SHOTS 含時間, BANNED, QA frames。 - 檢查每個節拍和接縫:修正運動方向翻轉(一個物件從右側離開必須從右側進入下一個場景)、元素在落地前淡出、英雄畫面的一半空白。
- 撰寫
REVIEW.md:創意決策、哪些是測量過的而哪些僅是目視檢查、最弱的鏡頭。 - 最終音訊:約 -16 到 -14 LUFS,真實峰值 ≤ -1 dBTP,無削波。說明聲音是測量過的,而非僅靠聆聽。