/explainer
┌──────────────────────┐
│ 偷學有效的方法 │ 標題,一個強調色文字
│ [之前] ──→ [之後] │ 比較:卡片、手繪箭頭、揭露(或編號列表)
│ ╭──頭部──╮ │ 頭部超出面板上緣
│ ╭────┴────────┴────╮│
│ │ 講者,字幕 ││ 圓角面板,視線與面板上緣齊平
│ ╰──────────────────╯│
└──────────────────────┘
首次使用
此技能的資料夾即是 Claude Code 載入時顯示的「Base directory」。從中解析工具包(可透過符號連結運作),並設定一次:
SKILL_DIR="<此技能的基礎目錄>" # Claude Code 列印的「Base directory for this skill」
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
PY="$KIT/.venv/bin/python"; [ -x "$PY" ] || bash "$KIT/setup.sh" --cutout
必須設定 GROQ_API_KEY 才能進行轉錄(可在 console.groq.com 免費取得)。需要 ffmpeg 和 Node。
格式
每個規格檔都接受 "format":"vertical"(1080x1920:Reels、Shorts、垂直長片)、"horizontal"(1920x1080:YouTube 及其他長片)或 "auto"(預設:跟隨來源影片的形狀)。執行 "$PY" "$KIT/reel.py" probe <video> 可查看 auto 會選什麼。工作表中以紅色標示平台會覆蓋的區域:垂直格式的 Instagram/TikTok UI、橫向格式的 YouTube 播放器邊框。對於長片,請將此技能作為 /long-form 內的一個 moment 使用,而不是手動裁切片段。
步驟
- 片段。 使用使用者提供的片段(任何尺寸;會被裁切為 1080x1920 或 1920x1080,請參考格式)。如果未提供,才要求提供。
- 台詞。
"$PY" "$KIT/reel.py" words <video>會印出每個單字及其時間(首次使用時會轉錄)。它會將每句印成一行,並以[ends …]結尾,表示該句最後一個字的結束時間。選取一個 3 到 8 秒的區間,該區間要表達一個重點,並由完整的句子組成:start是第一個字的時間,end是最後一句的[ends …](來源影片的秒數)。 - 視線。
"$PY" "$KIT/reel.py" frame <video> <區間內的時間> frame.jpg,然後查看圖片。尺規單位是畫布像素;讀取眼睛的 y 座標。這就是eye_y(垂直:一般構圖約 700 到 800;橫向:約 350 到 450)。橫向還要讀取臉部中心的 x 座標:這就是face_x。 - 規格檔。 在片段旁寫入
<clip name>.explainer.json(欄位如下)。規格檔內的路徑是相對於規格檔本身。每個時間可以是從start開始的秒數,或是要錨定的口說單字(例如"viral"、"viral#2"代表第二次出現、"viral+0.2")。偏好使用單字:當你調整start時,它們會自動對齊。 - 建置。
"$PY" "$SKILL_DIR/build.py" <spec.json>。它會裁切區間、將講者去背(每幀約 0.1 秒)、使用 HyperFrames 渲染並寫出<out>.sheet.jpg。 - 檢查。 檢視工作表。紅色是平台會覆蓋的區域。若發生以下情況,請修正規格檔並重新建置:
- 標題或視覺元素位於紅色區域
- 字幕遮住嘴巴,或距離底部紅色區域小於 80 px(請調整
caption_top) - 字幕顯示了區間外的一個單字(請將
start或end移至句子邊界) - 頭部沒有超出面板上緣(請調整
eye_y) - 圖片遺失或變形
- 交付 mp4 路徑,並用一句話說明每個視覺元素顯示的內容。
規格檔
{
"video": "my-clip.mp4", "start": 21.4, "end": 25.66, "out": "my-clip.speaker.mp4",
"title": "偷學有效的方法",
"eye_y": 750,
"visual": {
"type": "compare",
"left": {"label": "另一個領域", "images": ["theirs-1.jpg", "theirs-2.jpg", "theirs-3.jpg"], "at": 0.3,
"chip": "14× 爆紅", "chip_at": "viral", "swipe_at": ["carousel", 2.3]},
"right": {"label": "你的領域", "at": "outside", "reveal_at": "recreate",
"image": "my-photo.jpg", "text": "最好的 *AI 工具*\n當你
*年輕又沒錢*的時候使用"},
"arrow_at": "and"
},
"keys": ["viral", "outside", "recreate"],
"caption_top": 1420
}
title:1 到 4 個字。用*...*包裹一個字,以使用強調色。visual.type: "compare"是「之前與之後」:- 左邊的卡片顯示 1 到 3 張圖片,並在
swipe_at時間點輪播。 - 右邊的卡片起始為虛線的「?」。箭頭在
arrow_at時間點畫出,然後卡片在reveal_at時間點揭露。 - 右邊的卡片可以是純
image,或是由image加上text組成的輪播封面(*word*位於強調色膠囊上,\n換行)。
- 左邊的卡片顯示 1 到 3 張圖片,並在
- 任一卡片都可以是文字卡而非圖片:
"big": "*Pro*\n工具", "small": "專業人士使用"。當使用者沒有圖片時使用。這是指涉左右比較時的較佳選擇。 visual.type: "list":{"type": "list", "items": [{"text": "找到一篇 *爆紅* 貼文", "at": "find"}, ...]}。最多 4 個編號行,每行在說話時出現。keys:要放在強調色膠囊上的字幕單字。選取 2 到 4 個能傳達意義的單字。每次該單字被說出時,都會被標記。- 僅限橫向:
face_x(將臉部置中於面板)、side("right"預設,或"left")、scale(0.9:講者繪製的大小)。 caption_top:字幕頂端的 y 座標:垂直為 1420(保持底部高於 1500),橫向為 850(位於面板上;保持底部高於 960)。
品味指引
- 每個片段只表達一個重點。如果區間表達了兩個重點,請製作兩個解說影片。
- 每個視覺元素應在提到它的那個單字出現時顯示。在說出之前,不應有任何畫面出現。標題是例外:它從第一幀就存在。
- 垂直:保持頂部視覺元素介於 y 330 到 760 之間(標題位於其上方,約在 210)。橫向:標題位於 y 110,視覺元素介於 y 270 到 830 之間,位於面板旁。文字和圖形應遠離紅色區域;講者面板可以接觸到紅色區域。
- 如果講者手指向左和右,請使用
compare。其卡片會位於手指的方向。 - 使用使用者自己的圖片。切勿為他人的貼文捏造數字或結果。像「14× 爆紅」這樣的標籤必須是使用者說過或提供給你的內容。