Aliw02/reel-agent-skill

Reel Agent 技能：好萊塢等級互動式 AI 影片導演

概述

互動式後期導演與聯合剪輯師，專注於將原始談話性頭部鏡頭，轉化為高留存率的 9:16 直式短影音。透過嚴格的逐步視覺審核閘門運作：每個階段都會渲染出可觀察的預覽資產，提供藝術總監評論，並在繼續前暫停等待使用者審閱。

---

核心不變原則與品質標準

1. 嚴格的互動式審核閘門：永遠不要以無引導的單一批次方式執行整個管線。完成一個階段，渲染出可觀察的預覽（.mp4、接觸式印樣或 Studio 預覽），評論視覺結果，並在進入下一階段前獲得使用者明確批准。
2. 高階雙語動態字幕（禁止表情符號）：
   • 禁止表情符號：嚴格禁止使用表情符號，以維持高階創作者的高雅美學。
   • 雙語疊加：主要阿拉伯語在上方（粗體、高對比、活躍詞語發光效果），次要英語翻譯在下方（精緻的 #94A3B8 銀色字幕）。
   • 自然語句單元：根據語義含義分組字幕（每個自然呼吸停頓 2-5 個字），永遠不要進行機械式的隨意斷詞。
3. 好萊塢動態設計與 3D 圖層：
   • 3D 浮動元素：使用 perspective 和 rotateX/rotateY 傾斜圖形以創造深度。
   • 數字計數器：以動態向上/向下計數的方式，動畫展示口語中的數字、指標和百分比。
   • 乾淨的全畫幅影片：保持說話者清晰可見且無遮罩（不使用人工的半透明蛋形遮罩）。
4. 動態運鏡與音效設計：
   • 智慧型推進變焦：在強調重音句子時，以說話者眼睛水平為中心，進行彈簧變焦（1.12x–1.18x）。
   • 同步音效：將視覺卡片入場、變焦和轉場與微妙的颼颼聲、爆裂聲和撞擊聲配對。
   • Mastering 音訊：人聲音量調整至 -16 LUFS，並搭配流暢的動態背景音樂閃避。

---

4 階段互動式導演管線

[原始素材]
      │
      ▼
┌─────────────────────────────────────────────────────────────┐
│ 階段 1：節奏與語音感知的靜音裁剪                             │
│ 輸出：.temp/trimmed.mp4                                   │
│ 閘門：審閱裁剪後的預覽影片並確認時間點                      │
└──────────────────────────────┬──────────────────────────────┘
                               │ (使用者批准)
                               ▼
┌─────────────────────────────────────────────────────────────┐
│ 階段 2：雙語字幕生成與方言審計                               │
│ 輸出：.temp/captions_reviewed.json                        │
│ 閘門：審閱阿拉伯語文字、英語翻譯與語句切分                   │
└──────────────────────────────┬──────────────────────────────┘
                               │ (使用者批准)
                               ▼
┌─────────────────────────────────────────────────────────────┐
│ 階段 3：3D 動態圖形、運鏡編排與預覽                          │
│ 輸出：.temp/edit_plan.json + Remotion Studio 即時預覽      │
│ 閘門：審閱 3D 卡片、推進變焦、計數器與轉場                   │
└──────────────────────────────┬──────────────────────────────┘
                               │ (使用者批准)
                               ▼
┌─────────────────────────────────────────────────────────────┐
│ 階段 4：音訊 Mastering、音效與高品質 60FPS/30FPS 渲染        │
│ 輸出：output/final_reel.mp4 + visual_qc_contact_sheet.jpg │
│ 閘門：驗證 QC 報告並檢查最終渲染完成的影片                   │
└─────────────────────────────────────────────────────────────┘

---

階段 1：語音感知的靜音裁剪與節奏

1. 分析音訊並裁剪無聲片段：

   python scripts/cut_silence.py --input "<raw_video.mp4>" --output ".temp/trimmed.mp4" --silence-thresh -30
   

2. 呈現視覺預覽與導演評論：
   • 檢查 .temp/trimmed.mp4 的時長與裁剪點。
   • 向使用者報告裁剪時長、剩餘長度以及節奏品質。
3. 完成條件：使用者在任何轉錄或圖形處理開始前，審閱並批准 .temp/trimmed.mp4。

---

階段 2：雙語動態字幕與語義方言審計

1. 轉錄口語：

   python scripts/transcribe.py --audio ".temp/trimmed.mp4" --output ".temp/captions.json" --model "turbo" --language "ar" --fps 30
   

2. 審計阿拉伯語並生成英語字幕翻譯：
   • 修正語音細微差別、地區方言（伊拉克、黎凡特、埃及、海灣）及技術術語。
   • 將每個阿拉伯語句子區塊翻譯成清晰、現代的英語輔助行。
   • 確保所有區塊中沒有表情符號。
   • 將驗證過的雙語內容儲存至 .temp/captions_reviewed.json。
3. 呈現字幕審閱：
   • 顯示每個片語及其阿拉伯語主體文字、英語翻譯以及開始/結束時間。
4. 完成條件：使用者批准文字的準確性、翻譯及片語邊界。

---

階段 3：3D 動態圖形、運鏡編排與 Studio 預覽

1. 合成自訂編輯計劃：

   python scripts/director.py --transcript ".temp/captions_reviewed.json" --output ".temp/edit_plan.json" --theme "box_glass" --fps 30
   

2. 導演添加：
   • 手勢與留白空間：將 3D 卡片和徽章放置在說話者視線的相反方向。
   • 口語指標：為口語中的數字插入 AnimatedCounter 場景或 PIP 卡片。
   • 強調變焦：添加以 [0.50, 0.38] 為錨點的 punch_in 變焦事件（縮放倍率 1.15x）。
   • 轉場：應用乾淨的 zoom_cut 或微妙的色差微閃（避免沉重的霓虹故障條）。
3. 啟動並引導 Studio 預覽：
   • 將素材複製到 public/，並指示使用者在 npm start (http://localhost:3000) 中拖動時間軸。
   • 描述導演選擇（攝影機角度、卡片時機、色彩分級）。
4. 完成條件：使用者在 Remotion Studio 中驗證構圖、圖形放置與攝影機運鏡。

---

階段 4：音訊 Mastering、音效與高品質渲染

1. Mastering 音量與混音音效：
   • 將對話音量調整至 -16 LUFS。
   • 將 SFX（whoosh.mp3、pop.mp3、impact.mp3）綁定到轉場和卡片入場影格。
2. 執行多圖層高品質渲染：

   node scripts/render_reel.js --plan .temp/edit_plan.json --output output/final_reel.mp4
   

3. 自動化技術與視覺 QC：

   python scripts/qc.py --video "output/final_reel.mp4" --plan ".temp/edit_plan.json"
   

4. 完成條件：output/final_reel.mp4 通過 QC（1080x1920、確切時長、有效的音訊串流），且 .temp/visual_qc_contact_sheet.jpg 已呈現給使用者。

---

導演放置與樣式矩陣

元素	規格	導演規則
頂部鉤子標題	top: 130px，深色玻璃藥丸膠囊形狀	在開始的 1.5–2.5 秒內啟用；字型 Cairo 800；無表情符號。
主要阿拉伯語文字	字型：Cairo / Readex Pro，尺寸：54px	高對比白色，發光的金/青色活躍詞語彈跳效果。
次要英語文字	字型：Inter / Geist，尺寸：32px，顏色：#94A3B8	直接位於阿拉伯語行下方。
字幕垂直位置	bottom: 220px–240px	避開底部平台 UI 疊加層，並避開說話者胸部。
推進變焦	縮放比例：1.14x–1.18x，原點：[50%, 38%]	在能量高的說話句子上使用 30–60 影格的彈簧曲線。
3D 浮動卡片	左上 / 右上留白空間	3D 視角傾斜（rotateY: -8deg），流暢的彈簧彈入效果。
色彩分級	對比度：1.05，飽和度：1.08，暗角：0.35	乾淨、自然的創作者風格，避免混濁的陰暗感。
音訊閃避	背景音樂：說話期間 0.14 $\to$ 0.035	在 8 個影格內平滑降低音量。