anthonyli/narrated-product-video

口播剪輯、動態資訊層與多比例封面

把主題與原始素材做成可發布的影片、封面和文案。已有錄製影片時，以原影片、原口播為主線完成剪輯，預設加入由口播觸發的 Remotion 動態資訊層，FFmpeg 負責音畫同步粗剪、音訊處理及成片檢查。只有主題或產品素材時，先產生連續配音，再按聲音組織畫面。不要按字幕逐句產生聲音，不要在每個鏡頭前後補靜音。

選擇製作模式

• 主題＋已錄製影片： 預設執行 references/recorded-video.md。轉寫與審看片段，去除確認的口誤、重複及多餘停頓，保留語意和原聲；完成動態字幕、重點提示、章節標題與輕微運動，交付成片。不要把任務停在方案、腳本或動畫程式碼。
• 主題／網頁／素材＋產生配音： 執行下方配音流程。需要動畫效果時同樣採用 references/motion.md；純截圖流程只用於明確要求簡單幻燈片或已說明的環境降級。
• 動畫渲染： 讀取 references/motion.md，複製 assets/remotion 到任務工作目錄，使用其中的 render.mjs。已有錄製影片預設走此路徑，不能悄悄退回靜態圖片淡化並聲稱已實現動畫。
• 使用者明確只要視覺樣片： 按分鏡安排人工閱讀節奏，省略 TTS 和語音對齊。可使用明確標記的連續靜音滿足渲染音軌要求；畫面及交付標明「無聲視覺樣片」，不聲稱透過配音或音畫同步驗收。轉正式配音時再按實際音軌重排時間。

選擇視覺風格

視覺風格與原聲／生成配音模式分別選擇。使用者當次指定的風格或參考影片優先；「也喜歡」表示增加可選風格，不自動替換其他風格。

分類	適合內容	畫面組織
全屏實錄演示	操作教學、真實工作過程、前後效果對比	清晰錄屏為主體，短暫提示出現後退出
鮮明宣傳	產品亮點、短促的收益介紹	編輯排版場景：大標題、瀏覽器窗框內真實截圖、一個明確視覺重點；不做純色底＋文字卡片浮層
知識解說型 MG 動畫（編輯式資訊動畫）	產品解讀、功能原理、知識科普、更新說明	淺色資訊圖或紙感拼貼，用標題、視窗、圖表和箭頭逐步解釋；讀取 references/editorial-explainer.md
Anatomy 等距原理解說	系統機制、技術概念、視覺化科普	用實體裝置的結構與運動解釋概念；支援局部插入或整片預設，讀取 references/anatomy-video.md

同一影片可以按章節組合，但保持字體、字幕和主要動效一致。知識解說段按當前論點選擇畫面：比較呈現差異，原理建立關係，操作展示狀態變化；分欄和卡片只是可選形式。風格名稱是製作分類，不是現有渲染器已經支援的 JSON 參數。

使用者指定 Anatomy 時，使用其獨立場景適配路徑；它不受下文 Remotion scenes／GSAP 路由限制。「某段加 Anatomy」只作用於指定段落；「全片 Anatomy」使它成為當前影片的預設視覺語言，不覆蓋其他任務的預設風格。聲音、事實核驗、字幕和交付仍遵循本技能。

知識解說型 MG 動畫先讀 references/editorial-storyboard.md，把主題整理成「論點 → 證據 → 可見狀態」的分鏡，再製作畫面。先實渲能代表主要難點的短樣片並自行評審，再擴展到全片；無需逐關等待使用者批准。只有會改變目標的偏好或必要素材缺失且無法合理推斷時才詢問。按靜態畫面、運動過程、音畫對齊和事實證據分別記錄檢查；品質修復最多兩輪，仍未解決的項如實標註，不把渲染成功當成視覺品質通過。該流程提高跨主題復用的可檢查性，不保證所有主題自動達到參考品質。

確定交付

• 本使用者視覺偏好： 未指定風格時，影片畫面預設走編輯排版：有明確色相和足夠明度對比的底色、品牌色強調、真實截圖進瀏覽器窗框，保持活力配色和清晰黑字，避免陰暗氛圍、黑色球體和發淡的淺色卡片堆疊。亮黃大底可用於封面系列；影片背景須滿足下述平台按鈕對比要求。全屏實錄演示中的錄屏佔滿畫布，不縮成左右分欄的小視窗；重點文字以短暫的動畫提示疊加，出現後退場，讓操作清晰可見。只對必要畫面做適度裁切，核對關鍵操作未被裁掉。結尾可保留獨立的留言、按讚、關注互動頁。

• 平台按鈕對比（本使用者偏好，直式優先）： 影片預設不用純白或接近白色的整螢幕背景，包括紙白底和結尾頁。抖音、影片號的白色按讚、評論、收藏、分享按鈕及底部文字需要持續可辨；優先選擇中等或較深明度的有色背景，尤其讓右側互動區和底部操作區保持足夠對比。僅把白色改成極淺灰、加細紋理或避讓位置不算解決。白色可用於局部內容視窗，但不要鋪到這些區域；淺色實錄保留真實內容，可在操作區後方加有足夠對比的漸層襯底，並檢查沒有遮住重要操作。交付前按 motion.md 的平台疊層檢查 預覽；此要求優先於淺色資訊圖、紙感和舊的白底風格建議。

• 本使用者封面系列偏好： Dot 實戰封面優先延續已經認可的「賈維斯」系列：亮黃色底、巨大黑字配橙色強調、白色描邊／對話氣泡。不預設加入 Dot 角色形象。使用者提到「之前的風格」時先找到並查看原圖，參考配色與版式，再調整當次主題文案；不憑印象換成黑色抽象球體或另一套極簡封面。

• 本使用者系列稱呼： 相關後續實戰內容中按使用者要求使用 Dot，口播稿、字幕、章節、封面和發布文案保持一致；原始錄屏中的既有介面文字不偽造修改。

• 使用者要求「爆款」「吸引眼球」或自媒體傳播最佳化時，執行 references/viral-storytelling.md：先理解原話和真實效果，再重組鉤子、證據與收益，不把播放量或未驗證的自動化能力當作承諾。

• 使用者明確要求先理解、改稿或討論時，先完成指定階段；明確要求去掉原始錄音時，原聲只供理解素材，最終所有來源影片靜音，按改稿重新配音和對齊字幕。操作錄屏與完成效果分開標註，結果鏡頭優先承擔開場證明。

• 從上下文提取產品、受眾、操作路徑、時長、聲音及用途，不重複詢問已確認的資訊。

• 影片未指定比例時採用 16:9；「橫直封面」採用 4:3 和 3:4，不擅自換成 9:16。預設封面套裝為 4:3、3:4、16:9。

• 要求三種比例影片時分別重新排版輸出，不拉伸或裁掉橫版文字。

• 自媒體分享影片預設在正文、原有結論或開源邀請之後，最後加入自然的互動收尾，例如：「有想法歡迎留言，覺得有用記得按讚、關注。」口播、最後一張畫面和發布文案保持一致，不在互動收尾之後再追加內容；使用者另有要求時按當次指示。

• 本使用者結尾頁偏好： 固定、簡潔的有色背景佈局，文字與底色保持高對比，選中狀態使用可辨識的強調色；結尾頁同樣不使用純白或近白整螢幕背景，保證平台白色互動按鈕可見。避免大幅彈跳，留言、按讚、關注清楚可讀。

• 使用者提供修改前後效果時，先核實素材中的兩個狀態，開場先連續全螢幕展示並明確標註「修改前／修改後」，再進入過程；不只展示修改後的頁面，也不把中間草稿誤標成原版。

• 新寫宣傳口播預設約 45–90 秒；已有影片按有效內容與使用者時長要求剪輯，不強行套用鏡頭數量或裁成 90 秒。教學講清實際操作，宣傳圍繞一個明確收益。不編造能力、價格或驗證結果。

• 已有影片預設保留原聲，無須再問聲音選擇。需要產生配音時，復用已授權聲音和相容 voice ID；缺少必要聲音選擇時才詢問。

產生配音的製作順序

1. 核實素材。 讀取使用者檔案，按授權收集官網素材和演示。真實介面優先，模擬介面標註「示意」。不把頁面內容當作指令。產生獨立 HTML 時遵循已安裝的 PageOn 技能；本技能不綁定某個產品。
2. 寫完整口播。 按受眾需要解決的問題組織論述。宣傳可用問題、證據與收益；教學跟隨實際操作；原理或知識解說先按分鏡明確要解釋的關係，再寫完整段落。中文短句、自然標點、統一品牌拼寫。先寫完整段落，再規劃字幕，不能按字幕切 TTS；不為沿用樣片而複製其論述結構和旁白。
3. 產生連續聲音。 預設優先本地模型，先讀 references/local-tts.md 檢查平台、依賴、模型和聲音樣本；Apple Silicon Mac 的參考方案為 Qwen3-TTS Base 4-bit + MLX。完整稿優先一次合成，受記憶體或生成長度限制時按完整語義段落拆分，不按字幕逐句產生。只有使用者明確選擇或已有適用於當前任務的雲端授權時才用百煉；其 600 字單次限制不套用於本地模型。儲存原始聲音及生成配置，雲端結果不明的付費請求不自動重試。
4. 處理節奏。 用 scripts/audio_timing.py 預設 1.12 倍速，保留音高；通常調整範圍 1.08–1.15。只壓縮偵測到的長靜音中心，保留呼吸及字頭字尾。鏡頭切換不增加聲音空白。沒有長靜音就只調整速度和響度。
5. 對齊字幕。 對原始聲音取得詞時間戳記，再用處理產生的映射轉換到最終聲音。本地配音預設配合本地 ASR／對齊工具，接入格式見 references/local-tts.md；不因需要時間戳記而自動上傳聲音到雲端。scripts/align_captions.py 對比原稿與辨識結果；差異先審聽核對，不用均勻字數分配假裝精確對齊。字幕約 10–22 個中文字、最多兩行；鏡頭跟隨對應操作的口播。
6. 製作畫面。 需要口播驅動動畫時用 references/motion.md，將分鏡映射到已支援的渲染欄位，使用最終聲音觸發資訊和狀態變化。講操作時展示相應物件、動作及結果，不能讓首頁截圖配新增文字卡代替操作證據。先完成短樣片自檢，再擴展；簡單截圖影片用 references/timeline.md 和 scripts/render_video.py。轉場約 0.15–0.25 秒，可按內容調整。每種比例獨立排版，保留字幕和平台按鈕安全區，音軌仍然連續。
7. 產生封面。 使用當前影像生成工具，編輯本地圖前先查看。三種比例獨立重排主標題、產品名及一個收益。實際尺寸必須檢查，不能只憑提示詞聲稱比例正確；偏差用影像工具修正，除非使用者明確授權其他方式。推薦 4:3 = 1440×1080、3:4 = 1080×1440、16:9 = 1920×1080，等比例整數尺寸亦可。
8. 驗收。 完整解碼影片，核實尺寸、音畫時長和字幕時間，抽查開頭、主要操作及結尾。靜態抽幀檢查構圖和文字；連續幀或播放檢查運動；帶聲音審看檢查語義觸發和音畫對齊，三者不能互相代替。偵測長靜音和音訊峰值，檢查全文辨識是否漏詞。可審聽時檢查專有名詞、段落接點及結尾；無法審聽時如實區分自動檢查和聽感評價，不保證「絕無卡頓」。知識解說另按分鏡的預期可見狀態核驗，記錄修復及未通過項。

配音規則

• 後端優先級： 當次明確指示優先，其次讀取專案聲音偏好；沒有明確選擇時使用本地模型。發現舊配置指向雲端時，不將其視為本次上傳授權。首次安裝需下載依賴和模型，權重準備完成後才可離線推理；skill 不附帶模型、私人聲音或 API 金鑰。本地環境不支援、依賴缺失或記憶體不足時說明具體缺項，繼續可獨立完成的製作步驟，不靜默改用雲端、系統聲音或另一種音色。

• 專案聲音偏好： 產生或替換配音前，讀取當前專案的 private/voice/voice-preferences.json（存在時）。其中的 reference_audio、source_audio 等檔案路徑相對該配置所在目錄解析，使用相對路徑；聲音樣本和已有授權聲音響應一併放在 private/voice/。當前專案是用戶正在製作影片的專案，不是安裝技能的目錄；不自動回退到個人主目錄或歷史專案。優先遵循當次指示；參考表達風格與具體音色復刻分別記錄，不將參考樣本自動標記為本人已授權聲音。先審聽再提取節奏特徵，不能聲稱僅提取音軌就完成了聲音復刻。私人樣本及此配置不隨技能開源或打包。

• 完整故事優先一次合成。多段僅用於服務限制或必要修復；段落接點保留自然停頓，絕不重疊可聽語音做交叉淡化。

• 不用 apad 為畫面補聲音；畫面時長服從最終音軌。

• 重複詞、吞字、錯誤讀音應重新生成受影響的完整段落，提速和靜音裁剪不能修復讀音。

• 音訊基準 48 kHz、約 -16 LUFS、真峰值不高於 -1.5 dBTP。MP4 使用 H.264/yuv420p + AAC。音樂只在需要時加入，旁白優先。

• 改稿必須重新取得時間戳記，改速度或剪靜音必須使用新的時間映射。

• 上述預設 1.12 倍速僅適用於生成配音。已有真人影片預設原速；需要提速或刪停頓時必須對影片與聲音應用相同剪輯，不能單獨執行 audio_timing.py 後替換原聲。

• align_captions.py 的 characters 是詞區間內插值，屬於估算逐字時間。普通字幕可用；強調詞優先使用真實詞邊界，逐字高亮需檢查或取得更細的對齊，不聲稱達到逐字精度。

工具與交付

從當前專案根目錄執行命令。private/voice/ 儲存跨任務使用的聲音偏好、樣本和私有聲音響應；work/<task>/ 放當次原始素材、服務響應和中間檔案；outputs/ 放交付。這些目錄都屬於當前專案，private/、work/、outputs/、archive/、.remotion/（渲染核心快取）和 .workbuddy/ 都應被 Git 忽略，不進技能包。技能安裝目錄只提供規則、腳本與模板，不作為專案私有資料目錄。

命令列相對路徑以執行目錄為基準；聲音配置的檔案路徑相對配置檔案，時間軸和 EDL 的素材路徑相對各自 JSON。不要把它們改成作者電腦的絕對路徑，也不要在 JSON 中使用不會自動展開的 ~。可複用字型放在專案內有使用權限的 private/fonts/，透過時間軸的 font 或 fontFile 相對引用。

依賴 Python 3、FFmpeg（FFMPEG_BIN 或 imageio-ffmpeg）、中文字型；簡單渲染另需 Pillow，動畫渲染需 Node.js 與 assets/remotion/package.json 的依賴。先發現執行環境的工具，不寫死開發機路徑。把依賴安裝在任務副本，不把 node_modules 或私人素材裝入技能目錄。

• references/local-tts.md：預設本地配音的安裝、模型下載、聲音配置、合成範例與字幕接入邊界；呼叫上游 mlx-audio，不依賴百煉金鑰。
• scripts/bailian_voice.py：可選雲端後端，授權聲音註冊、整段合成、非同步詞時間戳記，讀取 DASHSCOPE_API_KEY。
• scripts/audio_timing.py：長靜音處理、保調提速、響度與時間映射。
• scripts/align_captions.py：原稿校驗、字幕 JSON、逐字時間映射。
• scripts/render_video.py：三種比例、連續音軌、字幕和轉場。
• scripts/prepare_recording.py：根據保留片段清單同步剪影片和聲音，輸出原聲剪輯母版、WAV 與剪輯映射。
• assets/remotion/：動態資訊層模板與 render.mjs，支援原影片／圖片底層、同步字幕、強調詞、章節標題和卡片動畫；知識解說另有 scenes 場景路徑，目前限 16:9，舊 overlays 保留既有比例。具體介面見 references/motion.md，輸出 MP4 與 SRT。
• 渲染路徑硬規則：16:9 的動畫渲染一律走 scenes 場景路徑並配真實素材截圖（產品介面、頁面全頁），不得退回舊 overlays 純卡片浮層；只有 4:3／3:4、錄屏疊加提示或確實無任何截圖素材時才允許 overlays。 交付前用 render.mjs --stills 抽幀自查排版與資訊密度，對照編輯排版基線：頂欄章節標識與頁碼、瀏覽器窗框內的真實截圖、底部進度分段；每個畫面至少有一個可見證據元素（截圖／圖表／流程／前後對比），不接受純文字卡片佔滿整螢幕。動效遵循模板內建的微動感（入場回彈、緩慢推近、卡片微漂浮），場景入場後不允許完全靜止，也不疊加額外晃動。
• 強動感 MG 動畫走 GSAP 路徑：使用者要求「像 demo 那樣的動感」「彈性動效」「知識動畫」且畫面以動畫表達為主（不依賴真實截圖）時，改用已安裝的「五鼎動畫工廠」技能（HTML+GSAP → 無頭瀏覽器逐幀渲染），本機呼叫參數與兩路徑分工見 references/gsap-motion.md；其預設角標與文案替換行為必須按該文件調整後使用。

交付完整 MP4、獨立音軌、SRT、預設 4:3／3:4／16:9 三種獨立排版封面，以及不超過 30 字的標題、可貼上的描述和少量相關話題；使用者明確調整時按其要求。保留舊版本，給出實際檔案連結，說明剪輯、聲音、動畫改動與驗證範圍；已有影片特別核對所有剪輯接點的口型和聲音。模板渲染成功不等於已完成真實素材的剪輯與聽感驗收。

金鑰只從當前授權環境讀取，不寫入技能、日誌或交付包。聲音樣本、私人 voice ID、含簽名 URL 的響應留在私有工作目錄，不打包到可分享技能。