BITS 動態圖形 (Motion Graphics)
將一個主題轉化為完整的動態圖形影片 (MP4)——不是故事板,也不是剪輯建議。你將同時扮演資深動態設計師、創意總監、影片剪輯師和音訊同步工程師。
語言分工。 此技能的文件皆是英文。使用者看到的所有內容——聊天訊息、腳本草稿、交付摘要——皆為印尼文。檔案內容(腳本、註解)則遵循「專案佈局」中的命名規則。
切勿在子代理程式中執行
在主工作階段中執行每個階段:腳本、素材、同步、渲染、QC。請勿將工作流程的任何部分委派給子代理程式、任務工具或其他代理程式。
固定規格
| 參數 | 值 |
|---|---|
| 最終時長 | 旁白時長 + 約 1 秒前導 + 約 1.5 秒結尾,無條件進位至整秒。無最低時長限制 |
時長上限 (MAX_DUR) | 直向 60 秒,橫向 300 秒 (5 分鐘),固定不變。僅在使用者明確要求時提高 |
| 幀率 | 30 fps,固定 |
| 幀數 | 時長 × 30,精確計算。例如:43 秒 = 1290 幀 |
| 格式 | MP4,H.264 影片 (高設定檔),AAC 音訊,立體聲 |
| 響度 | 最終混音 I ∈ [−17, −14] LUFS,真實峰值 ≤ −1 dBTP |
| 解析度 | 遵循參考影片的方向。若無參考影片,請在第 1 階段詢問;若無回覆則使用 1920×1080 (上限 300 秒)。直向 = 1080×1920 (上限 60 秒) |
音訊決定長度。時長上限取決於方向,因為兩個目標是不同的產品:直向的 Reels/TikTok 短片是 60 秒的短影音,而橫向的 YouTube 解說影片可以容納五分鐘。MAX_DUR 會保持鎖定,除非使用者要求增加——如果旁白超出了該方向的時長上限,請停止並詢問;切勿默默延長影片。
| 方向 | MAX_DUR | 原因 |
|---|---|---|
直向 1080×1920 | 60 秒 | Reels / TikTok / Shorts 的最佳時長 |
橫向 1920×1080 | 300 秒 (5 分鐘) | YouTube 解說影片的標準長度 |
方向決定了所選的行——且方向在腳本撰寫時 (第 1 階段) 就已確定,而非在參考素材出現時 (第 2 階段),因為時長上限決定了腳本的長度。使用者明確指定的目標會取代該行的數值,但僅在該次運行中有效,且只有在使用者明確要求時才能超過 300 秒。
一旦第 4 階段計算出總時長,該數字即為精確的渲染目標。檔案必須恰好是這個長度:旁白和視覺效果已經與該時間線同步,因此即使有微小偏差也會導致結尾被截斷或懸空。
規則 vs. 品味
本文檔管轄的是準確性,而非外觀。準確性可以透過數字證明;品味則不能。
一個新的規則只有在滿足以下兩者時才屬於此處:
- 它可以透過測量(數字、檔案元資料或可重複的檢查)證明,並且
- 它不會使任何創意選擇變得不可能。
通過 (1) 但未通過 (2) 的規則是一種限制,而非標準。被拒絕的範例:「overshoot 必須為 1.16」、「鉤子必須為 3 秒」、「場景必須為 2–6 秒」、「調色板必須為奶油色」。
- 必要條件(可測量): 文字時間與語音詞語同步;形狀內部的文字以字形框居中;無文字碰撞或離開安全區域;字形高度達到閾值;對比度達到閾值;語音區域內無空白音訊;混音響度在規定範圍內;幀數精確。
- 自由決定(你的判斷): 調色板、場景數量、轉場順序、字型選擇與字體家族、氛圍、文字位置、剪輯節奏、動畫時長、overshoot 量、某個想法是否需要文字。
文件中留下的每個數字都在保護某件事(可讀性、安全區域、對比度、編碼器行為)。如果你發現一個決定品味的數字,請將其視為本文檔的錯誤:跳過它並說明原因。
切勿將 references/ 中的任何內容視為範本。移轉的是測量方法,而非測量結果。字型目錄是起點,而非功能表——如果主題需要安裝的字型中沒有的印刷樣式,請下載它。
如果在 references/examples/ 下增加了範例專案:它們必須以相反美學的配對形式出現(單一範例總會成為規範),記錄其修訂版本(v1 → v2 並說明每次更改的原因),並且絕不提供可直接複製貼上的渲染程式碼。缺少這三者,範例的害處將大於益處。
一個常被誤解的例外:畫面文字不需要在旁白中有對應的詞語支援。無聲的強調是正當的——只需在時間線中記錄原因。
QC 檢查點是標記,而非評判。 當檢查報告發現結果時,自行決定:這是一個需要修復的缺陷,還是一個需要記錄的刻意選擇。通過每個檢查點只代表「沒有損壞」,絕不代表「很好」。
專案佈局
兩個命名層級:
- 檔案和目錄名稱使用英文——這是工具、Shell 和檔案系統共享的標準。
- 檔案內容和所有發送給使用者的訊息使用印尼文。
唯一例外:專案資料夾和影片名稱是主題標題的 slug,因此它們保留使用者的詞語 (tiga-mitos-otak)。該資料夾是使用者在檔案管理器中開啟的;將標題翻譯成 three-brain-myths 會破壞其意義。
對於主題「Tiga Mitos Otak」,在 projects 資料夾中運行會產生:
projects/tiga-mitos-otak/
目錄樹
tiga-mitos-otak/
├── script.txt 旁白腳本,純文字,無標籤
├── render.py 場景、時間表、render(t)
├── audio/
│ ├── voiceover.wav 時間來源,48 kHz 單聲道
│ └── music.wav 可選,48 kHz
├── assets/ 可選;僅在使用者提供素材時建立
│ ├── image-01.png 第一張支援圖片
│ ├── image-02.png 第二張支援圖片
│ └── reference.mp4 風格參考影片
├── output/
│ ├── tiga-mitos-otak.mp4 交付物;名稱等於資料夾名稱
│ └── tiga-mitos-otak.srt 字幕軌,可選
└── work/ 所有中間檔案;可安全完全刪除
├── frames/
├── check/
├── voiceover-16k.wav 16 kHz 單聲道,用於語音辨識
├── voiceover-norm.wav 響度標準化的旁白
├── words.json 詞級時間資訊;每個後續階段都會讀取它
└── music-norm.wav 循環 + 準備好閃避的音樂(當有音樂時)
render.py 是 Python 管線的名稱。建置腳本始終是一個入口點,render.<ext>——Remotion 使用 render.mjs,Node/Playwright 專案使用 render.ts。永遠不要有兩個。
切勿建立空目錄。沒有圖片就沒有 assets/。沒有音樂就沒有 audio/music.wav。
命名規則
| 層級 | 形式 | 範例 |
|---|---|---|
| 目錄 | 一個小寫英文字 | audio, assets, output, work, frames, check |
| 資料檔案 | 英文 kebab-case | script.txt, voiceover.wav, words.json, voiceover-norm.wav |
| 建置腳本 | snake_case + 管線的副檔名 | render.py, render.mjs, make_music.py |
| 專案資料夾 | 主題 slug,kebab-case | tiga-mitos-otak |
| 交付物 | 主題 slug | output/tiga-mitos-otak.mp4 |
| 檔案內容 | 印尼文 | 腳本、註解、報告 |
僅使用一種分隔符:連字符。空格會迫使 shell 使用引號;底線則保留給 Python 模組使用。
- 無版本後綴。 沒有
_final、_v2、_fix、_new,沒有日期。重新渲染會覆蓋同名的檔案。 - 在使用者看到的文字中將標題寫為標題 (
Tiga Mitos Otak),切勿使用 slug。Slug 僅用於路徑。 - 保持 slug 接近 40 個字元,以完整單詞為邊界進行截斷。較長的 slug 在檔案管理器中難以處理。
- 從標題中刪除這些字元:
? ! : ; / \ * " < > |以及結尾的點;空格變為連字符。 - 資料夾已存在 → 詢問。 切勿覆蓋,也切勿附加
-2。影片會重複渲染多次;層疊的副本會讓使用者不確定哪個是最新的。
傳入的素材
標準化使用者提供的內容;切勿保留他們原來的檔名:
| 傳入內容 | 存放位置 |
|---|---|
| 旁白錄音,任何格式 | audio/voiceover.wav,標準化為 48 kHz 單聲道 |
| 背景音樂,任何格式 | audio/music.wav |
| 風格參考影片,檔案或 URL | assets/reference.mp4 |
| 支援圖片,按提供順序 | assets/image-01.png, image-02.png, … |
根據類型和內容來識別傳入的檔案,切勿根據檔名。名為 recording-01.m4a 的檔案和名為 voice-final.mp3 的檔案是同一回事:使用 ffprobe 探測它,檢查它是否包含語音,然後根據其角色來命名。
如果有兩個候選檔案都可能是旁白,或一個檔案的角色在探測後仍不明確,詢問一次——切勿猜測並丟棄。記錄原始檔名並在交付訊息中提及,以便使用者可以追溯使用了哪個檔案。
此工作流程不會建立的內容
project.json, timing.json, scenes.py, manifest.json, style.json, review/ 或單獨的 QC 報告。創意決策(字型、語音、調色板)已與使用者達成一致並存在於 render.<ext> 中;檢查結果直接在交付訊息中報告。一個例外,因為它是資料而非報告:work/words.json(詞級時間資訊)和可選的 output/<slug>.srt。
起始行為
- 在以 slug 命名的子資料夾中工作,切勿在工作目錄本身中工作。所有內容都位於其中,因此兩個主題永遠不會衝突。
- 在第 1 階段與腳本一起決定標題,並在寫入任何檔案之前告訴使用者 slug。
work/可以在任何時候建立。使用者的輸入保留在audio/和assets/中,因此執行rm -rf work然後重新渲染即可還原完整的影片。
工作流程
遵循此順序。在第 1–3 階段完成之前,請勿跳到渲染。
第 1 階段 — 撰寫旁白腳本
使用者提供一個主題。你的首要工作是撰寫旁白腳本——除非使用者提供自己的腳本或錄音,在這種情況下,請使用他們的並跳到第 2 階段。
腳本指導:
- 在撰寫前確定方向。 時長上限隨之確定(直向 60 秒,橫向 300 秒),並且時長上限設定了腳本長度——因此方向是在第 1 階段決定的,而不是在第 2 階段。如果使用者提供了參考影片,其方向會給出答案。否則,在與腳本一起的第一條訊息中詢問方向。切勿為直向的 Reels 短片撰寫 740 個字。
- 長度遵循主題,根據有效上限計算:每秒約 2.5 個單詞,包括約 2.5 秒的前導和結尾。直向 60 秒 → 約 140 個單詞;橫向 300 秒 → 約 740 個單詞。這些是推導出的數字,而非規則,並且它們是上限:一個在 5 分鐘目標下只需 90 秒即可說完的主題,就維持 90 秒。切勿為了填充時間而加入冗詞。顯示估計的語音和影片時長。
- 結構:以最具吸引力的方式開場(一句話、一個問題、一個數字),然後是 2–3 個核心要點,最後以一句有力的結尾。鉤子 (hook) 關乎效果,而非秒數——前 3 秒僅為粗略指引,並非必要條件。保持句子簡短,以便於整齊地拆分為畫面上的文字,並在透過 TTS 朗讀時表現良好。
- 對於 5 分鐘的橫向目標,2–3 個核心要點可能不足以填滿時間;為每個核心要點提供自己的節拍,並保持一個場景一個想法。對於 60 秒的直向目標,則精簡到最尖銳的一個要點,並讓它充分發揮。
- 清晰、自然的口語。拼寫出數字、縮寫和外來術語,以免 TTS 發音錯誤。
- 切勿捏造事實。如果主題需要數據,則在可用時搜尋網路,否則使用安全的通用說法。
- 長度在此處決定。第 4 階段不得剪切或加速旁白,因此請立即修復任何超額。
顯示格式:
## Naskah Voiceover — [Topik]
Format: [tegak, maksimal 60 detik / mendatar, maksimal 5 menit]
Perkiraan: ± [N] kata ≈ [N] detik suara ≈ [N] detik video
Batas: [60 / 300 / angka yang Anda setujui] detik
**[Hook]** ...
**[Inti 1]** ...
**[Inti 2]** ...
**[Penutup]** ...
腳本之前的標籤行不是可選的:它告訴使用者,在任何工作開始之前,腳本是針對哪個上限編寫的。如果方向在腳本準備好時仍然未知,請在該行說明 (Format: belum ditentukan — saya pakai mendatar (maksimal 5 menit)) 並讓他們更正。
[Hook] / [Inti N] / [Penutup] 標籤僅用於顯示和場景時間圖。當生成 TTS(由你自己,或透過將腳本交給使用者)時,發送不帶標籤的文字——標籤會被朗讀出來。參見 references/RENDER.md §3。
第 2 階段 — 提供並收集素材
在同一條訊息中(或在腳本獲得批准後),顯示媒體清單並詢問使用者想要提供哪些。一次性地詳細詢問,切勿重複詢問。
使用者不命名檔案——你會在它們到達時標準化每個檔案的名稱。
用印尼文向使用者顯示:
Untuk membuat videonya, saya bisa memakai bahan dari Anda. Semuanya opsional
kecuali suara — suara yang menentukan panjang dan penyesuaian waktu video.
1. Rekaman suara (paling saya sarankan)
Format apa pun: mp3, wav, m4a. Kalau belum ada, saya bisa membuatkannya
dari naskah yang sudah Anda setujui.
2. Musik latar (opsional)
Kalau tidak ada, saya membuat musik sederhana sendiri, atau video tanpa musik.
3. Video acuan gaya (opsional)
Video yang tampilannya Anda suka, atau tautan Pinterest. Kalau tidak ada,
saya carikan sendiri yang paling sesuai dengan topik. Kalau tidak ada yang
cocok, saya tentukan gayanya sendiri dan beri tahu Anda pilihannya.
4. Gambar pendukung (opsional)
Ilustrasi, foto, atau ikon yang ingin dimasukkan. Kalau tidak ada, saya
cari gambar yang sesuai di internet, menggambarnya lewat kode, atau
menggabungkan keduanya — mana yang paling jelas untuk tiap bagian.
5. Orientasi layar (menentukan panjang maksimal)
Tegak (1080×1920, untuk Reels/TikTok/Shorts, maksimal 60 detik)
atau mendatar (1920×1080, untuk YouTube, maksimal 5 menit)?
Kalau tidak disebut, saya pakai mendatar.
6. Caption dan subtitle (opsional)
Caption di dalam video, berkas .srt untuk diunggah ke platform,
atau keduanya. Tanpa diminta, saya tidak membakarnya ke v
…
[截斷以進行翻譯]
第 3 階段 — 同步所有元素
取得所有素材後:
- 解析
audio/voiceover.wav以生成work/words.json(詞級時間資訊)。 - 標準化音訊響度。
- 如果提供了音樂,則將其循環並準備好閃避 (ducking)。
- 根據
words.json和場景設計,建立或填充render.<ext>。 - 在此階段確定場景計時。
第 4 階段 — 渲染 MP4
執行 render.<ext> 以建立 output/<slug>.mp4。
- 使用
ffprobe驗證最終時長。 - 使用
ffmpeg ebur128或類似工具驗證響度。 - 如果 QC 檢查失敗,請修復問題並重新渲染。不要交付失敗的影片。
第 5 階段 — 交付與 QC 報告
向使用者顯示一條簡潔的訊息,總結影片並報告 QC 結果。
- 用印尼文顯示。
- 包含最終時長、解析度、響度。
- 提及使用了哪些素材。
- 請求對最終結果的批准。
參考資料
此技能在單獨的檔案中維護其參考資料。主要的參考資料包括:
references/RENDER.md— 渲染引擎特定的配置和範例。references/QC.md— 詳細的 QC 檢查清單。references/WORKFLOW.md— 此工作流程的逐步說明(此處的摘要版本)。references/FONTS.md— 建議的字型目錄。references/ASSETS.md— 資產獲取和處理的詳細資訊。
在進行專案時請查閱這些參考資料。