Super Video Maker
此技能的功能
將一個影片點子、腳本、產品流程、螢幕錄製、虛擬角色需求或現有的長影片，轉化為精緻的影片資產。此技能可以產出：
- 虛擬人物解說影片 (
avatar-explainer)：以證據為導向的虛擬人物影片，包含合成講者、螢幕錄製/來源收據、UI 微故事、字幕和行動呼籲。 - UGC AI 廣告 (
ugc-ai-ad)：包含虛構 AI 創作者的付費社群廣告、參考影像的人物一致性、Seedance 2.5 片段、ElevenLabs 語音一致性、鉤子變體、字幕和直接回應的行動呼籲。 - 動態拼貼解說影片 (
motion-collage-explainer)：無旁白、單一觀點的解說短片，由大膽的螢幕印刷剪裁拼貼靜態影像（gpt-image-2）建立，並透過 Seedance 2.5 動畫化為動態拼貼，以平靜的「深入淺出」紀錄片風格配音（參見MOTION_COLLAGE_STYLE.md）。 - 使用 HeyGen 的虛擬人物影片。
- 透過 fal.ai 使用 Seedance 2.5 的 AI B-Roll。
- 使用 OpenAI 影像模型生成或編輯的影像。
- 包含游標/事件記錄的螢幕錄製。
- 在 Remotion 或 HyperFrames 中的動態圖形。
- 字幕、旁白、音樂和最終 FFmpeg 匯出。
需要時請閱讀這些檔案
VIDEO_COPY_PLAYBOOK.md：關於每個配方中的複製層：四行核心（一位觀眾、一個承諾、一個機制、一個下一步）、雙軌規則（語音承載論點，螢幕承載證據，兩者互不重複）、螢幕上文案技巧（動態標題、數據徽章、幽靈標題、結尾卡片優惠、字體打擊）、格式特有的架構、可信度規則，以及在第一次付費生成呼叫前運行的複製關卡。在撰寫任何腳本、鉤子、標題或行動呼籲之前閱讀它，並先閱讀其第 11 節：一份轉錄的參考配音，以擁有者認可的「樸實語調」（70 秒內零修辭手法），以及擁有者因「過於詩意、過於概念化、AI 垃圾」而拒絕的文案前後對照表。那裡有「指向測試」：如果觀眾無法指向你剛剛說的名詞，就重寫。與copywriting-skill技能搭配，該技能掌管一般的語音和節奏規則。SPOKEN_VO_HUMANIZER.md：關於口語配音聽起來應該如何（短版腳本的 12 條規則 + 被禁止的口語 AI 跡象清單）。HOOK_PLAYBOOK_ARTICLE_SPRINT.md：關於鉤子家族、角度先於複製的規則，以及循環計算。recipes/README.md和tools/video_recipes.py：關於機器可讀的影片配方（列出、比對、規劃、驗證）。REFERENCE.md：關於提供者能力和路由決策。FFMPEG_PLAYBOOK.md：關於確切的 FFmpeg 配方。WORKFLOW_EXAMPLES.md：完整的生產範例。REMOTION_VIDEO_GUIDE.md：關於 Remotion 動態設計規則。TABLETOP_EXPLAINER_PLAYBOOK.md+workflows/tabletop-levels-explainer/：關於建立分層的「X 的等級」解說短片（虛構講者 + 首尾幀工藝 B-Roll + 節拍鎖定的開關組裝）。LIVING_CANVAS_PLAYBOOK.md+workflows/living-canvas-explainer/：關於精品級的單畫布 SaaS 發布/解說影片：在一個連續畫布上的元素級節奏（0-3 次硬剪輯）、與配音單詞鎖定的攝影機編排（覆蓋持續的 UI 卡片）、因果物理 + 佈局重排 + 轉換鏈條、以情感配音和喜劇節奏開場的故事、三頻音樂，以及節拍鎖定的音效匯流排。在任何「讓它感覺像頂級動畫工作室」的請求之前閱讀它——每個持續時間、縮放因子和彈簧常數都已指定。HYPERREALISTIC_IMAGE_SOP.md：關於將參考影像轉換為逼真、非 AI 外觀的 UGC 創作者提示的 12 部分框架。在生成任何創作者靜態影像或超逼真角色之前閱讀它。MOTION_COLLAGE_STYLE.md：關於motion-collage-explainer配方：如何使用gpt-image-2建立大膽的螢幕印刷剪裁拼貼靜態影像，使用 Seedance 2.5 將其動畫化為動態拼貼，並以平靜的「深入淺出」紀錄片解說聲音配音。在製作任何無旁白拼貼/成語/概念解說短片之前閱讀它。REVIEW_VIDEO_PLAYBOOK.md+commands/review-video.md：關於review-conquest-compilation配方 (/review-video)：一個無旁白的配音蒙太奇，使用真實、經過驗證的競爭對手評論，針對「<競爭對手> 評論」關鍵字，指出重複出現的抱怨，將使用者自己的業務定位為替代方案，然後附加使用者自己的推薦短片。在製作任何競爭對手評論/比較/征服影片之前閱讀它。結尾的業務是一個變數——切勿硬編碼特定公司。
操作規則
- 執行分階段的流程，而非隨機的工具呼叫。 使用：接收 -> 腳本/鏡頭清單 -> 資產 -> 組裝 -> FFmpeg 完成 -> 品質檢查 -> 匯出。
1a. 文案是生產關卡，而非裝飾品。 在第一次 TTS 呼叫、片段生成或時間軸建立之前，從
VIDEO_COPY_PLAYBOOK.md撰寫四行核心（一位觀眾、一個承諾、一個機制、一個下一步），選擇角度，並執行其文案檢查清單。語音和螢幕必須永遠不承載相同的句子：靜音影片，故事仍應可追蹤；空白螢幕，論點仍應成立。此順序並非風格問題。在鎖定配音的格式中，腳本就是時間軸，因此在建立後更改腳本會重新鎖定每個幀編號。 - 在第一次付費呼叫前確認付費生成。 顯示計劃的提供者、片段/影像數量、持續時間、解析度和可能的成本驅動因素。
- 優先使用技能本地工具。 在求助於專案根目錄腳本之前，優先使用
tools/中的檔案。 - 每個工具應輸出
RESULT: {...}。 將該 JSON 解析為事實來源。 - 維護工作狀態。 將每次執行放入
tmp/video_jobs/<job_id>/，包含job_state.json、輸入、中間檔案和最終匯出。 - 在品質檢查通過之前不要刪除中間資產。 失敗的影片工作，當原始片段仍然存在時更容易修復。
- 絕不提交機密或用戶會話。 不要發布
.env、cookies、生成的錄製、私人虛擬角色或下載的用戶影片。 - 讓錯誤對使用者友善。 對終端用戶隱藏原始堆疊追蹤，但保存詳細日誌以供除錯。
- 預設為故事優先的影片。 不要製作單純的新聞幻燈片。使用：鉤子 -> 透明虛擬角色介紹 -> 新聞節拍 -> 具體故事/範例 -> 來源證明 -> 行動步驟。
9a. 使用
avatar-explainer作為預設配方名稱，用於結合 HeyGen 虛擬角色配音、螢幕錄製/來源收據、UI 微故事、B-Roll、字幕和行動呼籲的格式。 - 透過虛擬角色自己的語音揭露合成講者。 在鉤子之後立即將「快速備註，這是 <姓名> 的數位虛擬角色」這句台詞嵌入腳本。不要預先加上靜態的免責聲明卡片。如果揭露資訊在音訊中遺失，則在前約 4 秒內，在左上角使用一個小的透明圓角矩形 PNG 徽章（Pillow 渲染：深海軍藍填充
#0A1228，Alpha 96%，2px 品牌橙色#FF6B2C邊框，16px 強調點，白色無襯線體「<姓名> 的數位虛擬角色」，22px 圓角半徑，距離每個邊緣 50px）。永遠不要在底部頻段使用厚重的drawbox下方三分之一——它會與置中字幕衝突。始終在結束卡片上包含一個永久頁尾行：「<姓名> 的數位虛擬角色。<網域>」。 - 故意匹配 HeyGen 虛擬角色和語音。 虛擬角色和語音是獨立的 ID。如果沒有明確提供語音，首先嘗試將語音名稱匹配到選定的虛擬角色名稱，然後才回退。
- 螢幕錄製應看起來像調查，而非滾動的桌布。 瀏覽器證明應顯示代理正在驗證聲明：打開來源、跳到標題、突出顯示確切詞組、使用頁面內搜尋查找功能名稱、滾動到相關段落、切換標籤頁以佐證報導、並放大證據。避免靜態頁面、隨機漫遊、重複的英雄裁剪、廣告、CAPTCHA、Cookie 模態框以及不揭示新資訊的緩慢滾動。
- 使用 B-Roll 作為視覺解釋，而非裝飾。 對於每個句子，問：「這個想法改變了什麼表面？」不要將名詞與通用圖像匹配（「創辦人」-> 使用筆記型電腦的人）。顯示變革發生的環境：Google 文件、日曆、SERP、分析儀表板、Slack 聊天串、CMS 編輯器、瀏覽器標籤頁，或具有前/動作/後狀態的產品 UI。避免複製任何現有 YouTube 頻道的風格；使用原創的現代社論動態、UI 微故事、來源收據和清晰的註釋。
- 將每個視覺效果鎖定到配音的節拍。 始終使用 Whisper 轉錄虛擬角色音訊（逐字時間戳），並將每個螢幕變化、B-Roll 剪輯、字幕和下方三分之一固定到單詞實際出現的秒數。絕不要根據假定的時間覆蓋視覺效果。
- 檢測 HeyGen 腳本重複。 某些 HeyGen 渲染會意外重複腳本。下載後，比較 Whisper 片段並在合成前將主軌修剪到第一個唯一傳遞。
- 建立具有非碰撞區域和無邊框子母畫面的視覺層級。 鉤子節拍時虛擬角色全螢幕。對於其他每個節拍，使用子母畫面：無邊框、24px 圓角、軟陰影——絕不要使用彩色硬邊框。實作方式：每個工作一次，Pillow 渲染
pip_mask.png（圓角矩形 Alpha 遮罩）和pip_shadow.png（模糊的暗色形狀）；FFmpeg 使用chromakey -> scale -> alphamerge來圓角化虛擬角色的角落，然後在偏移+4, +16下合成陰影。在 1920x1080 主軌上預設大小為 492x276。子母畫面的角落會根據字幕對齊方式調整： 如果字幕是底部居中（預設），將子母畫面放在右上角，位於x=W-pip_w-50, y=50。永遠不要將子母畫面放在與字幕相同的頻段中，並在結束行動呼籲尾部完全隱藏子母畫面，以便回顧卡片擁有整個畫面。跳過靜態標題卡片；直接在虛擬角色全螢幕上開啟。在結尾保留一個回顧卡片，包含行動步驟和永久的揭露頁尾。 - 將卡拉 OK 風格字幕燒錄在底部並居中。 粗體大寫 Arial Black，約 64px，2-3 字詞組，活動單詞以黃色突出顯示，白色投影 + 5px 輪廓。ASS 樣式：
Alignment=2（底部居中），相等的MarginL=MarginR=80，MarginV=90。從應用主軌偏移後的 Whisper 單詞 JSON 生成。不要預設為左下角——左對齊字幕看起來不專業，並會與揭露覆蓋層衝突。 - 將主音訊標準化到響度
I=-16:TP=-1.5:LRA=11，以便上傳在 YouTube、LinkedIn、X 和播客中符合廣播安全標準。 - 預設使用 fal.ai 作為 Seedance 2.5。
tools/fal_seedance_video.py預設目標為 2.5，除非你傳遞--seedance-version 2.0或設置SEEDANCE_VERSION=2.0。此帳戶有權使用 2.5 且已驗證可用（2026-08-09），因此將 2.5 片段視為正常結果，而非期望結果。三個固定規則：(i)fal_client必須安裝在執行工具的直譯器中（python3 -m pip install fal-client），否則每個 Seedance 呼叫在到達 fal 之前就會因ModuleNotFoundError而失敗；(ii) 永遠不要移除工具的預留保護，因為 fal 對一個無權限的 2.5 請求回應的是 HTTP 200 及其範例片段，而非錯誤，而自動回退到 2.0 是防止庫存素材進入已完成影片的唯一方法；(iii) 在聲稱片段來自 2.5 之前，始終檢查 RESULT 負載中的fell_back——true現在表示存取權已過期，值得揭露而不是出貨。2.5 是較昂貴的版本（720p 約 $0.4730/s，而 2.0 標準版為 $0.3024/s，2.0 快速版為 $0.2419/s），因此將其用於承載影片的鏡頭，並對填充節拍使用--fast。--fast和--mini將呼叫固定到 2.0，這是唯一具有蒸餾層級的版本。當 fal Seedance 被限制或額度不足時，按此順序回退：(a) 僅當REPLICATE_API_TOKEN已配置且 fal 不可用時，才使用 Replicate Seedance；(b) 直接解釋該節拍的實際來源截圖、UI 模型、庫存素材或排版卡片；(c) OpenAIgpt-image-2靜態影像，使用quality=high，原生 16:9 (2048x1152) + FFmpeg Ken Burns 效果，使用縮放填充/裁剪；(d) 僅當local_explainer_broll.py能夠渲染實際的 UI/事件/狀態變化時才使用。絕不回退到抽象的暗黑宇宙、發光、漂浮或象徵性的「AI」圖像。 - 透過
video_id恢復長時間運行的 HeyGen 工作，而不是重新生成。 如果本地輪詢超時，查詢現有的 HeyGen 工作並在完成時下載，以避免重複扣款。 - 永遠不要在長的節拍內循環播放 B-Roll。 如果與 Whisper 對齊的節拍比片段長，則要麼 (a) 為後半部分生成補充的 B-Roll，(b) 對於最多約 2 秒的溢出，使用
tpad=stop_mode=clone:stop_duration=N保持最後一幀，或 (c) 與 Ken Burns 靜態影像交叉剪輯。可見的循環跳動比短暫保持的幀更令人迷失方向。 - 根據節拍目的而不是提示創意來選擇 B-Roll。始終優先選擇真實素材而非生成素材。 B-Roll 的決定取決於配音在該時刻的作用，而不是什麼「生成起來很酷」。使用此路由：
- 新聞節拍（「這是改變的地方」）： 公告的真實截圖（官方部落格、產品頁面、發布貼文）→ Ken Burns。勝過任何生成的渲染。
- 來源證明： 代理操作的瀏覽器錄像或證明頁面的真實截圖。永遠不要用生成的 B-Roll 取代它。
- 故事/範例（「一位創辦人正在做 X」）： 真實人物正在做該事的真實庫存素材（Pexels/Pixabay）> 社論照片 + Ken Burns > 僅作為最後手段才生成。
- 概念/隱喻： 相對於抽象的象徵性渲染，優先選擇排版「引文」卡片或單一真實物體照片。
- 總和/動能（「每個人都在談論」）： Techmeme/Trends/HN 的截圖加上 Ken Burns，或桌子上報紙頭條的照片，而不是「數據星座」渲染。
- 行動步驟： 真實的 UI 截圖，帶有"...