Communitygithub.com

字幕(綠幕、語音同步、Shorts 安全區域)

為短影片製作與語音同步的綠色螢幕純淨字幕(可選 ProRes 4444 Alpha),字幕以白色大寫文字、黑色外框與硬陰影呈現,每段2-3個單字,居中於畫框下方,避開 YouTube Shorts UI,最終在 After Effects 中合成。

字幕(綠幕、語音同步、Shorts 安全區域) 是什麼?

這項技能專為需要將字幕作為獨立綠幕素材交付的使用者設計,方便在 After Effects 中以 Keylight 去背合成,而非直接燒錄在影片上。字幕遵循已鎖定的視覺規範:白色大寫 Arial Black 字體,字型高度為畫面高度的 3.2%(2560 解析度下為 82 px),黑色外框與硬陰影(避免模糊陰影造成綠灰邊),並透過中心定位確保逗號或字母 Q 不影響位置。系統會自動將語音轉寫成 2-3 個單字為一組的字幕塊,遵守不跨句、不分割專有名詞、不遺留孤立單字的規則。內建 YouTube Shorts 安全區域檢查,確保字幕不與 UI 重疊(最大寬度 68%),若超出範圍會發出警告,並提供調整 `--size` 或 `--y` 參數的建議。基於 Haiku 模型處理時間軸與斷句(節省 token),產出包含純綠背景影片、Alpha 通道影片、JSON 時間碼以及預覽影片,讓使用者在渲染完整影片前可以先檢查效果。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/fahniazz/claude-shorts-skills/tree/HEAD/skills/captions

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

字幕(綠幕、語音同步、Shorts 安全區域) 是做什麼的?

使用者在 After Effects 中進一步編輯字幕,因此字幕絕不燒錄在影片上。提供一個獨立的純綠(#00FF00) 影片,解析度、FPS 與影格數皆與原始影片相同,方便以 Keylight 去背合成。

視覺樣式(2026-11-11 已確認,依據使用者的「鎖定」參考幀)

  • 位置: 水平置中;大寫字母的中線位於畫面高度的 71.5%(角色胸部下方)。以大寫字母中線為錨點,因此逗號或 Q 這類字元不會移動字幕位置。
  • 白色、大寫、Arial Black,字型高度為畫面高度的 3.2%(2560 解析度下為 82 px)。最初設為 4%,使用者要求縮小以免被 Shorts UI 遮蓋。黑色外框;硬黑色陰影位於右下。陰影刻意實心(非模糊/半透明),避免去背時產生灰綠色邊緣。
  • 保留標點符號 如原始腳本(MONA LISA. / PARIS, / 1911.)。使用者要求保留。--strip-punct 則移除結尾的 . , ; :
  • 每段字幕最多 2-3 個單字。字幕絕不跨越句子/逗號或語音停頓,絕不以虛詞(the, of, with, yang, di, dengan ...)結尾,絕不分割專有名詞(Mona | Lisa),避免單一個字自成一段。
  • 每段字幕在其第一個單字被唸出時出現(5 幀淡入:0.85 -> 1.06 -> 1),並保持直到下一段出現。語音停頓後,字幕在最後一個單字結束後停留 0.25 秒消失。

YouTube Shorts 安全區域(每段字幕都必須符合,以淡入峰值 1.06 為準)

保守重疊區域:

  • 操作按鈕:畫面右側 16% 寬度
  • 標題/頻道/音樂:畫面底部 25% 高度
  • 頂部欄位:畫面頂部 8% 高度

指令稿會測量每段字幕的墨跡範圍,若超出任一安全區域則印出 WARNING outside the Shorts safe zone: <text>,並印出實際覆蓋範圍(應約為「83.8% 寬度, 69.8-74.0% 高度」)。字塊會被分割以符合 --max-width 0.68。單一的長單字會縮小以符合寬度。絕不可交付帶有 WARNING 的結果:應降低 --size,或稍微提高 --y。

模型(節省 token,2026-11-12 已確認)

在 Haiku 5.5 上執行字幕產生(remotion-renderer agent 搭配 model: "haiku",或 Haiku 工作階段):指令稿負責時間軸、分割與安全區域檢查,並將結果以文字輸出。僅在判斷新的字幕樣式時使用 Sonnet;僅在修改 scripts/captions.py 邏輯時使用 Opus。

步驟

  1. 取得單字時間軸: 短片的 stories/<slug>/voice/words.json。此檔案由 scripts/words_from_voice.py 產生(faster-whisper 對齊腳本拼字)。若檔案遺失,請先執行: python scripts/words_from_voice.py <voice.wav> <SCRIPT.md> <words.json> [en|id]。 時間軸必須與影片音訊相符(最終版本語音從 0 秒開始)。
  2. 先測試片段(使用者想要在完整渲染前先「看到」短測試):
    python scripts/captions.py stories/<slug>/voice/words.json out/<slug>/captions --start 0 --dur 10 \
      --preview "out/<slug>/final/<Title>.mp4" --alpha
    
    指令稿會印出每段字幕及其時間軸與安全區域檢查結果,並輸出:
    • captions_green.mp4
    • captions_alpha.mov
    • captions.json
    • captions_preview.mp4(影片 + 去背字幕 + 聲音,僅供檢查)
  3. 檢查:
    • 從預覽影片中擷取最寬字幕的影格,並以紅色繪製 Shorts 安全區域(ffmpeg drawbox:x=iw0.84、y=ih0.45 到 y=ih0.75 底部、頂部 ih0.08),使用 hstack 合併成一張圖表進行檢視。
    • 檢查一個全解析度裁切畫面是否有綠色邊緣。
    • 將 captions_preview.mp4、captions_green.mp4 以及印出的字幕列表傳送給使用者。
  4. 使用者確認後,以 --dur <影片影格數 / fps> 渲染完整長度,確保字幕影片的影格數與原始影片完全相同(可使用 ffprobe -count_packets 確認)。

可調整參數(scripts/captions.py)

  • --y 0.715:位置
  • --size 0.032:字型大小
  • --max-width 0.68:最寬字幕
  • --font <ttf>
  • --max-words 3
  • --gap 0.30:斷句的語音停頓時間
  • --hold 0.25
  • --lead 0:提早出現的影格數
  • --no-pop
  • --lower:保留大小寫
  • --strip-punct
  • --alpha:ProRes 4444

給使用者的 AE 筆記

  • 綠色影片: 使用 Keylight,Screen Colour 設為純綠色。此檔案為 yuv444 crf 8,邊緣保持乾淨。
  • Alpha .mov: 無需去背(直接疊加上方)。
  • captions.json: 列出每段字幕的文字、入點與出點時間(秒),方便重建為文字圖層。

相關技能