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
- 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)。 - 先測試片段(使用者想要在完整渲染前先「看到」短測試):
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:python scripts/captions.py stories/<slug>/voice/words.json out/<slug>/captions --start 0 --dur 10 \ --preview "out/<slug>/final/<Title>.mp4" --alphacaptions_green.mp4captions_alpha.movcaptions.jsoncaptions_preview.mp4(影片 + 去背字幕 + 聲音,僅供檢查)
- 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。
- 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
- 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。