Communitygithub.com

podcast-clips

將使用單一廣角攝影機拍攝的長篇播客或訪談,剪輯成具有虛擬多機位效果的短影片——包含放大廣角畫面並緩慢穩定的特寫鏡頭、跟隨鏡頭移動的文字、純圖形場景、關鍵詞的重點標記,以及剪接時的閃爍效果。適用於 Reels、Shorts 或 16:9 格式的短片製作。

podcast-clips 是什麼?

這個技能專為 AI 代理主體設計,用於將使用單一固定廣角攝影機拍攝的長篇播客或訪談素材,自動轉換成具有「虛擬多機位」視覺風格的短影片。其核心價值在於讓一段看似單調的單鏡頭素材,透過智慧裁切、動態縮放、文字追蹤與圖形疊加等技術,呈現出宛如多台攝影機切換的專業製作水準,非常適合產出適用於 Reels 或 Shorts 的社群媒體短片。 該技能支援多種平台與格式,包括 16:9 與 9:16 的輸出,並且明確要求素材為 4K 解析度以獲得最佳效果。工作流程從解析長片腳本開始,接著進行臉部偵測以規劃裁切構圖,並為每個段落設計不同的鏡位(廣角、中景、特寫)。過程中會自動為文字找出畫面中的空白區域,確保文字不會遮擋人臉,同時會根據關鍵字添加重點標記(例如色塊膠囊或滑動框)。 其運作方式高度依賴精確的幀級處理:每個鏡頭切換時,新的構圖會先從比目標更緊湊 6-10% 開始,然後在 0.6-0.9 秒內平順地放大到目標構圖,營造出攝影機移動並穩定的感覺。文字區塊會跟隨攝影機的縮放與位移而同步縮放移動,確保定位準確。此外,每個剪接點都會添加一層短暫的白閃效果,並搭配柔和的音效,以強化剪接的節奏感。整個過程透過 HyperFrames 專案進行渲染,最終產出符合社群平台規範的短片。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/justlowys/claude-video-editing-skills/tree/HEAD/skills/podcast-clips

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

播客短片剪輯

請先閱讀 video-edit-rules。其中的規則適用於此處的每個步驟。 使用 longform-to-clips 來選擇精彩片段。本技能負責的是視覺風格。

目標:一個鎖定的廣角鏡頭,卻感覺像是一場多機拍攝的節目。 檢驗標準:觀眾感受到多個拍攝角度,文字位於空白區域且從不遮蓋人臉,每個剪接點都處於靜音狀態。

適用的素材

  • 一台鎖定廣角攝影機,兩位受訪者都在畫面中,或者一位受訪者身旁留有空間。
  • 以 4K 為佳。4K 素材進行 2.5 倍放大後,寬度仍有約 1536 像素,足以輸出清晰的 1080p 畫面。
  • 1080p 素材的放大倍率限制在約 1.4 倍,否則會顯得模糊。請告知使用者。
  • 清晰的聲音。分離的麥克風音軌有助於添加說話者標籤。

步驟 1. 剪輯腳本

  1. 從 longform-to-clips 取得精彩片段及其腳本:確切的台詞、順序、原始時間戳記。
  2. 標記每句台詞的說話者。
  3. 為每個短片標記 2 到 4 個需要強調的關鍵詞。選擇承載核心概念的詞語:一個數字、一個對比、一個結果。
  4. 標記 1 到 2 句台詞作為完整的圖形化場景。選擇那些可以具象化描述的台詞:一個列表、一個前後對比、一個提及的數字。

步驟 2. 規劃廣角鏡頭構圖

  1. 擷取一張清晰的畫面。偵測每張人臉(使用 OpenCV DNN 或 MediaPipe)。將每個人臉的邊界框寫入 work/faces.json。
  2. 找出每位說話者身旁的空白區域:不包含人臉、身體且紋理較少(低 Laplacian 變異數)的最大矩形。這是放置文字的地方。
  3. 在 work/framings.json 中為每位說話者規劃畫面構圖:
構圖4K 素材縮放倍率用途
廣角1.0x第一句台詞、輪到不同說話者時
中景1.5x大多數台詞
特寫2.0 至 2.5x關鍵台詞與重點回報

對於 9:16 的輸出,裁切範圍是廣角畫面中的一個垂直窗口。將說話者的眼睛放在 1920 畫質下的 y 軸 700 附近。文字則放置在下巴下方或頭部旁邊的空間,並保持在安全區域內。

步驟 3. 鏡頭運動

每個剪接點都會切換到一個新的畫面構圖。然後鏡頭會穩定下來。

  1. 在剪接點處,從比目標構圖緊湊 6 到 10% 的位置開始。
  2. 在 0.6 到 0.9 秒內,平順地放大到目標構圖。使用一條曲線(例如 cubic-out)。不要走走停停。
  3. 保持靜止直到下一個剪接點。非常緩慢的漂移(大約每 3 秒 1%)是可以接受的。
  4. 切勿在縮放倍率差距小於 1.25 倍的兩個構圖之間進行剪接。這會看起來像是一個跳動。
  5. 使用 ffmpeg(配合 crop、scale 以及逐幀表達式)或 OpenCV 將裁切效果直接套用到影片幀上。不要依賴頁面變換來處理鏡頭。
  6. 將來源幀均勻地對應到輸出幀率。

步驟 4. 空白區域中的文字

文字是固定在畫面中的,而非固定在螢幕上。

  1. 將每個文字區塊放置在步驟 2 中找到的空白區域中,座標為廣角畫面的原始座標。
  2. 在每一幀中,對文字區塊套用與影片素材相同的縮放與位移。文字會隨著鏡頭一起放大和移動。
  3. 兩種字體大小。一個大的緊湊字詞(例如在 1080p 高度下為 180 到 260 像素)用於關鍵詞。小的緊湊文字(40 到 56 像素,字距 -0.02em)用於其餘台詞。
  4. 即使是在最緊湊的縮放下,文字區塊也永遠不能越過人臉邊界框。每一幀都要檢查。
  5. 文字跟隨話語出現,伴隨著短暫的升起動畫(0.3 秒),沒有彈跳效果。在剪接點處消失。

步驟 5. 關鍵詞的重點標記

兩種形式。每個短片選擇一種並保持一致。

  • 膠囊:關鍵詞位於一個實心的強調色膠囊中。膠囊高度為字元大寫高度的 1.3 倍,圓角半徑為高度的一半,左右內邊距各為 0.4em。
  • 滑動框:一個強調色框在話語被說出時,平滑地從第一個詞滑動到最後一個詞。在詞與詞之間從不停止。根據各詞的時間來驅動其寬度,然後使用一條緩動曲線在整個短語上進行平滑處理。

使用來自 brand/theme.css 的品牌強調色。如果沒有品牌色,選一個鮮豔的顏色並保持使用。

步驟 6. 完整的圖形化場景

在談話段落之間,針對標記過的台詞,剪接到一個全螢幕場景,持續 1.5 到 3 秒。

  • 使用 $KIT/templates/ 或品牌素材將每個場景建構為 HTML。
  • 場景播放期間,人聲繼續播放。
  • 場景展示話語的內容:隨著列表項目被說出而顯示,數字被說出時顯示。
  • 在有機貼文中,場景時間約佔短片總長的 15% 以下。
  • 僅使用使用者擁有的圖片、錄製素材的幀畫面或經過授權的圖庫。切勿捏造粉絲數量、姓名或數字。

步驟 7. 剪接閃爍效果

  1. 在每個畫面構圖切換或進入場景的剪接點上,添加一個輕微的閃爍效果:一個透明度為 35 到 55% 的白色圖層,在剪接幀達到最高不透明度的峰值,然後在 4 到 6 幀內淡出。
  2. 搭配一個至少比人聲低 20 分貝的柔和「噗」聲,或者完全無聲。
  3. 不要使用颼颼聲、上升音或反向漸強音。

步驟 8. 建構與渲染

  1. 已套用鏡頭運動的影片素材:work/cam.mp4。
  2. 文字、重點標記和場景:一個在 work/clip-NN/ 目錄下的 HyperFrames 專案。
  3. 將每個場景的進出點精確對齊到影片的剪接點。
  4. 渲染:npx hyperframes render work/clip-NN。16:9 輸出 1920x1080 解析度,9:16 輸出 1080x1920 解析度。
  5. 先展示前 3 秒。等待使用者確認。然後再渲染整個短片。

視覺風格的檢查清單

除了 video-edit-rules 中的品質把關之外,還需檢查:

  • 逐幀檢查每個剪接點。新的構圖應從更緊湊的畫面開始,然後平順地放大一次。
  • 檢查每個鏡頭在最緊湊縮放時的畫面。沒有文字接觸到人臉。
  • 以 25% 的速度觀看滑動框動畫。它在詞語之間從不暫停。
  • 檢查每個閃爍效果是否在剪接幀達到峰值,而不是在之後的一幀。
  • 檢查每個縮放畫面是否清晰。如果縮放後顯得模糊,請降低縮放倍率。

報告

  • 短片長度、來源的進出點時間、第一句和最後一句台詞。
  • 使用的畫面構圖及其縮放倍率。
  • 帶有重點標記的關鍵詞。
  • 場景及其佔執行時間的比例。
  • 每個音效的時間點與音量。
  • 品質把關的結果。

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

相關技能