video-studio
一條對話式管線,用於編輯任何影片。三層架構組成;此技能在其間路由。LLM 從不觀看影片——它讀取影片(透過文字稿 + 按需生成的時間軸 PNG),並以字詞邊界的精確度進行剪輯。
此處打包的三層架構
-
剪輯引擎 —
video-use(skills/video-use/) 轉錄 → 封裝 → 推理 → EDL → 渲染 → 自我評估。負責:填充詞移除、空白段修剪、色彩調校、30ms 音訊淡入淡出、字幕燒錄,以及將疊加圖層合成到剪輯的render.py複合。這是每次剪輯的主幹。 請閱讀skills/video-use/SKILL.md以了解 12 條生產規則。 -
動態圖形層 — HyperFrames(
skills/hyperframes/、hyperframes-cli/、hyperframes-registry/、gsap/、website-to-hyperframes/) HTML + GSAP 組合,透過無頭 Chrome 渲染成帶 Alpha 通道的.mov。用於:下方三分之一字幕、標題卡、呼應標註、音訊反應元素、場景轉場、動態文字。video-use 會產生這些作為疊加圖層並合成。 -
品味層 —
make-a-video、short-form-video、docs/MOTION_PHILOSOPHY.md腳本、品牌系統、節奏、動態品味。這裡負責應該如何感受,而非如何渲染。
標準循環
- 盤點。 列出資料夾中的來源。不要未經提示就轉錄——等待使用者指向素材並說出他們想要的內容。
- 轉錄 + 封裝(video-use):每個來源一次轉錄呼叫 → 一個
takes_packed.md。 - 策略 → 確認。 提出剪輯方案(節拍、順序、剪掉哪些部分)。等待許可。未經核准絕不進行剪輯。
- EDL。 撰寫剪輯清單(
ranges= 來源秒數,overlays= 字幕 .mov 的輸出秒數)。格式請參見templates/project/。 - 動態圖形(HyperFrames,當某個節拍需要時):創作一個合成,每個變體以
--format mov渲染(Alpha 通道——webm 會變得不透明)。 - 合成(video-use):
render.py <edl> -o final.mp4 --no-subtitles --no-loudnorm(僅當來源有真實音訊時才移除--no-loudnorm)。 - 自我評估 → 持久化。 引擎在你展示任何內容之前檢查每個剪輯邊界。會話記憶儲存在專案的
project.md中。
硬性規則(不可協商;品味自由)
- 字幕以
--format mov渲染(ProRes 4444 yuva)。webm = 不透明,無 Alpha 通道。 - 靜音來源在 render.py 之前需要一個立體聲靜音軌道(其音訊路徑期望一個立體聲靜音軌道)並加上
--no-loudnorm。 - 速度變化是以
setpts預渲染的片段,作為獨立的 EDL 來源引用。不支援原生 EDL 速度。 - 輸出存於
<videos>/edit/——保持技能目錄整潔。
設定
執行 ./install.sh 一次(檢查 ffmpeg/node/chrome,設定 video-use 的虛擬環境,連結技能,提示輸入 ElevenLabs 金鑰)。然後 cd 到素材資料夾並開始一個會話。請參閱儲存庫的 README.md。