Reels(卡片格式)
將一段談話錄音轉換成垂直影片,每個想法在上方以一張卡片呈現。 分工如下:
- 工具 負責測量與剪輯音訊(
yatay-kurguskill 的轉寫/剪輯工具)、繪製卡片與字幕、平衡音訊、並檢測結果。 - 你(Claude) 閱讀轉寫稿,選擇要刪除的部分,將每張卡片要在哪個單字出現寫入
senaryo.json,並檢查控制影像。
你不會寫秒數:卡片會綁定在說的單字上;即使剪輯變動,卡片位置也不會跑掉。
準備工作
ffmpeg需在 PATH 中。Python 相依套件透過 repo 根目錄的kur.sh安裝。指令中使用.venv/bin/python作為 Python(Windows 使用.venv\Scripts\python)。不需要具備 libass 的 ffmpeg:字幕使用 Pillow 繪製。- 會使用同一個 repo 中兩個其他 skill 的工具,不會修改它們:
yatay-kurgu(轉寫 + 音訊剪輯)和x-animasyon(合成 whoosh 和鍵盤音效)。 - Whisper 模型會在首次執行時下載(large-v3 約 3 GB);下載前請告知使用者。
- 字型只來自 repo 根目錄的
fontlar/(OFL):Inter、Newsreader、IBM Plex Mono。 - 每個任務有自己的資料夾:
calisma/reels/<ad>/。原始錄影僅供讀取。
以下 R = .venv/bin/python .claude/skills/reels/araclar/reels.py,P = calisma/reels/<ad>。
循環
1. 轉寫。
R dokum P --video kayit.mp4 [--bas 56 --sure 42] [--terimler "videoya özel adlar"]
如果錄影很長且 Reels 只取其中一段,使用 --bas/--sure 指定範圍(剪輯片段會輸出到 P/kaynak.mov,原始檔案不變)。目標:35-45 秒的輸出。
2. 閱讀轉寫稿,決定剪輯。 從頭到尾閱讀 P/dokum.md(適用 yatay-kurgu SKILL.md 中的規則)。停頓和連續重複已經自動刪除;你只需要將下列內容寫入 P/atilacak.json,每行附上理由:
- 重新開始的內容(保留最後一次嘗試)、剪輯筆記(「這裡我打算剪掉」)、說錯後修正的數字;
- 聽不清楚的話語:在兩種解決方案中都模糊不清的部分,不要硬塞進字幕,直接剪掉(使用
.venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py pencere P <sn>重新解讀); - 與 Reels 主題偏離的次要話題:內容決策問題,請詢問使用者。
剪輯點以音訊為依據:範圍從 dokum.md 的行界線寫出,工具會自動將其對齊到 ±0.2 秒內最安靜的畫格。接著:
R kurgu P # 重建剪輯計畫
R kelimeler P # 剪輯後剩下的單字及其輸出秒數(從這裡選擇錨點)
3. 腳本:P/senaryo.json。 範例:ornekler/reels/senaryo.ornek.json。欄位清單與卡片類型請參閱:references/kartlar.md。
{"vurgu": ["effort"], "kuyruk": 2.0, "vuruslar": [
{"duzen": "yuz"},
{"kelime": "Önce", "kart": {"tur": "liste", "baslik": "Sıra", "isaret": "sayi",
"maddeler": [{"yazi": "Modeli seç", "kelime": "modeli"}, {"yazi": "Effort'u seç", "kelime": "effort"}]}},
{"kelime": "oynattım", "ofs": 0.5, "duzen": "grafik", "kart": {"tur": "soru", "soru": "Sen hangisini kullanıyorsun?"}}
]}
- 打點 = 畫面的一種狀態。
kelime錨點是該單字的開頭(例如 "effort" -> "effort'unu" 中的 "effort"),並在上一個打點之後搜尋;可以有多個單字(例如 "plan modu"),kac指定第幾次出現,ofs是秒數偏移。第一個打點從 0 開始。卡片內的項目/行/訊息也可以有自己的kelime來控制出現時機。 - 佈局:
bol(卡片在上,臉部在下;這是含有卡片的打點的預設佈局)、yuz(全螢幕臉部;無卡片的打點的預設佈局)、grafik(全螢幕卡片,沒有臉部)。 - 節奏: 每個打點 1.5-4 秒;40 秒的 Reels 約 10-15 個打點。開頭鉤子(前 1-2 秒)以臉部開始。
- 臉部只在看向鏡頭的時候使用。 如果講者看向螢幕/文字說話,那個打點就用
grafik。 - 不要虛構: 卡片只顯示真實說出的內容或真實發生的情況。不要編寫未經測量的數字、不存在的指令、或虛構的螢幕文字。若要顯示螢幕截圖,使用使用者的真實檔案(
gorsel)。 - 結尾: 最後一個打點是
soru卡片(一個引導留言的問題);談話結束後會停留在螢幕上kuyruk秒,因此選擇grafik佈局(在停留期間畫面會凍結)。 - 字幕中聽錯的單字:使用
"altyazi_duzelt": {"aranaya": "arenaya"}。vurgu列表中的單字在字幕中以斜體 + 強調顏色顯示(只需提供詞根即可,例如 "effort")。
檢查解析出來的時間:R vuruslar P(每個打點的開始/結束時間、元素時間;如果某個元素在看不到的地方切換卡片,會發出警告)。
4. 畫框。
R yuz P # 預測臉部框線 -> P/kadraj.json + P/kontrol/kadraj.jpg
用 Read 打開 kontrol/kadraj.jpg:綠色框線應該包住臉部(從額頭到下巴);藍色是 bol 的裁切,橘色是 yuz 的裁切。預測是無模型的(膚色 + 中心優先);背景中接近膚色的面積、兩個人或彩色燈光可能會誤導它。如果錯了,根據尺規上的來源像素手動修正 kadraj.json 中的 kutu,然後用 R yuz P 重新產生圖片(不會覆蓋既有的 kadraj.json)。如果人物在移動,寫入 anahtarlar(含時間的框線)。
5. 預覽,然後渲染。
R kare P # 每個打點取一畫格 -> P/kontrol/kareler.jpg(檢查)
R kare P 2.3,31.4 # 特定時間點(入場動畫、正在輸入的終端機)
R render P # -> P/cikti/<ad>.mp4,最後會自動執行檢測
6. 檢測(你不能觀看,所以用檢測的方式檢查)。 R olc P(渲染結束時會自動執行)-> P/kontrol/olcum.md + P/kontrol/temas.jpg:
- 長度: 影像/聲音長度相同,畫格數與預期相同。
- 安全區域: 每 5 個畫格測量字幕、卡片和臉部的像素框。Instagram 介面會遮蔽上方 y<220 的區域、下方 20%(y>1536)以及右側的按讚/留言欄(x>940,y 1000-1536);字幕和卡片不應進入這些區域,臉部保持在下方 20% 以上。如果有違規行,修正腳本(卡片內容、佈局)或
kadraj.json。 - 音訊: 最終檔案 -14 LUFS,真實峰值 <= -1 dBTP;效果音軌低於講話音量約 15 dB;whoosh 峰值是否對齊剪輯點。
- 接觸頁面: 每個打點中卡片的填滿狀態(在切換之前)。打開並檢查:文字溢出、元素重疊、頭部被切到、卡片留空。
- 銜接(可選):
.venv/bin/python .claude/skills/yatay-kurgu/araclar/kurgu.py dogrula P重新解析剪輯處的音訊,報告斷裂或洩漏的單字(P/dogrula.md)。
修正後只需執行 R render P(從頭開始音訊和影像,在 M1 Pro 上 40 秒影片約需 35 秒)。
7. 交付。 簡短地以數字告知使用者:輸出路徑、長度(原始 -> 剪輯)、打點/卡片數量、刪除的內容及其理由、安全區域結果、LUFS/峰值、接觸頁面的路徑。你無法檢測的部分(例如聲音好不好聽、卡片是否易懂),清楚留給使用者判斷。
已知限制
- 臉部框線是無模型預測;每個錄影都必須檢查
kadraj.jpg。沒有逐畫格臉部追蹤:僅支援固定框線或關鍵畫格之間的線性過渡。 - 從橫向錄影產生的全螢幕臉部(
yuz)受限於來源的高度:在 4K 中臉部會顯得較大,字幕會自動移到下巴下方。在bol佈局中,臉部卡片的高度會根據臉部下方剩餘的來源影像縮短(以避免下巴落入下方 20%)。 - 沒有音樂;效果是合成的(whoosh、鍵盤、pop、刮擦聲)。
- 卡片類型是固定的(references/kartlar.md)。若要新增類型:在
araclar/kartlar.py中加入繪圖 + 音效函式,並註冊到CIZ和OLAY字典中。 - 介面區域(上方 220 像素、下方 20%、右側欄 x>940)是針對 Instagram Reels 的近似值,採用保守的數值(定義在
araclar/cizim.py開頭);Shorts/TikTok 類似但不完全相同。