Communitygithub.com

你選擇故事

將一段敘述故事段落,轉換為完全由程式碼繪製的垂直故事影片(1080x1920 MP4),包含內嵌 SVG 場景搭配 GSAP 動畫、旁白配音、對應旁白的字幕、頂部欄位的時鐘,以及結尾的兩個詞選擇。當使用者要求「你選擇」故事、選擇結局或「你會嗎?」故事影片、無需攝影機或影像生成器的有旁白故事 Reels、Shorts 或 TikTok,或此類系列的下一部分時使用。

你選擇故事 是什麼?

這個技能「你選擇故事」是一個自動化影片製作工作流程,專為需要快速、完全程式化生成垂直故事影片的開發者與 AI 代理所設計。它將使用者提供的單一段落轉換為一個 20 到 45 秒的 1080x1920 MP4 影片,完全不依賴任何拍攝素材或生成式 AI 圖片。其核心運作方式為:將故事分解為 5 到 7 個敘述行,每個敘述行都有一個獨立的內嵌 SVG 場景,並使用 GSAP 處理所有動畫。此技能整合了文字轉語音(內建 macOS 'say' 或 ElevenLabs)來產生旁白,並自動產生計時資料,將每句台詞與其對應場景和字幕精確同步。影片的結構固定:快速建立前提、一個變化的時鐘或計數器、每個故事行對應一個場景,最後以一個「兩個詞」的選擇作結。支援多個平台(Claude Code)。此技能會產生一個完整的工作目錄,包含 JSON 設定檔案、音訊檔案和一個 HTML 範本引擎,並透過一個嚴謹的步驟式工作流程來確保品質,在最終渲染前會先輸出檢查用的幀畫面,以便人工驗證。它會自動驗證故事格式,並在前提時間過長或時鐘從未變化時發出警告,對於講求一致性與手動控制的腳本化、可重複的短片製作非常有用。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zeroedithq/claude-video-skills/tree/HEAD/you-decide-story

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

你選擇故事 是做什麼的?

您將製作一個簡短的垂直影片(1080 x 1920,約 20 到 45 秒),講述一個小故事並停在一個選擇上。全程無需拍攝,也無需產生任何圖片。您使用內嵌 SVG 繪製每個場景,GSAP 負責動畫,旁白朗讀台詞,並由腳本將影格渲染成 MP4。使用者提供一個段落,您回傳渲染完成的影片。

四個部分

每一集都包含以下四個部分。

  1. 一句前提,在前三秒內說出。 使用第二人稱、現在式:「你開著今晚最後一班公車。」模式是:你、一個地點、一個略顯不對勁的細節。讓觀眾在滑走之前就知道自己是誰、身處何處。
  2. 一個時鐘或計數器,顯示在頂部欄位,並至少變化一次。「晚上 11:58」變成「晚上 11:59」。「3 根火柴」變成「2 根火柴」。這個變化告訴觀眾時間正在流逝。
  3. 每個故事行都有一個繪製的場景。 故事有 5 到 7 行。每一行都有自己的圖片和字幕。當旁白開始該行內容時,圖片會切換。
  4. 結尾是一個兩個詞的選擇。 螢幕變暗,顯示「你會嗎?」接著是兩個選項,每個選項一個詞(例如:回答 / 別回答),然後是「留言一個詞」。故事沒有結局,選擇本身就是結尾。

檔案

下面的 SKILL_DIR 是此檔案所在的資料夾。請在指令中使用其真實的絕對路徑。Claude Code 會在技能載入時顯示它。否則,它在專案中的位置是 .claude/skills/you-decide-story,或是在 ~/.claude/skills/you-decide-story。

SKILL_DIR/scripts/voice.mjs       story.json -> 旁白音訊 + timing.json
SKILL_DIR/scripts/render.mjs      劇集頁面 -> 檢查影格,或 MP4
SKILL_DIR/template/episode.html   您為每一集複製的頁面範本

每一集都位於使用者專案中的一個獨立資料夾內,以故事命名:

last-bus/
  story.json       您撰寫(步驟 1)
  timing.json      voice.mjs 寫入(步驟 2)。請勿手動編輯。
  audio/           voice.mjs 寫入(步驟 2)
  episode.html     從範本複製(步驟 3),然後在其中繪製
  out/check/       檢查影格(步驟 6)
  out/episode.mp4  影片(步驟 8)

在第一集之前

在使用者的專案資料夾中執行以下指令:

node --version           # 必須是 v22 或更新版本
ffmpeg -version          # 必須顯示版本資訊
npm ls gsap playwright   # 兩者都必須列出

如果缺少 gsap 或 playwright,請在專案資料夾中安裝:npm install gsap playwright,然後執行 npx playwright install chromium。如果缺少 Node.js 或 ffmpeg,請停止並告知使用者需要安裝的項目。

步驟

請按此順序執行步驟。在步驟 7 的檢查影格完全乾淨之前,請不要渲染完整的影片。

步驟 1. 撰寫 story.json

將使用者的段落轉換為 5 到 7 行,以及一個選擇。該段落應回答四個問題:你在哪裡?現在是什麼時間(或什麼東西正在耗盡)?誰或什麼來了?結尾的兩個詞是什麼?如果缺少任何一個,請自行補上,並在最終報告中說明。無需停下來詢問。如果這是系列的後續部分,使用者會告訴你哪個詞獲勝。從該詞開始。

{
  "title": "LAST BUS",
  "lines": [
    { "id": "l1", "say": "You drive the last bus of the night.", "caption": "You drive the last bus.", "clock": "11:58 PM", "pause": 0.8 },
    { "id": "l2", "say": "A man waves you down. There is no stop here.", "caption": "A man waves you down. No stop here.", "clock": "11:59 PM" }
  ],
  "choice": {
    "question": "WOULD YOU?",
    "a": "STOP", "aNote": "let him on",
    "b": "DRIVE", "bNote": "keep going",
    "say": { "question": "Would you?", "a": "Stop.", "b": "Or drive.", "cta": "Comment one word." }
  }
}
欄位說明
title頂部欄位中的標籤。一到三個詞。以大寫繪製。
lines[].idl1, l2, ... 按故事順序。場景群組和動作程式碼會使用這些 ID。
lines[].say旁白要說的內容。一到兩個短句,4 到 12 個字,使用現在式。
lines[].caption螢幕上顯示的文字。濃縮到核心的行,約 40 個字元左右。
lines[].clock當此行顯示在螢幕上時,頂部欄位顯示的文字。重複相同的值以保持不變。至少在壓力升高的那一行改變一次。
lines[].pause選填。該行之後的靜默秒數,用於需要時間的畫面(門打開、電話鈴響)。預設為 0.3。
choice.a, choice.b各一個詞,大寫。
choice.aNote, choice.bNote兩到三個小寫單詞,說明該詞在此處的含義。
choice.question預設為 WOULD YOU?。
choice.say在卡片建立時,旁白分四個部分說出的內容,以便每個詞在說出時準確落地。

行的規則:

  • l1 是前提。第二人稱、現在式,8 個詞或更少,以便在 3 秒內結束。
  • 如果使用者原本的句子已經符合,請保留。如果段落開頭是一個第二人稱、現在式、8 個詞或更少的句子,那麼該句子就一字不差地作為 l1。
  • 一行對應一個畫面。如果一行需要兩個畫面,請將其拆分成兩行。
  • 選擇前的最後一行應留下懸念。不要回答它。
  • 故事需為原創。請參閱繪圖規則。

步驟 2. 製作語音和 timing.json

node SKILL_DIR/scripts/voice.mjs last-bus
  • 在 Mac 上,這會使用內建的 say 語音。它是免費的。預設使用 --voice Daniel 和 --rate 172。對於其他語言的故事,請傳入該語言的語音(使用 say -v '?' 列出)。
  • --provider elevenlabs --voice <voice_id> 會使用 ElevenLabs。這需要 ELEVENLABS_API_KEY 並且會消耗使用者的點數。僅當使用者明確要求時才使用。
  • --provider silent 會寫入一段估算長度的靜音。當系統沒有語音時使用。告知使用者影片將沒有旁白。

此腳本會印出每一行的開始和結束秒數,並寫入 audio/voice.wav 和 timing.json。它還會檢查格式,並針對每個問題印出一行 Warning::前提在 3 秒後才結束、時鐘從未改變、選擇超過一個詞、某行在螢幕上的時間少於 2 秒。修復 story.json 中的每個警告,然後重新執行腳本。在對 say 文字進行任何更改後,請務必重新執行它。

timing.json 是該集唯一的時鐘:

{ "duration": 24.6, "lines": [ { "id": "l1", "start": 0.3, "end": 2.71 }, { "id": "l2", "start": 3.51, "end": 6.4 }, { "id": "choice", "start": 19.2, "end": 19.9 } ] }

步驟 3. 複製範本

cp SKILL_DIR/template/episode.html last-bus/episode.html

將複本完整閱讀一遍。您將編輯其中的兩個部分:場景(SVG)和 motion 函式。其餘部分是引擎。引擎已經根據 story.json 和 timing.json 設定好了場景切換、每個場景的慢速縮放、字幕、時鐘和選擇卡片的時間。請不要再次設定這些時間,也不要編輯引擎。

使用您的檔案編輯工具修改複本。該集保持在一個 HTML 檔案中:不要將其拆分為多個部分,也不要編寫建置腳本。

步驟 4. 繪製場景

在 <g id="scenes"> 內部,刪除兩個範例場景,並為每一行繪製一個群組:

<g class="scene" id="scene-l2" data-caption-y="1400">
  <!-- 先背景,再物品,最後人物 -->
  <g transform="translate(540 1250) scale(1.12) translate(-540 -1250)">
    <g id="l2-man"> ... </g>
  </g>
</g>
  • 群組 ID 是 scene- 加上行 ID。引擎會從該行的開始時間顯示它,直到下一行的場景開始。
  • 為每個將要移動的部分給定自己的命名群組,並以行 ID 開頭(l2-man, l2-arm)。頁面中的 ID 必須是唯一的。
  • 尺寸和位置放在外層群組的 transform 屬性上。動畫則放在內部的命名群組上。永遠不要對帶有 transform 屬性的元素進行動畫補間,也永遠不要對 .scene 群組進行動畫或變形。
  • 當一個行可以保留前一個場景時(僅當該行的畫面透過動畫明顯改變:有人離開、燈熄滅、手機亮起),可以不為其繪製新群組。

舞台是 1080 x 1920。一個單位等於影片中的一個像素。

y該區域用途
0 到 182頂部欄位:標籤和時鐘。由引擎繪製。保持其後方區域為純色。
250 到 1250畫面區域。主要物體位於此處並填滿它。
1290 到 1500字幕帶。文字後方使用一個平坦的深色:可以是計數器、地板、道路、牆壁。
1560 到 1920在手機上會被應用程式按鈕覆蓋。不需要放置故事所需的任何東西。

場景上的 data-caption-y 會移動其字幕(預設為 1400,即字幕帶的中間)。data-zoom 設定慢速縮放(預設為 1.06,1 表示無縮放)。

步驟 5. 撰寫動畫

將 function motion({ tl, show, line }) 的主體替換為您場景的動畫。

const l1 = line('l1'), l2 = line('l2');   // { start, end, next } 單位為秒,來自 timing.json

// 從畫面上方掉入並彈跳
show('#l2-bag', l2.start + 1.0);
tl.fromTo('#l2-bag', { y: -1400 }, { y: 0, duration: 0.55, ease: 'bounce.out' }, l2.start + 1.0);
// 向右走出畫面
tl.to('#l3-man', { x: 900, duration: 1.3, ease: 'power2.in' }, l3.start + 1.4);
// 搖晃:電話鈴響,圍繞自身中心輕微旋轉
tl.to('#l4-phone', { rotation: 3, svgOrigin: '290 1680', duration: 0.06, repeat: 40, yoyo: true, ease: 'none' }, l4.start);
// 脈動:鈴聲弧線、警示燈
tl.fromTo('#l4-rings', { opacity: 0 }, { opacity: 1, duration: 0.3, repeat: 7, yoyo: true, ease: 'sine.inOut' }, l4.start + 0.1);
// 持續整個場景的動畫
tl.fromTo('#l1-road', { x: 0 }, { x: -520, duration: l1.next, ease: 'none' }, 0);

規則。這些規則能確保畫面與語音同步:

  • 每個開始秒數都來自 timing.json。 將其寫為 line('<id>').start 加上該行內部的偏移量。0(第一個影格)是唯一允許的裸數字。不允許手動設定秒數,例如 6.4:因為當重新製作語音時,這些秒數會偏移。
  • line(id).start 是切換到該行場景的時間。.end 是旁白停止的時間。.next 是下一行開始的時間。line('choice') 是選擇卡片。
  • 稍後才出現的形狀需要在同一個秒數上使用 show(el, start),與其入場動畫的開始時間相同。show(el, start, end) 會在 start 之前和 end 之後隱藏它。
  • 僅使用補間動畫。不要使用 tl.call、onComplete、Math.random() 或計時器。渲染器會跳到每個影格,因此只有被補間的值才會被繪製。
  • 旋轉和縮放需要 svgOrigin: 'x y',指定它們圍繞旋轉的點,使用舞台單位。
  • 除了縮放之外,讓每個場景都有一到兩個動態物體:一個入場、一個手勢、一束光。沒有任何東西移動的場景讀起來就像幻燈片。

當動畫沒有開始秒數、選擇器沒有匹配到任何東西,或 story.json 與 timing.json 不再匹配時,引擎會停止並顯示一條清晰的訊息。

步驟 6. 渲染檢查影格並查看它們

node SKILL_DIR/scripts/render.mjs last-bus --frames auto

這會將 PNG 檔案寫入 last-bus/out/check/:第一個影格、每次場景切換後緊接著的一個影格(-cut)、每行中間的一個影格(-mid),以及最後一個影格。閱讀它印出的每一行 Note:。

使用「讀取」工具,一次一個地以全尺寸打開每個 PNG。不要跳過任何影格,也不要僅從檔案列表中判斷。在每個影格中檢查:

  1. 螢幕上顯示的場景只有一個,並且是該行正確的場景。
  2. 字幕可以一眼讀懂。其背後沒有明亮或複雜的細節。
  3. 該行的主要物體至少佔據畫面區域的三分之一。
  4. 畫面中沒有尚未出現的東西。將每個 -cut 影格與您動畫程式碼中的偏移量進行比較。
  5. 沒有文字被其邊框或影格邊緣裁切。
  6. 時鐘顯示與 story.json 中此行的值相符。
  7. 第一個影格已經顯示了地點和主要物體。
  8. 最後一個影格顯示了問題、兩個詞、兩個備註以及「留言一個詞」。

步驟 7. 修復並再次檢查

修復您看到的問題。使用下方的清單。然後再次渲染影格並再次檢查。必要時可以要求精確的秒數:--frames 6.5,7.2。重複此過程,直到每個影格都通過全部八項檢查。只看一次是不夠的:一個修復動作常常會將問題移動到其他地方。

步驟 8. 渲染影片

node SKILL_DIR/scripts/render.mjs last-bus

它會每 150 個影格印一行進度,並在結束時顯示影格數和所花費的秒數。檔案位於 last-bus/out/episode.mp4。--out name.mp4 可以更改名稱。--width、--height 和 --fps 可以更改尺寸和影格率(預設為 1080 x 1920,30)。然後確認檔案包含畫面與聲音:

ffprobe -v error -show_entries stream=codec_type:format=duration -of default=nw=1 last-bus/out/episode.mp4

步驟 9. 報告

告知使用者:MP4 的路徑、其長度、前提、兩個詞、您自行補上的任何內容,以及您無法移除的任何警告。

已知的失敗與修正

以下四個問題發生在以這種方式製作的第一集中。請在每個檢查影格中留意它們。

  1. 某個形狀在其入場動畫開始前就已經可見。 您會在 -cut 影格中看到它:某個應該稍後才出現的東西已經在那裡了,通常懸掛在一個奇怪的地方。在第一集中,一個包包在男人的臉前懸掛了一秒鐘才掉落。原因:一個補間動畫將它的形狀從第 0 秒開始就放在了起始位置,而該位置在影格內。修正:使用 show('#l2-bag', l2.start + 1.0) 在同一個秒數上將其隱藏,直到動畫開始,並讓入場起始位置在影格外(y: -1400,而不是 y: -400)。
  2. 字幕被放置在雜亂的區域上方。 文字橫跨在架子、窗戶、臉或明亮的形狀上。修正:將字幕移動到一個平靜的色帶。在該場景上設定 data-caption-y 為一個背景是平坦深色的 y 座標,或者重新繪製場景,使 y 1290 到 1500 區域保持平靜。不要為了讓字幕適合而將其縮小。
  3. 主要物體在影格中太小。

…

[因字數限制而截斷]

相關技能