編輯:單一計畫,單一指令 是做什麼的?
編輯器會將使用者的錄製內容轉換為影片,過程分為兩部分。首先是說話者剪輯:挑選最好的鏡頭,在停頓處進行剪輯,並完成調色。接著是編輯計畫 (edit/plan-vNNN.json):包含每個插入片段、其對應的文字與提示點,以及音效。工作檯 crewcut render 會根據此計畫建置影片。此技能中沒有任何關於顏色、字型或音量的設定:這些都來自於風格包 (crewcut brand show)。品味則存在於 brand/rules/edit.md 和 brand/rules/cut.md 中。
優先閱讀
| 你想要 | 閱讀 |
|---|---|
| 將錄製內容剪輯成說話者剪輯 | references/record-to-cut.md(包含:聲音到結尾、分割檔案、最後一個完整鏡頭、雙重開頭、在停頓處剪輯、重拍、調色、顯示與鎖定) |
| 撰寫計畫、選擇或建置場景、顯示錄製內容 | references/plan-and-scenes.md(包含:文字錨點、計算混音元素、為每個陳述選擇形式、提示點、新增 2D 場景、重複使用、錄製內容) |
| 製作音樂、設定音量或租用 GPU | references/sound-and-gpu.md(包含:音樂需配合故事、透過測量選擇、音量設定、GPU 的陷阱、費用卡) |
| 建置 3D 場景 | 技能 3d-scene |
| 在顯示前進行檢查 | 技能 cut-check(由評論家執行,絕對不是由你) |
場景名稱及其資料鍵值:templates/2d/BLOCKS.md 和 templates/3d/README.md。請勿在此處複製鍵值列表。
版本的建置方式
- 說話者剪輯 (
references/record-to-cut.md):執行crewcut ingest、crewcut transcribe、crewcut cut …。在開始建置之前,請先對其執行python3 skills/cut-check/scripts/cut_check.py <decisions>,並修復每一個 ERROR。 - 最終剪輯的文字:
crewcut transcribe audio/voice-vNNN.wav→work/words-vNNN.json。所有計畫時間都來自這些文字。 - 計算混音元素,然後列出插入點(見下方段落)。在大規模渲染之前,將列表以卡片形式送出:
crewcut card propose --episode $CREWCUT_EPISODE --step edit --kind mix --title "Inserts for v002" --file edit/mix-v002.md。在卡片保持開啟的狀態下繼續建置;這張卡僅供參考,不是一個關卡。 - 使用一個小型生成器腳本 (
edit/make_plan.py) 撰寫計畫,該腳本會根據文字錨點設定所有時間。永遠不要手動輸入秒數。結構定義請參考:docs/architecture.md中的「Edit plan」章節。值為null的欄位將從風格包中獲取。 crewcut render plan edit/plan-vNNN.json:列出每個插入片段的影格和提示點。請閱讀此輸出。一個只有半秒的插入片段表示錨點設定錯誤。crewcut render 2d edit/plan-vNNN.json:在本機渲染 2D 插入片段。- 3D 部分:
crewcut render probe edit/plan-vNNN.json <id>會產生一個半尺寸的靜止影格。在進行任何其他操作之前,請將其與參考圖像一起查看(技能3d-scene)。然後進行成本估算並建立卡片(見「租用 GPU 或本機」段落),接著執行crewcut render 3d edit/plan-vNNN.json --rented --gpus N或--local。 crewcut render cut edit/plan-vNNN.json:進行最終組裝,包含背景音樂、重音、打字效果、間隙、自動閃避,以及來自風格包的響度目標。輸出是未經檢查的。請告知秀導:「已建置,未檢查,請勿顯示」。- 將版本交給評論家 (
crewcut job add --episode $CREWCUT_EPISODE --identity critic --step edit "check plan-vNNN")。只有在兩項檢查都顯示 0 個 ERROR 之後:預覽影片才可移至export/目錄,秀導將其以卡片形式顯示,內含檔案 (crewcut card propose … --kind preview --file export/<id>-vNNN-preview.mp4),並在顯示後立即執行:crewcut render shown edit/plan-vNNN.json。從那一刻起,任何變更,即使是只有兩影格的變動,都需要建立一個新的計畫版本。
如果文字或數字有變更:修改計畫(新版本),然後重複步驟 5 到 9。只有被變更的插入片段會重新渲染。當不需要在中間進行檢查時,crewcut render all <plan> 可以一鍵執行 2D、3D 和最終剪輯。
先規劃混音,再製作計畫
這些規則適用於每個計畫,在渲染任何影格之前都必須遵守。限制值來自 edit-style.json。
- 符號優先於文字。 每個插入片段應首先展示某個正在發生的事情。只有在觀眾必須閱讀真實來源時才使用文字卡片(
headline、post):最多使用text_cards_max個來源,且最多佔全螢幕插入片段的text_share_max比例。keyword僅用於數字或名稱,最多使用keywords_max個,每個最多keyword_max_words個詞。在渲染前按種類計數;風格檢查會再次計數。 - 符號表示使用 2D 和 3D。 當一個帶有動作的物體能夠表達概念時,使用 3D。對於流程、數量、方式和比較,使用手繪風格的 2D:那些可以建構、移動或變化的形狀。根據每個插入點,選擇一個觀眾能在 2 秒內理解的畫面。一個場景最多只能包含一個詞或一個數字,且必須對應到口語詞。
- 標準是參考,不是「它能渲染」。 與
baseline.json和brand/references/進行比較。租用 GPU 是為了品質:全解析度、足夠的採樣數、柔和的陰影、清晰的邊緣。2D 是動態設計,不是投影片:元素應逐一建構,攝影機有輕微的漂移,轉場柔和。 - 在最終剪輯前檢查每個場景。 將一個靜止影格和一個 5 影格的片段與參考圖像並排比較。如果看起來像投影片、剪貼畫或模板,就丟掉並重新建置。少量非常好的場景勝過許多平庸的場景;一個場景可以配合不同的詞或狀態重複使用 2 到 4 次。
- 使用真實素材,無需提示。 一則貼文、一個公告或第三方結果必須以圖片形式呈現:貼文以卡片形式呈現,並在口語詞語處加上標記;第三方短片以卡片形式呈現,並顯示其來源。絕不使用虛構的螢幕截圖,也絕不使用你編造的公司標誌。
- 音樂必須服務故事 (
references/sound-and-gpu.md)。僅使用樂器,在語音下方保持輕柔,並附上來源和版權說明。 - 快速運算,避免閒置。 在機器載入的同時,持續在本機工作(計畫、2D、剪輯)。每個遠端步驟都有時間限制。最後,必須證明沒有任何機器仍在運行。
- 在大規模渲染前顯示列表(步驟 3):時間、種類、一行描述所見內容、文字卡片的數量。
場景
2D 場景(HTML,由 Chromium 渲染,使用品牌標記樣式)和 3D 場景(透過程式碼操作 Blender,位於 templates/3d/)。資料鍵值:templates/2d/BLOCKS.md、templates/3d/README.md。哪種形式用於哪種陳述:請參考 references/plan-and-scenes.md 的第 3 節。
| 種類 | 場景 |
|---|---|
| 2D 數字與數量 | counter、bars、grid、wave |
| 2D 來源與真實素材 | headline、post、clip-card、cards、swap |
| 2D 概念圖 | area、flow、untangle |
| 2D 疊加在說話者畫面上(透明) | keyword |
| 3D | object-word、row、grid3d、stack、slide、box、scale(共用工具包 templates/3d/stage.py) |
| 錄製片段 | "kind": "clip",包含 file、at、speed:一個全螢幕的完成錄製內容 |
預設的風格包僅附帶少量通用的 3D 場景。使用者自定義的場景應放置於 brand/templates/ (切勿編輯應用程式的模板)。新場景需在 BLOCKS.md 或 templates/3d/README.md 中添加一行說明,並且在有人看過它的影格之前,不會對其進行測試。
混音規則(數值來自風格包)
- 3D 佔比:約佔所有插入片段的
graphics_mix.3d;數字主要由 2D 呈現;說話者在其餘時間出現在畫面中。 - 在詞語上剪輯,而非在節拍上。畫面中的文字應在其被說出前 0 到 3 影格出現。
- 使用
"speaker": [{"at": s, "zoom": z}]來分割較長的說話者片段(從zoom_base縮放到zoom_punch,絕不超過zoom_max)。 - 說話者在兩個全螢幕片段之間的持續時間不得短於
speaker_min_seconds,且在影片開頭和結尾至少要有speaker_open_close_seconds的時間。 - 音效:背景音樂音量為
music_db,並啟用duck(自動閃避);只在強音處使用重音;在計數器下方使用打字音效;在最重要的數字出現前,音樂要有一個短暫的間隙。總響度為loudness_lufs,真實峰值最多為true_peak_db。 - 來源必須誠實:標題卡片必須指名真實的來源。
- 絕不聲稱進行過未曾發生的觀看或收聽檢查。本次會話無法聽到聲音:請標註時間點。
當你應用一條來自某個命名來源的規則時,你可以用一行來說明,例如:crewcut say --episode $CREWCUT_EPISODE --cite "fast cutting and keyword captions after Alex Hormozi's editing style" "…"。
租用 GPU 或本機渲染
- 3D 影格在 Blender Cycles 中渲染。本機渲染意味著使用容器的 CPU:適合用於半尺寸的預覽探針和非常短的場景。任何更長的渲染都需要租用 GPU。
- 成本優先。 執行
crewcut compute estimate --kind blender --frames N [--local-sec-per-frame S]會輸出本機和租用狀態下的時間與費用。將估算結果製作成一張卡片(--kind spend,標題包含金額),然後使用crewcut card wait <id>等待。如果退出碼為 3,則代表不可行:請改為在本機渲染或放棄該場景。只有具有may_spend: true屬性的身分(編輯器)才能進行租用。 - 始終:先渲染半尺寸的靜止影格,再渲染動畫。
- 只有場景程式碼和字型會發送到租用的機器。絕不包含錄製內容、語音、密鑰或私人資料。
- 最後:執行
crewcut compute destroy --all-ours,然後執行crewcut compute ledger --episode ID;向使用者報告的內容應包含花費以及沒有任何機器在運行的證明。在失敗後也應執行此操作。 - 陷阱以及工具如何處理它們:請參考
references/sound-and-gpu.md的 B 節。
誠實的限制
- 代理程式無法聽到聲音。每次對音樂和語音的判斷都必須是一個包含時間點的聆聽清單,以供使用者參考。
- 對詞語停頓、雙重開頭或音量跳躍的偵測只能找到候選項,並非確定性結果。
- 風格檢查可以衡量限制值;但一個場景看起來是否好看,只有人類才能判斷。請將影格與參考圖像並排比較,並清楚說明哪些場景仍然低於標準。
規劃中
- 當詞語時間出現數影格偏移時,重新調整 3D 渲染的時間,以避免不必要的重新渲染。
- 透過
crewcut compute在租用 GPU 上生成音樂(工作室目前是手動完成;請參考references/sound-and-gpu.md)。 - 將網頁錄製作為一個渲染步驟(Chromium 已包含在容器中;但目前尚無對應指令)。
- 一鍵輸出比較表(場景影格與參考圖像並排)。
- 一旦建立,為
examples/demo/中的示範集提供自我測試。
來源
以下人員與本專案無關聯或背書;我們汲取了靈感並撰寫了自己的總結。
- Alex Hormozi(由其編輯 Ryan Magin 建立的剪輯和字幕風格),https://www.youtube.com/@AlexHormozi:在詞語上進行快速剪輯和簡短的詞語字幕;此處將其簡化為關鍵字字幕。
- fern (YouTube 頻道),https://www.youtube.com/@fern-tv:僅從其 3D 黏土風格中獲得靈感。未從中提取任何數值。