腳本 是做什麼的?
編劇撰寫使用者在影片中說出的內容。目標:使用者唸一次即可錄製。每個句子都承載或證明標題和縮圖的承諾。
撰寫之前
- 標題與縮圖文字已獲得批准(
brief/TITLE-vNNN.md)。沒有標題,就沒有腳本。 - 論證已獲得批准(
brief/PROOF-vNNN.md)。絕不憑空捏造數字、經驗或引言。如果缺少某個資訊,請在撰寫前透過聊天(crewcut say)提問;腳本中不得有空白或佔位符。 - 閱讀
voice.md(使用者的說話方式、應使用與避免的詞彙)、brand/rules/script.md,以及edit-style.json中的長度(length_minutes)和channel.json中的語速(script.words_per_minute)。 - 閱讀最近三支腳本的結尾,確保這次的裁決採用新的形式。
結構
兩種形式。針對工具或主張,使用測試形式;當有事件發生時,使用故事形式(細節在 references/forms.md 中)。
- 開場,2 到 6 個句子。 前幾秒承載承諾及其數字:第一句命名工具或主題及其主張。沒有問候,沒有問題,沒有「在這部影片中」。前 30 秒確認點擊:觀眾看到他們得到了標題和縮圖所承諾的影片。最多一個開放的鉤子,在結尾處解決。
- 問題,用一個觀眾知道的案例說明。首次提及不熟悉的工具時進行解釋。
- 它的功能,用畫面呈現,只說明觀眾還不知道的內容。
- 自己的測試,使用真實數字,並以人們口語的方式四捨五入。只測試該工具設計用來做的事情。
- 一個訂閱推廣句,緊接在第一個強烈結果之後:觀眾從這個頻道能獲得什麼。如果沒有廠商為測試付費,就在那句話中說明。絕不在開頭,也不在結尾懇求。
- 漸進式的小故事(彩蛋)。 從開場到裁決之間的每個區塊都有一個目標、一個障礙和一個解決方案;區塊之間的風險逐漸升高(更多數據、更多金錢、更困難的測試)。最強的測試放在裁決之前的最後;開場可以預告但不可以透露結果。
- 批判性面向。 廠商的數字與自己的或獨立測量結果的比較;限制。如果工具沒有兌現承諾,就說出來,標題則回到標題步驟。
- 裁決,每次都採用獨特的形式:給觀眾一個任務、一個留下來的一句話數字、對使用者自身工作的意義、回扣開場的意象。不是固定的結尾提問。
- 結尾。 如果
channel.json中有提案或必須提及的內容(script.end_mentions),則以使用者的措辭放在最後幾句。如果有的話,最後一句是頻道的closing_line。
比較影片: 最多連續兩個結構相同的區塊;第三個區塊必須改變形式。在影片中段加入一個新的鉤子。每個陳述只出現一次。所有候選項目的成本與時間只集中說明一次,一起顯示在畫面上,而不是在每個區塊末尾都提。
用詞
- 使用
voice.md中使用者的詞彙;絕不使用其避免列表中的詞。 - 簡短的句子:中位數約 10 到 12 個詞,絕不超過
script.sentence_max_words。 - 一句話中最多三個產品名稱;更長的列表放在畫面上。
- 排除:觀眾已知的基本知識、沒人在意的細節(測試次數、內部開關)、檔案名稱、指令、旁支主題、私人人物、為何選擇該範例,以及非承諾相關的成本。
- 無廣告或銷售語氣:說明測試了什麼,不向觀眾承諾任何事情。開場時不要使用華麗的「不是這個,而是那個」句式。
- 商業性透過範例展現,而非直接對觀眾的生意喊話。
提詞機形式
使用者從相機旁的手機上讀稿。
- 只有位於一行
---上方的口語文字。給剪輯的備註(場景、片段、每個數字的來源)放在下方。 - 一個段落等於一次呼吸:1 到
script.paragraph_max_sentences個句子。一個空行表示短暫停頓。 - 三個空行分隔不同部分:在此處剪輯可以切斷、提詞機可以翻頁、可以插入片段。
- 沒有括號、舞台提示、標題、章節、時間戳或標題行。只有在套件允許時才使用破折號。
- 用粗體標記一個段落中的一兩個關鍵詞。提詞機的重點模式會顯示這些關鍵詞而非全文,方便想要自由發揮的使用者。
步驟
- 用經過驗證的數字填入結構。
- 刪減:每個句子都必須承載或證明承諾。
- 轉換為使用者的語氣。在腦中默念每個句子:使用者是否會對著攝影機這樣說?
- 將草稿寫入
work/script-draft-vNNN.md,使用下一個可用的編號;切勿覆蓋任何版本。 - 人性化處理流程(見下文)。將結果寫入
brief/SCRIPT-vNNN.md(相同編號),然後記錄它:crewcut humanize record --draft work/script-draft-vNNN.md --final brief/SCRIPT-vNNN.md --why "<套用的模式>"。 - 檢查直至 0 個錯誤:
python3 skills/script/scripts/script_check.py brief/SCRIPT-vNNN.md --title "<標題>" --name "<工具>" --proof brief/PROOF-vNNN.md。閱讀每個警告和提示;保留的提示需在---下方用一句話說明原因。如果為了通過檢查而修改腳本,則需再次記錄該次修改:卡片需要準確檔案的記錄。 - 卡片:
crewcut card propose --episode <id> --step script --kind script --title "腳本,版本 N" --file brief/SCRIPT-vNNN.md --body "<詞數>,約 <分鐘> 分鐘,檢查:0 個錯誤",然後crewcut card wait。卡片會顯示「已人性化處理」以及變更的內容;沒有記錄則會被拒絕,並提示應執行的操作。 - 確認後:
crewcut prompter <id>會印出手機連結和二維碼。用一條訊息告知使用者:連結、分幾部分、大約時長。提詞機只顯示---上方的文字。
人性化處理流程
每個腳本草稿在使用者看到之前都必須經過人性化處理(blader/humanizer,MIT 授權),長片和短片都一樣。Crewcut 啟動時會下載其最新版本;在 Claude Code 中它是技能 humanizer:humanizer(像任何技能一樣執行),在 Codex 中其文字已包含在你的提示中。crewcut skills status 會顯示版本。
- 模式「內嵌」,搭配使用者的語氣。 首先閱讀
brand/voice/中的每個檔案:使用者從其影片中口說的真實詞彙。將這些內容提供給 Humanizer 作為語音樣本。無樣本時使用簡潔模式;卡片上會註明。 - 最需注意的部分:「不是 X 而是 Y」的對比;沒有增添新資訊的結尾語句;聽起來很有深度的諺語;在進入重點前的刻意鋪陳(「這裡是重點」);三點列表;誇大的意義和廣告用語。
- 需保留的內容: 使用者自己的詞彙和措辭(那些在
brand/voice/和voice.md中的),即使 Humanizer 會想將它們修平滑;每個數字、名稱、主張和標題的承諾。這個處理改變聽起來的感覺,絕不改變其內容。 - 不在此範圍內: 讓文字通過 AI 檢測器。Humanizer 是為人編輯的,我們也是。
檢查器無法發現的問題
範例是否過於寬泛、某個部分是否偏離主題、測試是否符合承諾、語氣是否像使用者。這些需要在步驟 2 和 3 中透過閱讀來完成。
規劃中
- 提示單和每個部分錄兩次(第一次根據提示單自由發揮,第二次根據腳本;剪輯時選取較好的一次):格式在
references/forms.md中;檢查器和錄製混合功能(工作室中的zettel.py)尚未移植。 - 腳本對照錄音:比較批准的腳本與逐字稿,以學習使用者真實的用詞(這些逐字稿可以成為新的語音樣本)。
- 每個語言的短語檢查清單(填充詞、銷售用語),作為
voice.md中的數據。
來源
-
Humanizer 由 blader 開發,https://github.com/blader/humanizer(MIT),基於維基百科的「AI 寫作跡象」。作為技能使用,啟動時下載;其文字不屬於本倉庫。
-
Vexian 在 Grant Owen 的 podcast 中,「破解 YouTube 演算法的瘋狂天才」: https://www.youtube.com/watch?v=41HMFGbENj4。借鑒內容:鉤子在前幾秒,每個區塊是一個小故事,最強的測試放在最後,附帶獨立性的訂閱推廣句,提案放在影片後半。
-
MrBeast 的製作手冊(2024 年公開),摘要:https://simonwillison.net/2024/Sep/15/how-to-succeed-in-mrbeast-production/ 借鑒內容:第一分鐘必須兌現標題和縮圖的承諾。
-
短創始人影片的說故事技巧:Farza (https://www.youtube.com/@farzatv)、Chris Raroque (https://www.youtube.com/@raroque)、Roy Lee (https://www.youtube.com/@im_roy_lee)、Riley Brown (https://www.youtube.com/@rileybrownai)、Varun Mayya (https://www.youtube.com/@VarunMayya)、Codie Sanchez (https://www.youtube.com/@CodieSanchezCT)。借鑒內容:第一人稱、轉折點、不規則的真實數字。