Community寫作與編輯github.com

腳本

使用使用者自己的語氣(voice.md)撰寫口播腳本,以提詞機形式呈現,在標題與論證定稿後執行。

腳本 是什麼?

這個技能專門用於為影片創作者自動化撰寫口播腳本,確保每一個句子都承載或證明標題與縮圖的承諾。它整合了使用者專屬的語氣指導、品牌規則以及先前的腳本結尾,形成獨特的結構。腳本遵循特定的結構形式,包括開場承諾、問題陳述、數個漸進式故事(彩蛋)、獨立測試數據、關鍵批判、自訂裁決與結尾。此外,技能包含嚴格的格式檢查器,確保句子長度、詞彙選擇、段落分段與提詞機呈現形式符合規範,並強制執行“人性化處理流程”,透過整合使用者真實口語語料來避免生硬的 AI 風格。支援全長影片與短片的 `--short` 模式,最終產出可直接用於網頁提詞機(crewcut prompter)的純文字稿。

相容平台✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/marcopatzelt/crewcut/tree/HEAD/skills/script

Installed? Explore more 寫作與編輯 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

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

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

  1. 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。
  2. 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。
  3. 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)。
  4. 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)。

  1. 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。
  2. 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。
  3. 它的功能,用畫面呈現,只說明觀眾還不知道的內容。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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。
  9. 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

  1. 用經過驗證的數字填入結構。
  2. 刪減:每個句子都必須承載或證明承諾。
  3. 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?
  4. 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。
  5. 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>"。
  6. 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。
  7. 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。
  8. 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

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

edit

Builds a video version from the user's recording: the speaker cut, then one edit plan with all inserts (2D scenes, 3D scenes, recordings, keywords), sound and music, built with one command (crewcut render). Use for: edit the video, build the cut, speaker cut, rough cut, insert, b-roll, 2D scene, 3D insert, counter, keyword, music bed, sound, assemble, render the preview, new plan version, short from the long video.

shorts

Makes YouTube Shorts in two modes: Clip (cut from a finished episode: candidates from the transcript and retention, a 9:16 rough cut from the original recording around the face, portrait graphics, music with clear rights, the Critic's own Short check) and Original (a Short recorded for itself: three ideas with a proof from the user's real work, the user talks freely, the Writer shortens, only the speaker is recorded, the crew brings the B-roll). Publishing: one card per Short, or the user's own standing approval for Shorts; at most two a day. Use when: \"make shorts\", \"make a short about …\", \"clip this episode\", \"short from episode N\", \"publish shorts without asking\", \"how are my shorts doing\". Not for long videos (skills/episode, skills/edit).

title

Writes and checks the YouTube title and the thumbnail text of an episode, before the script. Delivers five candidates with a hook and a reason each, one recommendation, and three variants for the A/B test; skills/title/scripts/title_check.py checks every candidate against the style pack. Use when: \"title\", \"video title\", \"YouTube title\", \"what should the video be called\", \"check this title\", \"shorten the title\", \"better title\", \"thumbnail text\". Not for the blog's search title and not for the thumbnail image.

相關技能