DenisSergeevitch/youtube-poop-video-maker

YouTube Poop 影片製作器

產出一個完整的影片，而不僅僅是一個概念或故事板。最終成果應感覺富有創造力、密集且具有網路原生感，同時仍保持構圖上的和諧。

請參閱：

• 參考指南
• 情緒錨點指南
• 輸出檢查清單

有用的捆綁檔案：

• scripts/plan_video.py
• assets/style_blueprints.json
• assets/scene_atoms.json
• assets/trigger_eval_queries.json

何時使用此技能

當使用者想要以下內容時，請使用此技能：

• 一個 YouTube poop、惡搞預告片、荒謬蒙太奇、反思性的故障短片，或超現實的超剪
• 從文字、網頁、程式碼、文件、媒體或完全沒有原始素材，透過 ffmpeg 渲染的影片
• 一個帶有個人風格、強烈觀點，或「感覺就像」框架的影片
• 一個自我意識的 AI / LLM / 網路文化短片
• 一些「更怪」、「編輯更多」、「超剪」、「迷因」、「混亂」或「詩意」，但仍具美感的東西

請勿將此技能用於例行修剪、簡單字幕燒錄、普通解說、標準動態圖形或傳統廣告，除非使用者明確要求混音行為。

核心承諾

此技能不應將創造力扁平化為單一的 house style。預設的種子混音藍圖是一個情緒鏡頭，而非一個牢籠。

完成的片段通常應具備：

• 比直接編輯更多數量的場景
• 清晰的論點或情感主張
• 可讀的幀與受控的色調
• 一個主導性的重複動機
• 至少一個感覺個人化而非千篇一律的作者手勢
• 一個決定性的結尾按鈕

預設輸出目標

除非使用者另有指定：

• 一個完整的 MP4 檔案
• 20–60 秒
• 適用於一般 YouTube 的 1920x1080 @ 30 fps
• 僅在請求明顯暗示 Shorts/Reels/TikTok/直式時，才使用 1080x1920 @ 30 fps
• H.264 影片、AAC 音訊、yuv420p、+faststart

工作流程

1) 快速盤點素材

使用任何已有的東西。

• 如果使用者提供了文字，挖掘其中的短語、矛盾、重複用詞與情緒溫度。
• 如果使用者提供了網頁或 URL，提取其標題、CTA 文字、佈局動機、螢幕截圖、裁切與捲動瞬間。
• 如果使用者提供了程式碼，使用可讀的程式碼片段、終端機視窗、錯誤訊息、註解、變數名稱、日誌與游標動作。
• 如果使用者提供了文件，使用章節標題、提示框、圖表與頁面框架。
• 如果使用者提供了圖片、音訊或影片，挖取循環、反應節拍、定格畫面、發言片段、紋理與可加字幕的細節。
• 如果使用者什麼都沒提供，根據請求從頭合成整個世界：標題卡、瀏覽器外框、終端機面板、下方三分之一（lower-thirds）、儀表板、進度條、代幣串流、警告卡、圖表與簡單動態圖形。

不要因為來源單薄而停滯不前。要發明支援性的場景。

2) 決定論點

在編輯之前，定義一句簡短的內心句子：

「這部影片讓 X 感覺像 Y。」

範例：

• 「這部影片讓與語言模型對話的感覺，像是一場來自資料中心內部的深夜緊急廣播。」
• 「這部影片讓一個登陸頁面感覺像是一場儀式性的測謊。」
• 「這部影片讓一個程式碼庫感覺像是一次充滿罪惡感的終端機自白。」

每個重複出現的梗都應支持這個主張。

3) 使用預設種子混音，除非有指定風格

除非使用者指定了風格，否則使用預設的 seed-remix-default 藍圖。它會在每次執行時，從其他捆綁的藍圖中取樣色調、字體、動態、轉場、音訊與梗的提示。

執行：

python3 scripts/plan_video.py --query "$USER_REQUEST" --material-summary "$MATERIAL_SUMMARY" > plan.json

如果使用者明確要求某個特定的捆綁外觀，則覆蓋預設混音，使用：

python3 scripts/plan_video.py --query "$USER_REQUEST" --material-summary "$MATERIAL_SUMMARY" --style-id STYLE_ID > plan.json

對於 CRT 新聞室或 AI 崩潰等外觀，在從頭發明一次性風格之前，優先使用捆綁池中的條目 crt-token-meltdown、headline-seizure-desk 或 context-window-panic。

將計畫作為色調、動態、音訊、場景密度與場景創作的創意指導。使用預設混音時，將報告的種子來源視為提示，而非檢查清單。

4) 建立場景群集，而非僅是節拍表

目標是大量微場景。

按播放時間的建議密度：

• 20–28 秒： 約 9–12 個場景
• 29–40 秒： 約 11–15 個場景
• 41–60 秒： 約 13–18 個場景

在這些數量內，應包含：

• 錨定場景，清晰呈現來源或論點
• 橋接場景，如同中斷、故障或喘息標記
• 一個休息場景，相對靜止
• 一個高潮場景
• 一個按鈕場景

大多數直接的編輯在這裡表現不佳，因為它們做的場景太少。此技能應讓人感覺想法比秒數多。

5) 將藍圖用作情緒，而非 cosplay

讓渲染成品感覺經過設計且足夠嚴肅以達到美麗，即使內容是荒謬的。

偏好：

• 帶有選擇性突顯的暗色或節制基底
• 編輯上的對比
• 節制使用的明亮高光
• 帶有安全邊距的可讀字體
• 有目的的故障，而非隨機的醜陋
• 真誠與破壞之間的張力

除非使用者明確要求，否則避免：

• 可愛貼紙的活力
• 泡泡字體
• 糖果色盤
• 到處都是幼稚的彈跳緩動
• 表情符號大軍
• 為了彩虹而彩虹的飽和度
• 每個鏡頭都是全幀噪點

6) 添加個人風格

影片應有一種態度。

將這種態度體現在：

• 論點句子
• 一個重複的台詞或動機
• 對發明支援場景的選擇
• TTS 或字幕
• 最終的按鈕

對於自我反思的 AI / LLM 作品，偏好親密感、矛盾、恐懼、乾澀的幽默，或機器詩意，而非一般的迷因隨機性。

7) 節制處理音訊

允許使用 TTS，且通常很有用，但不要讓它變成從頭到尾的說明。

將 TTS 用於短片段、警告、懺悔或合唱台詞。一個好的預設是：

• 一個主要聲音
• 可選的第二個「系統」或耳語聲音
• 對於 20–60 秒的片段，總共 2–8 行短台詞
• 僅在能改善場景時，才處理輕微的變調、頻帶限制、斷續、丟失或殘響

也要使用：

• 低鳴聲
• 脈衝聲
• UI 點擊聲
• 靜音剪切
• 丟失信號
• 低調的衝擊音效
• 短暫的沉默

對最終混音進行正規化。保持語音可理解。

8) 穩健地渲染

偏好一個可靠的組合流程：

1. 收集或建立素材。
2. 將脆弱或複雜的場景預先渲染成片段或幀序列。
3. 在 ffmpeg 中組合。
4. 在最後一次處理中進行最終響度正規化與相容性設定。

基本匯出：

ffmpeg -y -i input_video.mp4 \
  -vf "format=yuv420p" \
  -af "loudnorm=I=-16:TP=-1.5:LRA=11" \
  -c:v libx264 -crf 18 -preset medium \
  -c:a aac -b:a 192k \
  -movflags +faststart \
  output.mp4

如果在 Python 中生成場景，請將 PNG 幀渲染到一個目錄，並使用 ffmpeg 對其進行編碼，而不是嘗試完全在 Python 內部對最終容器進行動畫處理。

素材改編規則

僅文字輸入

不要只是動畫化段落。將文字變成一個世界：

• 動態字幕
• 標題卡
• 子標題
• 警告條
• 代幣串流
• 瀏覽器或終端機模擬
• 圖表
• 原創 TTS 短語

網頁或 URL 輸入

不要長時間靜止顯示整個頁面。使用：

• 標題裁切
• CTA/按鈕重複
• 瀏覽器外框
• 游標移動
• 捲動揭示
• 註解
• 呼應頁面語氣的發明支援幀

程式碼輸入

讓程式碼可觸及且清晰易讀：

• 可讀的語法卡
• 終端機面板
• 建置日誌
• 錯誤牆
• 變數名稱笑點
• 游標快照
• 架構圖
• 提示循環

無原始素材

立即創造一個原創的蒙太奇世界。好的預設發明場景包括：

• 開機或警告卡
• 下方三分之一（lower-thirds）與跑馬燈
• 終端機自白幀
• 儀表板計數器
• 注意力圖
• 凍結的字幕
• 軟失敗按鈕

失敗處理

如果某個效果很脆弱，簡化效果，保留論點，保留情緒，並仍然完成渲染。一個完成的、連貫的短片勝過一個野心過大但失敗的短片。

版權衛生

優先使用使用者提供的素材、公共領域或適當授權的來源，或原創生成的素材。如果版權不明確，則更依賴原創的動態圖形與轉換過的支援素材。

最終檢查

在回傳影片之前，請審閱 references/OUTPUT-CHECKLIST.md。