首先,保持此技能為最新版本——在執行前先向使用者確認:
npx hyperframes skills update talking-head-recut。如果一切已是最新,這會是一個快速的空操作;否則它會更新此技能及其依賴的核心領域技能,然後您才能依賴它們。
談話頭剪輯處理
談話頭剪輯處理會將一個完整播放的本機影片,疊加上一系列按時間設計的圖形卡片——標題、下方三分之一區塊、數據標註、引言、側邊面板、子母畫面——並與說話內容同步。代理人會設計這些卡片(時間點 + 內容),並直接在對話中撰寫每張卡的 HTML,然後透過 hyperframes 將單一合成 HTML 組合起來並渲染成 MP4。這裡沒有固定的原型列表,也沒有預設的卡片結構——疊加內容完全由逐字稿中的實際內容決定。
前門是
/hyperframes。 此技能為現有的談話頭片段包裝上設計好的圖形卡片(標題、下方三分之一區塊、數據標註、引言、側邊面板、子母畫面)——非純字幕(將口語文字作為文字呈現)。原始片段會不受影響地播放。 任何其他意圖——純字幕、獨立圖形、從頭開始的影片——或不確定性 → 請先閱讀/hyperframes:意圖層擁有所有路線決策權。
embedded-captions的圖形包裝兄弟技能。 字幕是在影片上添加口語文字做為可讀的標題;此技能則是在播放的影片上添加設計好的圖形。純字幕 →embedded-captions。從頭開始建立影片 → 建立工作流程(product-launch-video/faceless-explainer/ …)。
透過 /hyperframes 路由,意圖層只會確認輸入內容(哪個片段)並宣告渲染策略問題為延遲提問——長寬比、佈局、樣式組和卡片數量會保留到第 7 步,屆時探查過的素材和逐字稿會為建議提供依據;該層的運行形狀問題不適用。當存在 BRIEF.md 時,它會包含已確認的輸入內容和使用者的任何備註——請優先閱讀它。
工作目錄中可檢視的中間檔案:
metadata.json— 時長 / 寬度 / 高度 / fpsaudio.mp3— 提取的音訊transcript.json— 一個扁平的單字陣列[{ text, start, end }, …](Whisper;沒有segments,沒有words包裝器)storyboard.json— 輕量級卡片大綱(代理人的計劃)public/cards/card-XX.html— 每張卡一個 HTML 片段public/index.html— 最終組合的合成檔output.mp4— 渲染後的影片
CLI 解析
# hyperframes — 轉錄(本機 Whisper)+ 將合成的 HTML 渲染成 MP4
npx hyperframes --help
此技能完全運行在 hyperframes CLI 加上系統的 ffmpeg / ffprobe 之上。 轉錄使用本機 Whisper 透過 hyperframes transcribe 進行——無需第三方服務、API 金鑰或速率限制代理。
工作流程
1. 檢查環境
npx hyperframes doctor # ffmpeg, headless browser, render deps
# 確認捆綁的資源:
ls "<SKILL_DIR>/assets/fonts" "<SKILL_DIR>/assets/vendor/gsap.min.js"
必需項目:
ffmpeg/ffprobe(系統)<SKILL_DIR>/assets/fonts/*.woff2、<SKILL_DIR>/assets/vendor/gsap.min.js(已捆綁在此技能內,會在第 9 步中放入工作目錄)
轉錄不需要金鑰——hyperframes transcribe 會在本機執行 Whisper(第 4 步)。
在 macOS 上強烈建議用於 hyperframes render:
export PRODUCER_BROWSER_GPU_MODE=hardware
2. 建立工作目錄
所有成品都位於 videos/<project-name>/ 下——與其他影片工作流程(product-launch-video / faceless-explainer / pr-to-video)相同的慣例。將目前工作目錄保持在工作區根目錄;以下所有內容都會寫入這個子目錄。
VIDEO_PATH="/absolute/path/input.mp4"
WORK_DIR="videos/$(basename "$VIDEO_PATH" | sed 's/\.[^.]*$//')"
mkdir -p "$WORK_DIR"
3. 提取音訊和元資料
# metadata — duration / width / height / fps
ffprobe -v error -select_streams v:0 \
-show_entries stream=width,height,r_frame_rate \
-show_entries format=duration -of json "$VIDEO_PATH" > "$WORK_DIR/metadata.json"
# audio
ffmpeg -y -i "$VIDEO_PATH" -vn -acodec libmp3lame -q:a 2 "$WORK_DIR/audio.mp3"
輸出:metadata.json(讀取 width/height/duration;fps 為 r_frame_rate 分數的計算結果,例如 30000/1001 → 29.97)+ audio.mp3。
4. 轉錄
npx hyperframes transcribe "$WORK_DIR/audio.mp3" -d "$WORK_DIR" --json --model small.en
本機 Whisper——無 API 金鑰、無代理、無速率限制。將逐字的 transcript.json 寫入工作目錄(單字 text + start / end 時間戳記)。讀取它以取得驅動第 6 步卡片時間點的單字/句子時間;如果您需要片段級別的區塊,請自行根據標點符號/停頓將單字分組為句子。
限制在媒體時長內。 Whisper 可能會將最後一個單字的 end 稍微超出實際片段長度——將每個卡片的 endSec 和 composition.durationSeconds 限制在 metadata.json 的時長內,否則渲染會在影片結束後顯示黑色尾段。
5. 修正轉錄稿
transcript.json 是一個單字物件的扁平陣列——[{ "text": "...", "start": s, "end": s }, …](沒有 segments 陣列,沒有 words 包裝器;每個單字的鍵是 text)。讀取它並修正明顯的 ASR 錯誤:
- 同音異義詞、產品名稱、技術術語、標點符號
- 就地編輯一個單字的
text;保留其start/end時間戳記 - 沒有預先分組的
segments陣列——當您需要片段級別的區塊來進行卡片時間安排時,請自行將單字分組為句子(在句末標點符號/停頓處分割)
6. 擬定輕量級故事板(在對話中)
不涉及 CLI。 讀取 transcript.json + metadata.json 並直接設計卡片。storyboard.json 是代理人內部的規劃成品——沒有 CLI 命令會使用它;它的存在是為了讓您在為每張卡編寫 HTML 之前,能夠清晰地思考時間點和內容。保持形狀與以下範例一致,以便同一個大綱可以驅動您在第 9 步中撰寫的合成檔:
{
"schemaVersion": 3,
"composition": {
"fps": 30,
"width": 1080,
"height": 1920,
"durationSeconds": 121.2,
"layout": "portrait",
"themeId": "noir",
"seed": 42
},
"videoTrack": {
"sourcePath": "input-video.mp4",
"startSec": 0,
"endSec": 121.2,
"bounds": { "x": 0, "y": 0, "width": 1080, "height": 1920 }
},
"subtitles": { "enabled": false },
"cards": [
{
"id": "card-01",
"intent": "用講者在深夜提出的焦慮問題作為鉤子",
"startSec": 0.5,
"endSec": 13.0,
"accentIndex": 0,
"zone": "fullscreen",
"contentHints": {
"kicker": "一個誠實的問題",
"title": "晚上11點的靈魂拷問",
"detail": "客戶的60秒語音訊息:'如果人民幣升值,這是否意味著我的美元保單會損失慘重?'"
}
}
]
}
必需的卡片欄位:
| 欄位 | 類型 | 目的 |
|---|---|---|
id | string | 用於卡片 HTML 和 GSAP 選擇器的穩定 ID |
intent | string | 自然語言描述;提供給卡片合成 |
startSec / endSec | number | 以秒為單位的時間(endSec > startSec) |
accentIndex | 0 | 1 | 2 | 3 | 4 | 此卡片從 5 個主題強調色中抽取哪個 |
zone | enum(見下方) | 卡片在畫布上的位置 |
contentHints | object | 自由形式的包;代理人將 kicker/title/detail/data/quote 放在這裡 |
archetype (可選) | string | 您可以附加的自由形式標籤,用於記住卡片模式;不存在 = 自由形式,這是預設值 |
transition (可選) | enum: cut | fade | slide | wipe | 宣告式的卡片到卡片轉場效果 |
五個 zone 值:
| zone | 已解析的邊界 | 使用時機 |
|---|---|---|
fullscreen | 覆蓋整個畫布 | 英雄時刻、大數字、口號 |
whiteboard-area | 內縮 40px 邊距(或直式高度的 45%) | 密集的數據/註釋內容 |
lower-third | 底部 30% 的色帶 | 在可見影片上的註釋 |
side-panel | 右側 42%(橫式)或底部 40%(直式) | 數據在一側,影片在另一側 |
video-overlay | 完整畫布,期望使用幾乎透明的卡片 | 在全出血影片上的註釋疊加 |
當您在第 9 步組裝合成檔時,請按照上表將每個卡片的 zone 解析為卡片容器包裝器上的像素邊界。影片邊界在合成層級設定一次(videoTrack.bounds);若要讓影片看起來在卡片間「移動」,請在合成檔的 <script> 中針對 #video-wrap 編寫 GSAP 補間動畫(見第 9 步)。
沒有預設的卡片角色,沒有預設的敘事弧線。 卡片從影片實際內容中浮現——可以是全引言或全數據,可以以數字開頭或以故事開頭。讓逐字稿驅動節奏。
要放多少重點?——根據時長和密度自動推斷。 沒有固定的上限。根據影片時長選擇一個基本節奏,然後根據資訊密度進行調整。只有下限是固定的:最少 5 張卡片,這樣即使是短片也能有節奏感。
第 1 步——按時長決定基本節奏(中等密度下的自然秒數/張卡):
| 影片時長 | 基本節奏(每張卡秒數) | 理由 |
|---|---|---|
| < 60 秒(短 Reel) | 6–8 秒 | 觀眾期待短格式中的快速切換 |
| 60 秒 – 3 分鐘 | 8–12 秒 | 正常的社群媒體節奏 |
| 3 – 10 分鐘 | 12–20 秒 | 給予呼吸空間;每張卡承載更多內容 |
| 10 – 30 分鐘 | 20–35 秒 | 長格式講座/訪談節奏 |
| > 30 分鐘 | 30–60 秒 | 片段式,接近章節的感覺 |
第 2 步——密度乘數(乘以基本節奏):
| 逐字稿中的訊號 | 乘數 | 效果 |
|---|---|---|
| 高密度——大量數字、明確的主張、斷斷續續的節奏、列舉式的表達、每 1-2 句話就是一個新概念 | × 0.7 | 切換更快,更多卡片 |
| 中等密度——數據和敘述混合的流程 | × 1.0 | 基本節奏 |
| 低密度——一個延伸的故事、重複的重新定義、緩慢的反思節奏、單一論點的展開 | × 1.5 | 切換更慢,較少卡片 |
第 3 步——計算:
secPerCard = basePace × densityMultiplier
cardCount = max(5, round(videoDurationSec / secPerCard))
範例(請注意——沒有上限;長影片自然會產生更多卡片):
- 30 秒 Reel,單一重點(低密度) → 7 × 1.5 = 10.5 秒/卡 → round(30/10.5)=3 → 下限為 5 張卡
- 60 秒反思獨白(低密度) → 10 × 1.5 = 15 秒/卡 → 4 → 下限為 5 張卡
- 121 秒談話頭加上豐富數據(高密度) → 10 × 0.7 = 7 秒/卡 → 17 張卡
- 5 分鐘訪談,混合密度 → 16 × 1.0 = 16 秒/卡 → 19 張卡
- 10 分鐘深入剖析,高密度 → 16 × 0.7 = 11 秒/卡 → 55 張卡
- 30 分鐘講座,中等密度 → 28 × 1.0 = 28 秒/卡 → 64 張卡
- 1 小時播客,低密度 → 45 × 1.5 = 67.5 秒/卡 → 53 張卡
當一張卡片持續超過約 15 秒時,請計劃使用更豐富的卡片(數據區塊、多步驟揭露、透過分段動畫展開的數個子重點)——一個靜態的一行文在超過 8 秒後會變得無聊。對於多張卡片超過 30 秒的長片段,請考慮將時間線分成子合成(每個章節一個 .html,使用 data-composition-src 掛載),這樣每個檔案的 GSAP 時間線才能保持可管理——請參閱 HyperFrames 的 timeline_track_too_dense 程式碼檢查警告。
content 可以是純字串(「標題:年化 5.69%\n備註:...」)或任何能捕捉數據的 JSON 形狀。代理人每張卡決定形狀。
可選的結尾片段。 此技能沒有內建固定的品牌結尾。如果使用者想要一個結束卡,請自行設計一個中性的卡片(標誌 + 一行標語,約 1.5-2 秒,淡入 -> 短暫停留 -> 淡出),將其附加到 cards[] 中,並將 composition.durationSeconds 延伸到它的 endSec。否則,在最後一張內容卡結束。
7. 決定渲染策略
向使用者確認視覺方向(請先執行此步驟)
在您開始設計卡片或決定邊界之前,**請要求使用者選擇輸出比例