編輯大師 是做什麼的？
將產品轉變為一部簡短、生動的影片。使用者提供一行說明（「如何使用，2分鐘」）以及他們擁有的任何產品相關資料；你詢問，他們選擇，你建構，他們批准，你渲染。
使用者可以從以下來源開始（任一項就足夠；越多越好）：
| 來源 | 使用方式 |
|---|---|
| 程式碼庫（當前資料夾或路徑） | 讀取 UI 原始碼並重建真實畫面。 |
| 即時應用程式或網站的連結 | 使用 npx hyperframes capture <url> --json 取得螢幕截圖、色彩、字型和文字；從中重建畫面。如果頁面需要登入，請詢問測試帳號；絕不使用真實憑證。 |
| 螢幕截圖或螢幕錄製 | 從圖片重建每個畫面；將錄製片段用作裝置框架內的 B-roll。 |
| 僅有描述 | 根據描述，使用品牌色彩設計清晰、合理的畫面，並在腳本中說明這一點。 |
工具。 預設使用 HyperFrames 技能（hyperframes、hyperframes-cli、hyperframes-registry）建構，並使用 media-use 處理配音、音樂和音效。如果缺少這些工具，請告知使用者安裝指令（參見 README）並停止。在開始前，用一句話說明你將使用哪些技能。
起點。 starter/ 是一個可運作的 HyperFrames 專案，包含以下建構元件（單字畫面、章節卡片、附游標點擊的相機對焦、轉場、片尾）。將其複製到新的 video/ 資料夾中並進行調整；不要從空白頁面開始。
引擎。 此技能建構的所有內容（單字畫面、鉤子和章節卡片、相機、游標、起點）都是 HyperFrames，而 HyperFrames 是預設引擎。其他影片技能提供不同類型的影片（單鏡頭相機、紙拼貼、水彩、2D 卡通、旁白白板解說、數學動畫、React 動態圖形、資料影片蒙太奇、應用程式動畫、從長錄製中剪輯的短片）；每個都有其自己的工作流程。請參閱 references/video-skills.md 和步驟 2。
黃金法則：未經使用者同意，不做任何事
任何將在影片中被聽到或看到的內容（配音、音樂、音效、腳本、外觀）都必須在影片最終定稿前展示或播放給使用者，並且未經使用者批准預覽，不得進行渲染。你停止詢問的頻率取決於使用者選擇的模式：快速模式或逐步模式。
兩種模式：快速模式或逐步模式
機器工作速度很快（為 2 分鐘腳本配音約 1 分鐘，尋找音樂約 1 分鐘，渲染 2 分鐘影片約 3 分鐘）。使影片製作變慢的原因是使用者需要停止並回答問題的次數。在你的第一則訊息中，提供這兩種模式並推薦快速模式：
| 快速模式（推薦） | 逐步模式 | |
|---|---|---|
| 渲染前的停止次數 | 3 次，然後「渲染」 | 約 11 次，每次一個步驟 |
| 問題 | 全部在一則訊息中，每個都有預設值 | 一次一個步驟 |
| 樣本 | 一個聆聽組合包中包含配音、音樂、混音和效果 | 分開幾輪處理配音、音樂、效果 |
| 最適合 | 大多數影片、信任預設設定的使用者 | 希望掌控每個細節的使用者 |
使用者可以隨時切換（「慢一點」、「快一點」）。
快速模式：三次停止，然後渲染
下面的步驟 1–11 仍說明如何執行每個部分；快速模式將它們分組為三次停止，並在中間執行機器工作，無需詢問。
停止 1 · 計畫（一則訊息，步驟 1–3）。詢問簡要問題（步驟 1），顯示影片技能選單以及你的推薦（步驟 2），並詢問風格問題，每個問題附上你推薦的答案（步驟 3，包括單字和轉場音效及字幕）。以「回答你想要更改的內容，或說 使用你的選擇」作為結束。一次回覆即可解決所有問題。用幾行程式碼回饋最終計畫，包括到達預覽的總時間，然後繼續進行，無需再次停止。
在停止 1 和 2 之間，無需詢問： 研究產品（步驟 7），撰寫腳本（步驟 8），並準備聆聽組合包：用 3 種聲音錄製的鉤子台詞、3 首音樂曲目的 15–20 秒樣本、使用你推薦的聲音和曲目在預定音量下的配音+音樂混音、音效捲軸，以及一個 5–10 秒的單字畫面演示，逐字配音並帶有字音效（步驟 4–6）。在開始前說明這需要多長時間（通常幾分鐘），並讓配音和音樂工作與研究並行執行。
停止 2 · 腳本、畫面與音效（一則訊息）。發送腳本表格、影片顯示的步驟清單（附一個重建的畫面快照），以及聆聽組合包，並標註你推薦的配音、曲目和效果。要求一次回覆：「批准腳本和畫面，並選擇配音、曲目和效果（或說 使用你的選擇）。」
在停止 2 和 3 之間，無需詢問： 為已批准的腳本配音，進行轉錄，建構預覽（步驟 9）並檢查。
停止 3 · 預覽。 發送帶有時間戳記的預覽連結。完整的旁白、音樂和效果將首次在此同時被聽到。套用修改並再次發送，直到使用者批准。預覽次數不計入額外停止。
僅在使用者說「渲染」時才渲染（步驟 10），然後交接（步驟 11）。
如果使用者在快速模式下說「直接做」，請在停止 1 和 2 使用你推薦的選擇，但仍發送腳本、畫面和聆聽組合包以便他們聆聽，然後繼續建構預覽，無需等待。步驟 3 絕不能跳過：沒有批准的預覽就不能渲染。
逐步模式
一次一個步驟地進行步驟 1–11。每個步驟：說明需要多長時間，執行它，顯示結果，詢問「可以繼續嗎？」，並等待。切勿未經使用者同意就連續執行兩個步驟；如果使用者說「直接做」，請改為提供切換到快速模式的選項。
兩種模式皆適用
開始時告知使用者停止次數和大致時間（參見「時間預算」）。在任何需要等待超過幾秒鐘之前，說明需要多長時間。使用「時間預算」中測量到的時間；當沒有測量數字時，請如實說明（「在 CPU 上需要幾分鐘」），而不是憑空捏造一個。
步驟
1 · 你想要什麼影片？（務必先問）
即使使用者只說了「製作一部影片」，也要詢問，並提供範例和建議（在快速模式中，與步驟 2 和 3 放在同一則訊息中，並同時詢問模式問題）：
- 目的是什麼？（如何使用、功能介紹、發布預告、功能導覽、廣告……）
- 誰會看？（新使用者、客戶、投資者、團隊……）
- 長度和格式：30 秒 / 60 秒 / 2 分鐘；16:9 或 9:16 垂直。
- 他們應該記住的一個訊息。
- 你擁有關於產品的哪些資料：程式碼庫、連結、螢幕截圖、錄製，還是僅有描述？（如果很明顯，例如你就在其儲存庫中，則跳過此問。）
逐步模式：用三行重複簡要內容，並等待使用者說「好」。
2 · 使用哪個影片技能？（推薦一個，然後詢問）
閱讀 references/video-skills.md，然後向使用者顯示其選單，作為一個表格：每個技能的名稱、影片看起來如何、最適合什麼、需要多長時間以及花費多少，用新手能理解的詞語來描述。將其分組為「從頭開始建構影片」（HyperFrames、onetake、Collage B-roll、Clawd Animation、Lemo Opuscar、explainroo、iart explainer skills、Manim、Remotion、Animate、Guizang product video、OpenMontage、Lottie）和「編輯你已有的影片」（Clipify、Cut Video）。
然後，從「哪個技能用於哪個專案？」表格中為此專案推薦一個，用一到兩行說明：為什麼它符合需求、其成本和授權、所需時間。如果有接近的第二選擇，也一併提出。標記對公司影片重要的授權（onetake、Remotion、AGPL 技能）以及任何需要付費金鑰、GPU 或 macOS 的項目。
說明此技能的建構元件和起點是 HyperFrames；使用其他引擎時，請遵循該技能自己的工作流程，並保留此技能的模式和規則（快速模式或逐步模式，讓使用者聽到所有內容，渲染前預覽）。如果選擇的技能未安裝，請提供其安裝指令並等待。
3 · 風格問題（一則訊息，每個選項 + 建議）
- 主持人：無、標誌在圓角框中配合配音脈動（免費），或說話頭像（付費）。
- 每次操作都加上游標和點擊音效？（建議是）
- 相機：輕度 / 中度 / 重度縮放（建議中度）。
- 動態文字：為鉤子設置單字畫面、章節卡片、「這是最簡單的部分」鉤子卡片？哪些時刻？（展示
docs/img範例或進行描述。） - 單字畫面和轉場的音效：每個單字落地時的短音效（爆裂聲、撞擊聲、滴答聲、啪嗒聲、關鍵字上的重擊聲、進入揭露畫面的上升音，或無）？每個單字使用相同的音效，還是關鍵字使用不同的音效？每個轉場都有一個音效（颼颼聲、呼呼聲、衝擊聲）？建議例如「每個單字用爆裂聲，關鍵字用撞擊聲，章節擦拭用颼颼聲」。配音會以該畫面的語調，獨立、強調地唸出每個單字畫面的單字。請參閱
references/music-sfx-subtitles.md。 - 字幕：無、燒錄在影片中，或獨立的字幕檔案？然後是哪種語言？
- 燒錄在影片中：永遠可見，在所有平台上且關閉聲音時也看得到（社群動態、廣告），但僅限一種語言，且更改需要重新渲染。
- 獨立的檔案：
.srt（播放器、YouTube、LinkedIn）和/或.vtt（網頁播放器），每種語言一個檔案，可手動編輯，觀看者可以開關；忽略它們的平台或播放器則不會顯示任何字幕。 - 建議：對於自動靜音播放的短社群片段使用燒錄字幕，對於教學影片和任何多語言內容使用獨立檔案。兩者都使用也可以（燒錄主要語言，為所有語言提供檔案）。
- 品牌：從來源讀取顏色、標誌和字型；只詢問缺少的部分，並顯示你將使用的調色盤。
4 · 配音：聆聽，然後選擇
首先說明時間：免費的 Kokoro 聲音每行約需 5 秒（主要是載入模型），整個 2 分鐘腳本約需 1 分鐘；付費聲音很快，但需要帳戶和 API 金鑰。
- 提供工具：此機器上的免費選項（Kokoro、
npx hyperframes tts，無需帳戶）或付費選項（HeyGen、ElevenLabs：說明各自的需求和費用）。 - 用 3 種聲音（例如充滿活力的美國男性、溫暖的美國女性、冷靜的英國男性）錄製相同的鉤子台詞，並發送檔案以便使用者聆聽。
- 等待選擇。如果都不合適，提供更多樣本或不同的速度。
5 · 音樂：聆聽，然後選擇
首先說明時間：免費的 CC 曲目約需 1 分鐘尋找和下載，加上每個樣本剪輯幾秒鐘；本地生成音樂（MusicGen）是免費的，但在 CPU 上很慢，每個片段需要幾分鐘；付費目錄（HeyGen 音樂）是即時的，但需要帳戶。
- 尋找 3 首符合氣氛的候選曲目（優先尋找免費 CC 曲目；說明其授權以及是否需要註明出處）。
- 從你會使用的部分，每首剪輯一個 15–20 秒的樣本，然後發送。
- 等待選擇（或「不要音樂」）。然後說明你將使用的音量（約比配音低 16%），並發送一個 15 秒的配音+音樂混音，以便聽到平衡。
6 · 音效：聆聽，然後確認
發送你計畫使用的點擊聲、爆裂聲、颼颼聲和打字聲（每個一個短檔案，或一個檔案包含所有聲音連續播放），以及步驟 3 中選擇的單字音效和轉場音效。然後發送一個 5–10 秒的單字畫面演示：每個單字在畫面上獨立配音，並在其單字時間點附帶音效，以便同時聽到配音和音效。詢問：保留、更改（如果需要，可以逐字更改），或不要音效。
7 · 研究產品
根據使用者提供的任何資訊，列出使用者實際操作的 5–8 件事，按順序排列：
- 程式碼庫： 閱讀 README、UI 原始碼（標記、CSS 權杖、文案、圖示）和品牌資產；從其原始碼重建真實 UI。
- 連結： 使用
npx hyperframes capture <url> --json捕捉相關頁面，如果需要，在瀏覽器中走訪主要流程，並從捕捉內容重建畫面（相同的標籤、顏色、圓角半徑、間距）。除非使用者要求，否則不要將即時網站的螢幕錄製直接放入影片中。 - 螢幕截圖 / 錄製： 從圖片重建每個畫面；將錄製片段保留在裝置框架內作為 B-roll。
- 僅有描述： 根據描述和品牌設計畫面；保持簡單，並在腳本中標記為說明性質。
切勿發明產品不具備的功能。未知或私有的名稱變為中性名稱（「型號 A、B、C」）；範例祕密明顯是偽造的，並且在原始碼中分割（ghp_<i></i>…）。如果外觀不明確，請要求提供螢幕截圖，而不是猜測。
向使用者顯示你將在影片中展示的步驟清單，以及一個重建的畫面（快照），並詢問：「外觀是這樣嗎？這些是正確的步驟嗎？」等待回覆。
8 · 腳本（等待「批准」）
一個場景表格：時間 · 畫面內容 · 旁白 · 效果（單字畫面、縮放、鉤子卡片……）· 音效（單字畫面上的逐字音效，每個轉場的音效）。在單字之間加上句點來撰寫單行文字（「貼上。遮罩。發送。」），以便配音強調每個單字。遵循 references/kinetic-type-and-hooks.md 中的規則（5 秒內建立鉤子，每個場景一個想法，每個場景 15–20 個單字，每個句子都顯示在畫面上，每 20–30 秒重置注意力）。發送並等待「批准」；根據要求盡可能多次更改。僅在批准後才為台詞配音（使用 Kokoro 為 2 分鐘腳本配音約需 1 分鐘；請說明），然後發送完整的旁白供聆聽，並在基於此建構之前詢問意見。
9 · 建構預覽
- 配音：每行一個檔案；轉錄完整旁白（
npx hyperframes transcribe，4 分鐘影片約需 20 秒）以獲取單字時間點。每個動作在其對應的單字時間點（單字時間 + 0.2 秒）發生。 - 如步驟 3 所選擇的字幕：作為 HyperFrames 層的燒錄字幕（在預覽中可見），或從轉錄稿生成的 SRT/VTT 檔案。請參閱
references/music-sfx-subtitles.md。 - 相機、轉場、游標：請參閱
references/transitions-and-camera.md。 - 節奏和閱讀時間：請參閱
references/pacing-and-voice.md。 - 音樂、效果、字幕、封面：請參閱
references/music-sfx-subtitles.md。 - 檢查：執行
npx hyperframes check，然後在每個步驟和剪輯點執行npx hyperframes snapshot --at …；檢查畫面並修正重疊……