create_reels
當使用者僅提供一個主題時,負責研究、腳本、分鏡與製作。預設使用英文、1080 × 1920 解析度與 30 fps 幀率。簡單想法目標時長約 30 秒。當機制及其結果需要更多空間時,可使用至 45 秒。明確的執行時間具有優先權。一般的非 Reels 製作相關事實性問題,仍可透過文字回答。
先故事,後風格
找出觀看者在第一幀就能理解的一個問題,以及最終畫面應回答的一個句子。針對主要來源驗證事實性聲明。對於有爭議的概念,需標明不確定性。草擬兩個在實質上不同的開場畫面,並選擇其中在可用時間內能展示其視覺結果的那一個。
撰寫一個緊湊的、帶時間碼的分鏡表,包含實際的鉤子、口白台詞、靜音畫面文字、物體/動作以及音效提示。為必要的文字在其出現後預留閱讀時間。讓一個具體的物件或問題經歷狀態的改變。讓該改變的結果引導出下一個鏡頭。每個鏡頭只呈現一個焦點事件。對本使用者而言,只將主要想法顯示在畫面上。允許純畫面序列。避免使用下方三分之一、副標題、頁尾、進度計數器與裝飾性標籤。使用物件、取景、光線或動態來表達轉場。保留自然的思考時間。
與觀看者共同建構架構
對於一個學習架構或機制,開場時提出一個具體的任務讓觀看者解決。讓他們嘗試第一個簡單的設計。將這個設計置於一個測試中,使其限制顯而易見,然後引入下一個元件作為修正方案。為每個後續的添加提供具體理由。使用直接的第二人稱語言,並變化轉場方式,使腳本聽起來像是口語。當觀看者已經看到該架構為何值得如此命名時,才揭示其名稱。回到最初的例子,做出預測,然後播放或展示結果。
如果可能,使用一對簡單設計無法區分的輸入。讓兩個例子在結果呈現時保持一致。驗證每個聲稱的限制是否確實源自圖示的設計,並且展示的修正方案能夠改變結果。除非發明史已明確記載,否則將其呈現為一個設計練習。
對於預測演示,決定模型可以觀察到什麼,以及什麼保持隱藏。當一個小型的工作範例可行時,從這些輸入計算出預測。獨立於來源序列或測量值,揭示觀察到的結果。在剪輯之間保持範例的識別一致性。當相關的量化數據出現時,在畫面上或旁白中加以標示。
畫面與聲音
預設使用深色背景搭配暖白色文字與一個鮮明的動作色彩。第二個強調色可用於標記障礙或變化。在合成背景上測試對比度,包括強調色的文字。使用幾何形狀、符號或直接標籤以及顏色來編碼意義。將關鍵文字保持在預設框架的 x 65–900 與 y 120–1510 範圍內。在攝影機移動的整個過程中,為主題及其移動部件保留足夠空間。當幾何資訊可用時,在每個幀上預測其邊界。在 360 × 640 解析度下,遮蓋最右側的 54 像素與底部的 127 像素。在靜音狀態下觀看,檢查是否有標籤遮蓋了線索、缺少指尖或道具邊緣,以及在揭示前就已顯露的答案。
對於物理動作,需分鏡呈現起始狀態、接觸點與最終結果。一把鑰匙必須進入鑰匙孔並就定位,然後才能轉動並釋放鎖環。翻頁動作必須揭露新的藝術作品,且當攝影機返回時該作品仍在原位。在接觸之前、動作期間、釋放之後以及下次出現時,立即檢查解碼後的幀。比較可見的幾何形狀與時間點是否與口白聲明相符。
當一個物理主體需要細節時,尋找一個信譽良好的免費、人工創作的網格模型並驗證其授權。將幾何形狀與允許的紋理貼圖嵌入 HTML 中。在致謝名單中記錄藝術家、來源、授權與修改內容。使用第一方視覺參考來決定輪廓、比例、表面處理與光線佈置。
建立一個離線、自包含的 HTML Canvas 合成,使用純粹的絕對時間繪圖函數。使用程式繪製的藝術、嵌入的字型與確定性的幾何形狀。當 HyperFrames 時間軸可用時,可驅動 Canvas。預覽控制項應位於匯出幀範圍之外。保持即時播放時鐘獨立於幀捕獲。
根據字數估算語音預算,然後測量實際錄音。對於英文,每分鐘 135–160 個單詞(含停頓)的對話速度是一個有用的起始範圍。單獨檢視每個緊湊的短語。在提高困難句子的語速之前,先刪減文案。使用單詞或短語對齊來放置畫面。使用短淡入淡出修剪外側的空白,保留子音,並為預測或識別保留刻意的停頓。
在畫面上正常書寫首字母縮寫。展開不常見的縮寫,並在適當時指示語音說出個別字母名稱。當播放可用時,透過聽覺檢查最終編碼的行。獨立的轉錄稿可以標記出「a GI」而非「AGI」之類的問題。重新調整時間或重新生成受影響的短語,並驗證新的混音。準確描述僅依賴轉錄稿的檢查。
當可用的語音服務時,使用要求的服務。對於 ElevenLabs,使用已認證的連接器,或必要時透過安全的輸入方式請求一個行程範圍的金鑰。將金鑰保留在聊天內容、檔案和日誌之外。一旦合成完成,立即釋放暫時的憑證材料。在供應商超時後,在開啟另一個付費生成之前,檢查是否存在已生成的片段。當簡報允許時,本地語音是一個可行的備用方案。標明所交付旁白的實際來源。
分別檢查單獨的語音音軌與最終混音。音樂背景可能會隱藏靜音檢測器無法發現的長語音間隙。修復不希望的嘶聲、咔噠聲或僅有背景音樂的段落的來源。對於乾淨的合成主幹,簡短的邊界淡入淡出和較少的音軌層通常就足夠。將 Foley 音效對齊到可識別的動作,並在 AAC 編碼後檢查響度與真實峰值。
參考研究與燈光
對於以研究為導向的修改,選擇能解決實際問題的影片。包含原生垂直作品,並標明任何工藝參考的長寬比。尊重要求的參考範例數量。連結到創作者。檢視開場、解釋機制的變化,以及持續或解決的畫面。對於逐幀分析請求,以來源的幀率進行解碼。檢查選定段落的相鄰幀,並記錄確切的來源時間與幀編號。當審查使用了工作室的剪輯片段時,需加以說明。區分觀察到的視覺選擇與關於注意力分配的假設。
在相同的攝影機幀上測試提議的修改。對於微縮模型,從暖色方向主光、受控制的補光與較冷的邊緣光開始。研究接觸點的接地陰影、受光物體上的半影、沿斜面的移動高光以及紋理比例。不同的粗糙度、攝影的棚內環境與空間環境光遮蔽有助於釐清材質。僅在能讓資訊性邊緣保持可讀性的情況下使用景深。以 1:1 比例檢查是否有反轉的法線、鋸齒狀反射、Alpha 光暈、深度通道中的透明物體以及斷開的零件。根據鏡頭調整裝置。
渲染與審查
對於全新安裝,請遵循設定渲染與幀審查來安裝捆綁的渲染器依賴項與 Chromium。
對於內建的渲染器,公開 window.compositionReady 和 window.renderFrame(seconds) 以返回繪製好的 Canvas。HTML 必須能從磁碟執行,並接受 ?capture 參數以停用即時播放。使用 Node.js 搭配 Playwright Core 與 Chromium,以及位於 PATH 環境變數中的 FFmpeg/ffprobe。可選的環境變數 REELS_PLAYWRIGHT 與 REELS_CHROME 可用於指向已安裝的副本。
node scripts/render.cjs index.html out.mp4 mix.wav 45 30
python scripts/audit.py out.mp4 audit --speech voice-aligned.wav --strips --review-at 0 16.9 18.3 20.2
審核工具需要 NumPy。它會解碼每一幀,並在固定速率時間軸上對齊音訊窗口,產生一個 CSV 檔案以及一份關於低動態區間、空白畫面候選與安靜段落的摘要。每個可選的接觸式相片表包含 150 幀,按閱讀順序排列。一個空的音訊間隙結果表示對應的串流不可用。請提供已編輯、時間對齊的語音主幹以獲得語音間隙結果。幀變化與位準閾值可用於定位需要檢查的位置。視覺意圖與聆聽決定哪些位置需要修改。
用實際的持續時間與分鏡表中的動作時間取代範例數值。對於每個請求的時間點,--review-at 會以原始解析度以及遮罩後的 360×640 PNG 格式儲存包含該時間點的幀。摘要會列出幀編號與檔案路徑。打開圖像並檢查動作。對於依賴聲音的揭示,檢查最終 AAC 的對應音訊窗口,包括任何預設的靜止。
檢查每個節拍、開場第一秒、以及剪輯前後兩側的完整尺寸與手機尺寸的解碼圖像。對於逐幀分析請求,檢查涵蓋每一幀的縮圖條帶,並搭配指標數據,展開可疑的區間。檢查離線播放、亂序幀相等性、最終串流元數據與音訊尾部。套用修正並重新匯出。交付 MP4、原始 HTML、分鏡表與簡潔的驗證備註,並說明任何未經測試的播放條件。將暫時的渲染檔案與憑證材料保留在交付物之外。