俄語影片技能
此技能為一個輕量級指令集。繁重的工作由程式(ffmpeg、Whisper)以及 HeyGen 的官方 HyperFrames 技能執行;此處僅負責路由規則與俄語影片的特定處理。僅讀取與任務相關的 HyperFrames 技能,不要一次讀取全部。
首次執行:設定此電腦
僅適用於 Claude Code(應用程式、VS Code 或終端機):需要電腦上已安裝特定程式。
首先,請先閱讀與此檔案同目錄下的 settings.md。 如果其中已記錄此電腦的設定,請直接使用其中的指令(自行指定的 Python、ffmpeg 路徑、模型、是否需要 --cpu 旗標),無需再次檢查。如果檔案為空,或其中記錄的項目失效,請依照下列步驟進行設定,並將結果寫入該檔案。
設定僅需進行一次:
| 項目 | 檢查方式 | 用途 |
|---|---|---|
| ffmpeg / ffprobe | ffmpeg -version | 處理影片音訊與影格 |
| Python 3.10+ 及 faster-whisper 與 yt-dlp | python -c "import faster_whisper, yt_dlp"(Mac 請用 python3) | 語音轉錄、下載影片連結 |
| Node.js | node -v | 執行 HyperFrames |
| HyperFrames 技能 | 確認技能清單中包含 hyperframes 技能 | 剪輯、疊加圖表、動畫 |
| NVIDIA 顯示卡(非必要) | nvidia-smi(檢查名稱與記憶體) | 將轉錄速度提升數十倍 |
| 已安裝的 Whisper | pip list(檢查 faster-whisper、openai-whisper、whisperx)、模型資料夾、詢問使用者 | 避免重複安裝 |
使用使用者既有的 Whisper。 如果使用者已安裝 faster-whisper 並下載好模型,請勿重複安裝:透過 --model <模型路徑> 參數將模型路徑傳遞給指令碼,或將 HF_HOME 環境變數設為其快取目錄。如果安裝的是其他 Whisper 版本(openai-whisper、whisper.cpp、whisperx),請詢問使用者是否保留。若保留,則使用該版本進行轉錄,並將結果轉換為此技能指令碼所需的格式(words:{"words":[{"text","start","end","type":"word"}]},flat:不含外層包裝的相同單詞列表),因為 HyperFrames 技能僅接受此格式。
根據顯示卡選擇模型(faster-whisper):
| 電腦規格 | 建議模型 |
|---|---|
| NVIDIA 顯示卡,VRAM 6 GB 以上 | large-v3-turbo(預設),使用 GPU 運算——俄語辨識效果最佳 |
| NVIDIA 顯示卡,VRAM 4 GB | 使用 --compute int8_float16 的 large-v3-turbo,或改用 medium 模型 |
| 無 NVIDIA 顯示卡(包含 Mac、AMD、內建顯示卡的筆電) | 使用 --cpu 旗標,模型可選 small(速度快)或 large-v3-turbo(更準確但耗時數倍) |
使用一小段自己的影片進行測試(ffmpeg -t 10):如果在 GPU 上執行時遇到 CUDA 錯誤或記憶體不足,請安裝下方所列的函式庫,或改用較小的模型。將速度與品質結果展示給使用者,並與其共同決定。
如果缺少任何項目,請列出給使用者,告知其大小,並僅在使用者同意後才進行安裝。在 Windows 上,若 C 槽空間不足,請詢問安裝位置。
- ffmpeg、Node、Python:Windows 使用
winget install Gyan.FFmpeg、winget install OpenJS.NodeJS.LTS、winget install Python.Python.3.12;Mac 使用brew install ffmpeg node python。 - 函式庫:執行
python -m pip install faster-whisper yt-dlp。Windows 搭配 NVIDIA 顯示卡,請再加裝python -m pip install nvidia-cublas-cu12 "nvidia-cudnn-cu12==9.*"。 - HyperFrames 技能:執行
npx skills add heygen-com/hyperframes --all(github.com/heygen-com/hyperframes,Apache 2.0 授權)。 - Whisper 模型(約 1.6 GB)將在首次轉錄時自動下載至 HuggingFace 快取。可透過
HF_HOME環境變數指定其他位置。 - 根據使用者需求,可透過設定環境變數
HYPERFRAMES_NO_TELEMETRY=1與DO_NOT_TRACK=1關閉 HyperFrames 的遙測功能。
設定完成後,將所有資訊寫入 settings.md(依照檔案中的範本):使用的 Python 與 ffmpeg 路徑、顯示卡型號、選擇的模型與旗標、模型快取位置、測試速度。之後,A 與 B 章節中的指令都將使用這些旗標。
此技能的轉錄指令碼為與此檔案同目錄下的 scripts/transcribe.py。它會自動偵測顯示卡,若無則使用 CPU 運算。可用旗標:--model(模型名稱或自訂模型路徑)、--compute、--cpu。
未經同意,請勿傳送 HyperFrames 的「feedback」回報。僅在使用者同意後才執行 npx hyperframes skills update。內建的 Kokoro 語音不支援俄語:旁白配音需由使用者自行錄製或使用其訂閱的語音服務。
A. 觀看並分析影片
- 取得檔案。 直接使用提供的檔案路徑,切勿修改原始檔案。若為連結,則下載至暫存資料夾:
python -m yt_dlp --no-playlist -o "<資料夾>/video.%(ext)s" --print-to-file "%(uploader)s | %(duration)s 秒 | %(like_count)s 個讚 | %(comment_count)s 則留言 | %(description)s" "<資料夾>/info.txt" <連結>對於 YouTube,若僅需文字內容,可先嘗試下載字幕:--write-auto-subs --sub-langs ru --skip-download。Instagram 與封閉式 Telegram 頻道可能需要登入—此時請要求使用者自行下載檔案。 - 檢查檔案資訊: 執行
ffprobe -v error -show_entries format=duration:stream=codec_type,width,height -of compact <影片>。 - 進行語音轉錄: 執行
python scripts/transcribe.py <影片> --out <資料夾>/transcript.txt(輸出包含時間碼的文字)。 - 產生影片截圖拼貼(每張圖片包含 12 個影格,以節省 Token):
直式影片:
ffmpeg -v error -y -i <影片> -vf "fps=1/2,scale=216:-2,tile=6x2:padding=4:color=white" <資料夾>/sheet_%02d.jpg橫式影片:同上,但使用scale=320:-2,tile=4x3。若影片長度超過 2 分鐘,請將fps改為1/5或1/10。將產生的圖片視為影像輸入。 - 回答: 提供作者與觀看數據(如有)、影片格式、轉錄文字(或摘要,若內容過長)、視覺內容描述,並特別說明哪些資訊對使用者有幫助。若影片內容有誇大之處,請誠實指出。
B. 透過 HyperFrames 製作影片
如何選擇技能:
| 任務 | 技能 |
|---|---|
| 任何影片,由此開始;不確定該用哪個 | hyperframes(主要入口,會自動引導) |
| 為對著鏡頭說話的影片添加字幕:每行 1-3 個單詞,關鍵詞上色,卡拉 OK 效果 | embedded-captions |
| 在人物對話影片上疊加圖形:資訊圖表、圖示、「手機畫面」嵌入、分割畫面、圓形標記 | talking-head-recut |
| 製作不包含人聲的簡短動畫(約 30 秒以內):片頭、數字動畫、Logo 動畫、介面原型、「Before/After」對比 | motion-graphics |
| 影片的結構安排:圖層、資訊圖表出現時機、影片嵌入 | hyperframes-core |
| 資訊圖表的進場動畫、貼紙、全螢幕文字「撞擊」效果、動態文字 | hyperframes-animation |
| 鏡頭推拉平移、平滑縮放 | hyperframes-keyframes |
| 音樂、音效、圖示、嵌入素材處理 | media-use |
| 檢驗、合成 MP4、去除背景(「從肩膀後方」嵌入) | hyperframes-cli |
| 現成特效(Glitch、五彩紙屑、圖表)、音樂音量隨人聲自動調整、顏色與字型設定 | hyperframes-registry、hyperframes-audio、hyperframes-creative |
根據 HyperFrames 的規則,hyperframes 技能應優先讀取;對於簡單任務,僅需其 SKILL.md 即可,無需參考其他手冊。
請使用此技能的轉錄指令碼進行轉錄(更擅長俄語辨識,並能提供精確的單詞時間碼),而非使用內建的 hyperframes transcribe:
- 對於
embedded-captions:執行python scripts/transcribe.py <影片> --out <工作目錄>/transcript.json --format words——此技能會自動偵測已存在的transcript.json; - 對於
talking-head-recut:同上,但使用--format flat(扁平化的單詞陣列),並跳過此技能本身的轉錄步驟。 在使用轉錄結果前,請先閱讀並修正辨識錯誤(如人名、品牌、術語)。將修正清單以一行文字呈現給使用者。
專案目錄: 詢問使用者要將檔案存放於何處。目錄結構應包含:sources/(原始檔案的副本——請勿修改或刪除原始檔)、HyperFrames 的工作檔案、以及存放最終 MP4 的 output/ 資料夾。
輸出格式: Reels/Shorts/Stories 為 1080×1920,9:16 比例,30 fps;YouTube 為 1920×1080;貼文為 1080×1350。
俄語字幕與資訊圖表
- 字型必須支援西里爾字母。 許多「時尚」字型(例如 Google Fonts 的 Bebas Neue 與 Anton;Bebas 有獨立的西里爾字母版本)並不支援——請在渲染前進行確認。可靠的字型包括:Oswald、Golos Text、Manrope、Montserrat、Unbounded、Inter、Rubik、Onest。建議使用本機的
.woff2字型檔,而非透過網路載入 Google Fonts。 - 每行 2-4 個單詞。請勿將介係詞與連接詞(例如:в、на、с、к、у、о、и、а、но、не)置於行尾——應將其移至下一行開頭。
- 使用俄語標準引號「ёлочки」與破折號,數字使用阿拉伯數字書寫。
- 僅對簡短的強調詞(1-3 個單詞)使用全大寫,切勿用於整個句子。
- 字幕不應遮擋人臉或 Reels 介面底部(按鈕、標題)——應保持在安全區域內。Hook 應位於畫面中央或略低位置,不要靠近頂部邊緣。
- 如果技能目錄中存在已填寫的
brand.md(包含字型、顏色、強調方式),請依其設定。如果該檔案為空,則向使用者詢問一次風格偏好,並提供將答案儲存至該檔案的選項。
宣告「完成」之前的檢查
在進行耗時的渲染之前,先向使用者展示計畫(內容、位置、風格)。渲染完成後,從結果中產生影格拼貼(請參考 A 章第 4 點),自行檢查:文字是否可讀、是否超出畫面邊界、西里爾字母是否正確顯示、以及是否與語音同步。確認無誤後,再將 output/ 目錄中的檔案路徑交給使用者。