Communitygithub.com

calesthio/generative-media-skills

使用此技能來規劃、導演、完成及品管與供應商無關的單眼或立體 180 度、360 度、球面、空間、寬視野及沉浸式影片。涵蓋格式選擇、拍攝設備、縫合、天底與接縫管理、立體舒適度、注意力引導、穩定、環繞聲與空間音訊、字幕、說明、無障礙功能、剪輯、調色、視覺特效、投影中繼資料、Vision Pro、YouTube、頭戴式裝置交付、裝置品管,以及隱私、地點與肖像權。請勿用於互動式 XR 應用程式、體積/世界模型生成、遊戲引擎體驗或特定供應商的影片生成提示。

generative-media-skills 是什麼?

此技能專為被動式沉浸式影片製作而設計,涵蓋從規劃到交付的完整工作流程,包括 360 度單眼/立體、VR180、空間影片及廣角沉浸式格式。它協助 AI 代理人做出格式選擇、拍攝設備決策、縫合策略、立體深度舒適度、音訊設計、穩定、字幕與無障礙功能,並提供跨平台(如 Vision Pro、YouTube、頭戴式裝置)的交付與品管檢查清單。技能的核心在於避免依賴單一供應商,而是根據觀眾需求、平台優先順序與製作限制,引導使用者選擇最合適的格式。它特別強調舒適度、注意力引導與接縫管理,並結合 Apple、YouTube 及 Google 的官方文件作為事實依據,同時明確標示專業製作經驗法則。此技能不適用於互動式 XR 應用、體積場景生成或遊戲引擎體驗。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/content-formats/immersive-spatial-video-production

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

沉浸式空間影片製作

此技能適用於環繞或部分環繞觀眾的被動式影片交付物:單眼 360、立體 360、VR180、空間影片、圓頂/廣角沉浸式影片,以及以頭戴式裝置為主的沉浸式電影。它能協助代理人制定製作決策、撰寫拍攝與後製計劃、審查輸出,並排除交付失敗的問題,無需依賴特定相機品牌、頭戴式裝置或生成器。

請勿為互動式 XR 應用程式、OpenXR/WebXR 應用設計、體積場景生成、高斯潑濺/世界模型導航、即時遊戲引擎建置,或一般的平面 16:9/9:16 剪輯啟動此技能,除非要求的輸出明確需要球面、立體、空間、廣視野或頭戴式裝置交付。

證據圖譜

以下記錄的事實使用這些來源,除非內文另有標示日期,否則驗證日期為 2026-07-11:

代理人必須首先決定的問題

首先詢問觀眾需要哪種臨場感,然後選擇能達成該效果的最小沉浸格式。

格式使用時機避免時機製作影響
單眼 360地點、活動、新聞報導、建築、紀錄片脈絡或場地調查,其中環顧四周比深度更重要近距離人物表演、親密場景、伸手可及的物體、劇烈運動較簡單的設備與縫合;深度感與比例感較弱;難以隱藏工作人員,因為所有東西都可見
立體 360觀看者應在整個球體中感知到深度靠近設備的快速動作、許多接縫穿越、低預算、大量視覺特效、觀看者可能使用平面螢幕觀看最困難的縫合;接縫與極點周圍的深度不匹配可能造成不適;需要頭戴式裝置品管
VR180 立體表演、教育、旅遊、體育、產品示範或具有自然前方舞台的故事內容觀看者必須檢查身後或理解完整環境更強的立體品質與更容易的導演;工作人員可在相機後方工作;注意力保持向前
Apple 風格空間影片個人回憶、親密紀錄片、物體尺度的時刻、頭戴式裝置/照片圖庫觀看需要完整的 180/360 環境或平台中立球面播放視為具有受限視野的立體影片;保留原始中繼資料並在目標 Apple 播放路徑中測試
圓頂或廣角沉浸式天文館、裝置藝術、模擬器或場地投影主要為頭戴式裝置分發需要場地映射、安全地平線與播放系統測試,而非通用的 YouTube 中繼資料
平面配套剪輯行銷、無障礙功能、社交預告片、編輯審查、沒有頭戴式裝置的利害關係人它是沉浸優先委託的唯一交付物從球面母版重新構圖;不要僅僅在沒有注意力設計的情況下隨機裁切視埠

記錄事實:YouTube 支援在桌面瀏覽器以及許多 VR 頭戴式裝置上的 YouTube/YouTube VR 應用程式中上傳與播放 180 度與 360 度球面影片;YouTube 空間音訊支援一階 ambisonics 以及一階 ambisonics 搭配頭部鎖定立體聲。驗證日期 2026-07-11,來自 YouTube 說明。

製作經驗法則:當故事有明確的前方時,偏好 VR180 立體勝過 360 立體,因為它提供觀看者更強的深度感,並為工作人員提供安全的拍攝區域。僅在觀看者確實需要轉身環顧四周時才使用完整的 360 度。

拍攝規劃

一份有用的沉浸式影片簡報應包含:

  • 觀看者姿勢:坐姿、站姿、僅在現實世界中行走,或場地坐姿;
  • 預期的觀看者能動性:環顧四周的氛圍、前方舞台表演、引導式注意力或檢查;
  • 平台優先順序:Vision Pro、YouTube VR、Quest 瀏覽器/播放器、圓頂、博物館播放器、原生應用程式、歸檔母版;
  • 立體需求:單眼、立體 180、立體 360、空間影片,或同時包含立體與單眼備用方案;
  • 音訊需求:單聲道/立體聲、頭部鎖定立體聲、FOA ambisonics、FOA 加上頭部鎖定旁白/音樂,或特定平台的空間混音;
  • 無障礙需求:隱藏式字幕/字幕、逐字稿、口述影像、動作舒適版本以及平面備用方案;
  • 權利邊界:人物、私人財產、敏感地點幾何、旁觀者、標誌、音樂以及平台條款。

拍攝設備決策:

  • 盡可能使用較少的鏡頭。每個鏡頭邊界都是一條接縫,而接縫是視差、曝光、光暈與時間不同步變得可見的地方。
  • 對於 360 單眼,優先考慮動態範圍、同步曝光與乾淨的鏡頭重疊。
  • 對於立體 360,優先考慮同步快門、穩定的鏡間距幾何、校準,以及讓主體遠離接縫區域。
  • 對於 VR180 立體,優先考慮鏡頭清潔度、水平地平線、觀看者眼睛高度的放置,以及前方舞台的走位規劃。
  • 對於空間影片,在擷取與匯出過程中保留相機的原生立體關係與中繼資料;除非有意製作配套剪輯,否則避免會將立體扁平化為 2D 的轉碼步驟。
  • 對於動作鏡頭,偏好讓主體在穩定的世界內移動,勝過移動設備。當設備必須移動時,選擇平緩的路徑、低加速度與可見的穩定地平線。

記錄事實:Apple HIG 指出,人們應該能夠選擇何時開始觀看影片,不應被自動啟動進入全沉浸式影片;它也建議在播放期間讓人們能夠看到周圍環境,並避免在全沉浸式環境中讓虛擬內容遮擋播放控制項。驗證日期 2026-07-11。

製作經驗法則:將相機設置在或接近觀看者預期的眼睛高度。未經說明的過高、過低或傾斜放置可能會讓觀看者感覺像一個漂浮的觀察者,而不是身臨其境。

縫合、天底、極點與接縫

將縫合品質視為故事與舒適度的問題,而不僅僅是技術清理步驟。

拍攝前接縫策略:

  • 在安排演員或動作之前,為所選設備繪製接縫圖。
  • 將臉部、手部、文字、產品標籤與近距離前景物體保持在已知的接縫走廊之外。
  • 盡可能將接縫線放置在細節少、距離遠或靜態的區域。
  • 控制燈光,使相鄰鏡頭在曝光或白平衡上不會不一致。
  • 為所有相機與錄影機打板與同步;即使很小的時間偏移也可能破壞縫合與立體舒適度。

後期縫合審查:

  • 在創意性穩定之前檢查地平線水平。
  • 在播放過程中檢查接縫,而不僅是在靜止畫面上。
  • 檢查高對比線條、移動的肢體、反光物體、煙霧、水面與人群。
  • 僅在修補物比設備腳印更不干擾視覺時才修補天底。在觀看者腳下出現一個模糊的圓盤可能比一個扭曲的假地板更誠實且舒適。
  • 保持極點區域乾淨,因為等距柱狀投影變形可能會在編輯視圖中隱藏缺陷,但在頭戴式裝置播放中會變得明顯。

製作經驗法則:如果主體必須穿越接縫,將穿越點安排在遠離設備且低注意力的時刻。遠處的接縫穿越通常可以接受;但近距離的臉部接縫穿越通常需要重拍或重新構圖。

立體深度與舒適度

立體舒適度問題是讓沉浸式影片無法使用的最快方式之一。應盡早審查立體效果,最好是在目標頭戴式裝置上進行。

舒適度原則:

  • 保持觀看者預期的前方方向穩定,除非有動機的揭露需要改變。
  • 避免快速的旋轉運動、手持晃動以及觀看者身體感受不到的加速度。
  • 避免強迫觀看者長時間將視線對焦在非常近的物體上。
  • 避免物體極度靠近相機,除非整個作品是為此效果設計並經過測試。
  • 避免垂直視差、左右眼曝光不匹配、左右眼色調不匹配、同步偏移以及立體視窗違規。
  • 對於立體 360,在接縫、天頂與天底附近要格外小心,因為立體對應可能在那些地方退化。
  • 對於標題與字幕,將文字放置在舒適的視覺距離,並使其相對於觀看環境保持穩定。

Apple 記錄事實:visionOS 沉浸式體驗使用透視來保持人們與物理環境的連結;在漸進式與全沉浸模式中,系統定義了一個約 1.5 公尺的邊界,並在佩戴者接近或超越它時增加透視/淡出體驗。Apple 也建議避免在漸進式或全沉浸模式中鼓勵移動。驗證日期 2026-07-11。

製作經驗法則:

  • 偏好坐姿或靜止觀看,除非交付物是特意為監督場地設計的。
  • 大部分時間將關鍵動作保持在觀看者自然的正面視野內。讓觀眾在節奏之間探索,而不是在承載情節、安全或說明的節奏中探索。
  • 在判斷立體效果時,使用保守的觀看者,而不是團隊中最能容忍 VR 的人。
  • 如果相機移動,讓路徑在視覺上可預測,並為觀看者提供穩定的參考,例如地板、地平線、建築物或車輛框架。

走位與注意力引導

沉浸式影片無法假設編輯者能控制畫面,因此導向必須建立在舞台調度、音訊、燈光與運動中。

通常有效的注意力提示:

  • 演員的視線方向與身體朝向;
  • 來自感興趣區域的聲音;
  • 目標區域中的亮度、色彩對比或運動對比;
  • 引導視線的前景到背景運動;
  • 從周邊視覺緩慢進入視野的物體,足以被注意到;
  • 球體中其他地方的暫時安靜或靜止;
  • 重複的空間地理,讓觀看者學會重要事物發生的地方。

避免依賴:

  • 未經準備就移動觀看者面向方向的硬切;
  • 隱藏在可能的前方視野之外的微小細節;
  • 僅將字幕作為看向某處的唯一提示;
  • 每個方向都有持續的動作;
  • 在沒有敘事理由的情況下,在觀看者背後突然發出巨大聲響。

製作經驗法則:在沉浸式故事剪輯中,將每個鏡頭視為一個舞台畫面加上一個邀請。觀看者應該知道要看哪裡,但不應該因為看向別處而感到懲罰。

穩定與運動

穩定必須在減少不適的同時保持方向真實性。

  • 除非有風格化或物理上的理由需要傾斜,否則保持地平線水平。
  • 在創意性重新構圖之前先校正抖動。
  • 避免過度的偏擺平滑處理,導致其落後於移動平台,使世界感覺脫離。
  • 如果無法避免行走鏡頭,測試較短的剪輯、鎖定的前方視圖或平面配套剪輯是否更人性化。
  • 在 360 度影片中,穩定可能會在極點與天底處顯露空白或修補區域;不僅要在穩定前檢查,也要在穩定後檢查。
  • 對於頭戴式裝置播放,驗證中繼資料與姿態在穩定與匯出後是否仍然正確。

Apple 記錄事實:Apple HIG 建議在沉浸風格之間進行平滑、可預測的轉場,並警告突然的轉場可能導致迷失方向或不適。驗證日期 2026-07-11。

空間與環繞聲音訊

音訊通常比畫面更能引導注意力。

有意識地使用這些層級:

  • Ambisonics 基礎層:環境、人群、房間聲調、氛圍、場景內空間。
  • 方向性物件或聲像移動元素:注意力提示與可見的音源。
  • 頭部鎖定立體聲:旁白、音樂、無障礙口述或類似 UI 的內容,不應隨觀看者旋轉。
  • 標準立體聲備用方案:非頭戴式裝置交付與平面配套剪輯。

記錄事實:YouTube 接受一階 ambisonics 以及一階 ambisonics 搭配頭部鎖定立體聲,用於 360 度與 VR 影片。其上傳指南說明要使用空間音訊建立 360/VR 影片,執行最新版本的 Spatial Media 中繼資料工具,然後上傳結果。驗證日期 2026-07-11。

記錄事實:Google 的 Sp...

[因長度限制截斷]

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

calesthio/brand-launch-film-production

Provider-independent production workflow for AI agents creating brand launch films, product reveal videos, manifesto films, campaign hero films, website hero videos, investor/customer launch assets, and social cutdowns. Use when planning, scripting, generating, editing, reviewing, or delivering launch films that must align strategy, claims, brand voice, visual direction, product proof, accessibility, compliance, and multi-platform delivery.

calesthio/character-design-continuity

Provider-independent character design and continuity direction for generated media. Use when an agent must create, preserve, revise, or QA a recurring character across AI-generated images, video clips, avatars, animation, comics, ads, product mascots, serialized social posts, or multi-shot campaigns; especially when building character bibles, reference packs, prompts, expression/pose ranges, costume/hair/makeup/prop continuity, identity and likeness safeguards, iteration plans, handoff notes, or continuity reviews.

calesthio/generative-media-skills

Provider-independent localization and dubbing production direction for AI agents producing translated videos, dubbed ads, social clips, explainers, avatar videos, documentaries, training media, and multi-market campaigns. Use when planning or reviewing subtitle-versus-dub strategy, translation adaptation, glossary/style-guide setup, casting or voice matching, lip-sync or phrase-sync direction, synthetic dubbing boundaries, captions/subtitles handoff, accessibility, platform delivery, client review, or localization QA.

calesthio/generative-media-skills

Provider-independent cinematic trailer production for AI agents creating movie-style trailers, teaser trailers, launch trailers, game trailers, documentary trailers, series promos, and high-impact generated-media previews. Use for trailer strategy, structure, shot planning, voiceover/title-card copy, music and sound-design direction, generated-video prompt translation, edit pacing, platform/runtime choices, delivery handoff, rights/claims caveats, and trailer QA.

calesthio/generative-media-skills

Provider-independent explainer video production for AI agents creating educational, product, concept, nonprofit/public-service, onboarding, training, animated, mixed-media, and short social explainers. Use when an agent must turn a topic, brief, research corpus, product, process, policy, dataset, or complex idea into a factual, accessible, narrated, captioned, storyboarded, generated-media-ready explainer video with claim review, localization, pacing, variants, and QA.

calesthio/generative-media-skills

Provider-independent production workflow for AI agents creating music videos, lyric videos, visualizers, performance/narrative/dance videos, social cutdowns, album or single launch assets, and generated-media clips synchronized to songs. Use when planning, directing, prompting, editing, reviewing, or delivering video content built around a recorded song, artist performance, lyrics, beat timing, choreography, platform variants, music rights, likeness consent, accessibility, or synthetic-media disclosure.

calesthio/generative-media-skills

Provider-independent captions and media accessibility direction for AI agents producing or finishing generated videos, ads, social clips, explainers, avatar videos, documentaries, podcasts/video recuts, training media, and localized content. Use when planning, authoring, reviewing, localizing, burning in, exporting, or QAing captions, subtitles, SDH, transcripts, audio description, flashing/motion safety, caption readability, or accessible media handoff files.

calesthio/generative-media-skills

Provider-independent dialogue editing and ADR direction for AI agents producing generated videos, films, ads, avatar clips, explainers, localization/dubbing, podcasts, recuts, and social content. Use for dialogue prep, repair, room tone, take comping, sync, ADR cueing, dubbing direction, pronunciation, de-essing, plosives, mouth clicks, voice continuity, synthetic voice consent boundaries, captions/transcripts handoff, mix handoff, loudness, intelligibility, accessibility, and QA.

calesthio/motion-graphics-direction

Provider-independent motion graphics direction for AI agents producing title sequences, lower thirds, explainer graphics, product UI overlays, social ads, kinetic typography, diagrams, data callouts, brand films, and video post. Use when planning, prompting, storyboarding, specifying, implementing, reviewing, or QAing motion graphics across live footage, generated video, UI capture, data visualization, brand systems, typography, accessibility, claim integrity, runtime handoff, and iteration.

相關技能