explainer-editor：在說話者上方舞台上展開的解說

使用者在一段他們自己對著鏡頭說話的直式影片。這個技能將他們放在一個暗色舞台底部的框架中，他們的頭部從框架中浮出，並在他們說話的同時，在他們上方繪製他們所解釋的內容，具有 After Effects 編輯的動態和光線：場景之間由攝影機移動連接，元素飛行、上升並帶有動態模糊地彈入，每個元素都有自己的陰影和光暈，舞台上每大約一秒就有一個新事物，每個動作都有音效。他們的文字一次一個地，在舞台和他們之間流動。每分鐘幾次，一個相機閃光會切到他們的全螢幕畫面。

短片的呈現方式是固定的：§ 解說語言（請見下方流程）。它是根據使用者為客戶編輯的一段短片（108 秒，文字鉤子指南）逐幀測量，然後在第一版編輯時審核（2026-10-05：“一點都不像 After Effects，不是動態設計，螢幕上東西太少，很無聊，缺少嗖嗖聲”），接著在第二版時再次審核（“好多了；但元素周圍的小陰影和光暈還是不夠，全黑的背景沒有襯托出它們；這裡有一個包含很多非常輕的聲音的素材包”）：這兩次評語的每一行現在都是一條規則。每次處理新的影片都從它開始（init.sh 會建立骨架）；不要重新打開它。

這個技能運行在 short-editor 技能引擎上。 它的渲染、混音、人像遮罩、預覽、建置和驗證都是該引擎的檔案，如同在 ../short-editor/SKILL.md § 先決條件、§ 檔案位置以及 § 4 到 § 6 中所寫的那樣；這個檔案說明了差異之處。此技能自己的部分包括：版型（layout.mjs：說話者的框架和全螢幕的呼吸畫面，由引擎的 build.sh 和 preview.mjs 取代它們的縮放來執行）、舞台（stage.mjs：攝影機、場景、動態模糊、元素、字幕、動態的音效）、背景音樂（bed.mjs）、靜態圖片（stills.mjs）和測量（measure.mjs）。在第一次剪輯前和每次執行時，都請閱讀：

../../references/pitfalls.md § 轉錄與字幕，§ 工作方法：編輯時會遇到的陷阱（其他章節在步驟到來時再讀：§ 在手動測量音效前的音訊，§ ffmpeg 和 § 在執行你自己的指令前的 Shell；引擎的工具則遵循其餘部分）
../../references/brand-kit.md，當編輯需要顯示它們時：使用者的真實標誌、畫面截圖和數字，絕不使用虛構的，以及他們的品牌設定一次在 workspace/brand/ 中（§ 你的品牌，設定一次）
$X/example/：參考專案，包含一個已交付編輯的所有檔案（stage.theme: "light" 用於其淺色版本）；$X/example-2/：該技能從頭開始對另一個影片執行的結果（兩個鏡頭、安靜的錄音、沒有呼吸畫面），以及那次執行更改了什麼

在步驟需要時閱讀：../../references/audio-spec.md 關於音量標準（響度標準，如何測量聽到的音量）。引擎的元素：node plugins/video/skills/short-editor/scripts/api.mjs <module> [figure]，永遠不要使用它們的來源。

我無法觀看或收聽影片。 頭部在哪裡、單詞從哪裡開始、嗖嗖聲有多大聲：每一個都是測量值。verify.mjs 立於「準備好了」和損毀檔案之間；measure.mjs 判斷音效設計是否被聽見。永遠不要跳過它們。

以下所有路徑都相對於 GTM by Pipecorn 資料夾的根目錄。$X 表示 plugins/video/skills/explainer-editor/scripts（此技能），$E 表示 plugins/video/skills/short-editor/scripts（引擎）。使用它們的絕對路徑執行。

先決條件（預檢：在任何工作前檢查）

引擎所需的：ffmpeg + ffprobe 在 PATH 中（brew install ffmpeg）和 python3（Xcode Command Line Tools）是必需的，且無法從此處安裝；如果缺少一個，請停止並說出指令。其他所有東西都會自行預置：引擎的 bootstrap.mjs（node 套件、語音轉文字虛擬環境、音樂庫）會在 init.sh、transcribe.sh 和 build.sh 內部執行，而 init.sh 會獲取字型：Inter（ExtraBold, Bold, SemiBold, Medium；SIL Open Font License，來自 npm 套件 inter-ui，通過 jsDelivr）和 Instrument Serif Italic（Google Fonts，OFL）到專案的 assets/fonts/。不會在全系統範圍內安裝任何東西。swiftc 用於建置人像遮罩：沒有它的話，頭部不會從框架中浮出（框架只會裁切說話者），且舞台會繪製在上層；請告知使用者。

檔案位置

如同引擎所說，且只能這樣做：每個編輯一個工作目錄，workspace/projects/<slug>/，slug 不能與其他專案重複；完成的檔案 workspace/videos/<slug>.mp4；永遠不要使用其他專案的檔案，即使是同一個影片；暫存檔案在專案的 tmp/ 中，而不是 /tmp。此技能的 scripts/ 保持唯讀。使用者的圖片（截圖、標誌、他們影片的影格）放在專案的 assets/ 中。

流程

0. 設定工作目錄

$X/init.sh workspace/projects/<slug> <source.mp4> workspace/videos/<slug>.mp4 [--theme light]

引擎的骨架（從檔案讀取 project.json、SFX 素材包在 assets/sfx-top5/），然後是此技能的 plan.mjs 和 edl.mjs、project.json 中解說語言的鍵值（style: "explainer"、layout：$X/layout.mjs 的路徑、blurBand 0）、sfxMasterDb 設定為基於影片人聲（其響度 + 15.3 dB，每低於 −20.5 LUFS 再加 0.13 dB：這樣家庭音響聽起來就像在基礎技能中一樣，無論影片的音量如何）、字型、一個 1080x1920 的主畫布用於較小的直式影片（第二次執行時保留），以及主題（stage.theme：dark（預設）或 light；--theme light 設定它；已設定的專案會保留其設定）。從該目錄執行後續所有指令。

0.2. 一次問完問題

主題（暗色（預設）或亮色：相同舞台，白色玻璃，深色文字，較柔和的陰影）、音樂（音樂庫 plugins/video/assets/music/；預設為 Convergence；告知非 Mixkit 的曲目可能會封鎖影片的營利功能）、速度（預設為 ×1；較慢的語速在 ×1.1 時效果更好），以及使用者可以提供的圖片：他們產品的截圖、他們談論的影片影格、他們的標誌、真實數字。使用者未提供的內容，則使用他們的文字和內建的象形圖繪製，絕不使用虛構的畫面或數字。從 GTM by Pipecorn 頁面執行時，第一則訊息的簡短說明會回答這些問題（主題來自其備註：「light」代表亮色主題）：根據以下規則決定，不要再問。

Pipecorn 通用結尾：每種風格的 BONUS，每次都問，預設關閉 （plugins/video/references/pipecorn-generic.md）：大約 6 秒在影片最尾端，顯示 Pipecorn，然後其數值在一個位置中輪流替換，然後再次顯示 Pipecorn，沒有音樂。不 · 是，以及要顯示哪些數值（1 到 4 個；node $E/generic.mjs --list；預設為電話覆蓋率、接通率、管道）。

讓你的聲音更好聽：一個 BONUS，每次都問，預設關閉 （plugins/video/references/voice-clean.md）：ElevenLabs 的聲音隔離器會移除錄音中的房間回音和噪音。不 · 是，讓我的聲音更好聽。它需要 ElevenLabs 連接器：如果沒有金鑰，用一行說明它存在（設定 › 連接器 › 新增金鑰）然後繼續。如果選擇「是」，在步驟 1 之前：node plugins/video/motion/voice.mjs clean <source>，然後 project.json 中的 source 變為 <…>-voice.<ext>（長度相同，畫面不變）。

1. 逐字轉錄

$E/transcribe.sh --lang en      # 實際「說」的語言；然後 project.json 中的 "lang"

words.json，以原始影片的時間碼為準。永遠不要翻譯。如果一段影片充滿了重新開始，先使用引擎的 rough-cut.mjs 組合（short-editor/SKILL.md § 0.7），然後再次轉錄。然後 node $E/words.mjs（引擎的）：words-fixed.json，每個單詞的開始時間被移出靜音區域，對齊到實際人聲；每個單詞的真實結束時間在停頓之前；有疑問的單詞會被列出；words.mjs env|end|say 用於讀取其中一個（short-editor/SKILL.md § 1）。不要為此使用自訂腳本。

2. 遮罩與框架

node $E/matte.mjs                          # 人像遮罩（需要 swiftc），每分鐘影片約需 1 分鐘
node $X/layout.mjs --measure --write       # 頭部位置 → project.json stage
node $X/layout.mjs --print                 # 框架、字幕、呼吸畫面

--measure 會找出影片的鏡頭（來源剪輯點，如同 verify.mjs 找到它們的那樣），並在每個鏡頭中讀取遮罩上的頭部（每個鏡頭 32 個影格）：框架的寬度會將最長鏡頭的頭部放在與參考範例相同的大小（226 像素寬；近距離的影片會獲得較窄的框架並置中，因此肩膀和胸部會進入畫面：在工作範例中為 598 像素，其頭部佔影片寬度的 38%，在第二個影片中為 782 像素；--keep-frame 會保留參考範例的 942 像素並警告框架將只顯示大部分臉部）；在每個鏡頭中，框架的頂邊會通過頭部通常頂端下方 88 像素處（參考範例），因此頭部會從中浮出；字幕會根據頭部通常升高的高度（最多 90 像素）向上移動，並保持在其上方 20 像素處；全螢幕時頭部會佔寬度的 45%。包含多個鏡頭的影片會獲得 stage.shots（每個鏡頭的裁切、字幕和全螢幕取景；攝影機在剪輯點切換，框架保持不變）。在預覽中檢查它（§ 5）。在此風格中，來源剪輯點發生在說話者框架內部，是畫面的一小部分：verify.mjs 可能會將其報告為「在全螢幕畫面之下」（第二個影片）；透過框架自身的差異來檢查它是否落在其框架上，而不是用肉眼。

3. 閱讀轉錄稿，撰寫分鏡表

這是判斷步驟，也是整個工作的核心。在撰寫任何程式碼之前，先完整閱讀轉錄稿並將分鏡表寫成一個列表：包括場景，以及在每個場景中，哪個元素在哪個單詞出現。

場景，由攝影機移動連接。 一個場景是一個想法（承諾、產品、流程、步驟、列表、比較）：持續 4 到 8 秒，然後攝影機移動到下一個。預設移動是甩動（向右平移：舊場景模糊地向左離開，一道光線橫掃而過，新場景到來）；當下一個想法更深入時使用上升（舊場景向上離開）；當新場景回答了舊場景的問題時（一個「為什麼」、一個揭露）使用推進穿透舊場景；切換僅在呼吸畫面後使用。盡量不要連續使用兩個相同的移動。
一個場景到來時是完整的。 在場景自身時間放置的元素，會與攝影機一起移動進入（當移動結束時它已經在那裡：參考範例從未在移動後顯示空舞台）；稍後出現的元素則會在其對應的單詞時進入。當場景中的事物一個接一個被命名時，將它們全部放在場景的開始時間，處於黑暗中或失焦狀態（dim: 0.6，blur: 10），並在其單詞出現時點亮每個元素（.blurTo(on(i), 0).lit(on(i)) 及其音效）：舞台從第一個影格就充滿內容，並在每個單詞時仍然移動（第二個影片的角色和頻道，2026-10-05）。
每隔大約一秒就有新事物。 每個命名了事物、數字、步驟、陳述的短語，都會在其單詞上獲得一個元素或一個移動：元素進入、標籤揭露、在某物周圍繪製標記、某物被點亮、場景移動。超過 2 秒沒有新事物出現在舞台上就會被認為無聊：這是第一版編輯的評語（2026-10-05）。
標題用兩行簡短文字為章節命名，關鍵詞使用襯線字體（*Killer* Text Hooks），在數字或聲明行上有一個紅色方塊（3 Winning Types Of）。它會隨著章節而改變，舊的標題在上升消失後，新的文字才會升起。

何時使用何種元素：

所說的內容	元素
N 個事物、步驟、規則的列表	`S.list`：從左側飛入的長條，標籤在每個被說出之前都是模糊的（`reveal`），正在解釋的那個被點亮（`focus`），其結果在其末尾彈出（`glyph: "check"`、`"cross"`…）；`header` 將一個長條變成章節的標題
名稱、術語、定義	`S.pill`（其中包含一個象形圖：`glyph`）、`S.arrow` 從它所命名的東西指向它、`S.ping`（`ring: true`）環繞該事物、`S.mark`（圓圈、框架、底線）繪製在強調它的單詞上
由部分組成的事物、原因及其影響、鏈條	`S.tree`（子元素依序掉落，每個都用火花連接）、`S.wires` 用於連接任意兩者
組合、比較	`S.equation`（`+`、`=`）、一個 `VS` 標誌搭配 `S.shake` 和畫面干擾效果
產品、工具、平台	使用者的標誌（`S.icon`，其光暈，`ring` 讓電話響起）、`S.card` 或 `S.phone` 中的截圖、`S.prompt` 在使用時打字輸入
範例、影片、系列	使用者圖片的 `S.cards`，或影片本身的影格（`stills.mjs`）搭配 `player` 卡片
搜尋、多個來源、群眾	帶有 `glyph` 的 `S.cards` 網格，一個接一個被點亮（掃描效果）
數字	`S.count` 爬升到該數字，或彩色文字（`{g:22 Days}` 綠色，`{r:A Few Weeks}` 紅色）
好 / 壞、是 / 否	`S.glyph`（綠色磚上的 `check`，紅色磚上的 `cross`），長條的結果
行動呼籲	標題（`Comment "X"`，`To Get The Skill`），`S.file` 用於他們發送的內容

呼吸畫面（FULL）：硬切到說話者全螢幕（進入時有相機閃光，離開時有嗖聲），除了字幕外不繪製任何東西。用於告白、妙語、強烈意見；持續 2 到 6 秒；永遠不在前 15 秒內。非說話頭部的鏡頭（B-roll、廣角鏡頭）會全螢幕顯示：[from, to, { zoom: 1 }]。呼吸畫面之後的場景會在它後面打開（S.scene(<breather end> - 0.45, "push")），這樣當呼吸畫面結束時它就在那裡了。
僅限真實名稱和真實數字（brand-kit.md）：如果需要畫面或數字但使用者未提供，則使用他們的文字和內建的象形圖繪製，或直接刪除該元素。
字幕是逐字的：`fi

…

[因原文截斷，以下內容省略]

explainer-editor