shubham001312/fish-video-skill

Fish Video Skill v2

你從一次對話中製作一支影片。它必須達到在參考分析中剖析的頂尖 Short 的品質：

• 每 ~1 秒螢幕上出現新內容
• 具有深度（紋理、接觸陰影、發光）的真實素材
• 具有 3 倍主詞對比度的文字
• 物件作為門的轉場
• 在每次移動 之前 落地的一個嗖聲，在揭露時 結束 的漸強音，以及在閃切時的撞擊聲
• 位於可聽見的音樂層之上的語音

即使通過品管，帶有通用語音的幻燈片仍是失敗品。

路由器：任務到達時載入指南

只讀取目前步驟所需的內容：

• 使用者只給了一個詞，或想要主題點子，或你在編寫腳本 → 主題到影片
• 選擇風格、調色板或外觀 → 風格配方, config/styles.yaml
• 需要解釋某個想法，或按心情選擇顏色 → 圖表設計
• 編寫任何場景 → 場景目錄，包括動態規則和攝影機
• 任何關於音樂、音效或音量的事，或「我在手機上聽不到音樂」 → 聲音設計
• 選擇或指導語音 → 語音指導
• 字幕和文字 → 字幕與排版
• 螢幕上的網站或應用程式 → 網站導覽捕捉
• 要匹配的參考影片 → 參考分析, 參考影片分析, 趨勢分析
• 平台尺寸和限制 → 平台規格
• 該選用哪個開源工具 → 實地指南

不可協商的工作流程

0 醫生 ─▶ 1 訪談 (所有問題，一次) ─▶ 確認 ─▶ 2 研究 + 趨勢 + 參考 (並行)
  ─▶ 3 素材 + 螢幕捕捉 + 語音 (並行) ─▶ 4 故事板 (你撰寫每個字) ─▶ 閘門
  ─▶ 5 靜態稿 (外觀) ─▶ 6 渲染 ─▶ 7 品管 + 審查循環 (修正，重新渲染，重複) ─▶ 8 打包 ─▶ 9 最終審查 ─▶ 10 清理 (詢問)

規則：

• 一次訪談，在開始時。 所有需要使用者回答的問題都在步驟 1 中提出，包括語音和語氣、顏色、螢幕步驟、API 金鑰（以及如何取得每一項）以及要安裝的選用擴充套件。在 fishvideo interview <dir> --confirm 之後，你不再提問。根據答案和風格配方做出決定。僅在以下情況再次聯絡使用者：

  • (a) 他們在 checkpoints 中選擇的可選停止點
  • (b) 他們必須執行的桌面錄製；他們在訪談中同意，你告訴他們何時開始
  • (c) 最終審查
  • (d) 清理許可

  如果使用者後來說了不同的話，遵循使用者。

• 在訪談確認之前，絕不編寫腳本。 fishvideo script，all 和完整 render 在 fishvideo gate 通過之前拒絕執行。

• 絕不輸出範本文字。 骨架是一個充滿 TODO 的輪廓。你為這支影片全新撰寫每個螢幕上的字和每句旁白，因此閘門會阻止 TODO、v1 慣用語（「X，解釋」、「60 秒內」、「感謝觀看」）以及任何從 examples/ 複製的行。範例展示結構，絕非內容。

• 解說影片必須有圖表。 任何 goal: explain 影片需要至少一個 diagram、whiteboard、neonline 或 split 揭示機制場景。專案符號清單不是解釋。

步驟 0：醫生

設定（僅首次）在 README.md 中：npm install，一個虛擬環境，以及 pip install -r requirements.txt。然後執行：

.venv/Scripts/python scripts/fishvideo.py doctor --keys      # Windows (macOS/Linux：.venv/bin/python)

注意哪些金鑰和擴充套件缺失。你在訪談第 8 輪中只詢問這些。

為獲得最佳結果進行設定（請執行此操作，不要跳過）：

• 自行安裝擴充套件。 如果 doctor 顯示缺少擴充套件，將其安裝到技能虛擬環境中，而無需讓使用者操作：pip install "rembg[cpu]"（去背），pip install kokoro soundfile（自然本地語音）和 pip install faster-whisper（對齊使用者自己的旁白）。如果 SFX 庫缺失，也執行一次 fishvideo assets sfx-pack。用一句話告訴使用者你在安裝什麼以及原因。僅跳過使用者在第 8 輪中拒絕的擴充套件。
• 索取 API 金鑰。 它們是選用的：所有功能皆可透過免費備援運作，無需金鑰。它們確實能帶來最佳結果：ElevenLabs 提供最自然的語音，Pexels/Pixabay 提供最多的圖庫照片和影片，Freesound 提供最多的音效，YouTube Data API 提供趨勢圖表。在第 8 輪中，索取對這支影片重要的金鑰，說明如何取得每一項（免費註冊連結在 doctor --keys 中），並接受「不」或「稍後」，不要強求。僅在訪談中進行此操作，創作開始後絕不再提。

步驟 1：訪談（嚴格）

fishvideo new projects/<slug> --prompt "<使用者的請求，逐字"
fishvideo interview projects/<slug>            # JSON：開放問題，分為 8 輪

問題庫在 config/interview.yaml 中。它有 8 輪，約 30 個問題：

輪次	涵蓋範圍
1	目的
2	形狀和風格
3	顏色、字體、紋理
4	語音、表達、音樂、音效
5	真實素材和螢幕錄製
6	內容、事實、CTA、語言
7	字幕、縮圖、核准
8	API 金鑰和擴充套件

只有一個詞或一個領域？ 在第 1 輪之前，生成 5 個趨勢角度：yt suggest、yt search --recent-days 30 和 trends（俳句子代理，並行），遵循主題到影片。將它們作為 topic 問題提供。選擇的角度驅動後續一切。

如何提問：

• 每次 AskUserQuestion 呼叫詢問一輪（最多 4 個問題），完全按照列出的選項進行。建議選項優先。「其他」始終可用。
• 自由文字問題 (free_text： true) 在該輪的正常訊息中發送，與該輪的選擇題呼叫一起。
• 僅當提示已明確回答該問題時才跳過一個問題（from_prompt 顯示檢測到的內容），並且仍然記錄它。
• 記錄每個答案：fishvideo interview <dir> --set style=paper-collage --set platforms='["shorts"]'。答案映射到 brief.yaml：調色板到 brand.colors，心情到分數和節奏，語音和表達到語音配置和後製鏈，風格到紋理、節奏和主題。
• 語音： 在第 4 和 6 輪之後（一旦知道語言和表達方式），執行 fishvideo voices <dir> --audition。提供使用者在 build/auditions/ 中的檔案路徑，讓他們播放，並讓他們挑選。這仍然是訪談的一部分。
• 金鑰： 僅提供與他們答案相關的缺失金鑰。說明如何取得每一項（問題庫中的文字）以及沒有它會發生什麼。如果他們貼上金鑰，使用 --set keys_paste=... 記錄。金鑰會去到技能的 gitignored .env 檔案，絕不回顯、記錄或提交。如果他們選擇擴充套件，現在安裝到虛擬環境中（pip install "rembg[cpu]"、kokoro soundfile、faster-whisper）。
• 最後，將 fishvideo interview <dir> --summary 回讀給使用者。要求一個簡單的「是，開始」，然後執行 --confirm。

步驟 2：研究、趨勢和參考（並行執行）

將這些作為並行子代理生成。模型路由：haiku 用於擷取和查找掃描，sonnet 用於分析和常規程式碼，而你 (opus) 用於腳本、故事板、設計判斷和最終審查。為每個代理提供專案路徑和它必須產生的確切輸出檔案。子代理可能無法編寫報告檔案；然後它們返回文字，你儲存它。

任務	命令	代理
事實和來源	網頁搜尋，然後 fishvideo research <dir> --url ... → research/facts.md	haiku
趨勢	fishvideo trends <dir> --topic "<topic>" --region <IN/US> → research/trends.md（標題公式、標籤、鉤子、從當前排名得出的理想長度）	haiku
YouTube 查找	fishvideo yt search "<q>" -n 20 [--recent-days 30]、yt info、yt subs、yt suggest	haiku
參考剖析（使用者提供的每個連結，以及所選風格中 1–2 個熱門趨勢範例）	fishvideo yt download <url> --purpose reference --project <dir>，然後 fishvideo dissect <dir>/reference/<file>.mp4 --out <dir>/reference/dissect --fps 4 [--vtt subs.vtt]。讀取每個工作表、頻譜圖和 timeline.md，然後撰寫 reference/analysis.md，包含參考影片分析的九個部分	sonnet (vision)

從剖析中取得數字：變化率、嗖聲時機和音量、語音相對於背景音樂的分貝、閃避深度、響度、字幕樣式。將它們寫入 brief.yaml → match：，以便故事板和混音可以遵循它們。複製工藝，絕不複製內容。

步驟 3：素材、螢幕和語音（並行執行）

真實素材（當 assets.policy 是 mixed 時）：

• 搜尋：fishvideo assets search <dir> "<noun>" --kind photo|video|music|sfx [--providers wikimedia,pexels]。在 assets/_candidates/ 中開啟預覽並查看它們。
• 下載你挑選的：fishvideo assets get <dir> <ids>。每個檔案都會連同其授權記錄到 assets/credits.json。
• 製作去背圖：fishvideo assets cutout in.jpg out.png（使用 isnet-general-use 的 rembg；絕不使用非商業預設模型）。
• 準備 B-roll：fishvideo assets clip <dir> <file> <clip_id> --start S --dur S 為 footage 場景提供幀。
• 取得 CC-BY YouTube 片段：fishvideo yt clip <url> <start> <end> <dest> --project <dir>。它會拒絕非 CC 影片。
• 允許的授權：CC0、PD、Pexels/Pixabay 授權、CC-BY 和 CC-BY-SA（需註明出處）。絕不允許 NC 或 ND。絕不允許非 CC 的 YouTube 影片、參考影片的鏡頭、你重新繪製的標誌，或以誤導方式使用的真人肖像。

螢幕：

• website：列出 captures： 下的鏡頭，並執行 fishvideo capture <dir>。它會以虛擬時間進行唯讀錄製。
• desktop：fishvideo screenrec record <dir> <shot> --seconds N [--window "Title"] [--scale 2]。在開始之前，確切告訴使用者要執行哪些步驟。F8 放下標記，F9 停止。
• files：fishvideo screenrec import <dir> <shot> recording.mp4。

三者產生相同的捕捉資料夾。tour 場景 (frame： inset) 添加發光游標、點擊漣漪和點擊音效、1.6–2 倍游標縮放、聚光燈和 STEP 卡片。以 2 倍比例錄製，以保持縮放清晰。

音樂：

• 圖庫曲目：assets search <dir> "<brief.music.search>" --kind music，然後 assets get，並將檔案放入 assets/music/。
• 或者保留合成分數。設定 music.source： synth 來強制使用。

音效： 執行一次 fishvideo assets sfx-pack (Kenney CC0)。使用 assets search --kind sfx (Freesound CC0) 將更多音效添加到 assets/sfx/<cue-type>/。

語音： 編寫旁白（步驟 4），然後執行 fishvideo voice <dir>。重新執行故事板，使場景根據真實剪輯重新計時。如果使用者錄製了自己的旁白，改為執行 fishvideo voiceover <dir> recording.wav：它使用 faster-whisper 將錄音與腳本對齊，並按行切割。

情緒： 為每個場景指定一個 mood： (curious、tense、urgent、excited、warm、serious、reflective、triumphant、neutral)。它設定每行的速度和音高，以及在 ElevenLabs 上的風格。標點符號在所有引擎上塑造表達方式：... 停頓，？ 和 ！ 揚起，短句重擊。在節奏之間變化情緒：40 秒的單一音調就是「通用語音」的抱怨。行內的靜默部分會自動裁剪 (pacing.max_word_gap)。

音樂時機： 對於圖庫曲目，執行 fishvideo beats <track>。將故事板 bpm 設定為其節奏，並設定 music.offset，使一個節拍或高潮落在你最大的揭露時刻。

螢幕錄製： 執行 fishvideo screenrec tighten <dir> <shot> 來加速通過空閒時間。永遠不要讓觀看者等待載入旋轉圖示。

步驟 4：故事板（你來編寫）

執行 fishvideo script <dir>。它會根據風格配方 (config/styles.yaml, 風格配方) 建立 storyboard.yaml 的骨架，作為一個充滿 TODO 的節奏骨架。其時序是佔位符。然後按順序正確編寫：

1. 替換每個 TODO：複製、參數和旁白。場景目錄頂部的表格列出了必需的參數。
2. 撰寫 brief.pu

…

[為翻譯而截斷]