XB Video Cut v2
這是一個面向 ChatCut 的 speech-led video 剪輯執行規範。它把「判斷該剪什麼」和「按什麼順序落到時間線」分開處理:先確定內容目標,再按最終口播時間安排所有視覺、文字和聲音層。
1. 適用範圍與基本約束
適用於已有素材的單人口播、訪談、影片播客、課程、教學和講解影片。使用者要從零產生一個沒有源素材的 talking-head 時,不使用本 Skill 的剪輯流程;先說明需要已有影片素材。
源素材可能已經是當前專案資產,也可能是本機路徑或對話附件:
- 已在專案中的素材,直接使用,不重複匯入。
- 本機可讀路徑或對話附件,依目前 ChatCut Desktop 的資產註冊方式加入專案,再開始讀取文字稿。
- 如果編輯器沒有開啟目標專案,先讓使用者開啟目標專案;不要假設目前專案就是目標專案。
中文產品術語統一使用:
A-roll:語音剪輯Background music:背景音樂Captions:字幕B-roll:始終保留B-rollMotion Graphics:MG 動畫AI Voice Isolation:AI 人聲隔離Transcript panel:文字稿面板
不要用「動效」「字幕條」「動態字幕」替代「MG 動畫」,也不要把 B-roll 翻譯成其他中文術語。
2. 先判斷目標,再選擇處理項
每次開始時先確認這三個維度:
- 目標:平台、成片時長、橫豎螢幕或其他畫布要求。
- 處理項:只做 A-roll,還是還需要字幕、背景音樂、轉場音效、B-roll、MG 動畫、AI 人聲隔離或匯出。
- 節奏:緊湊、自然、正式、輕鬆、情緒化,或沿用專案已有風格。
不要因為某個工具可用就預設加入所有處理項。使用者沒有提到的增強項保持不動。
已有專案畫布、字幕樣式或品牌風格時優先沿用。只有專案沒有設定、且使用者沒有給出要求時,才使用預設值。新專案預設 1920×1080 / 60 fps;不要把這個預設值覆蓋到已有專案,也不要替使用者擅自改比例。
橫屏素材/畫布:在最終檢查與匯出階段(見 12. 節),提醒使用者是否需要額外衍生一份豎屏版本。豎屏素材/畫布:不需要提這件事,直接跳過,不要每次都問。判斷依據是當前時間線的畫布比例,不是使用者有沒有主動提起。
當多個關鍵維度同時缺失時,用一個簡短表單一次收集;只有一個小問題缺失時直接問一個核心問題。不要連續追問已經可以從專案或上下文判斷出的資訊。
2.1 剪輯表格統一存入 Obsidian 腳本文件
同一支影片產生或更新的素材表(含 B-roll checklist)、音效表、轉場表,必須與影片腳本存放在同一個 Obsidian Markdown 文件中,分別維護獨立小節;該文件是這些表格的唯一維護來源。聊天中展示表格不能替代儲存。
- 先從使用者提供的 Obsidian 連結、檔案路徑或上下文確定該影片的腳本文件。
obsidian://連結需解析 vault 與 file,並定位本機實際 Markdown 檔案;未能唯一確定時,只詢問目標文件,不預設另建表格檔案,也不把其他影片寫入已知文件。 - 初次讀取全文及已有小節,在對應小節原位更新;沒有該小節才追加。保留腳本、使用者批註與其他內容,避免重複追加多份表格。後續合併、刪除、重新編號、素材匹配或時間線變化,都同步到同一小節及相關彙總。
- 素材表預設列為:
段落 / 口播錨點 | 需要的 B-roll | 所需時長 | 是否已提供 | 對應素材。段落寫內容主題與實際口播原句;時長是成片中所需展示秒數,不是源影片起止時間。✅/❌依據已檢查的實際材料填寫,並註明核對日期與範圍,未檢查不能冒充缺失。需要規劃生成 B-roll 時,在待確認的總表中額外增加建議來源(待確認),讓使用者同時審核畫面需求與來源;確認後再分出上傳清單和生成清單。其他情況預設不增加「能否生成」「畫面變化與落點」「如何銜接」列。 - 音效表記錄口播或動作錨點、音效用途/類型、時長、對應素材及確認/執行狀態;轉場表記錄邊界前後實際口播、轉場類型、匹配音效及確認/執行狀態。沿用使用者已確認的表格結構。僅啟用相應處理項時才創建表格,儲存方案不代表已經確認或落軌。
- 已指定目標文件後,維護上述表格無需逐次再詢問儲存位置。若舊清單在其他位置,遷入腳本文件,舊檔案僅保留遷移指引,不同時維護兩套正文。
- 儲存後回讀,核對表格、項目數、編號、時長和狀態,並提供文件連結。無法寫入時如實說明,不能聲稱已儲存。實際圖片、影片和音訊檔案不嵌入 Markdown 二進位;表中記錄素材路徑或連結,素材檔案位置按使用者的存放約定處理。
3. 時間線狀態機
階段不是強制全部執行,而是「按使用者選擇啟用」。唯一固定的依賴關係是:A-roll 必須先於所有依賴時間線的處理項。
推薦順序:
- 專案與素材確認
- A-roll 語音剪輯
- 字幕
- 背景音樂
- 轉場與匹配音效
- B-roll
- MG 動畫
- 最終檢查與匯出
如果使用者只要求其中一個處理項,完成該項並做相關驗證即可,不要自動擴充任務。
階段交接
每個已啟用的主要階段完成後:
- 用一句話說明剛完成的結果;
- 標記目前結果為「待使用者確認」;
- 說明下一步是什麼;
- 只提出一個會影響下一步的核心問題。
使用者說「繼續」「下一步」「好了」「確認」時,視為確認當前待確認階段並進入下一階段。使用者同時提出修改時,先完成修改並重新檢查當前階段,不要跳過確認點。
使用者明確要求端到端完成時,可以連續執行沒有主觀選擇的步驟;但以下情況仍需停下來確認:付費生成、不可逆操作、缺少關鍵創意方向、或會明顯改變成片結構的決策。
不要把多個階段的確認問題捆在同一條訊息裡。不要在沒有實際執行或驗證時聲稱「已完成」。
4. A-roll:先處理說話內容
判斷某句該保留還是刪除、如何向使用者呈現改動提案時,優先查閱 references/speech-cleanup-judgment.md——裡面是實作中反覆糾偏沉澱的具體分類標準(口癖/卡殼重錄/懸空句/可精簡/評價語/操作步驟怎麼區分)、呈現格式規範(表格:左原文劃線、右改後效果)和常見易犯錯誤自查清單。
4.1 先分類任務
開始編輯前判斷使用者要的是哪一類:
- 清理:去固定口癖、失敗重錄、口誤、無意義停頓和明顯空白。
- 提煉:從長素材中抽取重點、觀點或高能片段。
- 重組:調整觀點順序,讓結論、衝突、步驟或解釋更清楚。
- 開頭鉤子/短版:把強觀點、結果、衝突或問題提前,或壓縮到目標時長。
- 目標稿對齊:按使用者提供的文案、段落或指定句子保留和重排。
工具不能決定編輯策略。先確定內容邊界,再選擇工具。
4.2 通用語義原則
- 盡量按完整句子、完整觀點、完整回答或完整步驟處理。
- 使用者明確指定要保留的句子時,精確保留指定詞句,不攜帶同一 ASR 行中無關的頭尾。
- 不把不同失敗重錄的殘句拼成一句人造句子。
- 保留讓句子成立所需的主語、賓語、連接詞、轉折詞、列表標籤、限定語和上下文。
- 重複不一定是錯誤:可能是強調、結構標記、補充資訊或情緒表達。只有同一意圖的失敗重試才按重錄處理。
- 不確定切點是否損傷語義或聽感時,保留內容或縮小刪除範圍。
- 向使用者解釋剪輯時使用實際 spoken content 或自然語言,不展示
[sN]、詞索引、clip id、segment id 等內部地址。
4.3 推薦操作順序
- 用
read_script讀取目前 Script 和timeline.md,先了解內容結構。 - 如果存在固定無意義口癖或批量長停頓,先用
clean_script做機械清理。 - 清理後重新讀取最新的
timeline.md。不要依據清理前的舊文字稿憑記憶編輯。 - 進行語義剪輯:選擇最佳重錄、刪除 false start、去除重複或失敗片段,必要時重排內容。
- 用
apply_script套用修改。 - 重新讀取生成後的文字稿,檢查語義、順序、斷句、重複和停頓。
- 口播結構確定後,再執行
smooth_audio檢查和處理接縫。
manage_transcript fix 只用於修正 ASR 文字或說話人歸屬,不會剪掉聲音;find_transcript 只用於定位,不負責編輯。所有 spoken content 的刪除、移動、選擇和複用都在 Script 中完成。
4.4 多版本錄製擇優
把表達同一語義的錄製版本分組,逐組比較:
- 語義是否完整、是否符合目標稿;
- 流暢度、吞字、卡殼和語氣;
- 呼吸是否自然;
- 雜音、音色、畫面穩定性和切點餘量;
- 與前後句銜接後是否像同一次自然表達。
每個語義單元優先保留一個完整版本。不要預設最後錄製的一條最好;後錄版本只有在更完整、更順暢或補充了不可缺少資訊時才替換前一版。套用後逐個試聽跨版本接縫,重點檢查卡殼、呼吸被切斷、音色突變和暴露的雜音。
4.5 口癖、重錄和半句
純猶豫聲通常可以批量刪除:呃、額、um、uh、er、ah。以下詞語必須結合上下文判斷,不能按詞表機械刪除:然後、就是、嗯、那個、所以、但是、啊、まあ、なんか 等。
一個詞承擔順序、因果、轉折、指代、回應、強調或語氣時保留;只是填充且刪掉後仍自然時才刪除。
重錄清理按以下順序判斷:
- 確認幾次表達是否真的在說同一個意圖。
- 找出最完整、最自然的一版,不機械選擇最後一版。
- 從失敗或重複真正開始的位置切除,只切掉被覆蓋或懸空的部分。
- 保留後一個版本沒有重複、但讓語義成立的 lead-in、連接詞、主語、對比或結論。
對於 「這個其實……」 這類沒有完成的懸空半句,只有在它沒有提供有用資訊、且不會讓後文突兀時才刪除。不要為了追求短而刪掉必要上下文。
4.6 停頓和呼吸
停頓預設壓縮,不要歸零:
- 未指定時,重點處理超過約
0.8–1 秒的明顯停頓,通常壓到約0.3 秒。 - 句間保留約
0.3–0.5 秒,讓聽眾感知自然斷句。 - 話題切換、對比、強調和情緒轉折可以保留更長停頓。
- 句內短呼吸通常保留;明顯長停頓才壓縮。
- 失敗重錄連同其前後的無意義長停頓一起移除。
- 不要為了製造節奏在主影片軌創建意外的
[gap];它可能渲染為黑幀。需要留白時保留源素材靜音、使用[silence=...],或明確使用 B-roll、MG 動畫或全螢幕視覺段落。
如果使用者給出明確閾值,以使用者閾值為準。
5. 字幕
字幕依賴最終 A-roll。A-roll 尚未確認時,不要基於舊時間線提交最終字幕。
無既有樣式且為 1080 橫屏時,預設使用:
- 樣式:
deyi-card;得意黑、白字、深色半透明圓角底卡; - 位置:
bottom-center; - 字號:
80 px,對應fontSizeRatio: 0.074074; - 底卡內邊距:橫向
28 px、縱向18 px; - 節奏:短卡優先,按完整意群自然分句;
- 範圍:時間線上所有可聽見的口播。
其他畫布按比例適配,不強行套用 1080 橫屏字號。已有使用者偏好優先,不重複詢問。
1080 橫屏預設每張字幕卡只顯示一行(maxLines: 1)。如果文字過寬,按完整意群拆成兩張或更多短卡,不要在同一張卡內換行。分句優先級固定為:不拆詞與固定表達 > 語義完整 > 單行顯示 > 卡片長度均勻。寧可讓上一張卡更短,也不要為填滿寬度拆開固定詞組、專業術語、英文產品名、數字與單位、百分比、否定詞與其謂語;除非用於刻意強調或受語音時序限制,否則避免出現僅 1–3 個字的孤立字幕卡。
字幕分頁前先把上下文中的中文詞組、專業術語、產品名、數字單位和固定表達視為不可拆分單元。單行超寬時,整組後移到下一張,並回退到最近的標點、停頓、主謂、動賓或並列意群邊界,不按字元數硬切。
字幕生成或重新分句後必須執行跨卡邊界複查:逐張檢查上一張末尾 2–4 個字與下一張開頭 2–4 個字,識別被拆開的雙字詞、多字詞、英文名稱、數字單位、否定結構和助詞依附關係。字幕卡以孤立單字結束或開始,或上一張以「的、了、和、在、不、被、把」等依附性較強的字結束時,必須結合上下文複核;發現異常時透過移動完整詞組或重新平衡相鄰卡片修復,不能只處理使用者指出的單個案例。
字幕卡句末預設不顯示中文逗號 ,、中文句號 。、英文逗號 , 和英文句點 .;保留問號、感嘆號、小數、縮寫、省略號和其他句中標點。清理對象是每張字幕卡末尾的標點,不刪除句子內部用於斷句或表達語氣的逗號、句號。
每次產生、重新套用或修改字幕后,以及匯出前:
- 分頁讀取全部字幕卡,不能只看第一批。
- 透過字幕卡文字編輯實際儲存句尾標點清理,不能用會隱藏所有標點的全局開關替代。
- 沿用工具返回的卡片 ID 和最新 revision,不猜測批次介面。
- 儲存後重新分頁讀取,確認句尾中英文逗號與句號均為 0,其他文字和標點未被誤改。
- 只有儲存和複查都成功,才能向使用者報告清理完成,並說明實際修改數量。
分句只修改字型卡:新卡首字使用 forcePageBreak:true,合併到上一張使用 keepWithPrevious:true,隱藏字卡中的重複字或口誤字使用 hidden:true。不要用修改原始逐字稿、字號、字幕框寬度或 wordsPerPage 來修復某一個切斷點。
字幕套用後,把完整字幕按不帶序號的 | 分隔文字發給使用者人工確認;使用者確認後再進入背景音樂或其他下游層。
6. 背景音樂
背景音樂是可選項。先根據最終口播識別開頭、正文、結尾及真實情緒邊界,不要預設三段都使用同一種情緒模板。
生成或選曲前說明:
- 每段的表達功能,例如診斷、解釋、示範、反思、幽默或行動引導;
- 情緒和能量;
- 音樂切換的真實內容邊界。
先提供少量、方向明顯不同的試聽候選。使用者選定方向前不落軌。確定後再製作同一聲音系統的開頭、正文和結尾,切換點跟隨內容邊界而不是平均分段。
鋪設時:
- 口播軌設為
anchor,音樂軌設為follower,使用自動 ducking; - 除非使用者明確要求,不手動設定
audioRouting.duckDepthDb; - 不用大幅降低音樂片段音量再疊加深層 ducking;
- 淡入淡出通常為
1–2 秒; - 音樂不得超過真實內容結尾;
- 音樂不足時用多個片段在交替軌道拼接,不把單個片段不自然拉長;
- 短音效不要放入 follower 音樂軌。
7. 轉場、轉場音效與情緒音效
只有使用者需要轉場或音效時才啟用。先區分以下概念,再提案與執行:
- 轉場特效:用於連接畫面、區分語義子要點或章節的視覺變化。普通直切不自動視為需要配音效的轉場特效。
- 轉場音效:轉場時一定伴隨的音效。每個轉場特效都必須有對應的轉場音效,畫面變化與聲音落點配對驗證。
- 情緒音效:隨文字強化情緒或資訊重點的音效,例如痛點、預期落差、提醒、驚喜、確認、成果與收益。它可以獨立於轉場出現,不要求配套畫面轉場。
音效不一定綁定轉場,但使用轉場特效時必須配套轉場音效。背景音樂、口播接縫的音訊交叉淡化,不算已完成轉場特效或上述兩類音效。
依內容層級與節奏選擇,不連續濫用同一種組合。較大的章節切換優先使用方向明確、持續稍長的甩鏡頭,配合呼嘯聲,讓觀眾感到進入新章節;關聯緊密的短步驟或列舉要點(如第一、第二、第三步)用短促的滑鼠點擊與輕量視覺節拍,強調它們仍屬於同一組內容。時長應體現主次,但不設全影片通用的固定秒數;先聽口播、看畫面,再定具體長度和切點。
- 短暫閃黑 + 滑鼠點擊音效:適合緊密關聯的步驟切換;點擊聲的主要瞬態對齊閃黑最明顯的畫面節點。閃黑必須短,不能把步驟之間做成明顯斷章。
- 甩鏡頭 + 呼嘯聲:適合進入較大的章節;橫向運動模糊要清楚,持續時間明顯長於步驟點擊,呼嘯聲的運動方向與畫面一致,峰值或落點對齊關鍵節點。不要把帶白色分割線的線性擦除誤當作甩鏡頭或黑色蒙層;預覽中若出現突兀白線,應換成真正的甩鏡頭或按使用者指定的漸隱轉場。
放置後同時試聽和預覽。轉場必須可感知但不拖沓,畫面變化與聲音落點同步,音效不能蓋住口播。
7.1 轉場點:每次由 Agent 提議、使用者確認,不套固定規則
不同影片文案結構不一樣,不能靠停頓分段、空行、關鍵詞匹配等機械規則識別轉場點。轉場點的本質是同一段內容裡語義上的子要點切換(例如一個列表裡「第一個/第二個/還有一個」這類列舉要點各自開始的地方,或一個完整範例講完、切入下一個功能點的地方),必須靠讀懂內容語義來判斷,不能靠結構代理。
每次要放轉場前:
- 完整讀一遍目前 Script/文字稿,找出語義上適合放轉場的候選位置。
- 整理成一版方案發給使用者確認:用實際說話內容引用候選點前後文字(不展示幀號或
[sN]等內部地址),說明建議的轉場特效及對應音效,按第 7.3 節單獨呈現轉場表。需要情緒音效時,同時單獨列出情緒音效表。 - 使用者確認或調整後,才把確認範圍內的轉場與音效落到時間線;沒有確認不要直接放置。使用者說「按這兩個表執行」即授權執行兩表的最新版本,不再重複詢問已確認的點位。
- 一旦某版方案被確認,就是這支影片的轉場基準。後續同一支影片(包括橫轉豎、加片頭鉤子等衍生版本,只要正文內容沒變)的調整都沿用這個基準,不用每次重新整體提議一遍。
7.2 使用者增刪內容後,只核對變化的部分
使用者後續增刪口播內容時,不要重新發起一輪完整的轉場方案確認,而是:
- 重新讀取目前 Script,逐一核對每個已確認轉場點錨定的前後文字是否還存在、語義邊界是否還成立。
- 錨定文字還在、只是幀號變了:直接把轉場搬到新幀號,不用重新問使用者。
- 錨定文字被刪除或改寫、導致原來的邊界不再成立:只針對這一兩個受影響的點告訴使用者具體是哪句話變了,問使用者是換一個相鄰錨點還是刪除這個轉場——不要連帶重新問已經不受影響的其他轉場點。
橫轉豎、加片頭鉤子等衍生版本同樣適用第 2 點:只要正文內容沒有變化,直接按確認過的基準重新定位到新時間線的對應幀號,不需要重新整體確認。
7.3 兩張獨立執行表,不與 B-roll 素材表合併
預設分別維護 B-roll 素材表、轉場表、情緒音效表。它們可以引用同一口播錨點,但不因為某處有 B-roll 切換,就自動添加轉場或情緒音效。
轉場表:每行必須同時包含轉場特效與對應的轉場音效。
| 約時間 | 口播切換點(前文 → 後文) | 轉場特效與時長 | 對應轉場音效 | 聲畫同步方式 | 狀態 |
|---|---|---|---|---|---|
| 按當前時間線定位 | 使用實際口播引用 | 閃黑 / 向右滑動等 | 點擊 / 呼嘯等 | 瞬態、峰值或落點對齊的畫面節點 | 待確認 / 已確認 / 已添加 / 已驗證 |
情緒音效表:以文字含義與情緒落點為依據,可以沒有任何轉場。
| 約時間或範圍 | 文字落點 | 強化的情緒或資訊 | 建議情緒音效 | 使用方式 | 狀態 |
|---|---|---|---|---|---|
| 按當前時間線定位 | 精確關鍵詞或短句 | 痛點 / 提醒 / 驚喜 / 完成感等 | 描述聲音特徵 | 出現次數、落點、尾音與音量要求 | 待確認 / 已確認 / 已添加 / 已驗證 |
表格中的時間用於查找,實際執行以最新口播錨點為準。先完整理解語義,再用逐詞時間對齊,不靠關鍵詞自動決定哪些詞必須加聲音。不把目前專案的時間點、數量或素材 ID 固化為其他影片的預設規則。
7.4 執行與驗證
- 轉場音效與情緒音效使用分開的、名稱明確的音軌,不混入背景音樂 follower 軌,便於獨立調節。
- 情緒音效短、輕、少;同一語義單元選擇最重要的一處,避免逐詞堆疊。相鄰轉場音效與情緒音效檢查重疊,錯開主要瞬態或收短尾音,不蓋住口播。
- 影片錄影的「加速優先」規則不要求音效保留冗長尾音;音效可按聽感裁短並做自然淡出。
- 轉場作用於觀眾實際看到的畫面。檢查上方 B-roll、底板與其他圖層,不能只在被遮擋的口播軌上加效果就聲稱轉場可見。保持口播、字幕和其他內容時序不變。
- 使用者取消某個轉場點時,成對取消該點的轉場特效與轉場音效;情緒音效作為獨立方案保留,除非使用者同時要求調整。
- 執行後核對兩表的最新點位、數量、配對和分軌情況;逐處預覽進入、關鍵節點、結束及相鄰畫面,同時播放檢查聲畫同步、音量與尾音。未實際試聽時明確說明,不能把位置檢查當作聽感驗收。
- 分別彙報轉場特效數量、轉場音效數量和情緒音效數量,區分「已添加」和「已驗證」;不能把只有音樂或口播交叉淡化報告為轉場與音效已完成。
8. B-roll
B-roll 用於遮蓋自然跳切、展示具體對象或加強理解。先確認模式:
先表後製作:當使用者要規劃或生成一批 B-roll,先讀目前正式口播、既有分鏡/腳本和實際素材庫,整理一張統一的畫面素材表,列出口播錨點、所需畫面、建議成片展示時長、是否已有可用素材、對應素材及建議來源。把它存入同一份 Obsidian 腳本文件,明確標為待確認;建議來源只是提案,不等於已授權生成。使用者確認或調整畫面需求與來源後,才把確認版拆成兩份執行清單:使用者需上傳的真實素材(網站、工具操作、本人作品、文件、封面等)與Agent 可生成的素材(概念場景、卡通補充畫面等)。真實產品操作或成果不能以 AI 概念畫面冒充;使用者上傳項不能擅自改為生成項。之後分別收集/核對上傳素材,或按生成技能與必要的付費確認製作生成素材,再做落軌與驗收。不要把清單確認誤當成生成、下載、替換真實證據或修改時間線的授權。
- 全螢幕切換:適合遮蓋跳切、展示需要完整閱讀或觀看的內容。
- PiP 小視窗:保留口播人物,同時提供輔助畫面。
- Agent 判斷:當使用者沒有偏好時,逐個內容點判斷。
PiP 放置前檢查目標幀和素材幀,避開人臉、嘴部、關鍵手勢、字幕、產品、Logo 和可讀文字;預設圓角 24–36。全螢幕素材根據寬高比和受保護內容選擇 cover 或 contain。預設不在開頭和結尾 3 秒內切走,除非內容需要。
來源可以是專案素材、庫存素材或 AI 影片。涉及付費生成時,提交生成前取得使用者明確授權。放置每個 B-roll 後做畫面檢查,確認沒有遮擋主體、字幕或關鍵操作。
8.1 素材表驅動的 B-roll
當使用者提供 B-roll 素材清單、checklist、分鏡表或「口播錨點—所需畫面—建議時長」表格,並要求把素材庫內容放到對應位置時,使用 references/b-roll-checklist-workflow.md。
這類任務的核心規則是:先核對實際畫面並按口播語義匹配,再決定速度與覆蓋範圍;影片優先完整保留並加速,只有在允許的速度範圍內仍無法放入相關口播區間時才剪輯。不要為了省事直接截取長影片的一小段。
8.2 文字截圖:放大正文與滾動閱讀
- 聊天記錄、使用者回答、報告等以文字為主的截圖,優先放大與口播相關的正文,而不是整張介面縮小展示。先檢查實際像素,確定正文邊界,再裁掉無關側欄、工具列和空白;不能切掉理解內容所需的標題、來源、上下文或關鍵文字。
- 正文較長時,可用截圖平移模擬從上往下瀏覽:畫面內容向上移動,依次露出下方文字;不是把文字向下移,也不把靜態截圖描述成真實操作錄影。
- 開始與結束短暫停留,給觀眾定位和讀取的時間;停留、滾動距離和速度按正文長度、資訊重點及目前口播覆蓋時長安排,不套固定秒數。短區間若無法清楚展示,應縮小滾動範圍、只展示相關內容,或提議調整時長,不為掃完全頁而過快滾動。
- 原則上保持已確認的口播、字幕、音樂與相鄰素材時序,使用可編輯的位置關鍵幀或等效確定性動畫。移動全過程不露黑邊,不裁斷橫向正文;檢查字幕對重點文字的遮擋。
- 檢查進入、滾動中間、結束與相鄰切點,並在可播放時連續預覽滾動速度。只檢查了抽幀時如實說明,不將抽幀當成運動聽感驗收。實際構圖、展示範圍和時長同步到同一份 Obsidian 腳本文件的素材表。
- 這項規則針對文字截圖;不自動裁切或重新包裝已經合成好的錄影 B-roll。
9. MG 動畫
同片風格一致性(預設,無需使用者重複強調):同一支影片的所有 MG 動畫(含提示詞頁、貼文高亮、標題、標籤和章節進度條)必須沿用已確認的統一設計風格。製作前檢查本片已有 MG,保持配色、字體、字重層級、圓角語言、線條與動畫節奏一致;多方案只比較同一視覺體系內的結構差異。不得因複用其他影片模板而帶入不一致的風格;本片具體顏色不固化為其他影片預設色。章節進度條交接時將這套視覺約束傳給 xb-video-timeline。
MG 動畫是可選的視覺解釋層,應放在 A-roll、字幕以及需要的音樂和 B-roll 方向確定之後。先根據文字稿和目標幀判斷它要幫助觀眾理解什麼,再確定:
- 內容:標題、標籤、列表、對比、圖示或全螢幕資訊;
- 時間:與哪個說話節拍或資訊落點同步;
- 形式:透明疊加或不透明全螢幕;
- 位置:避開人臉、嘴部、關鍵手勢、字幕和已有元素。
創建 MG 動畫時使用目前 ChatCut 環境可用的 Motion Graphics workflow。放置後檢查穩定幀,不要把過渡動畫中的暫時缺失誤判為設計錯誤。全螢幕 MG 可以有意替代 A-roll,但這必須是明確的內容決策。
MG 製作流程:先讀取最新文字稿和目標畫面,判斷應採用全螢幕 MG 還是透明疊加;沿用專案現有設計風格,先製作可實際查看的 HTML 靜態稿;使用者確認靜態稿後再生成動畫、放入時間線,並檢查關鍵幀。不要在靜態方向尚未確認時直接進入動畫製作。
多方案審核:視覺方向尚未確定時,先提供 3 個有明確差異的 HTML 靜態方案供使用者檢查;已有確認方向時,只圍繞該方案迭代,不重新發散其他方向。
構圖規則:MG 避開字幕、人臉和關鍵操作區域;底部存在字幕時,MG 主體內容的視覺重心整體上移約 40–60 像素,為字幕保留清晰空間。
MG 轉影片規格:任何時候把 MG 動畫匯出或烘焙成影片,都用 1080p、60 fps;匯出後直接替換時間線 B-roll 軌上對應的 MG,並做真實匯出抽幀驗收。
MG 驗收:檢查進入、穩定、退出三個狀態;章節類 MG 還要檢查每個章節切換邊界。驗收時同時核對字幕避讓、背景覆蓋是否完整,以及 MG 在目前畫布中是否保持正確寬高比、沒有壓縮變形。
9.1 章節進度條
章節進度條不再在本 Skill 內展開完整設計與動畫實現。需要頂部/底部章節時間軸、章節導航或隨播放推進的進度提示時,承接至獨立 Skill xb-video-timeline,避免 xb-video-cut 同時維護 video card、章節語義與進度條視覺,造成規則重複和上下游不一致。
交接前由本 Skill 整理並確認:
- 章節名稱、順序與最終文案;
- 每章在最終 A-roll 時間線中的真實開始與結束位置;
- 實際內容結束點,不使用音樂或字幕拖尾形成的時間線總長度;
- 成片比例、字幕位置、人臉與關鍵操作的避讓要求;
- 已確認的 Design Style、主色和可複用參考樣式。
交接後由 xb-video-timeline 負責 HTML 樣式審核、進度視覺、動畫生成、時間映射、時間線放置與章節邊界驗收。本 Skill 不重複生成進度條方案,也不複製其視覺參數和實現細節。
如果 A-roll、章節大標題或 video card 後續發生變化,本 Skill 只更新章節內容與邊界清單,並把最新結果重新交給 xb-video-timeline;不要沿用舊幀位,也不要在兩個 Skill 中分別維護兩套章節資料。
9.2 章節標題:先標題,後 B-roll
啟用章節標題時,預設先在 A-roll 口播畫面已有留白處顯示標題,待標題完全消失後,再切入該章對應的 B-roll。標題的退出動畫也必須結束,不能讓大標題與正文截圖、操作介面同時爭奪閱讀注意力。
- 保持原始 A-roll 人物的位置、縮放和裁切;標題適應現有留白,不能為標題移動人物。避免人臉、關鍵手勢、字幕與操作區域。
- 為後續 B-roll 安排開始時間時,同步檢查底板等關聯層,不能只後移圖片卻讓黑色底板提前遮住人物。保留已確認的口播時序,複查素材覆蓋及相鄰接點;不得擅自裁掉真實錄影操作來騰出標題時間。
- 標題文案、章節數量與落點從本次正式口播確認,不沿用其他影片的章節數、編號或時間點;已確認的轉場及音效不因添加標題自動替換。
- 使用前面的靜態稿確認流程,先把代表性標題疊在實際口播畫面中檢查,再批次延續。只有使用者明確要求時才製作開場標題、黑底章節卡或常駐導航。
已確認的可複用標題樣式:淡黃編號/米白像素字
用於使用者選擇該像素章節標題方向、或啟用章節標題且沒有其他已確認標題風格時;已有專案設計風格和本次明確要求優先,不將本方案覆蓋到所有 MG。
| 元素 | 1920×1080 參考規格 |
|---|---|
| 字體 | GuanZhi-8px 像素字體;本機實際 family 為 GuanZhi 8px,檔案 <本機字型目錄>/GuanZhi-8px.ttf |
| 章節編號 | 兩位編號,如 01;約 120px;淡黃色 #F6DFA0 |
| 中文標題 | 約 80px;米白色 #F4EEE4 |
| 英文章節說明 | 約 26px;米白色 #F4EEE4;隨章節對應,不編造說明性事實,空間不足時優先省略 |
| 字重與邊緣 | 常規字重,不做偽粗體;不加投影、模糊或描邊,保持像素邊緣清晰 |
| 構圖 | 透明疊加,編號、中文、英文左對齊;優先人物旁已有留白,參考距左側約6%;不加無關裝飾或預設底卡 |
| 出現順序 | 編號先出現,再中文標題,最後英文;揭示完成後不留豎線游標 |
以上字號是1080橫屏的起始參考,其他畫布按實際顯示比例適配;需要時按留白縮小或換行,不拉伸字形。不能只檢查獨立設計稿,必須以實際口播畫面驗收字號、間距、可讀性和避讓。字體缺失時報告,不靜默替換;確認實際渲染的是指定字體。
本小節記錄2026-11-07確認的標題字號、配色與無投影要求;與舊的 xb-video-style 標題數值有差異時,採用本小節的新規格,但不因此改變其他影片層、轉場或字幕樣式。
10. AI 人聲隔離與音訊接縫
需要清理或隔離人聲時,使用 AI 人聲隔離處理人聲,保持畫面不變。先確認使用者確實要處理音訊,不要把 AI 人聲隔離當作預設步驟。
完成 A-roll 結構、音樂鋪設或其他改變時間線的操作後,檢查口播接縫。使用者手動刪片後,重新讀取軌道,只關閉意外空檔,再執行 smooth_audio。不要用淡化掩蓋錯誤的版本選擇、錯誤切點或音色突變。
11. 最終驗證與交付
匯出前按目前啟用的處理項逐項檢查:
- 沒有意外空檔、黑幀或內容重複;
- 口播接縫自然,語義完整,停頓不過緊;
- 字幕與最終口播同步,字幕句尾標點複查通過;
- 背景音樂沒有超過內容結尾,人聲清晰,ducking 正常;
- B-roll 和 MG 動畫沒有遮擋主體、嘴部、手勢、字幕、Logo 或關鍵文字;
- 轉場與匹配音效同步且不蓋住口播;
- 最後一次結構變化後已重新檢查
smooth_audio; - 畫布、解析度、幀率和匯出規格符合專案目標。
11.1 匯出前:生成素材歸檔與重新關聯
匯出成片前增加一步,把本支影片製作過程中生成的素材統一歸檔到該影片在 使用者指定的素材歸檔根目錄 下的對應資料夾,並讓專案改為引用歸檔後的檔案:
- 確定資料夾:以本支影片源口播素材所在的
<素材歸檔根目錄>/<影片資料夾>/為準(例如範例影片/)。無法唯一確定時只詢問目標資料夾,不另建新位置。 - 歸檔範圍:AI 生成的圖片、關鍵幀和影片,去背圖層與補好的背景,生成的配音、音樂和音效,轉成影片的 MG 等所有生成素材。按鏡頭或用途建子資料夾(如
S004卡通場景/靜幀、S004卡通場景/去背圖層),檔名使用素材庫中的可讀名稱,不保留雜湊式檔名。使用者上傳的原始素材和檢查用臨時截圖不在範圍內。 - 複製,不移動:從工具快取、專案工作目錄等原位置複製過去,不刪除原檔案。
- 重新關聯:逐個把素材庫中引用
…
[截斷以供翻譯]