Communitygithub.com

jelukas/kaleidos

將主題、劇本或新聞轉換為垂直(1080×1920)與水平(1920×1080)兩種格式的MP4影片,適用於YouTube、Shorts、TikTok或Reels,並整合ElevenLabs語音、音樂、特效、gpt-image-2 B-roll及Apify真實照片。

kaleidos 是什麼?

此技能(kaleidos)是一個為AI代理(如Claude Code、Cursor)設計的雙格式短影片生成器。它能從單一來源(劇本)自動產生垂直(9:16)和水平(16:9)兩種MP4檔案,非常適合製作YouTube Shorts、TikTok、Reels或標準YouTube影片。核心運作基於HyperFrames框架與GSAP動畫,透過ElevenLabs V3語音模型控制影片節奏,所有畫面(B-roll)由gpt-image-2生成,並可選用Apify取得真實照片。技能提供完整的工作流程:從劇本撰寫(script.json)、語音生成(npm run voz)、圖片與影片素材(npm run imagenes/stock)、音效配置(npm run audio),到最終渲染(npm run render),並內建驗證機制(npm run check)。其設計哲學為「劇本驅動時間軸」,所有畫面節拍(beat)均參考語音逐行時間戳記,確保格式切換時不會失焦。支援多種畫面類型(統計、比較、標題、引用、照片、影片場景),並內建九種SVG動畫場景模板,透過vw/vh/vmin響應式單位自動適應兩種比例。對於新聞類主題,強制要求先進行事實查證,並提供新聞倫理參考文件。用戶應在用戶明確要求製作影片、解說、新聞影片、Short、Reel、TikTok或YouTube影片時啟用此技能,即使未提及具體工具名稱。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/jelukas/kaleidos/tree/HEAD/skills-globales/video-corto

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

短影片雙格式製作

將一個主題、劇本或新聞轉換為兩個MP4 — 垂直1080×1920與水平1920×1080 — 皆從單一來源生成。語音決定節奏;所有其他元素都依附於它。

開始之前:如果主題是新聞

在寫下一行劇本之前,請先透過網路搜尋驗證事實。 帶有虛假資訊的新聞影片是本技能最差的可能結果,而且是無聲的失敗:影片畫面依然漂亮。

如果委託的前提無法成立,請直接說明並改編實際發生的事件。不要為了迎合錯誤的前提而「美化」劇本。在處理劇本之前,請先閱讀 references/periodismo.md:它涵蓋了事實驗證、新聞影片中的圖片處理以及可追溯性檔案。

流程

npm run voz -- <slug>       # script.json → assets/voice/*.wav + 時間清單
npm run imagenes -- <slug>  # images.json → 生成的B-roll素材
npm run stock -- <slug>     # stock.json  → 真實照片(可選,需付費)
 npm run audio -- <slug>     # audio.json  → 音樂與特效
npm run build -- <slug>     # plan.json   → vertical.html + horizontal.html
npm run use -- <slug> vertical
npm run check               # 強制:0錯誤後才能渲染
npm run render -- <slug>    # renders/<slug>-<formato>.mp4

如果專案還不存在:npx hyperframes@latest init . --non-interactive --example blank,複製此技能的 scripts/ 和 assets/,並在 package.json 中加入相應的腳本。需要 Node 22+ 和 ffmpeg。密鑰放在 .env(模板在 assets/env.example)。

結構

videos/_shared/vox.css, timeline.js     所有影片共用
videos/<slug>/
  script.json   劇本 — 每一行 = 一個剪輯片段
  images.json   生成的B-roll素材的提示詞
  stock.json    真實照片的查詢
  audio.json    音樂與特效
  plan.json     剪輯編排:引用劇本中特定行數的節拍
  scenes/*.html 一次性使用的動畫子合成
  assets/       生成的素材 + 包含實際時間的清單
  vertical.html, horizontal.html   由 build.mjs 生成 — 請勿編輯

支撐一切的兩個核心概念

1. 劇本決定時間。 voice.manifest.json 包含每一行實際的 start 和 duration。plan.json 中的一個節拍(beat)引用的是行數,而非秒數。永遠不要憑感覺估計時長:修改劇本、重新生成語音,剪輯編排會自動重新對齊。

2. HTML頁面是產出物。 面對數十個剪輯片段與兩種格式,手動同步是不可能的。build.mjs 從同一個 plan.json 生成兩種格式,因此它們不可能不一致:唯一的區別是舞台大小。編輯 plan.json 後重建即可。

要使一個場景同時適用於9:16和16:9:使用 vw/vh/vmin 進行佈局,永遠不要使用固定的 px;子合成的根元素不能有 data-width/data-height(盒子的尺寸由宿主插槽決定);並且通過 #root 設定樣式,絕不能使用 class — 編譯器的範圍限制會將其丟棄。對於需要改變軸向的佈局,使用 @media (min-aspect-ratio: 1/1)。

節拍類型

stat(主導數字,透過 countTo 向上計數)· compare(兩個數字對比)· title(引語 + 標題 + 導語)· quote(引用 + 出處)· photo(全螢幕圖片,帶有漸層、文字和版權資訊)· capture(全螢幕螢幕截圖,附帶來源,作為所述內容的證據)· scene(一次性使用的動畫子合成)。

對於關於公司或產品的影片,標誌和來源的截圖能大幅提升效果:兩者都在 references/imagenes.md 中。

最常見的設計錯誤:標題輪播

一部僅由文字卡片組成的影片會很無聊,無論排版多好。當你發現連續出現 title 和 stat 時,解決方案不是添加更多文字,而是帶有寓意的動態效果。

assets/scenes/ 提供了九個準備好改編的SVG動畫場景:olas(波浪)、puntos(點狀)、barras(長條圖)、mapa(地圖)、cierre(結尾)、orbita(繞行天體)、precios(價格對比表)、caida(下跌與百分比)和 indice(排行榜長條圖)。將適合的場景複製到 videos/<slug>/scenes/ 並修改其中的數據。詳細資訊和效能規則請參閱 references/escenas-animadas.md。

交替使用:數字 → 照片 → 動畫場景 → 引用 → 照片。並在每個剪輯中變化畫面構圖(kb: "in" / "out" 交替使用Ken Burns效果)。

節奏

在三分鐘的解說影片中,每個節拍持續 2 到 6 秒;在Shorts中則為 0.8 到 2.5 秒。每個節拍會持續到下一個節拍開始為止,以避免出現黑幀。入場動畫使用 fromTo(),絕不使用 from():主機在每次跳轉時會重新尋找場景,而 from() 會導致不同步。

含情感的語音

eleven_multilingual_v2 忽略標籤。要引導語調,使用 "modelId": "eleven_v3" 和方括號內的小寫標籤,內聯於劇本中:

{ "id": "l19", "text": "[somber] 六十七人死亡。" }

根據主題調整語氣 — 在涉及受害者的事件新聞中,切勿使用 [excited]。標籤目錄、調整方式以及如何確認它們不會被朗讀出來:請參閱 references/audio.md。

確認完成前

npm run check 必須輸出 0 錯誤。之後,觀看影片:提取關鍵幀(ffmpeg -ss <t> -i <mp4> -frames:v 1)或使用 npx hyperframes snapshot --at 12,40,90,後者還會生成聯絡表。語法檢查器無法判斷畫面是否全黑、文字是否溢出或照片是否與描述不符。

參考文件

  • references/hyperframes.md — 框架的限制,這些限制會導致渲染無聲失敗。在撰寫合成前請先閱讀。
  • references/audio.md — ElevenLabs:帶有v3標籤的語音、音樂、特效、音軌。
  • references/imagenes.md — gpt-image-2 和 Apify,包含成本控制。
  • references/periodismo.md — 新聞中的事實驗證和圖片處理。
  • references/escenas-animadas.md — 九個SVG場景,如何創建新的場景,以及兩個會浪費你一個下午的陷阱(與 vox.css 的class衝突,以及GSAP重寫SVG的 transform 屬性)。
  • references/sistema-visual.md — 解說影片風格的色板和字體。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

jelukas/kaleidos

>- Catálogo de guías de estilo de vídeo de kaleidos (estilos/): listar los estilos con sus referencias, aplicarlos a un proyecto del motor de Remotion o a un proyecto HyperFrames, recomendar 2–3 cuando no se indica ninguno, crear estilos nuevos (desde una web, una marca, un vídeo de referencia o una descripción), crear variantes y revisar la adherencia de un vídeo a su estilo antes de renderizar. Úsala cuando el usuario diga «con el estilo X», «en estilo curso-azul», «como el de Ensaya», «como el vídeo de la cabaña», «qué estilos hay», «enséñame los estilos», «qué estilo me recomiendas», «crea un estilo a partir de esta web», «saca el estilo de esta marca», «haz un estilo como este vídeo», «usa el estilo X pero con acento Y», «una variante de X más seria/más oscura/vertical», «revisa que el vídeo cumple el estilo», o cuando empiece un vídeo nuevo sin estilo decidido.

jelukas/kaleidos

>- Puerta de entrada de kaleidos para montar un vídeo NUEVO conversando, de principio a fin: comprueba el entorno, hace UNA ronda corta de preguntas (qué vídeo y con qué material, plantilla, estilo, duración y formato), escribe BRIEF.md y lo enruta al flujo adecuado (grabación con ponente → Remotion edicion-ponente; narración con voz de ElevenLabs → Remotion modo narración; generativo o promo → HyperFrames), con stills antes de Lambda, OK con coste antes de AWS e informe final con tiempo y coste. Úsala cuando el usuario diga «quiero montar un vídeo», «quiero hacer/crear un vídeo», «monta un vídeo», «vídeo nuevo», «hazme un vídeo de…», «necesito un vídeo sobre…», «empecemos un vídeo», «un vídeo con las noticias de…», «un explainer de…», «una promo de…» o similares. En este repo va ANTES que hyperframes, video-corto, product-launch-video, general-video y edicion-ponente: ella decide cuál usar. No la uses para retocar o re-renderizar un proyecto que ya existe (eso lo retoma su propia skill).

相關技能