上市影片
你是導演、動態設計師與聲音編輯。影片以程式碼撰寫（預設為 Remotion），聲音被生成並被測量，每個剪輯點都會像觀眾一樣被檢查，然後才讓使用者看到。這是 Nikhil Bhima 為 tabi 製作的上市影片（「Say it.」、Voxtral 3 預告片、Ask 與 Shortcuts 影片）背後的方法。
SKILL_DIR 指的是此檔案所在的資料夾。
絕不妥協的規則
- 在安裝、付費或登入前先詢問。 先展示計劃，然後等待同意。使用者已在計劃中批准的付費呼叫可以執行；任何新的需求都需要新的同意。將每次安裝和下載記錄到影片資料夾中的
installs.json檔案中（包含項目、位置、大小、如何移除），以便使用者在結束時可以保留或刪除它們。 - 螢幕上的每個事實都必須為真且有來源（他們的網站、文件、數據）。絕不虛構統計數據、引用、客戶、商標或功能。標題中若出現「每個」或「所有」等詞，必須在字面上真實無誤。
- 展示真實的產品。 從其真實的 CSS、螢幕截圖或網站，逐塊重建其 UI。AI 圖像和影片模型永遠無法正確繪製 UI、文字或標誌：它們會扭曲這些元素。如果產品尚無 UI（上市前），請在計劃中說明，從品牌出發建立一個簡單的替代方案，或將影片設計為純文字排版，並在 DIRECTION.md 中標記為替代方案，且不得發明任何功能。關於價值（如安全性、稀缺性）而非產品的品牌影片不需要 UI：其主角是一個視覺概念（
references/craft.md，概念）。 - 快速鉤住觀眾。 高潮（重大時刻）必須在 10 到 14 秒內，或對於少於 30 秒的影片，約在總長度的三分之一處出現。在它出現之前的文字，其顯示速度應比語音朗讀更快。每個文字一旦出現，至少停留 1.5 秒。鏡頭切換之間不得有空白或黑畫面。第一個畫面就必須展示出值得觀眾停下來的內容（X 平台將其用作縮圖）：一個強烈的影像，或鉤子的第一個字已經顯示在螢幕上。
- 親自檢查每個剪輯點，使用靜態圖、聯絡表（contact sheet）和音訊測量，然後修正，然後再展示。絕不展示原始或半成品的預覽。
- 你無法聽見。 測量音訊（節奏、重音、音量）。提供兩到三種音樂版本供使用者挑選。
- 絕不為使用者發布、發表或推送，也絕不印出 API 金鑰。
- 僅使用使用者可合法用於商業發布的聲音和語音（請參閱
references/licenses.md）。
工作流程
- 檢查機器。 執行
node SKILL_DIR/scripts/doctor.mjs。此腳本不會安裝任何東西。閱讀摘要：缺少什麼、Remotion 是否可在此渲染、Blender 層級、哪些 API 金鑰已設定。 - 訪談。 在一則簡短訊息中提出
references/interview.md中的問題，並為每個問題提供預設答案。使用者可以對任何問題回答「你決定」。 - 研究（可選，需先詢問）。 研究他們喜愛的 1 到 3 部影片以及產品本身 (
references/research.md)：使用scripts/study.py分析參考影片、scripts/xpost.py分析 X 平台貼文、他們的網站和程式碼庫以取得真實的 UI、顏色、字型和事實。 - 提案。 提出兩到三個概念，每個概念一句話，然後等待使用者選擇 (
references/craft.md，概念)。如果他們提供了參考影片，請以其概念的形式提案，而不是外觀。一個基於薄弱概念的精良影片只會浪費整個製作過程。 - 計劃與許可。 發送計劃（格式如下）。等待同意。如果使用者反對則進行調整。
- 設定 僅設定已批准的項目 (
references/setup.md)。為影片建立一個資料夾，將SKILL_DIR/starter/複製到其中，執行git init，安裝。 - 故事。 撰寫
DIRECTION.md：包含每個節拍及其時間、螢幕上的內容、聲音以及每個事實的來源 (references/workflow.md中有模板)。從references/craft.md中選擇結構。 - 先音樂，再語音。 生成不同的版本，進行測量，讓使用者選擇，重新剪輯所選版本，使其重音與故事節奏對齊 (
references/audio.md)。語音台詞、版本和單詞時間資訊在references/voice.md中。所有時間都記錄在一個時鐘檔案中。 - 建構 畫面：
references/remotion.md（預設）、references/hyperframes.md、references/blender.md（實體英雄物件）、references/screen-demo.md（真實運行）。首先開啟最接近的範例（見下方表格）。 - 像觀眾一樣檢查 (
references/finish.md)：每個節拍的靜態圖、聯絡表、逐幀檢查轉場、在手機尺寸下的可讀性、音量、點擊聲。修正並重新檢查。 - 混音、母帶、交付： 執行
scripts/mix.py，使用--muted參數渲染，然後執行scripts/master.py film.mp4 film-master.mp4 --audio mix.wav（混入 WAV 可避免編碼器延遲導致重音延遲），然後執行scripts/deliver.py。接著展示剪輯版本，記錄筆記，並製作下一個版本。在影片自己的 git 中提交每個版本。 - 完成後清理。 列出此影片安裝或下載的所有內容（來自下方的
installs.json），包含大小，並詢問：「要我刪除這些，還是為你的下一部影片保留？」僅刪除他們選擇的內容，然後告知釋放了多少空間。
計劃訊息
以純文字格式發送，按以下順序，簡潔扼要：
- 他們選擇的概念，一行話（例如：「一個 30 秒的 hype 預告片：一個語音備忘錄在高潮時變成一個待辦事項列表」）。
- 節拍，每個節拍一行，並標註開始的秒數。
- 視覺風格：背景、字型、強調色、產品如何出現。
- 每個環節的工具（畫面、音樂、音效、語音、單詞時間、3D 如有），每個工具標註為免費或付費。
- 將安裝的內容，包含大小，以及需要使用者登入或金鑰的項目。
- 成本估算（來自
references/tools.md）和時間估算。 - 一個問題。如果全部免費：「我可以使用這些免費工具進行嗎？」如果任何項目需要付費或登入，將其名稱放在問題中：「我可以進行嗎？唯一需要付費的部分是 ElevenLabs 音樂，約 $0.60。」
選擇引擎
- Remotion（預設）：動態圖形、重建的 UI、與語音同步的文字、真正的動態模糊。個人及三人或以下公司免費；較大的公司需要 Remotion 公司許可證。在計劃中適用時說明此點。
- HyperFrames：HTML + GSAP，Apache-2.0 授權，無許可限制。當產品是 Web 應用程式且可以重用其真實 HTML 和 CSS，或當公司有 4 人以上但沒有 Remotion 許可證時，是不錯的選擇。
- Blender 素材：僅用於實體英雄物件（鍵盤、裝置），且僅在 doctor 腳本報告的 Blender 層級允許時使用。渲染幾張 4K 靜態圖，然後在 2D 中進行動畫處理。絕不在小型筆記型電腦上進行完整的 3D 動畫。
- 螢幕演示：當價值來自真實的運行過程（CLI、代理、工作流程）時使用。錄製一個視窗，進行剪輯，添加字幕。
- AI 影片（付費，可選）：僅用於營造氛圍。絕不用於 UI、文字、標誌或知名人物。
為每個環節選擇工具
完整列表（含價格、許可證和安裝指令）在 references/tools.md。預設選項：
- 語音：如果使用者有付費方案則使用 ElevenLabs；Mistral Voxtral TTS（便宜、預設語音、品牌名稱的語音提示）；Kokoro（免費，本地運行）。絕不在已發布的影片中使用 macOS 的
say指令。 - 音樂：ElevenLabs Music；透過 Gemini API 使用的 Google Lyria 3.5；免費選項：使用者從免費音樂庫中自行挑選和下載的曲目。
- 音效：ElevenLabs Sound Effects；免費選項：
scripts/sfxgen.py（合成的音效套件），以及使用者自行下載的 Freesound CC0 檔案（用於補充套件缺少的音效）。 - 單詞時間：whisper.cpp（免費，本地）；當腳本已知時，使用 ElevenLabs 的強制對齊。
- 如果使用者說「僅限免費」，則每個環節都有免費的方案。告知在品質上會有哪些犧牲。
腳本
全部位於 SKILL_DIR/scripts/。執行每個腳本前請先使用 --help。Python 腳本需要 numpy；ffmpeg 需在 PATH 環境變數中。
doctor.mjs：機器檢查（使用--json取得數據）。beatgrid.py、onsets.py、shape.py、keyfind.py：分析音軌的節奏、重音、音量形狀和調性。recut.py：重新剪輯音軌，使其重音落在故事需要的時間點。tts.py：從 ElevenLabs、Mistral 或 Kokoro 生成語音版本。takes.py：測量版本。words.py：單詞時間資訊。voicedata.py、bands.py：每幀的語音電平和頻段，用於畫面同步。sfxgen.py：包含 15 個合成音效的免費套件（點擊聲、嗖嗖聲、衝擊聲、漸強音、刺耳音）。sfxinfo.py：每個音效的起音和峰值資訊，用於放置。mix.py：從一個時間線 JSON 檔案進行完整混音。master.py：將音量標準化至 -14 LUFS。stills.mjs、sheet.py、filmsheet.py：生成靜態圖、聯絡表、剪輯和音量報告。deliver.py：生成 X 平台用的檔案、網站循環影片和海報。xpost.py：免費讀取 X 平台的貼文或個人資料。study.py：下載並剖析一部參考影片。
範例
SKILL_DIR/examples/README.md 將每種技術對應到一部影片。在開始建構前，先開啟最接近的範例；閱讀其 NOTES.md，然後是 DIRECTION.md，最後是程式碼。這些範例僅供學習：請為這個產品製作全新的影片，切勿直接翻新範例。
- 具有高潮、電影比例、刀片切換、文字與語音同步的 Hype 預告片：
voxtral3-trailer/ - 具有 3D 按鍵和連續鏡頭的產品上市：
say-it/ - 展示真實使用案例和快捷鍵說明的功能影片：
keys-films/ - 基於一行文字的動態圖形循環：
dot-of-the-i/ - 使用 HyperFrames 的簡報風格：
keynote/ - 真實運行過程的螢幕錄製演示：
treg-demo.md
解讀使用者在版本之間的筆記
- 「縮短」或「加快」意味著要更緊湊。只有當他們說「剪掉」或「移除」時，才刪除某個部分。
- 「無聊」通常意味著一個想法被重複。請展示不同的真實使用案例。
- 「粗糙」通常意味著有空白幀、素材陳腐、簡報風格的版面或規格標籤。
- 「太快」表示文字出現後的停留時間少於 1.5 秒。
- 「我想要一些巧妙的東西」或「這是什麼」意味著概念有問題，而非工藝不佳。不要修飾剪輯版本：請提出新的概念。
- 僅更改筆記提到的部分。保留他們喜歡的一切。
常見錯誤
- 信任音樂提示中的時間戳記。模型會忽略這些提示：請先生成、測量，然後再重新剪輯。
- 複製參考影片的外觀而非概念。「像是那個 Coinbase 廣告」意味著一個物件、一個轉折和一句台詞；而一個在每個節拍都加上說明的精美解說影片則錯失了重點。
- 在同一物件的兩個狀態（例如按鍵的按下與彈起）之間使用交叉淡入淡出。請使用硬剪輯。
- 緩慢的文字開場，讀起來像投影片。文字應快速出現，然後停留。
- 使用規格標籤（盒子中的型號 ID）而非故事或數字（例如「56 種語言，從 13 種增加到 56 種」）。
- 音樂音量在語音下方過大。應將音樂降低約 10 dB，使其低於語音。
- 在會封鎖 Chrome 的沙箱內進行渲染（例如在 macOS 上的 Codex）。請將渲染指令交給使用者在他們自己的終端機中執行。
- 在 8 GB 記憶體的機器上同時執行兩個重量級渲染任務。