Communitygithub.com

Launch Film 製作流程

指導 AI 助手如何規劃、建構或剪輯「上市影片」,最終產出一個登陸頁面、首頁或作品集。流程涵蓋上市影片、0. 事實優先——影片可能提出的主張、1. 劇本。當有新任務需要這項技術時使用。

Launch Film 製作流程 是什麼?

此技能定義了一個標準化流程,用於從產品事實和配音出發,生成一支完整的 MP4 上市影片。它將整個製作過程分解為七個階段:事實收集、劇本撰寫、配音生成與對齊、素材準備、影片組裝、分批渲染與檢查,以及最終報告。運作核心是 `film/film.js` 中的 `renderFrame(t)` 函數,確保每一幀都是時間的純函數,因此靜態圖片、預覽和最終渲染結果完全一致,且所有字幕和剪輯時機都由精確測量的詞語時間表驅動。 此流程支援 Node 20+、ffmpeg/ffprobe 和 Chromium 環境,無需額外 npm 依賴。它特別注重品牌合規性(避免未授權的商標與顏色)、場景與字幕的精確對齊,以及透過動態規劃實現高效的配音時間對齊。對於開發者或 AI 代理用戶而言,這是一個直接可用的模板,能夠自動從網頁截圖還原 UI 佈局、合成背景音樂與音效,並提供靜態圖檢查機制,確保最終影片品質,適合用於產品上市、專案展示或作品集製作等場景。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/hieunguyen24041998-dotcom/launch-film-skill/tree/HEAD/launch-film

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

Launch Film 製作流程 是做什麼的?

將 產品事實 + 配音 轉換為完成的 MP4 影片的標準化流程。每一幀都是時間的純函數(film/film.js 中的 renderFrame(t)),因此靜態圖片、預覽和最終渲染結果始終一致,且每個字幕和剪輯時機都由精確測量的詞語時間表驅動。

腳本位於此檔案旁的 scripts/ 目錄中(稱之為 <skill>)。它們沒有 npm 依賴:需要 Node 20+、在 PATH 中的 ffmpeg/ffprobe,以及任一種 Chromium(Playwright 的 chromium-headless-shell 會自動找到;否則設定 CHROME= 變數)。請在一個新的專案資料夾中工作,例如 ~/<product>-launch/,並在其中執行所有腳本。

0. 事實優先——影片可能提出的主張

在動筆之前先閱讀真實產品:它的登陸頁面、文件/README、UI 原始碼、現有的介紹影片(使用 ffmpeg 抓取影格)。劇本中的功能和場景中的 UI 必須是產品實際具備的功能,並用使用者實際使用的詞語來撰寫。目標受眾很重要:對於店主/非技術買家,使用簡短的日常用語,避免專業術語。

品牌衛生,這是從經驗中學到的:

  • 如果產品名稱包含他人的品牌(例如某個用於 Zalo/Shopee/Notion 的工具)且無官方關聯,請勿使用該品牌的標誌或識別色;以文字方式輸入該名稱。
  • 來源資料夾通常是舊客戶專案的分支。使用 grep 搜尋螢幕截圖/UI 字串中殘留的客戶名稱(舊公司名稱、舊標誌、舊範例資料)並將其排除在影片之外。如果不確定,請詢問使用者。
  • 除非使用者提供,否則不要重新繪製真實公司的官方標誌。可以在產品的介紹影片中重新建立其自有標誌,但需說明並提供替換為原始檔案的選項。
  • 螢幕上的範例名稱、價格和聊天內容僅為說明用途——請告知使用者。

1. 劇本

預設結構(可調整;長度依內容而定,約 9–12 行短句):

這是 [名稱]。一個 [類別]… 專為 [價值] 而打造。[動詞] 在任何 [事物] 中! ← 停頓 · 給予它 [輸入],它就能… 理解。· 使用得越多,它會變得更好。· [3 個設定/功能,每個一行簡短說明] · 每個 [輸出],都如你所想像。· [名稱]。現已推出。

  • 僅一個強調詞(漸層 + 發光)。品牌色名稱可額外使用。
  • 要涵蓋所有關鍵功能(使用者要求),請為每個功能賦予一個簡短行,並讓影片長度約為 27–30 秒而非 22 秒。
  • 撰寫 script.json(參見 templates/script.example.json):lines[] → 在逗號/句尾分割為 units[],每個都有 end: ","|"."。行是字幕和場景所依據的關鍵。extraBefore(秒)在一行之前添加呼吸空間(用於標誌聚集之前)。

2. 配音

首選:VoiceStudio MCP(如果已連接)(list_voices,generate_speech 搭配 profile_id、language、steps: 32)。否則透過 HTTPS 使用使用者的金鑰呼叫 ElevenLabs。生成完整劇本的 4 次錄音,將其複製到 voice/ 目錄中並使用易讀的名稱,然後測量每個錄音(ffmpeg -af silencedetect=noise=-38dB:d=0.12):長度、最長停頓、峰值。呈現表格讓使用者選擇;如果使用者未選擇,則選取最流暢的錄音(停頓最少/最短)並說明原因。

注意:VoiceStudio 的 instruct 是語音設計屬性字串("female, young adult, american accent"),而非情緒標籤——情緒來自標點符號和語音本身。其 transcribe 在未啟用 ASR 時可能返回 409;下面的對齊器不需要 ASR。

接著對齊並清理所選的錄音:

node <skill>/scripts/voice_align.mjs voice/take.wav script.json build/voice.wav build/words.json 0.9

它會將語音在 ≥100 毫秒的停頓處分割,使用動態規劃將片段對齊到劇本單元(逗號可能停頓也可能不停頓),將大於 0.28 秒的停頓修剪至 0.2 秒,將每行音量向中位數調高 85 %(增益僅在停頓內移動),並寫出 words.json(phrases[],words[] 包含 t0/t1)。檢查列印出的對齊表格是否合理(每個單元對應於合理的音訊片段)。短語內的單詞時間是音節比例並貼合包絡下降——適合打字字幕效果;如果使用者期望逐詞 ASR 精確度,請說明此差異。

3. 素材

node <skill>/scripts/assets.mjs fonts            # Be Vietnam Pro(支援所有越南語變音符號)+ Geist Mono
node <skill>/scripts/assets.mjs pool 2 11        # 約 1000 張免費縮圖 + 聯絡表供選擇
node <skill>/scripts/assets.mjs get <id> <id>…   # 選擇的照片,尺寸 640²
node <skill>/scripts/shoot-ui.mjs <product>/public ref/ui index.html other.html   # 唯讀 UI 螢幕截圖(無需後端)

查看聯絡表(閱讀 .jpg 檔案)並挑選適合產品調性的圖片;免費圖庫多為風景照,因此在圖庫不適用時以程式方式繪製產品視覺元素(模板會繪製平面展示的 T 恤、聊天卡片、檔案卡片、程式碼卡片)。真實 UI 是從螢幕截圖/原始碼在 Canvas 上重新繪製的——相同的佈局、顏色(讀取 CSS 變數)、標籤和範例流程——而非直接貼上螢幕截圖。

4. 影片

將 templates/film/ 複製到專案中作為 film/ 目錄,匯出詞語時間表,然後調整 film.js:

node -e "const j=require('./build/words.json');require('fs').writeFileSync('film/words.js','window.WORDS='+JSON.stringify(j)+';')"

在編輯之前閱讀 references/film-template.md——它描述了每個場景、輔助函數(typeWords、glass、tile、aura、cam、push)、時間變數、聲音事件表以及 META.runs。遵守使風格一致的規則:

  • 場景開始於短語開頭(B[]),交叉淡變跨越它們(±0.18 秒)。每個場景攝影機推進 1.00→1.04;當內容延續到下一個場景時,下一個場景的縮放從前一個場景結束的位置開始。
  • 無元素彈出:淡化 ≥0.3 秒。唯一的硬剪輯是 16 分音符序列(圖片閃現、卡片交換、種子滾動),對齊到以「重點詞」為錨點的網格。
  • 螢幕上無句號。無選取框高亮、白色閃光、撞擊效果、3D 效果。
  • Glass 效果需要背景內容(光暈或模糊的照片背景),否則會消失。

5. 在完整渲染前檢查靜態圖片

node <skill>/scripts/render.mjs events build/events.json          # 也驗證頁面可啟動
SUB=1 node <skill>/scripts/render.mjs stills build/stills 1.7 3.9 6.4 7.6 …   # 每個場景一張 + 關鍵時刻
node <skill>/scripts/finish.mjs sheet build/stills build/contact.jpg

在展示給使用者之前親自閱讀聯絡表並修正所見問題:晶片/標籤與其命名的卡片不同步、重疊的徽章、文字跑到 glass 下方、與主題無關的圖片結束序列、被影格邊緣切掉的字幕、未翻譯或殘留的字串。使用 SUB=8 重新渲染受影響的靜態圖片以確認動態模糊效果正確。當使用者要求批准靜態圖片時,向他們展示約 8 張靜態圖片(路徑 + 每張圖片的內容);否則直接進行後續步驟。

6. 音效、渲染、驗證

node <skill>/scripts/finish.mjs audio                 # 合成音樂+音效,3 頻段閃避,每個短語的中段修剪至約 +9 dB,loudnorm -14 LUFS
node <skill>/scripts/finish.mjs video <name>.mp4 3    # 約 1 秒/影格/工作執行緒;背景執行

audio.mjs 合成一個 130 BPM 的背景音樂,其小節網格以「重點詞」為錨點(META.D),並為每個事件在其峰值處放置一個音效(每個按鍵輸入字母一個按鍵音,每個圖片變換一個點擊聲,呼嘯聲,進入重點詞/標誌的上升音,撞擊聲,強調詞處的輕柔著陸音),因此無需下載任何東西。如果使用者提供音樂曲目,則改為混合該曲目並將重點詞保留在動詞行上。誠實報告列印出的語音-音樂音量對照表:重點詞之後的行應約為 +9 dB;稀疏的開頭/結尾行設計上音量較高。

finish.mjs video 並行渲染,混音為 AAC 320k,掃描幀差異以檢測 META.runs 之外的單幀跳動,並列印大小/幀率/響度。然後從最終 MP4 中提取幾幀並在報告前查看它們。

7. 報告

提供 MP4 的路徑、規格、每個場景的內容、檢查結果(跳動、LUFS/峰值、語音-音樂音量比),以及哪些內容是說明性或重新繪製的(標誌、範例資料、程式化產品截圖、合成的音樂),再加上一行提供替換為真實素材的選項。以使用者的語言和簡單的文字回覆。

常見問題

  • Windows 上的 Shell 工具:使用 ffmpeg -f concat 列表代替進程替代;在長時間背景渲染的相同指令中設定 cd。
  • canvas.letterSpacing 和 ctx.filter 需要較新版本的 Chromium——內建尋找器會選取最新的 Playwright 建置。
  • 字型:Geist 缺少部分越南語字形覆蓋範圍;越南語文字請使用 Be Vietnam Pro。
  • 動態模糊會跨越硬 16 分音符剪輯並顯示一個混合幀——這是預期行為,這些範圍應屬於 META.runs。

相關技能