當此技能被啟動時,始終以 :pencil: 表情符號開始你的第一個回應。
影片腳本撰寫
程式化影片腳本撰寫是規劃、結構化並撰寫可直接轉譯為程式驅動影片製作的腳本實務。與傳統電影腳本不同,程式化影片腳本是結構化資料——每個場景都具有明確的時長、幀數、動畫描述以及旁白文字,可供渲染引擎直接使用。此技能涵蓋訪談利害關係人、產生結構化的 YAML 腳本、計算節奏與幀數、撰寫旁白,以及修訂腳本。
何時使用此技能
當使用者出現以下情況時觸發此技能:
- 想要為程式化或程式生成的影片撰寫腳本
- 需要規劃場景結構、時間或轉場
- 詢問關於以結構化格式(YAML、JSON)建立分鏡表
- 想要根據時長和 FPS 計算幀數
- 需要協助撰寫影片場景的旁白文字
- 詢問不同內容類型(展示、解說、社交媒體)的影片節奏
- 想要執行訪談工作流程以收集影片需求
- 需要修訂或重組現有影片腳本
請勿在以下情況觸發此技能:
- 真人電影拍攝或傳統電影腳本
- 影片編輯軟體教學(Premiere、Final Cut、DaVinci Resolve)
- 純音訊內容,如播客或音樂製作
- 靜態圖片設計或靜態簡報投影片
關鍵原則
-
訪談驅動 - 在生成任何場景之前,先執行結構化訪談(最多 30 個問題,橫跨 7 個類別)。切勿基於假設撰寫腳本。
-
結構化輸出 - 每個腳本皆為有效的 YAML,包含
meta區塊與scenes陣列。每個場景都有id、duration、frames、narration、visual、animation、music、sfx和transition_to_next欄位。 -
視覺優先 - 先撰寫
visual欄位,再寫narration。旁白應補充視覺內容,切勿冗餘地描述螢幕上已顯示的內容。 -
節奏感知 - 根據影片類型調整場景數量與每個場景的時長:社交短片需要 3-8 秒的場景;解說片則可放鬆至 5-12 秒。
-
旁白與視覺同步 - 每句旁白都必須與當前可見的內容相符。每個場景只傳達一個概念。旁白的時間長度必須符合場景時長。
核心概念
訪談框架
在撰寫腳本之前,透過 7 個類別收集需求:
| 類別 | 問題數量 | 範例 |
|---|---|---|
| 產品/主題 | 5-7 | 產品是什麼?主要功能?解決了什麼問題?差異化優勢? |
| 目標觀眾 | 3-5 | 目標觀眾是誰?技術水平為何?痛點在哪? |
| 影片目標 | 3-4 | 類型(展示/解說/社交/公告)?時長?頻道? |
| 調性與風格 | 3-5 | 正式還是隨性?活潑還是平穩?參考影片? |
| 素材 | 3-5 | 標誌?螢幕截圖?品牌色?字型? |
| 內容 | 4-6 | 關鍵訊息?必備功能?行動呼籲?開場鉤子? |
| 視覺偏好 | 3-5 | 動畫風格?色彩組合?版面偏好? |
YAML 腳本格式
meta:
title: "string - 描述性標題"
duration: "string - 總時長(例如 60s)"
type: "enum - demo | explainer | social | announcement"
resolution: "string - 例如 3840x2160, 1920x1080"
fps: "number - 24, 30, 或 60"
audience: "string - 觀看對象"
tone: "string - 逗號分隔的描述詞"
total_frames: "number - 時長秒數 * fps"
scenes:
- id: "string - 唯一的短橫線格式識別碼"
duration: "string - 例如 4s, 8s"
frames: "number - 場景時長秒數 * fps"
narration: "string - 每句最多 15 個單字"
visual: "string - 觀眾在螢幕上所見的內容"
animation: "string - 元素如何移動,包含幀數參考"
music:
track: "string - 音樂曲目名稱"
volume: "number - 0.0 到 1.0"
duck: "boolean - 旁白時降低音樂音量"
sfx:
- type: "string - 音效名稱"
at: "string - 場景內的時間戳"
duration: "string - 播放時長"
transition_to_next: "enum - hard-cut | cross-dissolve | fade-to-black | wipe-left | wipe-right | none"
各影片類型的場景節奏
| 影片類型 | 時長 | 場景數 | 每場景時長 | 備註 |
|---|---|---|---|---|
| 產品展示 | 30-120s | 6-15 | 5-10s | 功能導向,明確的行動呼籲 |
| 解說片 | 60-180s | 8-20 | 5-12s | 概念較多,需要更多喘息空間 |
| 社交短片 | 15-60s | 3-8 | 3-8s | 前 3 秒就要出現鉤子,節奏明快 |
| 公告片 | 15-45s | 3-6 | 4-8s | 簡潔有力,聚焦單一訊息 |
幀數計算
總幀數 = 時長秒數 * fps
場景幀數 = 場景時長秒數 * fps
範例:60 秒影片,30fps = 1800 總幀數
| 時長 | 24 fps | 30 fps | 60 fps |
|---|---|---|---|
| 4s | 96 | 120 | 240 |
| 8s | 192 | 240 | 480 |
| 30s | 720 | 900 | 1800 |
| 60s | 1440 | 1800 | 3600 |
| 90s | 2160 | 2700 | 5400 |
務必驗證所有場景幀數總和是否等於 meta 中的 total_frames。
常見任務
1. 執行訪談工作流程
依序走訪全部 7 個類別。一次詢問一個類別,總結回答後再繼續。完整的 30 題框架請參閱 references/interview-questions.md。時間緊迫的壓縮版使用 10 個核心問題:產品名稱、主要功能、解決的問題、目標觀眾、技術水平、影片類型、時長、頻道、關鍵訊息與行動呼籲。
2. 產生產品展示腳本
meta:
title: "產品展示 - Acme 儀表板"
duration: "60s"
type: demo
resolution: 3840x2160
fps: 30
audience: "SaaS 創辦人與產品經理"
tone: "專業, 自信, 簡約"
total_frames: 1800
scenes:
- id: intro
duration: "4s"
frames: 120
narration: "認識 Acme,一個會自動建立的儀表板。"
visual: "Logo 居中顯示在溫暖的米白色背景上,從透明淡入"
animation: "淡入持續 30 幀,停留 90 幀"
music:
track: "upbeat-corporate"
volume: 0.4
duck: false
sfx: []
transition_to_next: "hard-cut"
- id: feature-1
duration: "8s"
frames: 240
narration: "只要描述你需要什麼,Acme 就會處理好其餘部分。"
visual: "瀏覽器模擬畫面,顯示提示輸入框,文字正在被輸入"
animation: "瀏覽器從底部滑入,持續 20 幀,打字動作從第 40 幀開始"
music:
track: "upbeat-corporate"
volume: 0.2
duck: true
sfx:
- type: "keyboard-typing"
at: "1.3s"
duration: "3s"
transition_to_next: "cross-dissolve"
- id: feature-2
duration: "8s"
frames: 240
narration: "拖曳、放置、調整大小。你的版面,你說了算。"
visual: "儀表板編輯器,游標正在重新排列小工具"
animation: "游標在第 30 幀移動到小工具上,拖曳至新位置,持續 60 幀"
music:
track: "upbeat-corporate"
volume: 0.2
duck: true
sfx:
- type: "soft-click"
at: "1.0s"
duration: "0.2s"
transition_to_next: "cross-dissolve"
- id: cta
duration: "6s"
frames: 180
narration: "前往 acme.dev 免費試用 Acme,幾分鐘內建立你的第一個儀表板。"
visual: "CTA 文字居中顯示,附帶 URL,背景有微妙的動態漸層"
animation: "文字淡入,持續 20 幀,背景漸層緩慢變化"
music:
track: "upbeat-corporate"
volume: 0.4
duck: false
sfx: []
transition_to_next: "fade-to-black"
完整的展示腳本通常有 6-15 個場景。可以透過依照相同的 YAML 結構新增問題、社會證明、定價與結尾場景來擴充。
3. 產生社交短片腳本
meta:
title: "30 秒認識 Acme"
duration: "30s"
type: social
resolution: 1080x1920
fps: 30
audience: "在社交動態中滑動的開發者"
tone: "活力, 簡潔, 現代"
total_frames: 900
scenes:
- id: hook
duration: "3s"
frames: 90
narration: "別再從零開始建立儀表板。"
visual: "在鮮豔的漸層背景上顯示粗體文字"
animation: "文字從頂部猛然落下,持續 8 幀,螢幕震動 4 幀"
music:
track: "electronic-pulse"
volume: 0.5
duck: true
sfx:
- type: "impact-hit"
at: "0.2s"
duration: "0.3s"
transition_to_next: "hard-cut"
- id: demo
duration: "12s"
frames: 360
narration: "輸入你需要的功能,Acme 即時建立。"
visual: "螢幕錄製:輸入提示,儀表板即時生成"
animation: "輸入持續 120 幀,儀表板在剩餘 240 幀中建構完成"
music:
track: "electronic-pulse"
volume: 0.3
duck: true
sfx:
- type: "keyboard-typing"
at: "0.5s"
duration: "4s"
transition_to_next: "hard-cut"
- id: result
duration: "8s"
frames: 240
narration: "完整互動、即時資料、隨時分享。"
visual: "完成的儀表板,顯示懸停互動效果,資料即時更新"
animation: "游標懸停觸發工具提示,資料在第 120 幀重新整理"
music:
track: "electronic-pulse"
volume: 0.3
duck: true
sfx: []
transition_to_next: "hard-cut"
- id: cta
duration: "7s"
frames: 210
narration: "前往 acme.dev 免費試用。"
visual: "CTA 文字大而居中,URL 在下方,品牌漸層背景"
animation: "文字從 0 放大到完整尺寸,持續 15 幀,然後停留"
music:
track: "electronic-pulse"
volume: 0.5
duck: false
sfx: []
transition_to_next: "none"
4. 從時長計算幀數
輸入: duration = 60s, fps = 30
輸出: total_frames = 1800
場景分解:
intro: 4s * 30 = 120 幀
feature-1: 8s * 30 = 240 幀
feature-2: 8s * 30 = 240 幀
proof: 6s * 30 = 180 幀
cta: 6s * 30 = 180 幀
---
總和:32s = 960 幀(剩餘 840 幀需要更多場景)
務必驗證總和。如果場景加起來不符,請調整或新增場景。
5. 撰寫有效的旁白文字
規則:
- 每句最多 15 個單字 - 更長無法在時限內讀完
- 主動語態、現在式 - 「Acme 建立你的儀表板」,而非「將會被建立」
- 旁白與視覺相符 - 談論螢幕上顯示的內容
- 每個場景一個概念 - 不要將兩個概念塞進一句話
- 以好處開頭 - 「每週節省 10 小時」而非「我們的時間追蹤功能」
- 包含停頓 - 為喘息空間使用空的旁白(
"") - 閱讀速度 - 大約每秒 2.5 個單字
| 不好 | 好 | 原因 |
|---|---|---|
| "我們的產品被設計用來幫助團隊更快建立儀表板" | "幾分鐘內建立儀表板,而非幾週。" | 太長、被動語態 |
| "點擊右上角的加號按鈕" | "一鍵新增小工具。" | 讓視覺內容顯示位置 |
| "如你所見,資料會即時更新" | "即時資料。永遠保持最新。" | 「如你所見」是填充詞 |
6. 規劃場景轉場
| 轉場 | 使用時機 |
|---|---|
hard-cut | 相同主題、快節奏或強烈對比 |
cross-dissolve | 平順的主題變換、相關內容流暢銜接 |
fade-to-black | 段落結束、戲劇性停頓、最後一個場景 |
wipe-left / wipe-right | 前後對比、時間線進展 |
none | 影片的最後一個場景 |
規則:為保持一致性,每支影片最多使用 2 種不同的轉場類型。
7. 根據回饋修訂腳本
- 識別回饋類型:節奏、旁白、視覺、結構或調性
- 根據 YAML 中的
id找出受影響的場景 - 僅修改受影響的欄位,保留幀數計算
- 重新驗證:所有場景時長總和仍須等於總時長
- 如果任何時長變更,重新計算幀數
- 記錄變更內容:
# 修訂:依據回饋將 intro 從 6s 縮短為 4s(v2)
- id: intro
duration: "4s" # 原本是 6s
frames: 120 # 原本是 180
反模式 / 常見錯誤
| 錯誤 | 為什麼錯 | 應該怎麼做 |
|---|---|---|
| 在視覺之前先寫旁白 | 會讓影片變成談話式風格 | 先寫 visual,再用旁白補充 |
| 場景超過 12 秒 | 觀眾失去注意力,節奏感遲緩 | 拆分成兩個較短的場景 |
| 幀數不一致 | 渲染引擎產生錯誤的時間或當機 | 務必計算 frames = duration * fps 並驗證總和 |
| 旁白超過每句 15 個單字 | 無法在場景時長內讀完 | 拆分為較短的句子 |
| 前 3 秒沒有鉤子 | 社交媒體觀眾會滑過,嵌入觀眾會失去興趣 | 以大膽的陳述、問題或視覺驚喜開場 |
| 轉場不一致 | 影片感覺不連貫且不專業 | 每支影片最多使用 2 種轉場類型 |
| 跳過訪談 | 產出通用腳本,無法對準需求 | 務必先收集需求 |
| 視覺描述為空白 | 渲染工程師無法建構場景 | 具體說明版面、色彩、動態、元素 |
注意事項
-
幀數進位 - 當時長無法整除時(例如 24fps 的 3.5 秒 = 84 幀),四捨五入到最接近的整數,並調整最後一個場景。切勿留下小數幀數——渲染引擎會截斷或報錯。
-
旁白時間溢出 - 以每秒 2.5 個單字的速度,一個 4 秒的場景大約只能容納 10 個單字。為一個 4 秒場景寫 20 個單字會導致旁白急促或被截斷。務必檢查字數是否與場景時長相符。
-
直向 vs 橫向解析度 - 社交短片(TikTok、Reels、Shorts)使用 1080x1920(直向)。YouTube/網站嵌入使用 1920x1080 或 3840x2160。在設定解析度前確認發行管道。
-
音樂音量降低衝突 - 如果每個場景都設定
duck: true,音樂音量會不斷上下波動。僅在旁白存在時使用音量降低。旁白為空的場景應設定duck: false。 -
總時長偏移 - 修訂或重新排列場景後,實際時長可能偏離
meta中聲明的時長。務必重新計算並更新meta.total_frames。
參考資料
references/interview-questions.md- 完整的 30 題訪談框架references/scene-library.yaml- 可重複使用的場景模板examples/demo-scripts/- 完整的產品展示腳本範例examples/social-scripts/- 社交媒體腳本範例examples/explainer-scripts/- 解說片腳本範例