Panel to Reels(面板轉 Reels)
將一段長錄影批次轉換為一組可直接發布的直式 Reels。每個 Reels 按字邊界剪輯,以 9:16 比例重新框選說話者臉部,逐字加上字幕,並配上專為 Instagram 個人檔案網格設計的封面。每個片段會以兩種風格渲染:buildup(白色字幕,紅/藍/洋紅色強調)與 brand(您的顏色與字型,在 styles.json 中設定)。
腳本負責機械性工作。品質來自本檔案中的判斷準則。請依序執行工作流程,切勿跳過審查關卡。
系統需求
- 配備 Apple Silicon 的 Mac(臉部追蹤使用 Apple Vision,轉錄使用 mlx-whisper 搭配 GPU)。
- 安裝了
libx264與libx265的ffmpeg(brew install ffmpeg)。 - Python 3(安裝腳本會在
~/.panel-to-reels/建立自己的虛擬環境)。 - 磁碟空間:90 分鐘的 4K 原始檔約需 6 GB。
一次性設定,從此技能資料夾執行:
bash scripts/setup.sh
所有腳本都需透過包裝器執行,以使用正確的 Python 環境:bash scripts/run.sh <script> <args>。每個腳本的確切指令列請參閱 scripts/USAGE.md。
工作流程
在專案資料夾 P(放置在任何穩定位置,切勿為 /tmp,macOS 會清除此處)中作業。每個腳本的第一個參數都是 P。
1. 取得最高解析度可用來源
run.sh fetch P <url> 或將本機檔案複製到 P/source.<ext>。16:9 畫面裁切為 9:16 時,大約只保留三分之一寬度,因此 4K 來源能確保輸出 Reels 清晰。1080p 來源雖可運作,但放大畫面時會顯得模糊。如果對方擁有原始錄影檔,請索取原始攝影機檔案;其品質遠優於任何上傳版本。
2. 轉錄
run.sh transcribe P --prompt "說話者姓名、公司名稱、專業術語"。提示詞很重要:能大幅提高姓名轉錄的正確率。此步驟會寫入 transcript.txt,每行開頭均包含單字索引。您將依據這些索引挑選片段。
3. 若對方有參考風格,請先研究
索取 2 到 6 篇範例貼文。Instagram 封鎖直接下載,但公開嵌入頁面(instagram.com/reel/<id>/embed/captioned/)通常會暴露一個影片,且一定會顯示字幕文字。截取畫面並記錄:字幕字型、大小、位置、文字出現方式、哪些文字有顏色、封面標題字型與佈局。在渲染任何內容之前,將觀察結果對應到 styles.json。
4. 閱讀完整逐字稿並挑選精彩時刻
閱讀全部內容。不要只掃讀前半部。一個好的片段:
- 是 20 到 80 秒內一個獨立完整的想法。
- 以強而有力的開場白開始:一個主張、一個數字、一個問題或一個故事轉折點。如果最佳台詞在回答中間,就從那裡開始。
- 結尾要有收束,而非中斷思考。
優先選擇您為其製作 Reels 的對象(先選他們自己的回答)。跳過活動或其他人帳號已經發布的時刻;請詢問該對象或檢查其連結。將候選清單以表格(片段、說話者、關鍵台詞、時間戳記)呈現,讓對方在您開始製作前刪減或新增。
5. 確認說話者在畫面中(切勿跳過)
對每個候選片段執行 run.sh peek P <start> <end>。多機位剪輯經常在某人說話時切換到反應鏡頭或全景。規則:
- 如果說話者在片段大部分時間不在鏡頭內,請放棄該片段。垂直裁切會將其他人的臉放在他們的台詞上。
- 短暫的反應鏡頭(約不到片段三分之一時間)可以保留在
letterbox模式:全景鏡頭會疊加在模糊填色背景上,這樣就不會誤認身分。 - 根據衣著和座位位置辨識人物,然後對照逐字稿(誰被介紹、誰回答)進行確認。不要憑外貌猜測名字。
6. 按單字索引剪輯
將每個片段寫入 P/clips.json(結構請見 scripts/USAGE.md,範例請見 examples/clips.example.json)。
spans是包含性的單字索引範圍。多個範圍可構成跳接剪輯。用於收緊冗長內容,但絕不能改變說話者的原意。fix用於修正您確定的轉錄錯誤(例如將 "found" 誤認成 "pounded",或 "CLAUDE.md" 被說成 "Claude on a D file")。空字串表示刪除該單字。- 如果某個片語模糊不清且您無法確定確切內容,請剪掉該部分。切勿替他人捏造台詞。
- 當片段以主持人提問開頭時,僅保留問題作為鋪墊。切勿讓主持人的台詞看起來像是來賓說的。
7. 構圖
run.sh shots P <clips> 會找出鏡頭切換點(包括慢速溶解),為每個鏡頭渲染一張帶有標記線的畫面,並輸出其偵測到的臉部中心座標。將說話者的 x 座標填入每個鏡頭的 framing 中。
crop是裁切高度相對於來源的比例:三、四人的中景約為 0.62,全景約為 0.42 到 0.5。- 手持攝影機的平移鏡頭需要為每次移動標記構圖點;追蹤器可跟隨平滑移動,但可能跟丟快速甩鏡。
- 座位相鄰的說話者:使用輸出臉部中心座標的準確 x 值,而非目測值。
8. 建置與檢查
執行 run.sh build P <clips>,然後從每個基礎片段中抽取 10 到 16 幀畫面。說話者在每一幀中都必須被正確構圖。修正構圖後重新建置,再進行字幕步驟。
9. 字幕、強調與封面
- 強調:在
emphasis中手動挑選承載核心概念的單字(數字、人名、觀點落點的名詞)。沒有任何強調的字幕頁面會自動選取一個。 - 標題:4 到 9 個字,忠於說話內容,簡潔有力。將收束句用
*星號*包裹,使其獲得強調色。標題不得誇大說話者的原意。 - 封面幀:說話者面向鏡頭,嘴型閉合為佳。如果標題遮住嘴巴,請調高
cover_shift(它會將照片上移並淡化邊緣)。 - 頭部特寫自拍素材在畫面上的位置比座談素材低:將
caption_center設為約 1430,使字幕位於胸口而非嘴巴。
10. 渲染、審查、發布
執行 run.sh render_all P 會以每種風格渲染每個片段,輸出到 P/export/<Style>/,並輸出驗證表格。接著自行審查:一張以網格大小顯示所有封面的聯絡表,以及每個 Reels 的三、四幀畫面。最後,以對方口吻為每個片段撰寫貼文文案。引用必須與逐字稿完全一致。僅標註您已確認過的帳號。未知帳號請標記為 [handle] 讓對方填寫。
嚴格規則
- 絕對不要將台詞歸給錯誤的人。有疑問時,放棄該片段。
- 字幕、封面與貼文文案中的引用必須與逐字稿完全一致。
- 絕不要將其他組織的名稱或品牌標誌放在不屬於他們的內容上。品牌組合來自
styles.json;請依專案設定。 - 標題或文案中不得捏造數字、成果或主張。
- 臉孔與聲音必須來自原始錄影。絕不可生成或複製說話者。
已編輯完成的直式影片
對於已完成的頭部特寫影片(包括 iPhone HDR),請跳過剪輯與構圖步驟:執行 run.sh transcribe P --file <video> --clip <ID>,將片段加入 clips.json,設定 "source_file" 與 "caption_center": 1430,然後執行 run.sh render_all P --clips <ID>。fix 與 emphasis 的索引來自 P/base/<ID>.words.txt。原始檔案絕不會被修改。
風格與品牌組合
styles.json 儲存預設值。每個風格包含一個 label(匯出資料夾名稱)、一個 caption 區塊(字型、大小、每個字幕頁面循環變色或漸層的強調色、藥丸底色)以及一個 cover 區塊(強調色、底部漸層色、品牌組合行、分隔線、選擇性光暈效果)。將其複製到 P 中並編輯以自訂專案。examples/summit-oak-styles.json 展示了完整的品牌設定。字型從此技能資料夾的 fonts/ 資料夾依檔名載入;變數字型使用 "Sora:ExtraBold" 語法。
「品牌組合」是每個封面標題下方的兩行小字。在風格中設定,並可在 clips.json 中為每個片段覆寫 "lockup": ["第一行", "第二行"]。活動片段應標示活動名稱;個人影片則標示其姓名與品牌,而非活動名稱。
學到的教訓
- iPhone 影片是 HDR(HLG)格式。 疊加一般 sRGB 圖形會導致發光與過飽和。腳本會偵測 HLG 並將字幕轉換為 HDR,輸出 10-bit HEVC。從 Finder 或單純的 ffmpeg 擷取畫面預覽會顯得暗淡平淡;請使用
hlg.frame()靜態影像或在手機上判斷。 - ffprobe 的 csv 輸出可能帶有尾隨逗號(如
arib-std-b67,)。請使用in比較或移除它。 - 已編輯的座談經常使用溶解轉場,而非硬切。 場景評分偵測會遺漏它們;
shots.py中的幀差偵測器可以捕捉到。 - 白色字幕在白色應用程式畫面上會消失。 當背景明亮時,字幕會自動獲得深色藥丸底色。
- Whisper 會分割 token,例如
$2,400與80%。字幕會將它們重新黏合,因此強調索引指向第一部分。 - Instagram 在個人檔案網格中以 3:4 比例顯示封面(1920 像素中的 y 240 到 1680 區域)。請確保所有封面文字均在此範圍內。
- macOS 會在幾天後清除
/tmp。 請將專案與虛擬環境放在持久儲存位置。 - 某些 ffmpeg 版本缺乏
drawtext,某些 Intel 版本無法使用硬體編碼器。腳本使用 PIL 處理所有文字,使用libx265處理 HDR,因此兩種情況均可運作。
由 Micah Burgess, Summit Oak AI 打造。summitoakai.com