通用雙引擎影片導演與生成器 (v4.0)
基於 Remotion 的生產級自動化影片生成技能,專為 9:16 垂直短影片(YouTube Shorts、TikTok、Instagram Reels、Facebook Ads)設計。將兩種不同的視覺引擎整合於單一統一專案中:
┌────────────────────────┐
│ 使用者腳本或音訊 │
└───────────┬────────────┘
│
┌───────────────────────┴───────────────────────┐
▼ ▼
[ 模式 1:角色故事 ] [ 模式 2:動態宣傳 ]
- 程序化 2D 扁平角色 - 2D 扁平動態圖形
- 對話與思考泡泡 - 固定品牌標頭與浮水印
- 100% 全螢幕場景與姿勢 - 點狀網格浮動畫布
- 選擇性字幕(無重複) - 深色底部字幕膠囊 + 螢光綠
- 心理與生活敘事 - 腳本驅動的自訂矢量素材
1. 引擎模式選擇 (雙引擎模式選擇)
使用者只需安裝並使用一個技能。系統會根據腳本類型或使用者指示自動啟動正確的引擎:
| 模式 | 觸發關鍵字 | 腳本類型 | 視覺隱喻與風格 |
|---|---|---|---|
| 模式 1:角色故事引擎 | story, cartoon, drama, character, golpo, গল্প, কার্টুন | 角色驅動對話、心理衝突、教育故事、播客敘事 | 程序化 2D 扁平角色、唇形同步、對話泡泡、全螢幕臥室/辦公室背景 |
| 模式 2:動態圖形與宣傳引擎 | promo, ad, commercial, saas, kinetic, explainer, বিজ্ঞাপন, প্রমো | 產品廣告、SaaS/軟體展示、電商促銷、商業策略 | 點狀網格紋理、品牌標頭、角落浮水印、手機模型、卡片機制、深色底部字幕膠囊 |
[!TIP] 若使用者未指定模式,系統會自動根據腳本內容判斷:若腳本包含可見角色或對話,則選擇模式 1 (故事);若腳本側重商業問題或產品解決方案,則自動選擇模式 2 (宣傳),並在核准表中標明。
2. ⚠️ 至關重要的規則:100% 資料驅動的通用技能架構 (通用資料驅動架構)
[!CAUTION] 嚴格禁止為每個新腳本創建新的 React 元件、程式碼檔案、單獨資料夾或一次性的
.mjs腳本! 這是一個全域通用的技能,任何使用者安裝後即可用於任何主題的腳本。 所有腳本特定的變更(角色外觀、服裝、背景主題、對話、動作節拍、資訊圖表與選擇性卡片)僅能透過 1 個輸入 JSON 檔案進行配置。
通用影片生成管線 (僅需 2 個命令):
- 從腳本自動合成並產生輸入 JSON (AI 導演分析器):
- 自動分析腳本內容、身體動作、物體/道具、情緒與對話,以產生動態分鏡腳本:
python3 scripts/analyze-script-director.py --script=scripts/<story-name>.txt --out=scripts/<story-name>-input.json- 或參考
examples/sample-story-input.json,根據場景建立scripts/<story-name>-input.json。
- 通用音訊與時間點合成:
node scripts/tts-engine.mjs --input=scripts/<story-name>-input.json- 這會自動使用 Cartesia 或選定的 TTS 為每個場景生成語音,並將精確的音訊秒數/幀數時間點儲存到輸入 JSON 中。
- 通用時間軸編譯:
node scripts/build-story-timeline.mjs --input=scripts/<story-name>-input.json- 這將為 Remotion 產生準備好的
template/src/timeline.json。
- 這將為 Remotion 產生準備好的
- 預覽檢查與完整渲染:
cd template && npx remotion render src/index.ts Main ./out/<video-name>.mp4 --concurrency=4
3. 模式 1:角色故事引擎指南
- 角色建構、選角與三人以上的場景安排 (動態角色選角與場景調度):
- 根據腳本選角:確定腳本需要多少角色,並為每個角色建立獨特的身份。
- 外觀獨特性:如果有多個角色,絕不能複製相同的臉孔/眼鏡。必須在年齡、髮型和服裝上有明顯區別。
- 眼鏡使用:只有年長或特定職業的角色才應配戴眼鏡;嚴格禁止給普通顧客或員工隨意加上圓形眼鏡。
- 服裝與身份:店主 (潘加比/庫爾塔)、銷售人員 (制服/Polo衫)、顧客 (休閒T恤/連帽衫)。
- 實心髮際線帽:頭骨必須完全被頭髮覆蓋(不能有空白的月牙形區域)。
- 縮放與構圖 (1、2 或 3 個角色):
- 1 個角色:
scale: 1.85,居中 (center) 或靠左/右。 - 2 個角色:
scale: 1.75,分居左右 (left: 80,right: 80,bottom: 160)。 - 3 個角色 (
tertiaryCharacter):爲確保 9:16 畫面中三人的完美構圖,scale: 1.55。次要角色靠左 (left: 20),第三角色置中 (center),主要角色靠右 (right: 20,flip: true)。
- 1 個角色:
- 背景人群圖層 (
crowd):- 如果場景中有商店顧客或辦公室團隊,請添加
crowd: "shoppers"|"office_team"|"village_crowd"|"classroom_students"。這些人群將以較小比例 (scale: 1.1 - 1.15)、較低位置 (bottom: 240-260)、輕微模糊 (blur: 2px) 出現在角色後方 (zIndex: 12),營造自然的景深效果。
- 如果場景中有商店顧客或辦公室團隊,請添加
- 環境與背景分析 (動態環境與語意程序化回退):
- 根據環境使用 26 個以上的預建背景主題:
- 商店:
clothing_store,electronics_store,pharmacy,grocery_store - 家居與聚會:
living_room,home_study,tea_stall,cafe,wedding_hall - 辦公室與機構:
corporate_office,hospital_clinic,police_station,classroom,deep_library - 鄉村與戶外:
village_bazaar,village_sunset,street_outdoor,bus_interior - 情緒與衝突:
dark_conflict,dramatic_red,blue_melancholy,golden_sunrise
- 商店:
- 智慧語意程序化房間產生器 (無盲目回退至辦公室):
- 如果提供了全新或未列出的主題(例如
bakery,gym,bank,courtroom,kitchen),引擎不會盲目地回退到辦公室;而是會解碼主題名稱,自動生成相關的輪廓、招牌和室內顏色向量。
- 如果提供了全新或未列出的主題(例如
- 每個場景從頭到尾都必須是 100% 的全螢幕 (
width: 100%, height: 100%)。
- 根據環境使用 26 個以上的預建背景主題:
- 攝影機晃動與角色顫抖規則 (情緒校準的螢幕晃動與角色顫抖 - 嚴格限制 1.0-1.2 秒):
- ⚠️ 禁止持續晃動或角色顫抖:在任何情況下,都不能讓攝影機持續晃動或讓角色顫抖 10-20 秒。這會嚴重引起觀眾反感。
- 角色顫抖限制 (
trembleX):角色因恐懼、憤怒或震驚而顫抖時,顫抖最長持續 1.0 至 1.2 秒 (30-36 幀),之後必須平滑過渡至零,恢復正常姿勢。 - 語調檢查:在一般對話、普通爭論、顧客交談或敘述中,螢幕和角色都必須完全靜止 (
screenShake: false)。 - 突發震驚限制:僅在極度強烈的突發撞擊或震驚時,允許最長 1.0 至 1.2 秒 (30-36 幀) 的短暫晃動,並立即平滑衰減 (
decay) 使攝影機恢復穩定。
- 語音與思考泡泡 (
SpeechCalloutBubble):- 高度
top: 650,確保泡泡的尾巴直接指向講話角色的頭部(左側left: 180,右側right: 180)。 - 說話者名稱標籤:浮動在泡泡上方 (
zIndex: 60,padding: "5px 20px",border: "2.5px solid #ffffff")。
- 高度
- ⚠️ 選擇性字幕與精準語音同步字幕 (選擇性字幕與語音匹配的卡拉 OK 膠囊):
- 當螢幕上顯示對話泡泡或全螢幕中央卡片時,底部的獨立字幕必須完全關閉(零重複)。
- 僅當上方沒有泡泡或卡片時,才會從旁白的原始語音文字中動態提取 3-5 個字的精簡短語,以字幕形式顯示在底部。
- 字幕絕不能顯示為一行靜態摘要;必須逐個短語地即時顯示音訊中正在說的確切詞語。
- 視覺效果:
- 每個短語出現時,深色玻璃膠囊藥丸會以平滑的彈簧彈出 (
spring縮放) 效果進入畫面。 - 即時朗讀的單詞:以螢光綠 (
#22C55E) 發光文字 + 背景膠囊高亮 +scale(1.08)撞擊效果呈現。 - 高亮關鍵字:以充滿活力的琥珀/金色徽章 (
#F59E0B➔EA580C) 呈現。 - 短語過渡期間不得有空白幀或閃爍;必須無縫地從一個短語過渡到下一個。
- 每個短語出現時,深色玻璃膠囊藥丸會以平滑的彈簧彈出 (
- ⚠️ 唇形同步與活躍說話者規則 (選擇性說話者唇形同步規則):
- 當畫面中有兩個人時,只有其對話泡泡指向的對象 (
speechBubble.speakerPosition),其嘴巴才會動 (isSpeaking: true)。 - 另一位聽眾或聆聽者角色的嘴巴必須保持靜止與閉合 (
isSpeaking: false-> 閉合的休息線條)。兩個人的嘴巴絕不能同時移動。
- 當畫面中有兩個人時,只有其對話泡泡指向的對象 (
- ⚠️ 旁白者與對話時間點規則 (旁白者 vs 對話時間點規則):
- 任何場景中,當旁白者或說書人以第三人稱敘述事件時,螢幕上任何角色的嘴巴都不能動 (
isSpeaking: false),也不應有對話泡泡。 - 對話泡泡僅在角色以自己的第一人稱對話時,於指定的幀數內 (
speechBubbles: [{ start, duration }]) 浮現,且僅在該特定秒數內其嘴巴會動;對話結束後,泡泡消失,嘴巴再次閉合。
- 任何場景中,當旁白者或說書人以第三人稱敘述事件時,螢幕上任何角色的嘴巴都不能動 (
- ⚠️ 角色身份與對話完整性 (說話者身份與角色完整性):
- 絕不能讓一個角色穿著另一個角色的服裝來說該角色的台詞(例如:讓顧客說出員工的台詞是嚴重的失誤)。
- 如果某場景中對話的角色發生變化(例如:從老闆與員工的對話轉變為顧客的到來):場景必須分割成較短的鏡頭(攝影機切換),確保說話的角色穿著正確的服裝出現在螢幕上。
- ⚠️ 身體動作與一目了然的動作節拍 (一目了然的計時動作節拍):
- 角色不能像機器人一樣伸直手臂一直站著,也不能讓任何動作在整個場景中凍結 10-15 秒。
- 動作與道具僅在相關對話期間,以一目了然 (2.0 到 3.5 秒) 的方式短暫出現 (
characterPoses/secondaryPoses):- 檢查帳本 (
checking_khata):提到帳本或計算時,雙手拿著紅色帳本查看,眼睛向下看;對話結束後放下帳本,恢復正常姿勢。 - 尋找庫存 (
searching_inventory):在提及尋找的對話期間,伸手朝向架子,顯示放大鏡和空架子標籤;話說完後放下手,正常說話。 - 舉起樣品襯衫 (
holding_shirt):當顧客要求看襯衫時,將襯衫掛在衣架上高舉 2-3 秒,然後放下手臂等待。 - 不耐煩地等待 (
arms_crossed):雙臂交叉抱胸站立。
- 檢查帳本 (
- ⚠️ 短影片節奏與卡片保持限制 (卡片/場景最長停留 12-18 秒規則):
- 在 TikTok、YouTube Shorts 或 Reels 中,任何單一的靜止動態圖形或資訊圖表卡片都不能在螢幕上連續停留 20-40 秒。這會導致嚴重的觀眾流失。
- 長篇敘述或說明性文字(例如故事的寓意與結尾)必須自動分割成較短的視覺片段:
- 角色情感解決 / 自我覺悟動畫場景 (12-15 秒):主角的情緒與無聲結尾。
- 核心寓意比較卡片 (15-18 秒):可快速閱讀的要點比較。
- 觀眾互動與關注行動呼籲卡片 (10-12 秒):直接呼籲觀眾評論與關注。
- 每個場景與卡片必須在 8 到 18 秒內發生變化,以創造新的視覺刺激。
- ⚠️ 根據動作進行視覺映射與道具 (動作驅動的視覺敘事與字面敘事映射):
- 當腳本或畫外音提到特定的身體動作時(例如:「頭也不抬地對著電腦說」、「坐在桌前工作」、「老闆叫我去」、「遞交辭職信」、「抗議」):
- 場景中必須顯示該動作及相關道具 (
prop: "office_desk_computer"|"executive_desk"|"ceo_office_desk"|"resignation_letters"以及角色姿勢:using_computer|sitting_desk|pointing|reading_document|celebrating)。 - 角色絕不能像機器人一樣站在空房間裡;如果敘述中提到電腦或辦公桌,必須呈現角色坐在桌前使用顯示器的視角。
- 場景中必須顯示該動作及相關道具 (
- 當腳本或畫外音提到特定的身體動作時(例如:「頭也不抬地對著電腦說」、「坐在桌前工作」、「老闆叫我去」、「遞交辭職信」、「抗議」):
- ⚠️ 場景分割與頻繁的場景變換 (嚴格的 4-10 秒場景粒度與動態視角規則):
- 整個故事中,絕不能讓單一背景或畫面連續保持 20-30 秒。旁白的主題或情緒發生變化時,視覺場景也必須跟著切換(場景切換)。
- 每個場景最長持續 4 到 10 秒。
- 當敘述中提到時間變化、職位轉變或地點移動時(例如:普通員工 ➔ 抗議 ➔ 閒聊 ➔ 晉升經理 ➔ 警告通知 ➔ 同事的恐懼 ➔ 與蘇蒙的衝突 ➔ 集體辭職 ➔ 老闆辦公室 ➔ 獨自感悟),必須為每一個環節確保不同的視覺場景、畫框與視角。
- ⚠️ 通用動作、物體與坐姿矩陣 (通用語意動作到道具與坐姿矩陣):
- 無論腳本中提到什麼主題或環境,絕不能盲目地讓角色站著;必須根據以下矩陣自動安排道具與座位:
| 場景與背景 | 自動道具 (
prop) | 座位安排 | ...
- 無論腳本中提到什麼主題或環境,絕不能盲目地讓角色站著;必須根據以下矩陣自動安排道具與座位:
| 場景與背景 | 自動道具 (
(原文後續內容因過長而被截斷)