Communitygithub.com

通用雙引擎影片導演與生成器

掌握 Remotion 的影片創作與生成技能,內建兩種視覺引擎:角色故事引擎(2D 扁平卡通角色、對話泡泡、唇形同步、心理/教育敘事)與動態圖形宣傳引擎(商業廣告、SaaS/電商解說、點狀網格、手機模型、卡片機制)。

通用雙引擎影片導演與生成器 是什麼?

這是一個針對 Remotion 平台設計的專業級自動化影片生成技能,專門用於生成 9:16 垂直短影片(YouTube Shorts、TikTok、Instagram Reels、Facebook Ads)。它將兩種截然不同的視覺引擎整合在單一專案中,使用者可依據腳本內容自動切換。模式一專注於角色故事敘述,能動態生成 2D 扁平卡通角色、對話泡泡、唇形同步,並支援心理/教育類的長篇敘事;模式二則專注於商業宣傳,提供動態圖形、品牌標頭與浮水印、點狀網格、手機模型等視覺元素。此技能的核心特色是「資料驅動的統一架構」,所有腳本相關的變更(角色外觀、背景、動作、對話)都只透過單一個 JSON 輸入檔案進行配置,嚴格禁止為每個新腳本創建獨立的 React 元件或程式碼檔案。此外,它還內建了自動化腳本分析與語音合成管線,支援 Cartesia Sonic TTS,並遵循嚴格的兩點核准工作流程與自我檢查機制,確保輸出品質。

相容平台✓Claude Code✓Codex CLI✓Cursor✓Gemini CLI
npx skills add https://github.com/nsshan98/video-generation-skills/tree/HEAD

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

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):

  1. 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。
  2. 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。
  3. 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。
  4. 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

  1. 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)。
    • 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。
  2. 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
    • 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。
    • 每個場景從頭到尾都必須是 100% 的全螢幕 (width: 100%, height: 100%)。
  3. 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。
  4. 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")。
  5. ⚠️ 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。
  6. ⚠️ 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。
  7. ⚠️ 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。
  8. ⚠️ 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。
  9. ⚠️ 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。
  10. ⚠️ 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:
      1. 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。
      2. 核心寓意比較卡片 (15-18 秒):可快速閱讀的要點比較。
      3. 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。
  11. ⚠️ 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。
  12. ⚠️ 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。
  13. ⚠️ 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 | ...

(原文後續內容因過長而被截斷)

相關技能