加入片頭與片尾是做什麼的？

片頭和片尾是短小的 MP4 檔案，各自附帶專屬的音效，並按照影片方向分成配對，列在偏好設定中。此技能會將所有內容標準化為統一格式，將片頭、主影片和片尾以短暫的淡入淡出（視訊和音訊）連接起來，並輸出最終結果。

偏好設定

remote-video-editing/preferences.json（查詢順序與 clean-voice-sidon 相同）：

鍵 (Key)	值 (Value)
`stings`	`{"intro_16x9": url, "outro_16x9": url, "intro_9x16": url, "outro_9x16": url}`；URL 或本機路徑
`sting_fade_s`	交叉淡入淡出長度，預設值 `0.5`
`render_notes`	去哪執行長時間編碼（例如在伺服器而非筆電上）。請遵循這些指示。

如果 stings 未設定，請詢問使用者提供檔案。此外掛程式不附帶任何品牌資產。

方向

讀取顯示的方向，而非編碼的尺寸：手機錄製的直式影片通常儲存為 1920x1080，並帶有旋轉標籤。請使用以下指令檢查： ffprobe -v error -select_streams v:0 -show_entries stream=width,height:stream_side_data=rotation -of compact IN。旋轉角度為 90 或 -90 時，會交換寬度和高度。ffmpeg 在解碼時會自動套用旋轉。

直式 (9:16) 影片：使用 intro_9x16 / outro_9x16，畫布為 1080x1920。
橫向 (Landscape) 影片：使用 16:9 配對，畫布為 1920x1080。
直式影片的 16:9 裁切版（適用於 YouTube 主要動態消息）：畫布為 1920x1080，主影片高度縮放至 1080 並置中，覆蓋在經過模糊、變暗、縮放的自身副本之上；使用 16:9 的片頭片尾。下方的 [v1] 鏈變成：
```
[1:v]fps=30,split[a][b];
[a]scale=1920:1080:force_original_aspect_ratio=increase,crop=1920:1080,scale=480:270,boxblur=20:2,scale=1920:1080,eq=brightness=-0.06:saturation=0.9[bg];
[b]scale=-2:1080[fg];[bg][fg]overlay=(W-w)/2:0,setsar=1,format=yuv420p[v1]
```
請先用一個 8 秒的片段進行測試（-ss 60 -t 8），並在渲染整個影片前先顯示一個畫面。

渲染

W:H 是畫布尺寸，F 是淡入淡出長度 (0.5)，DI 是片頭持續時間，DV 是主影片持續時間（使用 ffprobe 的 format=duration）。偏移量：第一次淡入淡出位於 DI-F；第二次位於 DI+DV-2*F。

ffmpeg -y -i intro.mp4 -i main.mp4 -i outro.mp4 -filter_complex "
 [0:v]fps=30,scale=W:H,setsar=1,format=yuv420p[v0];
 [1:v]fps=30,scale=W:H:force_original_aspect_ratio=decrease,pad=W:H:(ow-iw)/2:(oh-ih)/2,setsar=1,format=yuv420p[v1];
 [2:v]fps=30,scale=W:H,setsar=1,format=yuv420p[v2];
 [0:a]aresample=48000,aformat=channel_layouts=stereo[a0];
 [1:a]aresample=48000,aformat=channel_layouts=stereo[a1];
 [2:a]aresample=48000,aformat=channel_layouts=stereo[a2];
 [v0][v1]xfade=transition=fade:duration=F:offset=DI-F[v01];
 [v01][v2]xfade=transition=fade:duration=F:offset=DI+DV-2*F[v];
 [a0][a1]acrossfade=d=F[a01];[a01][a2]acrossfade=d=F[a]" \
 -map "[v]" -map "[a]" -c:v libx264 -preset medium -crf 20 -maxrate 10M -bufsize 20M -c:a aac -b:a 192k -movflags +faststart out.mp4

多個來源片段：請先將它們合併（使用相同濾鏡模式，或如果它們共用編碼格式，則使用 concat 分離器），然後將結果視為 main.mp4。
這是完整的重新編碼：處理一個 10 分鐘的 1080p 影片會耗費數分鐘的所有核心運算。請在 Modal 上執行，不要在本機或家用伺服器上執行：將輸入後面的引數（從 -filter_complex 到 +faststart）逐行放入 render.args，然後執行 $MODAL run "${CLAUDE_PLUGIN_ROOT}/scripts/ffmpeg_modal.py" --inputs intro.mp4,main.mp4,outro.mp4 --args-file render.args --out out.mp4 （偏好設定中的 modal_command 和 run_notes 會指定 Modal 的執行位置）。在同一個圖形（使用 concat 濾鏡）中合併多個片段，不要分成獨立步驟。完成後，刪除 video-editing-work 磁碟區中該工作的資料夾。
xfade 需要兩個輸入使用相同的時間基準：請在每個視訊分支上加上 fps=30,settb=1/30（包括 concat 之後），否則 ffmpeg 會失敗並顯示「First input link main timebase (1/30) do not match」。
位元率：保持上限（-crf 20 -maxrate 10M -bufsize 20M）。對雜訊較多的手機影片使用純 CRF 18 會產生約 24 Mbps 的位元率，11 分鐘的影片約為 2 GB（2026-11-13）。YouTube 無論如何都會重新編碼，並建議 1080p 上傳使用 8-12 Mbps。
驗證：輸出時長約為 DI + DV + DO - 2*F，並檢查 DI-F/2（淡入淡出中間點）、影片中間和結尾的畫面。

手持拍攝畫面：在同一個渲染中進行穩定

手持拍攝的手機影片受益於輕度穩定（使用者回饋，2026-11-13，在第一次 Hebrish 週末更新發布後發現缺少此功能）。使用 ffmpeg 的 vid.stab（libvidstab；Debian 的 ffmpeg，也就是 Modal 映像中安裝的版本，包含此功能；使用 ffmpeg -filters | grep vidstab 檢查）。雙通道，皆在 Modal 上執行：

偵測 (Detect)（快速，僅分析，寫入一個轉換檔案），每個來源片段： ffmpeg -i main.mp4 -vf vidstabdetect=shakiness=5:accuracy=15:result=main.trf -f null - 將其作為獨立的 ffmpeg_modal.py 任務執行（引數 -vf / vidstabdetect=...:result=/work/<job>/main.trf / -f / null，輸出 -），或在腳本中加入偵測步驟。.trf 檔案必須與輸入檔案放在同一磁碟區中。
轉換 (Transform) 在主渲染中執行，對應影片分支的最先處理項目，在調整和縮放之前： vidstabtransform=input=main.trf:smoothing=20:zoom=2:optzoom=0,unsharp=5:5:0.4 smoothing 設為 15-30 幀可以保留自然動態；使用固定的 zoom=2（百分比）來隱藏移動邊框，避免 optzoom=1 在拍攝頭部講話時造成的跳動感。輕度 unsharp 可以補償重新取樣造成的柔化。

先以一個 8 秒的片段進行測試，並在完整渲染前，與使用者一起比較靜態畫面與短片段。如果缺少 libvidstab，deshake 是一個單通道的備選方案（效果較弱）。此用途不需要 AI 穩定器。

製作片頭片尾

目前使用的片頭片尾是透過一個小型 Pillow 腳本加上產生的音效，從品牌 SVG 渲染而來。請使用 find-script（標籤為 logo、sting、intro）尋找該腳本，不要使用影片模型重新生成標誌：影片模型會扭曲字型形狀。

加入片頭與片尾