示範影片:錄製、剪輯、旁白、字幕、GIF
將螢幕上的實際工作流程(終端機、瀏覽器、應用程式)轉換為:
- YouTube 剪輯:MP4 格式,附帶 TTS 語音旁白,無內嵌字幕,外加一個
.en.srt字幕檔; - 重點 GIF:僅包含關鍵步驟,無聲、無字幕,檔案夠小可放在 README 中;
- 可選的內嵌字幕 MP4(燒錄式字幕),適用於不支援字幕功能的平台。
scripts/ 目錄中的腳本是範本:將它們複製到影片的專用資料夾(請放在任何儲存庫之外:錄製檔案可能達數百 MB)並編輯其設定區塊。需要系統已安裝 ffmpeg(位於 PATH 中,或設定 FFMPEG/FFPROBE 環境變數)、Python 3,以及 pip install edge-tts 以啟用語音功能。
1. 與使用者共同規劃
- 將故事以步驟的形式達成共識,並區分哪些步驟是 使用者的(點擊、輸入),哪些是等待。列出步驟清單並附上要按下的按鍵,讓使用者能在錄製時實際操作。
- 挑選一個能展示明確成果的主題(例如一個 Issue、一項待辦事項)。
- 清理舞台:移除示範會建立的任何重複內容,關閉個人分頁(開啟一個 全新的瀏覽器視窗,只顯示該網站),隱藏通知。若有任何可能干擾的項目(例如更新橫幅)請先說明。
- 告知使用者在錄製期間任何輸入給 Claude 的內容都會顯示在畫面上:請僅輸入「next」或「done」。
2. 將兩個視窗框入同一個擷取區域
將示範中使用的所有視窗放在完全相同的矩形區域(1920×1080 是良好的預設值)並錄製該區域:哪個視窗在最前方就顯示哪個畫面,因此切換視窗就是一種剪輯效果。
scripts/rec.ps1 place -X <px> -Y <px> 可在 Windows 上完成此操作。需要注意的事項:
- DPI 縮放:來自非 DPI 感知處理程序的座標會被縮放(125% → 一個「1920」的視窗實際上是 1536 像素)。
place會設定每個顯示器的 DPI 感知能力(SetThreadDpiAwarenessContext(-4)),因此所有座標都是實際像素。可使用rec.ps1 monitors列出顯示器。 - 隱形邊框:Windows 10/11 的視窗有大約 7 像素的隱形邊框。請透過 DWM 可視範圍(
DWMWA_EXTENDED_FRAME_BOUNDS)來設定大小,而非GetWindowRect;place會測量並修正此問題。 - 在開始錄製前,先擷取一格畫面並查看(讀取 PNG)。
3. 錄製
scripts/rec.ps1 start <名稱> / stop / mark <文字>。注意事項:
- gdigrab 不具 DPI 感知能力,它會在已縮放的顯示器上擷取到縮小版的桌面(而且
__COMPAT_LAYER=HighDpiAware無法修正此問題)。請使用 Desktop Duplication(ddagrab),它會以每個顯示器的原生像素進行擷取。其offset_x/y是相對於該顯示器的。 - 一個位於第二張 GPU 上的顯示器(例如筆記型電腦外接螢幕)並不在配接器 0 上:需在
-filter_complex中使用-init_hw_device d3d11va=dx:<配接器> -filter_hw_device dx搭配ddagrab=output_idx=<n>。rec.ps1 start接受-Adapter和-Output參數;如果出現「Failed to enumerate DXGI output」,請嘗試 0 和 1。 - 寫入 MPEG-TS(
-f mpegts)格式:因為此程序會透過終止來停止錄製,而 MP4/MKV 在這種情況下會遺失檔案標頭。 - 在自然斷點處分段(設定 / 使用者的輸入 / 一個長時間的等待鏡頭)。一個長時間的緩慢過程鏡頭沒問題;剪輯時會加速等待的部分。
- 在使用者操作的同時,簡短轉述每個背景步驟的回報內容,並告知下一步要按什麼。
4. 尋找關鍵時刻
無需手動拖曳影片進度條。製作帶有時間戳記的接觸表並閱讀它們:
python scripts/sheets.py <片段.ts> --every 10(整個片段),然後圍繞每個點擊處使用 --from 170 --to 236 --every 2 --crop 900:560:1020:0 來找到提案出現、按鈕被按下、頁面載入的確實秒數。
記錄下:每個步驟的(片段、開始時間、結束時間),以及哪些時間段是等待。
5. 旁白
lines.txt:每一行代表一個場景(故事的一個步驟),以字幕文字的形式撰寫。使用口語化的英文、簡短的句子,說明「為什麼」而不只是「做什麼」。voice.py 中有一個 SAY 對應表,定義符號該如何朗讀(#92 → "ninety-two",/goal-new → "goal new",CI → "C I");字幕則保留原始文字。預設語音為 en-US-AndrewNeural,語速 +4%;可使用 python -m edge_tts --list-voices 列出所有語音。若要重新為某一行配音,可使用 --only N 參數。
6. 建置
scripts/build.py:SCENES 是一個場景列表,每個場景又是一個區段列表 (片段, 開始, 結束, 速度):
- 使用者的點擊操作使用 1–2 倍速;瀏覽器頁面使用 2–4 倍速;機器工作使用 6–40 倍速,並在畫面上顯示一個
▶▶ N×標記(當速度 ≥ 3 時繪製); - 如果一個場景的顯示時間短於
LEAD + 旁白行數 + TAIL,則會將其最後一帧保持住(使用tpad),確保旁白不會超出畫面; - 輸出
youtube/<名稱>-youtube.mp4(影片 + 語音,-c copy)、youtube/<名稱>-youtube.en.srt(每行依照字元比例拆分為約 70 字元的提示段落)以及一個縮圖。 - 使用
--burn參數還會寫入<名稱>-captioned.mp4,內含燒錄式字幕。
目標長度為 1.5 到 3.5 分鐘。如果旁白留下長時間的靜默,請加速場景,而非填入冗詞。
7. GIF
GIF 不是以原速度播放的影片:它只包含關鍵步驟。scripts/gif.py:HIGHLIGHTS = (片段, 開始, 結束, 速度, 裁切),每個片段長度 3–7 秒,經過裁切(畫面中 1280×720 的區域:窗格、網頁、選單)並縮放至 960×540,每秒 8 幀,使用單一調色板(palettegen stats_mode=diff,paletteuse dither=none diff_mode=rectangle)。無字幕、無標記。檔案大小請保持在 10 MB 以下(GitHub 的圖片限制)且總長度約 60 秒以下。透過將每個重點片段的結尾畫面拼接成一張圖並閱讀該圖片來檢查結果。
8. 交接
在影片資料夾中建立一個 README.md:說明影片展示的內容、輸出檔案表格、每個來源/腳本的用途、錄製時的畫面框架以及任何擷取上的問題,以及如何重新建置(重新配音 → 建置 → 製作 GIF)。主動提出可以記住該資料夾的位置。