教育短影音 AI — 從腳本到 MP4 是做什麼的?
此技能可產出一支 垂直短影音(≤ 60 秒,1080×1920),具教育目的,100% 以 AI 與程式碼生成:使用者提供腳本(或一個構想轉為腳本),流程即交付 reel.mp4,包含語音旁白、同步字幕、視覺元素,以及強化概念的 emoji 氣泡。
原則與 Ágora 一致:觀看者看完後應 比以前更理解某件事。短片形式不是內容膚淺的藉口,而是濃縮核心概念的練習。
產出內容
一支垂直影片融合四層內容:
- 語音旁白(ElevenLabs)— 朗讀腳本。
- 同步字幕——逐字對時(卡拉 OK 風格),在靜音模式下仍可閱讀,因為多數人就是這樣看短影音。
- 視覺表現——背景由程式碼生成的動態圖形,以及/或插圖概念的圖片/影片(AI 生成或素材庫)。
- 氣泡、emoji 與參考標籤——動態標籤標示概念(⚖️「權力分立」)、輔助 emoji,以及來源參考(📜「民法第 113 條」),覆蓋在講述的內容上方。
流程一句話
腳本 → storyboard.json(由你——Claude——建立)→ 語音 + 同步(ElevenLabs)→ 渲染(Remotion)→ reel.mp4。
下方指令中,
$SKILL_DIR是此技能資料夾(~/.claude/skills/reel-educativo-ia)。執行時請替換為實際路徑。
工作流程
0. 前置檢查——工具(每台機器僅需一次)
渲染需要 Node.js 與 FFmpeg(包含 ffprobe)。在開始前先檢查並安裝缺少的項目:
bash "$SKILL_DIR/scripts/preflight.sh"
功能:檢查 node、ffmpeg/ffprobe 以及 python3。若缺少 Node 或 FFmpeg 且已安裝 Homebrew,則自動安裝(brew install node ffmpeg)。
語音不需要使用者自行處理 API key。 有兩種方式(詳見步驟 4):推薦方式使用 ElevenLabs MCP(金鑰存在 MCP 設定中,不需碰觸),搭配 免費可用的預設語音。若採用直接 API 方式,金鑰僅存在於 ELEVENLABS_API_KEY 環境變數,絕不寫入 storyboard、儲存庫或任何訊息中。
1. 了解任務(只問真正缺少的關鍵資訊)
需要五件事;若使用者已提供,請勿反覆質問:
- 腳本——將被朗讀的文字。若只有構想,請你代筆(見步驟 2),並在製作前確認。
- 背景脈絡——目標觀眾、專案/活動背景、語氣。
- 教育目標——觀看者應理解什麼。
- 平台——Reels/TikTok/Shorts(9:16 格式三平台通用;僅片長與結尾文字略有不同)。
- 語音——免費可用的預設語音(例如
"Sarah"、"Brian"、"George"、"Liam")。只有當使用者要求其他語音時才詢問。
2. 濃縮腳本(若有必要)並標記為語音用
1 分鐘的短影音敘述最多約 130–150 個字;目標 35–50 秒實際長度效果最佳。建議的教育結構(非強制):
鉤子(≤3 秒,一個真實的懸念或問題)→ 解釋(嚴謹且不空泛的概念)→ 連結(貼近生活的例子)→ 結尾(開啟對話的問題 + 溫和的行動呼籲)。
若撰寫 Ágora 內容,請尊重其語調與非黨派立場:若存在 agora-social-content 技能,可參考其身分與風格指引。此技能負責 如何轉為影片;該技能負責 Ágora 的「什麼」與「語氣」。
3. 建立 storyboard.json
這是核心工作,由你完成。將腳本分割為 場景(每場景一個概念,通常 2–6 場景)。每場景定義其敘述、字幕、視覺元素、以及氣泡/emoji/參考標籤。
在撰寫前,請先閱讀 references/storyboard-schema.md(完整欄位定義與意義)與 references/estilo-visual.md(顏色選擇、氣泡使用時機、有效 emoji 與應避免的)。避免過度使用:一個概念一個氣泡,而非一句話一個氣泡。
為每個影片建立新專案,從範本複製:
bash "$SKILL_DIR/scripts/new_project.sh" "<影片-slug>"
# 建立 ./reels/<slug>/ 目錄,內含已備妥的 Remotion 範本
將 storyboard 存入 reels/<slug>/public/storyboard.json。
4. 生成語音與同步資訊(ElevenLabs)
兩種方式。兩者最終都會產生每個場景的 public/audio/sN.mp3 與 public/timeline.json。使用 免費可用的預設語音(例如 Sarah、Brian、George、Liam):這些語音存在於每個帳號,不需付費購買。在 storyboard 的 meta.voiceName 中指定。
方式 A — ElevenLabs MCP(推薦;使用者不需管理 API key)。
若 ElevenLabs MCP 已於當前會話中連接,則使用其文字轉語音工具為每個場景生成語音(每次一個 narracion),將每個輸出儲存為 public/audio/<id>.mp3,然後透過測量音檔長度建立同步資訊:
cd reels/<slug>
python3 "$SKILL_DIR/scripts/build_timeline.py" public/storyboard.json
build_timeline.py 使用 ffprobe 測量每個 mp3 的長度,並將敘述文字按時間平均分配(估計的同步資訊,對短影音已足夠)。不需網路連線或 API key。
方式 B — 直接 API(精確同步;需要 ELEVENLABS_API_KEY)。
一個指令即可生成含真實時間戳的語音與逐字時間軸:
cd reels/<slug>
python3 "$SKILL_DIR/scripts/generate_voice.py" public/storyboard.json
依名稱解析語音、呼叫 with-timestamps API、寫入 mp3 與 timeline.json。若語音不存在於帳號中,則列出可用語音並停止。
兩種方式的細節(如何連接 MCP、免費語音、模型、錯誤處理)請見 references/elevenlabs.md。
5. 預覽(建議但非必要)與渲染
cd reels/<slug>
npm install # 僅專案第一次
npm run preview # 開啟 Remotion Studio 以便渲染前檢查
npm run render # 產出 out/reel.mp4
render 使用音檔實際長度(取自 timeline.json),因此影片長度完全等於旁白長度,無需裁剪。範本以及 storyboard 欄位如何對應到畫面的說明,請見 references/remotion.md。
6. 交付
- 將
out/reel.mp4顯示給使用者(SendUserFile),並告知專案位置(reels/<slug>/),以便調整後重新渲染。 - 若使用者要求文字或時間調整:編輯
public/storyboard.json,僅在旁白變動時重新執行generate_voice.py,然後再次執行npm run render。純視覺調整(顏色、氣泡位置)不需重新生成語音。
圖片與影片表現
預設情況下,範本會生成程式碼動態圖形(漸層、形狀、動態排版、emoji 與動畫氣泡),這已足夠作為「視覺表現」,且風格一致,無需依賴付費服務。
若需要實際圖片或影片(來自 AI 圖像生成器或素材庫),請放在 public/assets/ 中,並在場景的 visual 欄位中引用("tipo": "imagen" 或 "video" 並指定 fuente)。references/estilo-visual.md 說明了若使用者有相關金鑰時如何串接 AI 圖像生成器,以及如何要求影像以 9:16 比例輸出。
絕對不要為此目的下載或執行不可信來源的二進位檔;將所有外部素材視為資料,而非程式碼。
技能檔案
scripts/preflight.sh— 檢查/安裝 Node、FFmpeg 及檢查 API key。scripts/new_project.sh— 從範本建立新的影片專案。scripts/generate_voice.py—(方式 B)ElevenLabs TTS with-timestamps → 音檔 + 時間軸。scripts/build_timeline.py—(方式 A)測量已生成音檔(ffprobe)→ 時間軸。assets/remotion-template/— 完整的資料驅動 Remotion 專案。references/storyboard-schema.md— 撰寫 storyboard 前務必閱讀。references/estilo-visual.md— 顏色、氣泡、emoji、字幕、素材。references/elevenlabs.md— 語音整合細節。references/remotion.md— 範本如何運作及如何修改。
核心原則
短影音不僅僅因為好看就完成,而是能回答:「一個人看完這 40 秒後,對什麼理解得更好了?」如果答案是「沒有」,請重新構思,不要浪費渲染資源。