瀏覽器影片錄製
依賴模型
將工作流程分為三個層次:
- 瀏覽器控制與來源影格:透過 Browser 技能/MCP 使用 Codex 應用程式內瀏覽器。當使用者要求 Codex 瀏覽器或專案要求不使用 Chrome 時,請勿使用 Chrome。瀏覽器層提供真實的螢幕截圖以及真實的點擊/滾動/導航狀態。
- 本地影片渲染器:使用隨附的 Python 腳本將螢幕截圖渲染成 MP4,包含自然的 macOS 游標、微妙的點擊縮放效果以及平穩的縮放追蹤構圖。這不需要螢幕錄製 MCP。
- 可選的原生錄製器整合:僅在可呼叫且對啟動/停止實際應用程式錄製或開啟生成的專案明確有用時,才使用原生錄製 MCP。如果無法使用、被封鎖或無法捕捉 Codex 瀏覽器畫面,則回退至截圖轉影片渲染器,並說明回退原因。
自包含執行
只要安裝了完整的技能資料夾(包含 scripts/render_browser_demo.py),此技能足以讓另一個 Codex 實例執行 Python 渲染。Codex 應執行隨附的腳本,而非重新建立渲染器。
所需的本地工具:
python3- Python 套件
Pillow ffmpeg和ffprobe
可選的 macOS 游標提取使用 swift 和 /usr/sbin/screencapture。如果這些工具不可用,請透過 cursor_asset 提供透明 PNG,並在設定中設定 cursor_hotspot。
仍然需要 Browser 技能/MCP 來獲取最新的 Codex 應用程式內瀏覽器截圖。如果無法使用,請使用可用的最佳瀏覽器自動化截圖來源,並說明回退情況。
可選的原生錄製器支援
對於原生應用程式錄製,請驗證 MCP 是否支援:
- 使用
frameRate: 60。 - 使用
resolutionRawValue: "4K"。 - 對於區域錄製,使用
ratioPresetRawValue: "4:3"。 - 當裁切到內嵌瀏覽器視口時,使用明確的
selectedRegionOnScreen。
對於本地渲染器,4K 4:3 意味著 3840x2880。如果原生錄製器暴露了 4K 列舉,則將其視為應用程式端的解析度預設,並在透過該 MCP 錄製時搭配 4:3 區域選擇。
捕獲工作流程
首先使用 browser:control-in-app-browser。載入其文件後,使用 Node/browser API 驅動應用程式內瀏覽器:
- 將視口設定為
1920x1440以獲得 4:3 4K 輸出,然後在完成前重置它。 - 導航到請求的頁面並執行實際的點擊、返回、搜尋和滾動。
- 在每個重要的狀態變更後保存僅限瀏覽器的螢幕截圖。使用類似
01-results-top.png、02-after-card-click.png、03-back-results.png的名稱。 - 記錄每個點擊/滾動目標的視口座標。最終的游標路徑應落在這些點上,暫停,點擊,然後移動到下一個有意義的點。
除非使用者明確需要系統 UI,否則避免桌面座標自動化。Codex 瀏覽器的可見性可能無法暴露可捕捉的 macOS 畫面;來自瀏覽器 API 的螢幕截圖是可靠的來源。
動作規則
讓游標感覺有目的性:
- 使用稀疏的、大部分是直線的游標路徑。
- 在目標上短暫暫停後再點擊。
- 不要在不相關的 UI 上遊走。
- 讓頁面轉換發生在點擊之後,而不是之前。
- 僅使用微妙的點擊回饋:縮放下降/反彈,除非要求,否則不使用裝飾性圓圈。
- 讓縮放追蹤比游標更平穩。鏡頭應構圖點擊的內容,而不是追逐每一個微小的滑鼠移動。
預設視覺目標:
- 從合成器提取的真實 macOS 指標,或現有的透明游標素材。
- 游標比例
3.0,與常用於編輯過的示範錄影中的大游標風格相符。 - 點擊動畫強度
15,以獲得微妙的點擊縮放下降效果。 - 旋轉強度最高
8deg,僅來自水平速度。
渲染腳本
使用 scripts/render_browser_demo.py 進行確定性 60 fps 4:3 4K 輸出:
python3 /path/to/browser-video-recording/scripts/render_browser_demo.py \
--config /tmp/browser-demo-config.json \
--output /tmp/browser-demo-4x3-4k-60fps.mp4
生成入門設定:
python3 /path/to/browser-video-recording/scripts/render_browser_demo.py --write-template
設定提供:
shots:狀態名稱到截圖 PNG 路徑的映射。scene_starts:[time, shotName, transition]條目。cursor_keys:[time, x, y]視口座標條目。camera_keys:[time, x, y, zoom]條目。click_times:點擊時間戳記。duration、fps、output_size、source_size、cursor_scale。
偏好的預設值:
{
"fps": 60,
"output_size": [3840, 2880],
"source_size": [1920, 1440]
}
如果省略了 cursor_asset,腳本會短暫顯示純色覆蓋層,並使用 screencapture 將真實的當前 macOS 游標提取到一個透明 PNG 中。這是本地渲染支援,不是 MCP 依賴。
驗證
始終驗證生成的影片:
ffprobe -v error \
-show_entries stream=codec_name,width,height,r_frame_rate \
-show_entries format=duration,size \
-of json /path/to/output.mp4
提取至少一個影片中間的縮圖並檢查:
ffmpeg -y -ss 8 -i /path/to/output.mp4 -frames:v 1 -update 1 /tmp/browser-demo-thumb.png
確認:
- 解析度是請求的輸出,通常為 4:3 4K 的
3840x2880。 - 幀率為
60/1或等效值。 - 時長符合要求。
- 游標可見、自然且位於目標上。
- 影片已裁切為瀏覽器內容,而非桌面。
- 瀏覽器視口覆蓋已重置。