Communitygithub.com

建立短影片

用於製作 Reels、Shorts 或 TikTok 的直式(9:16)泰語解說短片 — 新聞、工具評測或展示、概念、教學。採用仿手繪風格、由所有者親自錄製旁白,並以 Remotion 渲染。

建立短影片 是什麼?

此技能是一個完整的 runbook,用於建立以泰語旁白為主的垂直解說短片(9:16,60-90 秒),涵蓋新聞、工具評測、概念說明或教學步驟。它確保每部影片都遵從一致的工作流程:選擇故事形式、進行來源驗證的研究、撰寫遵循倒金字塔結構的腳本、由所有者親自配音(錄製指南、分割/組裝音軌),最後進行分鏡審查與渲染。該技能整合了「kien-thai」和「kode-thai」進行泰語校對,並自動套用預設的 Atlas 風格(如 Ballpoint 或 Whiteboard)。視覺元素幾乎以程式碼繪製,但有例外情況:對於即時網站展示,可以混入實際的螢幕截圖。所有渲染工作皆透過 Remotion 完成,首先輸出一份安全框分鏡表以供批准,隨後交付多種格式的影片(MP4、小尺寸影片、純配樂及字幕)。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/savepong/skills/tree/HEAD/skills/create-short-video

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

解說短影片(9:16,約 60-90 秒,泰語旁白,任何主題)

垂直解說影片的 runbook:新聞、工具或儲存庫評測、概念、教學或由所有者建置的某項功能展示。建置機制與風格移植存在於 create-video 技能中;請在步驟 4 之前載入它。語音引擎及其注意事項:references/voice-options.md。

需要:bun、ffmpeg/ffprobe、python3,以及 measure_ink.py 所需的 Pillow + numpy(uv run --with pillow --with numpy ...)。泰語散文潤飾使用 kien-thai 與 kode-thai 技能(npx skills add chakrit/kien-thai)。

預設值(無需重新詢問)

  • 9:16,1080x1920,8-10 個節拍,約 60 秒(Shorts 最長 3 分鐘;自行朗讀的腳本通常落在 80-90 秒)
  • 風格:所有者最後核准的 Atlas 風格。範本中的套件:Ballpoint(src/style/ballpoint.js,window.BP)和 Whiteboard(src/style/whiteboard.js,window.WB)。新風格需要貼上 Futurepedia AI Style Atlas 提示。
  • 視覺元素以程式碼繪製。僅針對主體及來源出處使用真實標誌。不得使用新聞照片。例外情況:當主題是即時網站展示時,您可以將自己捕獲的實際瀏覽器螢幕截圖,與繪製的節拍混合用於「展示運作方式」的節拍。
  • 語音:由所有者親自錄製。 交出 read-script.md,他提供錄音檔,scripts/split_recording.py 或 scripts/assemble_takes.py 會將其切割成節拍。僅在他要求時才使用合成語音(references/voice-options.md)。
  • 不使用表情符號,不使用 API 金鑰,引用資料來源。

首先選擇故事形式

形式與節拍範本:templates/story-shapes.md。

形式用途即時重新檢查
新聞發生了某事,可能仍在進行中是,在渲染前
工具評測 / 展示一個儲存庫、應用程式或產品:它的功能與重點親自執行它
概念某事物如何運作否
教學執行某事的步驟否,但需測試步驟

步驟與核准關卡

  1. 主題選擇。 偏好具有可繪製機制的故事,勝於單純誰做了什麼的新聞;跳過醜聞/八卦以及尚無任何可解釋內容的新訴訟。提供 3-4 個排名選項並說明原因,並聲明它們來自未經證實的新聞標題。先檢查 date。
    • 時效性: 無法在事件發生後約 1-2 天內發布的新聞影片會過時;在投入資源前先說明。提議替代方案:等待主要的後續報導(例如事件後的報告),或將事件作為範例重構成常青的概念影片。
  2. 研究。 閱讀主要來源(儲存庫、文件、狀態頁面、官方貼文)以及其他媒體。保持三個標籤分離:由我驗證 / 由來源聲稱 / 我個人的解讀。
    • 交接問題/簡報: 根據即時狀態驗證每個「當前狀態」的主張(該 PR 是否已合併、URL 是否可用、檔案是否如所述位置存在)。從 GitHub 讀取檔案(gh api repos/O/R/contents/PATH -H 'Accept: application/vnd.github.raw'),而非從所有者的本地儲存庫拉取或檢出。
    • 展示: 在瀏覽器中實際執行真實內容,重現任何陳述的數字,並測量資產大小(curl -sIL ... content-length),而非信任原始碼中硬編碼的估算值。在主張/實際對照表中報告不符之處。
    • 「無伺服器」/隱私宣稱: 列出頁面的網路請求(performance.getEntriesByType('resource'))。託管分析信標(例如 Cloudflare /cdn-cgi/rum)會出現在 DevTools 截圖中;過濾出擷取請求或在螢幕上解釋。
  3. 腳本 根據形式的範本撰寫,數字以文字表示,透過刪減字詞而非加快語速來達成目標長度。撰寫 read-script.md(編號的節拍,每個節拍一個呼吸)。
    • 新聞 = 倒金字塔: 節拍 1 是一個完整的開頭(誰、做了什麼、何時),可獨立存在;然後依重要性遞減排列;每個主張都要標明出處("X ระบุว่า"、"ด้าน ... เชื่อว่า");旁白中不得包含意見或道德評判,重點應放在說明文字中。
    • 簡報所需的出處與 URL 放在最後一個節拍與畫面上。
    • 使用 kode-thai 迴圈透過 kien-thai 潤飾: 審核、引用規則代碼、修正、重新閱讀、重複,直到一次檢查未發現任何問題。由所有者朗讀的解說 = 個人部落格風格,男性:使用 ผม、僅在結尾使用 ครับ,對於觀眾使用 คุณ,對於團隊使用 เรา。模型草稿中反覆發生的修正:เรา 在建立者與觀眾之間游移(deixis-continuity)、丟棄時使用 ทิ้ง(verb-calque)、不完整的 "ไม่ใช่ X เป็น Y" 缺少 ต่างหาก(f4/targhak-closure)、混用 เมกะ/เมกะไบต์(每項術語使用一種形式)、相鄰節拍中重複出現 ก็เลย/พอ。
  4. 語音 -> 關卡 1(所有者聆聽)。 錄製說明(QuickTime > 檔案 > 新增音訊錄製,品質最高,非 AirPods;或 iPhone 語音備忘錄 + AirDrop):在節拍之間暫停 約 2 秒,明顯比呼吸時間長(自行錄製的間隙約 0.6-0.9 秒,與句中呼吸時間相同,因此無法透過閾值將其恰好分割為 N 個);立即重讀說錯的節拍;自然朗讀英文名稱。提議先檢查節拍 1 的 10 秒測試。
    • 尋找錄音檔: 他可能會將數個檔案(多次錄製)放入子資料夾中,只說「完成了」。遞迴搜尋專案資料夾以及 find ~ -mmin -30 -iname '*.m4a',然後針對每個檔案報告持續時間、volumedetect 平均值/最大值以及靜音圖,再進行切割。在迴圈中對路徑加上引號(語音備忘錄的名稱包含空格)。
    • 單一檔案: python3 split_recording.py <file>;除非找到剛好 N 個節拍,否則會停止。如果沒有閾值能給出正確的數量,不要強行切割:詢問粗略的節拍開始時間,並將每個切割點對齊到最近的靜音處。
    • 多個檔案 / 重錄: 詢問哪個檔案對應哪個節拍,然後使用 assemble_takes.py 搭配一個 takes.json,包含每個節拍的 {file, start, end}。將一個包含多個節拍的檔案在其最長的靜音處分割,並針對單一拍檔案的說話速率(約 11 個泰文字元/秒)對每個切割進行合理性檢查;標記發聲時間短於 20% 的節拍(可能遺漏字詞)。它會對每個節拍進行音量匹配(beat_lufs),透過裁剪每個暫停的中間部分(ffmpeg 的 silenceremove 幾乎無法做到)將句中暫停縮短至 max_pause,然後在 loudnorm 之前進行壓縮(語音峰值約 22 dB;最終目標音量接近 -18 LUFS,TP -1.5)。
  5. 分鏡 -> 關卡 2(所有者核准)。 輸出每個節拍結束時間的靜止畫面,作為一張聯絡表以及全解析度 PNG。列出任何假設性或說明性的內容。
    • 透過像素測量構圖,絕不憑目測(目測曾錯過統一的右移)。scripts/measure_ink.py --z .. --camx .. --camdy .. stills... 將每個節拍的墨水內容放入 TikTok/Reels 安全框 x 140-940, y 230-1500(否則內容會溢出到應用程式 UI 下方),並列印修正後的 CAMXS/CAMDY/ZS;重新測量一次可確保至少 8 像素的邊距。產出一個 storyboard-sheet-safezone.png,其中不安全的區域會被著色(ffmpeg drawbox)。
    • 在每個節拍的最後一個標記(其 IO 結束點)之後立即拍攝該靜止畫面,而非在下一個節拍開始時間減去一個常數:一個提早結束的節拍已經在滾動離開,導致測量結果嚴重偏差。
    • 顯示 OCR / 文字辨識錯誤: 無環的泰文字體(Sriracha、Mali 及多數 UI 字體)會將 น 繪製成類似拉丁字母 u,而 บ/ป 類似 U,因此像 Qนotation 這樣的錯誤讀取在螢幕上看起來是正確的,並且能通過視覺檢查。透過 JS 文字而非螢幕截圖來驗證字串;使用 Itim(有環的、OFL 授權、已捆綁在範本中)繪製錯誤的讀取,並使用 measureText 圈出翻轉的字形。WB.mText 接受十六進位顏色:傳遞 B.hexOf(RED),而非 RGB 陣列。
  6. 渲染與驗證。 bun run render <slug>。影格數 == 持續時間 x 30;mp4 中的語音 LUFS == 語音檔案(旁白已混音);背景音樂約比語音低 20+ dB;使用繪圖中的靜止畫面(非節拍結束點)來檢查筆觸是否落在墨水上,且沒有任何內容離開安全框。對於新聞,請先重新閱讀主要來源並更新畫面上的時間戳記。
  7. 交付 到 ~/Downloads/<slug>-video/:完整 mp4、-small.mp4(CRF 24)、配樂 wav、來自 templates/captions.md 的字幕。提供絕對路徑。
  8. 發布。 切勿為所有者公開發布。如果為他上傳,請設定為私人,並僅在語音為合成時勾選 YouTube 的「變更或合成的內容」;由他按下發布。否則提供一個複製貼上組合包:檔案路徑、標題、說明、需要勾選的設定。

腳手架

scripts/new_short.sh <slug> [--out dir] [--from template] [--kits dir] [--no-install] 會將捆綁的 template/(Itim + 泰文字體、安全框攝影機、渲染/靜止畫面腳本、參考影片)複製到 ~/Videos/shorts/<slug>/(或 $SHORT_VIDEOS_DIR),將先前的影片保留為 _reference_* 以供調整,並將語音工具複製到 <slug>/voice/。依賴項會自動安裝(--no-install 跳過)。傳遞 --from <一個已完成的專案> 可從您最新的已核准影片開始,而非範本。

Futurepedia Style Atlas 素材(H 函式庫、SOUND 套件、提示以及從其參考程式碼移植的 Ballpoint/Whiteboard 套件)不屬於此技能 — 它屬於 Futurepedia。new_short.sh 會從 $CODE_MOTION_KITS(預設為 ~/Videos/shorts/_kits/{src/lib,src/style,prompts})複製它。如果沒有:將 Atlas 提示儲存到 proj/prompts/,執行 bun run extract-kit prompts/<style>.md,然後移植風格(create-video)。切勿提交這些檔案。

相關技能