Talking-Head Short — 專業編輯器
回覆精簡，不要重複轉錄文稿或長篇日誌。使用「編輯」工具修改 spec.json，不要重寫。每個腳本都會輸出簡潔報告；閱讀、行動、繼續前進。
S=<此技能目錄>/scripts，WD=<原始影片旁的工作目錄>/ths_<名稱>。
0. 設定（每台機器／沙盒執行一次）
bash $S/setup.sh → 使用輸出的 PY=。它會從 PyPI 安裝所有套件，如果沒有 ffmpeg 也會安裝靜態版本。
每個下載都有自動備援。沙盒（claude.ai 程式執行，無論免費或付費）通常會封鎖 HuggingFace、Mixkit 和 Google Fonts API，但允許 GitHub：
- 轉錄模型：HuggingFace → GitHub 鏡像（whisper-base，再降級至 whisper-tiny）
- 音樂／音效：Mixkit → GitHub 鏡像 CC0 套件（編號類似
pack:lofi_chill） - 字型：Google Fonts 儲存庫 → jsDelivr → GitHub 鏡像 OFL 套件（32 種字型家族）→ 系統字型
- B-roll：Mixkit → 無（使用卡片，或請使用者上傳片段）
如果設定印出「無網路」/ pip 失敗：表示沙盒的網路傳輸已關閉。請明確告知使用者（一次訊息）：
「claude.ai → 設定 → 功能 → 程式執行 → 網路存取：所有網域（或新增：pypi.org、files.pythonhosted.org、github.com、objects.githubusercontent.com、release-assets.githubusercontent.com、api.github.com、raw.githubusercontent.com、cdn.jsdelivr.net、huggingface.co、mixkit.co、assets.mixkit.co），然後開始新對話並再次執行 /talking-head-short。」如果沒有 numpy/ffmpeg 就不要嘗試編輯。
僅在所有來源都失敗時：要求貼上轉錄稿 →
$PY $S/align_text.py $WD transcript.txt。資產會快取在~/.ths_assets。
1. 分析
$PY $S/analyze.py RAW $WD
它會輸出解析度、眼睛位置、淨長度、自動移除的填充詞／結巴／重複、CHECK（軟性填充詞、低信心度字詞、長停頓），以及每 8 個字附帶時間戳記的 TEXT。
- 自行判斷不良片段。 移除錯誤的開頭、未完成的句子、「你知道就類似 對啊」、「差不多」。保留修辭性的重複。使用
--remove '[[s,e],...]'（來源秒數）重新執行。轉錄內容會快取。 - 只有在眼睛位置或構圖有疑慮時，才查看
$WD/frames.jpg。
2. 摘要（在心中，然後對使用者說 4 行）
寫出：主題 · 核心訊息 · 情緒曲線（鉤子 → … → 結尾） · 主題列（從 NICHES） · 語調（冷靜／平衡／活力） · 原始構圖（寬鬆或緊密）。
然後執行 $PY $S/style.py RAW "<niche>" --out $WD/style.json。它會提供適應後的調色盤（附原因）、字型、MG／B-roll／音樂／音效方向以及重要備註。
閱讀 references/craft.md 一次（規則）和 references/spec.md（規格格式）。
3. 在建立前先詢問（絕不先渲染）
如果可用，使用 AskUserQuestion；否則使用一條精簡的編號訊息。每次推薦選項 1。
- 風格： 偵測到的主題 + 語調（例如「自我成長 · 冷靜反思」）對比 1–2 個替代方案。
- 字型： 該列的配對對比 2 個替代方案，需有明確的風格對比（無襯線主體 + 襯線／斜體關鍵字，或粗體無襯線關鍵字 + 斜體襯線重點）。
- 調色盤： 影片適應的列調色盤對比影片衍生調色盤，或使用者提供的品牌色。
- 視覺密度： 簡潔（字幕 + 2–3 張卡片） · 平衡（字幕 + 4–6 張卡片／B-roll） · 豐富（更多 MG + B-roll）。
- 音樂： 從
$PY $S/assets.py music "<mood>"列出 3 個授權候選（id · 標題 · 標籤），或無。 - B-roll： 是（符合逐字內容的授權素材）／否。 跳過使用者已回答的問題。等待答案。
4. 收集資產
- 字型：
$PY $S/assets.py font "Family" ... - 音樂、音效、影片：執行
assets.py music|sfx|video "<query>"列出，然後執行assets.py get <kind> <id> $WD。- 音效依語調：冷靜 →「air woosh」、「chime」；平衡 →「whoosh」、「pop」；活力 →「swoosh」、「impact」（每個只用一次）。
- 被封鎖的來源會自動使用備援（套件編號）。
assets.py pack列出整個離線 CC0 套件。
5. 撰寫 spec.json、計畫、風格預覽
- 撰寫
$WD/spec.json（參見 references/spec.md）：依口說順序的字幕、對應正確句子的卡片、音訊。 $PY $S/engine.py $WD --plan→ 透過編輯 spec 修正每個 ISSUE（縮短或合併節拍、移動或刪除卡片下的字幕），然後重新規劃直到沒有 ISSUE 或只剩下可接受的。$PY $S/engine.py $WD --frames t1,...使用 10–15 個時間點：每張卡片的中心點和結束前 0.3 秒，以及每條字幕結束前 0.1 秒。查看$WD/styleframes.jpg並修正任何被裁切、擁擠、對齊錯誤或偏離調色盤的部分。- 向使用者展示風格預覽，並附上一行訊息（「可以渲染嗎？」）。僅針對他們標記的部分迭代。
6. 渲染、混音、品質檢測
bash $S/render.sh $PY $WD並行渲染各部分並串連（在筆電上約每分鐘影片 5 分鐘）。在有單一指令時間限制的沙盒中，每個部分執行一次$PY $S/engine.py $WD --render --part i/N，然後執行--concat N。$PY $S/mix.py $WD→final.mp4（語音清理、與結尾對齊的音樂降低、音效、-14 LUFS）。$PY $S/qa.py $WD→ 查看qa_endframes.jpg。每個節拍和卡片的結尾必須顯示完整的文字和動畫。閃爍幀必須為零。- 交付檔案路徑，加上 3 行說明你選擇了什麼以及為什麼。提及任何無法下載的資產。
不可妥協的事項（原因：每一項都曾被指出是業餘表現）
- 字幕絕不被裁切。主體 ≤ 關鍵字寬度且位置靠近。兩種對比字型風格符合黃金比例。絕不為單獨的填充詞加字幕。
- 動態圖形展現語意，在場景切換前完成，且維持統一的視覺系統。沒有火柴人或剪貼畫。
- 流暢：經過緩動、鎖定眼睛的縮放跨鏡頭切換；無閃爍幀；多樣化轉場。
- 僅色彩校正。僅使用授權資產（Mixkit / Google Fonts OFL），並在 $WD 中保留 LICENSES.txt。