Podcast 影片
製作一個 1920x1080 解析度的影片，內容為兩位主持人針對一個主題進行對話。每個主題都會有專屬的背景照片、標題卡、圖示以及帶有動態語音條的發言者標籤。主題切換時會出現全螢幕的擦除過場效果和「嗖」聲，圖示會伴隨「啵」聲彈出，最後一個場景則包含訂閱按鈕和工作人員名單。影片開場可以選擇使用使用者自己的複製語音。
在修改任何合成設定前，請先閱讀 /hyperframes。底下的腳本都位於此技能的 scripts/ 資料夾中。請在影片專案資料夾中執行它們。
0. 先進行訪談
在完成此步驟之前，不要進行任何研究、寫作或產出。重新渲染影片非常耗時，所以請在開始前就敲定所有決策。這個方法來自 Matt Pocock 的 grilling 技能。
決策形成一個樹狀結構：有些問題必須等到其他問題確定後才能詢問。請以回合的方式進行：
- 一次詢問所有你已經具備先決條件且能回答的問題，不要問任何依賴於你尚未聽到的答案的問題。那個問題會留到後面的回合。
- 為每個問題編號，並提供你建議的答案，措辭要讓使用者回答「是」即表示接受。
- 等待答案，然後釐清這些答案解鎖了哪些問題，再繼續下一回合。某個答案也可能讓原本計劃的問題變得無意義：那就直接跳過。
每個問題的格式如下：
❓ **Q1** - **<標題>**: <問題內容>
➡️ <你建議的答案>
事實是你的工作，決策是他們的工作。 永遠不要問那些你自己就能查到的事情：例如 VoiceStudio 是否正在運行、有哪些語音設定檔（GET /profiles）、資料夾裡有什麼、研究結果是什麼。永遠不要替他們做決定。請用純文字提問，這樣他們可以用自己的話回答。
需要涵蓋的決策，大致依此順序：
| 回合 | 決策事項 |
|---|---|
| 1 | 主題和具體切入點。觀眾是誰，他們已經知道什麼。希望觀眾看完後做什麼。目標長度。 |
| 2 | 兩位主持人：他們是誰以及他們的關係，例如專家和客戶。語氣。節目名稱。是否以使用者自己的語音開場。 |
| 3 | 如果以他們的語音開場：使用哪個語音設定檔，以及確切的開場白。為設計好的主持人設定口音和語調特徵。 |
| 4 | 研究之後：要使用哪些發現，以及任何希望不要提及的主張。主題列表及其順序。 |
| 5 | 視覺與聽覺風格：照片的類型，每個主題的圖示，對擦除效果、嗖聲和啵聲的任何修改。影片將發布在哪個平台。 |
如果請求中已經回答了某些問題，請直接跳過。如果他們說「直接開始吧」或「你決定就好」，就停止提問，採用你建議的答案，並列出它們。問題數量沒有限制，但不要為了問而問：每個問題都必須能改變影片的結果。
最後，用幾句話回放你的計畫：主題、觀眾、長度、主持人、開場、主題列表以及呼籲行動。在他們確認之前，不要開始步驟 1。 如果後續某個環節重新開啟了一個已決定的問題，例如研究結果動搖了原先的切入點，請暫停並再次提問。
1. 檢查設定
curl -s "$VOICESTUDIO_URL/profiles"應能正常回應。預設 URL：http://localhost:3000。 如果伺服器有 API 金鑰，則必須設定VOICESTUDIO_API_KEY。切勿將金鑰寫入專案檔案中。ffmpeg和node指令需可在 PATH 環境變數中找到，且 HyperFrames 技能必須已安裝。
如果缺少任何項目，請暫停並引導使用者參閱此技能的 README 檔案。
2. 建立專案
執行 npx hyperframes init <dir>，然後將 templates/script.example.json 複製到 <dir>/script.json。
3. 研究並編寫 script.json
首先研究主題。每個統計數據都必須有真實來源：將其放入該場景的 source 欄位中，不要憑空捏造數字。撰寫自然的對話稿，速度約為每分鐘 150 字。
| 欄位 | 意義 |
|---|---|
show | 節目名稱，顯示在每個場景上 |
chips | 最後一個場景上的工作人員名單標籤 |
voices | 每個發言者一個條目。包含 name、role、color，以及 profile_id 或 instruct 與 seed |
scenes | 依出現順序排列。包含 kicker、title、icon、可選的 sub 和 source。最後一個是片尾 |
lines | 依序排列的口白回合：包含 who、scene、text。同一個場景的口白必須連續排列 |
icon 是適合該主題的 Lucide 圖示名稱，例如 phone-call。
若要使用使用者自己的複製語音開場，請新增一個語音條目，其 profile_id 來自 VoiceStudio（從 GET /profiles 取得），為它建立一個專屬的第一個場景，並在口白結尾加上交接語句，例如「讓我們開始吧！」。只有獲得語音所有者的許可才能複製其語音。
在產生語音之前，將腳本顯示給使用者看。
4. 產生語音
執行 python3 <skill>/scripts/make_voice.py
這會寫入 assets/audio/ 和 assets/lines.json。音訊會被快取，因此編輯腳本後只會產生變更的部分。如果使用者重新複製語音，請刪除 assets/audio/ 中對應的音訊檔案以便重新產生，並先確認設定檔的 ref_audio_path 已變更：未儲存的複製會保留舊的語音。
在渲染影片之前，請讓使用者先聽聽看產生的音訊。
5. 新增圖片、圖示和音效
圖片： 每個場景需要 assets/img/<scene-id>.jpg，橫向，寬度至少 1920 像素，且與前一個場景使用不同的照片，讓每個主題切換都可見。僅使用使用者可以發布的圖片，例如來自 Wikimedia Commons 的 CC 授權照片。將每張圖片的來源記錄在 assets/img/credits.json 中，格式為
{"<scene-id>": {"artist": "...", "license": "...", "page": "..."}}。最後一個場景會顯示藝術家的名稱。
圖示：
npm pack [email protected] --silent && tar xzf lucide-static-0.460.0.tgz
mkdir -p assets/icons && cp package/LICENSE assets/icons/LICENSE
cp package/icons/<icon-name>.svg assets/icons/ # 為每個場景圖示執行一次
rm -rf package lucide-static-0.460.0.tgz
音效： 執行以下指令，並複製每個指令輸出的檔案路徑：
npx hyperframes media-use resolve --type sfx --intent "short whoosh transition" --project .
npx hyperframes media-use resolve --type sfx --intent "quick pop badge" --project .
mkdir -p assets/sfx
cp <whoosh 檔案路徑> assets/sfx/whoosh.mp3
cp <pop 檔案路徑> assets/sfx/pop.mp3
任何使用 CC BY 授權的音效，請透過 chips 欄位在最後一個場景上標明出處。
6. 建置與檢查
執行 python3 <skill>/scripts/build.py，然後執行 npx hyperframes check。修正所有錯誤。接著執行
npx hyperframes snapshot --at <秒數>，在渲染前檢查場景切換時的畫面。擦除效果會以全螢幕方式出現在 build.py 所輸出的場景開始時間點。
7. 渲染
執行 npx hyperframes render。MP4 檔案會輸出到 renders/ 資料夾中。每分鐘影片預計需要數分鐘的渲染時間。
檢查產出的檔案，然後告訴使用者你測量的結果：執行 npx hyperframes audio <video> --json 可以顯示音訊是否存在以及音量是否在範圍內。你可以測量聲音，但無法聽到它，所以請使用者自行聆聽確認。