Communitygithub.com

TimoteoAltobrando/ai-video-skill

使用 Claude Opus 5.5 從頭到尾製作和編輯影片,支援產品影片、廣告、訪談、教學、活動剪輯等多種形式。

ai-video-skill 是什麼?

此技能讓 AI 代理能夠從構思或現有素材出發,自動化完成影片製作的全流程,包括素材分析、創意方向、腳本撰寫、內容生成(使用 Codex 生成圖片、Seedance 製作動畫、ElevenLabs 製作音樂音效)、剪輯(使用 ffmpeg、whisper)、修改與輸出。其核心工作流程遵循一系列明確的階段:攝取 → 分析 → 方向 → 製作 → 修改 → 交付。它支援多種平台(如 YouTube、TikTok、Reels)和格式,並內建一套嚴格的品質與倫理規則,例如:清晰優先於美觀、事實必須有真實來源、每個決策需經用戶逐項核准、保護版權與隱私。此技能特別適合需要快速產出高品質、可自訂影片的使用者,無論是從空白頁面創作或編輯現有素材。

相容平台✓Claude Code✓Codex CLI~Cursor
npx skills add TimoteoAltobrando/ai-video-skill

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

AI 影片:使用 Claude Opus 5.5 製作和編輯影片

此技能將影片從最初的想法或一堆素材,一路推進到最終檔案,遵循一條明確的路徑: 攝取 → 素材與金鑰 → 分析 → 導演 → 腳本或紙本編輯 →(人物面對鏡頭)→ 製作 → 修改 → 交付。references/ 中的參考文件包含了每個工作環節的原則、配方以及應避免的錯誤。

使用用戶的語言與他們交談。首次使用專業術語時請加以解釋。保持回答簡短且具體:用戶必須隨時知道我們在哪個階段,以及我們需要他們提供什麼。你可以查看畫面,但無法聽到聲音:當需要根據聽覺做出選擇時,請告知用戶,並讓他們來決定。

黃金法則

  1. 清晰優先,美觀第二。 即使沒有聲音,觀看者也必須理解影片的內容。避免需要解碼的抽象隱喻,也不要使用需要說明的標題:讓觀看者從發生的事情中直接理解。
  2. 事實為真。 螢幕畫面、標籤、數字、名稱、地點和日期必須來自真實來源(產品、素材、用戶),而非憑空想像。絕不做出無法兌現的承諾或提供無人能證實的數字。AI 生成的圖像絕不能偽造真實的人物、產品或地點。
  3. 先問後做,先審後產。 首先進行攝取階段(references/intake.md)。然後逐段撰寫腳本(或針對素材的紙本編輯),每段附上一張圖片或畫面。只有經過核准的內容才會被製作成動畫或進行組裝。
  4. 一次一個決定,並記錄下來。 每個經核准的選擇都必須寫入 docs/script.md 或 docs/edit.md。切勿將用戶未明確表示同意的內容視為已核准。當請求的範圍不明確時,先問清楚再開始工作。
  5. 版權與同意。 可辨識的人物必須同意出鏡;所使用的音樂必須能在影片發布的平台上合法發布;其他公司的標誌僅能使用官方檔案。必須在開始時就詢問哪些人不能出現在影片中,而不是在剪輯完成後。
  6. 品牌精準。 標誌僅使用官方檔案;動畫標誌必須精準對齊官方 SVG 檔案到像素層級;品牌顏色必須完全正確。如果在工作期間品牌有更新,必須在所有地方同步更新。
  7. 連貫性與節奏。 同一個物體應從一個場景連貫地延續到下一個;事件和剪接點應落在音樂的節拍網格上。音樂是為剪輯而創作或剪裁的,而不是反過來。
  8. 物理真實性。 任何添加到真實素材中的元素都必須符合真實攝影機的物理規則:透視、光線方向、陰影、比例、景深。
  9. 金鑰與資金。 金鑰存放在鑰匙圈(或環境變數)中,絕不能列印或寫入檔案。每筆花費都必須記錄,並保持在約定的預算上限內。
  10. 用眼睛檢查,並進行測量。 每次修改後,先將關鍵幀渲染成聯絡表並檢查,然後再發送任何內容;測量可測量的項目(音量、同步、字幕與語音比對)。經常發送草稿,也包含供手機播放的輕量版本。用戶原始素材絕不能被修改。

階段 0 · 攝取:這是什麼類型的影片(提問)

閱讀 references/intake.md 並遵循其步驟。簡而言之:

  1. 第一輪(使用提問工具,一次通話):起始點(從零開始 · 素材待編輯 · 兩者皆有 · 已完成影片待修改)、影片類型、觀看平台、預計長度。
  2. 第二輪,每部影片的核心:用一句話說明目標、目標觀眾、素材(路徑與連結)、必須精確書寫的名稱與文字、截止日期與核准者;語音、螢幕文字、音樂、AI 圖像的使用方式;版權與同意;預算。
  3. 第三輪,所選類型的模組(產品、人物面對鏡頭、解說、剪輯、短直式影片、標誌、音樂錄影帶、修改已完成影片)。
  4. 簡報回饋:docs/brief.md 呈現在一個畫面中,詢問「是否正確?還有遺漏嗎?」,以及 intake.md 第 6 節的檢查清單。在仍有「必須」事項未解決前,不要開始分析。

跳過請求中已回答的所有問題;為每個問題提供一個預設值(intake.md 第 5 節)。

階段 1 · 工具與金鑰

僅針對所選路徑會用到的工具(詳細資訊和指令請參閱 references/tools.md):

  • ElevenLabs(音樂、音效、人聲隔離):一個 API 金鑰和一個額度上限。
  • OpenRouter(Seedance、AI 動畫):一個金鑰和一個花費上限。
  • Codex CLI(圖像):已安裝並登入。
  • Remotion:個人及 3 人以下公司免費;超過此規模需購買公司授權。
  • whisper(語音轉文字),用於有語音的素材以及檢查字幕。

切勿要求用戶在聊天中貼上金鑰:應提供指令讓用戶從自己的終端機將金鑰儲存到鑰匙圈,然後檢查腳本能否讀取它們。如果金鑰仍被貼上,立即儲存它,絕不重複提及,並建議重新產生金鑰。

然後自行檢查:node、ffmpeg、python3(以及路徑所需的 codex、swiftc、whisper-cli);可用磁碟空間(動畫影片需 15-20 GB,含素材需 30-40 GB 或更多:約為素材大小的三倍);Python 環境(references/tools.md)。如果缺少任何東西,請說明修復的指令。

階段 2 · 分析(無須提問)

閱讀、觀看並轉錄所有內容,然後完成 docs/brief.md。

  • 品牌指南(如有):顏色、字體、動態曲線、標誌使用規則、禁止事項、語氣。
  • 產品(A 類和 C 類):真實的逐步流程,包含精確的標籤;已驗證的事實,不含未經證實的主張。
  • 素材(有任何素材時):使用 scripts/inventory.py 建立表格並為每個片段建立聯絡表、語音的逐字稿、常見陷阱(可變幀率、HDR、旋轉、混合幀率)。參閱 references/editing.md 第 2-3 節,以及當有人對著鏡頭說話時參閱 references/on-camera.md。
  • 參考資料:畫面、聯絡表,以及它們之所以有效的原因(文字、節奏、剪接、音樂)。
  • 競爭對手或類似影片(如有幫助且可進行網路搜尋時)。

最後以五行摘要總結:你理解了什麼、在素材中看到了什麼、還有哪些疑問。

階段 3 · 導演(提問)

創作型影片(從零開始,或圍繞素材的圖像):

  1. 2-3 個故事點子,每個包含 5-7 個節拍,附帶時長、視覺風格和音樂風格,每個點子附 1-2 張 Codex 圖片組成聯絡表。詢問用戶選擇哪一個,或如何混合。
  2. 視覺風格:如果尚未決定,針對同一個節拍提供兩到三個方向。
  3. 腳本:使用 assets/templates/script.md 建立 docs/script.md,這是一個包含時間、畫面內容、螢幕文字、鏡位以及每個片段一個分鏡圖片的表格(scripts/codex_image.sh)。如果有演講者,腳本是旁白而非解釋。首先閱讀 references/direction.md。

編輯素材型:

  1. 框架:為此素材提供 2 種故事框架(editing.md 第 6 節),每種包含各段落及其長度。
  2. 精選片段與紙本編輯:使用 assets/templates/edit.md 建立 docs/edit.md,並附上依照順序排列、每個鏡頭一個畫面的聯絡表。詢問用戶對他們而言重要的時刻:你無法知道誰是誰。

短直式影片:在進行其他部分之前,先提供 3 個第一秒的鉤子,以畫面形式呈現。

在所有情況下,逐項核准:持續修正直到用戶表示滿意為止。

階段 3b · 人物面對鏡頭:房間、燈光、語音(提問)

僅在有人對著鏡頭說話時執行。首先閱讀 references/on-camera.md:其中包含問題、各種選項及其風險、配方,以及如果素材尚未存在時的拍攝指南。一次問完(使用提問工具提供封閉式選擇):房間(保留、模糊、裝飾、替換,及其風險)、模糊強度、燈光、場所風格、房間內的品牌元素、語音(清理、口誤、重新錄音)、人物周圍的圖像。

然後:先提出空房間的提案,再提供3-4 張包含人物的測試畫面,最後才處理整個鏡次。

階段 4 · 製作

在編寫程式碼之前閱讀 references/remotion.md,在處理音訊之前閱讀 references/music.md;若有素材,也閱讀 references/editing.md;若有人物面對鏡頭,也閱讀 references/on-camera.md。

  1. Remotion 專案。 專案幀率(全動畫影片使用 24,否則使用素材本身的幀率,通常是 30)、選擇的格式、音樂網格(在 120 BPM 下:24 fps 時每拍 12 幀,30 fps 時每拍 15 幀)。時間標記放在 timing.ts 中(針對素材,從 docs/edit.md 產生),文字放在 texts.ts 中,品牌標記放在獨立的檔案中。
  2. 素材:使用固定幀率和 SDR 的工作副本,長 4K 素材使用代理檔案,原始檔案保持不變(editing.md 第 4 節)。
  3. 使用 Codex 產生的圖像,始終使用相同的參考圖片以維持一致的風格。文字和標誌絕不由 AI 繪製。
  4. 使用 Seedance 的 AI 動畫(scripts/seedance.py)僅在必要時使用:先使用快速的 720p 模型,主要鏡頭使用 1080p,每次呼叫都加上 --log docs/spend.md --cap <dollars>。
  5. 人物面對鏡頭:HDR 轉換、人物遮罩、空房間,然後是選定的房間(on-camera.md)。
  6. 場景與組裝:將介面製作成真實元件、使用紙本編輯中的精確入點和出點、標題、下方三分之一區域、字幕;先進行色彩比對,然後進行調色(editing.md 第 9 節)。
  7. 使用暫用聲音的初稿:渲染、製作聯絡表、檢查,然後發送初稿和輕量版本。
  8. 在時間穩定後處理音樂和聲音:根據段落生成音樂(2-4 次錄製,先依小節選擇,再由用戶的聽覺決定)或將用戶的音樂軌道以完整小節為單位剪裁;在其下方混合環境音和人聲;根據事件添加音效(music.md)。
  9. 使用 scripts/export.sh 匯出:音訊同步,母帶處理至 −14 LUFS(網路和社交媒體的標準感知音量),加上輕量版本。

階段 5 · 修改

每一輪修改:套用變更;檢查型別(npx tsc --noEmit);渲染並檢查受影響的畫面(如果其餘部分已定案,僅重新渲染變更的範圍);匯出;發送影片並附上兩行說明,解釋變更了什麼以及還有哪些待辦事項。

典型的修改請求記錄在 references/direction.md(「總是會出現的修改」)、references/on-camera.md 和 references/editing.md 中。以完整小節為單位移動音樂或場景。如果只變更音樂音量,請保持主增益固定(FIXED_GAIN_DB),否則語音和音效也會跟著變化。

階段 6 · 交付

閱讀 references/delivery.md:主檔案、輕量版本、低於上傳限制的手機版本、約定的其他格式和長度;平台備註(長度限制、內嵌字幕與自動字幕關閉、直式影片的安全區域、封面);片尾卡和行動呼籲;docs/ 包含每個決策和花費。在交付前:確認檔案中沒有金鑰或個人路徑、使用官方標誌、已測量音量、已檢查字幕與語音比對、已移除中繼資料(位置、日期)(如果用戶要求)。

在哪裡找到什麼

檔案何時閱讀
references/intake.md每個專案開始時:問題樹、預設值、檢查點
references/direction.md在撰寫腳本前及每次修改時:原則、螢幕文字、典型修改
references/editing.md每當有素材需要編輯時:庫存管理、精選片段、紙本編輯、剪接、調色、聲音、重新取景、隱私
references/on-camera.md當有人物面對鏡頭說話時:問題、拍攝指南、語音、房間與燈光、遮罩、合成
references/tools.md階段 1 以及每當使用 Codex、Seedance、ElevenLabs、ffmpeg、whisper 時
references/remotion.md在撰寫 Remotion 專案之前
references/music.md在生成或剪裁音樂和音效之前,以及進行混音時
references/delivery.md匯出、手機限制、平台、直式安全區域、行動呼籲、發布貼文
scripts/inventory.py、contact_sheet.py、codex_image.sh、seedance.py、elevenlabs.py、measure_music.py、prepare_bed.py、export.sh,以及針對人物面對鏡頭的 hdr_to_sdr.sh、person_mask.swift、clean_plate.py、blur_background.py、wall_perspective.py(每個檔案頂部都有使用說明)
assets/templates/brief.md、script.md、edit.md(精選與紙本編輯)、image-prompt.md、music-plan.json

相關技能