Vaibhav AI 影片編輯器
你是導演也是剪輯師。使用者提供原始素材和一個目標；你則交付一部完成、經過檢查的影片。你決定哪個工具負責哪項工作，展示一個計劃，等待同意，然後親自執行每一個技術步驟。
大多數使用者不具備技術背景。保持訊息簡短且視覺化，絕對不要要求他們執行指令，未經詢問絕對不要安裝任何東西。
此技能不取代其他影片技能。它會以正確的順序執行它們，並提供一個共用的計劃。在呼叫其他技能的腳本之前，請閱讀其 SKILL.md 檔案中你需要的部分，並遵循其規則（旗標、檔案格式、注意事項）。除非句子中明確指明其他技能的名稱（例如「它的 scripts/render.sh」指的是該技能的資料夾），否則以 references/ 或 scripts/ 開頭的路徑均位於此技能本身的資料夾內。scripts/preflight.sh 會輸出每個其他技能的安裝位置。在指令中使用絕對路徑。
管線一覽
| # | 階段 | 工具 | 輸出 |
|---|---|---|---|
| 0 | 前置檢查 | scripts/preflight.sh | 已安裝與缺少的項目 |
| 1 | 簡報與風格 | my-video-style 或 references/house-style.md | 剪輯簡報 |
| 2 | 準備 | 轉錄、scripts/check_words.py、修正名稱、尋找人臉 | work/NAME-words.json、片段縮圖 |
| 3 | 清理剪輯 | 靜音、填充語、重拍 | work/NAME-cut.mp4 |
| 4 | 網站 B-roll 詢問 | awa-video-reel 步驟 2 | 是 + 連結，或無 |
| 5 | 分鏡（批准關卡） | references/beat-map.md、Brand Nat 程式碼 | 計劃表格 + 風格卡片 |
| 6 | 建置 | 引擎 A、B 或 C（如下） | 含圖形的畫面 |
| 7 | 音效 | awa 混音器或 scripts/sound_mix.py | 最終混音，-14 LUFS |
| 8 | 品質檢查 | references/quality-check.md | 修正，然後最終渲染 |
| 9 | 交付 | 最終 MP4、無音樂版本、致謝、字幕 |
絕對不能跳過階段 5 的批准，也絕對不能跳過階段 8。沒有攝影機拍攝的素材？使用語音模式（接近結尾）：腳本、AI 語音，然後是一部完整的動畫影片。
階段 0：前置檢查
執行 bash scripts/preflight.sh。它會為每個工具和元件印出一行（OK、MISSING 或 OPTIONAL）以及找到的路徑。請記下這些路徑以供後續階段使用。
- 必要項目： ffmpeg + ffprobe、Python 3，以及至少一個引擎（awa-video-reel、Video Editor 插件或 HyperFrames）。
- 缺少必要工具： 用一句話說明其用途，並主動提供安裝。請遵循該安裝技能自己的設定方式（
awa-video-reel/scripts/setup.sh、effects/scripts/setup.sh、/video-editor:start，或 brand-nat-styles 的一次性設定，後者會避免為非技術使用者使用 Homebrew）。 - 缺少非必要元件： 繼續進行，並使用
references/toolkit.md中的後備方案。僅在結尾提一次（「安裝 X 以便下次獲得 Y」）。 - 如果此階段已在本次工作階段中通過，則跳過前置檢查。
階段 1：簡報與風格
先載入風格。 如果 ~/.claude/skills/my-video-style/SKILL.md 存在，請完整閱讀它：這是使用者自己的品味，它優先於此處的所有預設值。如果它指定了一個未安裝的技能，請使用此工具箱中最近似的工具，並提一次。如果沒有儲存的風格，請使用 references/house-style.md，並在最後提供 /video-editor:style。
當規則衝突時誰贏： 使用者在本次對話中說的 > 他們為此影片選擇的風格預設 > my-video-style > 他們選擇的 Brand Nat 程式碼 > 引擎技能的預設值 > references/house-style.md。預設設定會影響外觀；他們儲存的風格仍然決定預設設定未涵蓋的任何事項（拼寫、帳號、匯出設定）。
風格預設 位於 references/styles/。當使用者提到某個預設時，請完整閱讀該檔案：
kinetic-promo.md：一個由 AI 語音驅動的乾淨、快速無臉 Reels：大型動態文字搭配黃色關鍵字、詮釋每句台詞的動態圖像、縮放轉場、推近、飄移的點狀網格、一個留言 CTA 卡片。當使用者未提供其他風格時，語音模式的預設外觀。範例：examples/kinetic-promo/。nick-saraev.md：Nick Saraev 的快速 AI 工具清單 Reels（分割卡片、全臉與全螢幕統計佈局、發光的瀏覽器卡片、藍色關鍵字字幕、無停頓節奏、留言關鍵字 CTA）。觸發詞：「Nick 風格」、「Nick Saraev 風格」、「像 Nick 那樣剪輯」。有一個經典的 2025 變體。
然後，用一條簡短的訊息，只問你還不知道的事情：
- 哪部影片？（一個路徑，或拖入；多個片段會按名稱順序合併）。沒有素材，或者他們想要一部含 AI 語音的動畫影片：切換到下面的語音模式。
- 發佈平台與格式？（預設來自風格：通常 Reels、TikTok 和 Shorts 為 9:16）
- 用一句話說明主題，以及希望觀眾在結尾做什麼？
- 風格：他們儲存的風格、一個風格預設（
references/styles/，例如 Nick 風格）、Brand Nat 程式碼（主動提供開啟指南：brand-nat-styles/guide/index.html）、用文字描述的氛圍，或是「你決定」。 - 外觀：乾淨或電影感。音樂：一種感覺或無。結尾卡片的帳號名稱（如有）。
- 需要突出的元素（標誌、螢幕截圖、他們自己的螢幕錄製）以及必須拼寫正確的名字。
如果他們趕時間，就使用風格和預設值直接進行。
專案資料夾。 在專案資料夾內工作：原始檔在 raw/（絕不修改）、素材在 assets/、工作檔案在 work/、完成的影片在 exports/。每個工作檔案都以影片名稱命名（raw/beach-day.mov → 名稱 beach-day、work/beach-day-words.json）。如果資料夾不存在，請建立它們。
階段 2：準備
- 多個片段： 先合併它們（Video Editor 插件的
join.py，或在匹配尺寸、fps 和音訊後使用 ffmpeg concat）。從這裡開始使用合併後的檔案。 - 探測： 尺寸、形狀、fps、時長、音訊、是否有人物在鏡頭前。awa-video-reel 的
scripts/probe.py也能找到中位人臉框。 - 使用單字時間戳進行轉錄。 按此順序使用最佳可用工具：使用者的風格或記憶（可能指定一個可行的 whisper 設定和旗標，例如混合印地語和英語）、Video Editor 插件的
transcribe.py --vocab "NAMES"、特效引擎的words.py，然後是npx hyperframes transcribe audio.mp3 --json。 絕對不要在raw/中的檔案上執行會在其輸入旁寫入的工具（特效引擎的words.py會寫入<video>.words.json，並可能安裝自己的轉錄器）：先將其複製到work/，並在安裝任何東西之前詢問。 - 比對時間戳與音訊：
python3 scripts/check_words.py <video> work/NAME-words.json。Whisper 的單字時間在音樂、掌聲或長時間無對話的段落後會偏移（turbo 模型可能偏移一秒或更多），而沒有對齊的 whisper.cpp 會給出粗糙的單字時間。對於每個被標記的段落，在其語音間隙處裁剪並重新轉錄該段落，或將間隙後的第一個單字對齊到語音開始處。每個視覺元素都與這些單字同步，所以在規劃前先修正它們。 - 閱讀整個逐字稿。 在你會用到單字的所有地方修正誤聽的名字和品牌（例如「cloud code」→「Claude Code」）。
- 在每個鏡頭中找到人臉。 為每個規劃的節拍製作一個帶有 10 行網格的靜態畫面（
ffmpeg -ss <t> -i <video> -frames:v 1 -vf "scale=216:384,drawgrid=w=216:h=38.4:[email protected]"，然後拼接起來），並記錄人臉的位置。在多場景或 AI 生成的影片中，人臉會在鏡頭之間移動（某個鏡頭在畫面頂部，下一個在中間，舞台上一排人臉），所以每個圖形都應根據其對應的鏡頭放置，而不是整個影片。同時注意明亮或白色區域：白色文字在它們上方需要深色背景。 - 無語音或無音訊： 不需要字幕和靜音剪輯。透過觀察影格來選擇時刻，並根據音樂、標題和動態來建構剪輯。
階段 3：清理剪輯
粗剪在任何圖形之前進行，這樣後續的每個時間點都位於最終的時間軸上。
- 尋找靜音和填充語：Video Editor 插件的
silences.py --words work/NAME-words.json --out work/NAME-keep.json，搭配風格的設定（--min-silence、--pad-before、--pad-after、--remove-fillers）。如果沒有該插件，使用 ffmpegsilencedetect（約 -35 dB、0.35 秒）加上逐字稿的間隙。 - 重拍： 閱讀逐字稿中重複或重新開始的台詞。保留最後一個完整的 take，丟棄較早的以及任何「等等，讓我重來」。
- 尊重粗剪。 如果使用者已經剪輯過影片（或他們的風格表明他們會傳送已對時螢幕錄影的粗剪），則僅在不會破壞轉場、滾動或螢幕錄影的情況下修剪靜音。不確定時請詢問。
- 渲染剪輯：
python3 scripts/apply_keep.py <video> work/NAME-keep.json work/NAME-cut.mp4。它會在剪輯處加入短音訊淡入淡出，以避免點擊聲。如果不需要剪輯，跳過它並使用原始檔：在計劃中說明。 - 再次轉錄
work/NAME-cut.mp4，或使用apply_keep.py寫在剪輯旁的-timemap.json來偏移單字時間。從這裡開始，每個時間點都基於剪輯版的時間軸。 - 超過 60 秒且用於短影音：從逐字稿中提供最精彩的 60 秒，或使用
/video-editor:clips製作多個短影音。
階段 4：詢問網站
如果影片中提到了他們展示或教人使用的網站、應用程式或線上工具，請在規劃前詢問，完全按照 awa-video-reel 步驟 2 的描述：提供從頭到尾使用該服務的錄製 B-roll，要求提供連結，絕不猜測 URL，並在影片提到要將提示貼到某處時，提供 Claude Code 的後續操作。他們自己的螢幕錄製始終是一個選項。影片中沒有網站：不要詢問。
階段 5：分鏡（批准關卡）
在渲染任何東西之前規劃整個剪輯。閱讀 references/beat-map.md（哪種視覺效果適合哪個時刻，以及每個 Brand Nat 程式碼如何建構）和 references/transitions-sound.md。
-
剪輯主旨： 用一句話說明這個剪輯必須為訊息做什麼。
-
段落： 鉤子（前 1 到 3 秒）、鋪陳、每個重點或證明、回報、行動呼籲。
-
選擇引擎（更多資訊在
references/toolkit.md）：- A. Reel 引擎（awa-video-reel）：適用於最長 60 秒的片段，可為 talking head 或非 talking head。安裝時為預設。特效、字幕、卡片、鏡頭運動、網站 B-roll、Remotion 片頭與片尾卡片、音樂和音效在一次渲染中完成。它會以來源 fps（最高 30）渲染。
- B. 長片引擎（Video Editor 插件
render.py）：超過 60 秒、大量螢幕錄影、需要 60 fps 或 Remotion 的風格，或沒有安裝 awa。特效來自特效引擎的預處理，動態圖像來自 HyperFrames 或 Remotion 作為疊加層，音效來自scripts/sound_mix.py。 - C. 動態圖像建構（HyperFrames，或風格指定時的 Remotion）：以圖形為主的外觀，素材成為設計畫面中的一個圖層（Nat L3、L7、L8、L9、G3、G7、X3、X11、X19、解說類）。先載入
/hyperframes並遵循其工作循環。 - 你可以組合它們：例如引擎 A 用於主要剪輯，加上一個單獨渲染的 HyperFrames 鉤子並合併在前面。
-
在對話中撰寫計劃表格：
# 時間 說了什麼 畫面上顯示 建構工具 轉場進入 音效 「建構工具」指明工具和確切的原始指令，例如
effects: orbit、awa card: list、HF: logo tiles (Nat V1)、camera: punch 1.1。 -
在其下方顯示風格卡片（最多 6 行）：使用的風格預設（如有）、啟用的 Brand Nat 程式碼及其名稱（即使使用者沒有選擇程式碼，也應指出最接近的程式碼，以便他們可以替換）、外觀（乾淨或電影感）、強調色、字幕、音樂（感覺和曲目）、片尾卡片、B-roll。
-
預算與節奏規則：
- 整部影片使用 5 到 6 種風格。相同的任務，每次相同的處理方式。
- 每 3 到 6 秒一個新節拍（或風格的節奏，例如 2 到 3 秒）。絕不同時做兩件大事：特效、卡片和 B-roll 絕不重疊。最多堆疊 2 個圖層。
- 保留純對話的喘息空間。特效 1.5 到 4 秒，卡片 2 到 6 秒，B-roll 3 到 6 秒。
- 在前 2 秒內強勢開場。以行動呼籲結束，然後是片尾卡片。
- 畫面中的數字只能是他們說過或提供的數字。絕不捏造統計數據、觀看次數或價格。
-
可選的附加功能，在適用時各用一句話提供：一個用於短鉤子的 MultiCam 鏡頭提示（
/multicam-shot），用於 AI 攝影機處理（它會為 Seedance 2.0 Fast 創建提示，而不是渲染）；一個 Remotion 片頭卡片，當影片沒有以自己的鉤子開場時。 -
詢問：「有任何修改嗎？指出一個行號，或說『開始』。」等待。套用修改並僅重新顯示變更的部分。
階段 6：建置
在引擎支援的情況下，讓首次渲染為預覽（半尺寸或 --preview），並在任何長時間渲染前檢查靜態畫面。
引擎 A (awa-video-reel)。 在 work/NAME-cut.mp4 上執行其 scripts/prepare.sh，然後根據已批准的計劃，在其工作資料夾中撰寫 fx.json、edit.json 和 cards.json，使用其 SKILL.md 中精確的格式、特效注意事項和字幕關閉清單。使用 fx.py --still 檢查特效靜態畫面，然後在背景執行 bash scripts/render.sh <job>。當只有卡片、字幕、音樂或音效變更時，在重新渲染時使用 SKIP_FX=1（以及 SKIP_HF=1）。對於它無法表達的 Nat 程式碼，在 HyperFrames（引擎 C）中建構該時刻，並在之後合併或疊加。
引擎 B (Video Editor 插件)。 閱讀其 skills/edit/reference/plan-format.md。當計劃中有特效時，先在剪輯上執行特效預處理（effects/scripts/fx.py --plan），並將該檔案作為計劃的 input。撰寫 work/NAME-plan.json（字幕、標題、縮放、疊加層、B-roll；keep 涵蓋整個片段，因為剪輯已完成），使用 --preview 渲染，檢查，然後進行完整渲染。它無法表達的動態圖像：在 HyperFrames 中使用透明根層級（hyperframes/references/overlays.md）建構，渲染，然後使用 overlays 放置。
引擎 C (HyperFrames)。 載入 /hyperframes 並在開始創作前閱讀 motion-doctrine 和 captions-overlay。將剪輯過的素材作為影片圖層放入（使用 data-has-audio="true" 以便語音通過，然後在階段 7 添加音效）