learnaiwithhugo/video-editor-skills

/edit-my-video

原始片段輸入，產出 1080x1920 的 Reel，完全依照使用者的風格。使用者通常不具技術背景：請用簡短的訊息一步步說明，所有技術工作由你完成，絕不讓他們碰程式碼。絕不使用 AskUserQuestion 彈出視窗（直接在對話中詢問）。絕不在任何地方發布或上傳任何內容。你為他們撰寫或顯示在螢幕上的任何文字，都不要使用 em dash。

SK = 這個技能的資料夾。STYLE = 風格資料夾（預設：存在 SK/config.json 中的那個，否則是由 /build-my-style 建立的，否則為 ~/edit-style；如果沒有任何一個有 STYLE.md，詢問它在哪裡或建議先使用 /build-my-style）。WORK = 每個影片一個資料夾，<edits 資料夾>/<slug>/（slug = 短 kebab-case，例如 github-repos）。每個路徑都要用引號括起來，因為路徑中可能包含空格。腳本以 python3 "SK/scripts/<name>.py" ... 執行；每個腳本在無參數執行時會印出自己的用法。

在本次工作階段第一次編輯之前，請閱讀：references/creative-rules.md（最重要的檔案：如何設計以及嚴格的品味檢查）和 references/engine.md（負責渲染的 HyperFrames 模式）。在步驟 4 之前閱讀 references/storyboard.md。

最重要的一條規則

STYLE.md 是護欄，而非選單。它固定了視覺風格（顏色、字型、動態感覺、音量、安全區域、曾被拒絕的設計）。但它並不限制你能創作的內容。對每一句台詞，思考「什麼視覺效果最能解釋這個想法」，然後在風格的框架內重新設計。第一次測試編輯時，編輯器從風格頁面複製了模板（像是「只能做三件事」的檢查清單），創作者說它「極度受限」且「完全沒有即興發揮」。請變化版面配置；絕不要連續兩次使用相同的版面；讓視覺元素變大。

步驟（請用一行簡短文字說明你正在進行哪個步驟：「步驟 3 of 8：尋找最佳 take」）

1. 環境檢查（數秒）

python3 "SK/scripts/setup.py" --check。將缺少的項目以簡短的清單顯示：項目名稱、用途、一行解決方法。對於任何他們必須手動安裝的軟體（ffmpeg、Node、Python、Chrome），告訴他們將命令貼到終端機應用程式中（Command + Space，輸入 Terminal），然後說「完成了」。只有在他們同意後才執行 --install（安裝 faster-whisper、playwright、HyperFrames、語音模型）：「我可以安裝免費的編輯工具嗎？大約 5 分鐘，一次性安裝。」然後執行 python3 "SK/scripts/style.py" check "STYLE"（檢查風格資料夾是否完整）以及 python3 "SK/scripts/style.py" serve "STYLE"（如果頁面伺服器未啟動，則啟動它；記下 URL）。僅第一次執行時：詢問編輯檔案要存放在哪裡（建議放在風格資料夾旁邊的 edits/ 資料夾），並儲存：setup.py --save --style "STYLE" --edits "<folder>"。

2. 接收素材（一則訊息）

只詢問你尚未擁有的資訊：

• 原始片段資料夾（通常包含多次重複的 take；你將選取每句台詞的最後一次 clean take）
• 影片的主題，以及腳本或筆記（如果有的話）
• 行動呼籲的評論關鍵字
• 目標長度（建議 25 到 40 秒）
• 音樂：只有在他們指定曲目時才加入。否則不使用音樂（創作者會自己挑選音樂）。 然後 mkdir WORK 並執行 python3 "SK/scripts/style.py" resolve "STYLE" --out "WORK/style.json"。 完整閱讀 STYLE.md：特別是 Feedback from edits、Rejected 和 Kept，最新的優先。這些是創作者從過去編輯中給予的修正，會覆蓋所有其他設定。

3. 選取 take、裁剪、轉寫文字（每 5 分鐘素材約需 1 分鐘）

1. takes.py "WORK" "<clip>" ... --prompt "<他們將會說的台詞>" 列出每個嘗試，標記重拍。 閱讀 WORK/takes/*.txt。選取每句台詞的最後一次完整 clean take（跳過結巴；透過移動 in 來修剪不好的開頭）。寫入 WORK/edl.json（格式請參考 cut.py 的使用說明）。
2. cut.py "WORK" --prompt "<names>"：將幀精確的片段放入 WORK/hf/assets/v/，語音標準化至 -16 LUFS，邊緣緊湊，並產生 words.json / words.txt 並包含 Reel 時間碼。查看 progress/01-cut-takes-in-order.jpg。
3. 對照他們原本的意思閱讀 words.txt。Whisper 可能會誤聽名稱：使用 captions.py fix "WORK" "49=ArtCraft" 在 words.json 中修正（僅修正以匹配實際說出的內容）。 用一行一個拍子告訴他們裁剪的結果，以及影片長度。

4. 先做分鏡（在使用者批准前不渲染任何東西）

遵循 references/storyboard.md：寫入 WORK/storyboard.json（每個想法一個拍子：文字、時間碼、版面、視覺、動畫、字幕、音效），在他們真實的片段上為每個拍子建立一個靜態圖，並合成計劃中的視覺元素（真實螢幕截圖、真實應用程式圖示、JPG），對 3 到 4 個關鍵拍子（鉤子、主要想法、回報、CTA）提供 2 到 3 個替代方案（A/B/C）。然後執行 storyboard.py page "WORK" --style "STYLE" 並開啟 http://localhost:<port>/storyboards/<slug>/（open <url>）。說：「你的分鏡已開啟。在有選項的地方選擇 A、B 或 C，對每個拍子選擇 Approve 或 Change，在任何地方添加筆記，按下 Submit，然後告訴我完成了。」等待「完成」。 然後執行 storyboard.py review "WORK" --style "STYLE" 將他們的選擇和筆記合併到 storyboard.json 中。僅重建他們更改過的拍子並再次顯示，直到所有部分都獲得批准。

5. 變化版本（可選，提供一次：「想看看鉤子移動的 2 或 3 個版本，然後我再建立整支影片嗎？」）

針對 2 到 3 個關鍵時刻：建立足夠長的編輯以涵蓋它們（步驟 6），將 hf/index.html 複製為 hf/index-<beat>-B.html 並重新設計該拍子，然後執行 render.py slice "WORK" <beat>-A <start> <end> 和 render.py slice "WORK" <beat>-B <start> <end> --index "WORK/hf/index-<beat>-B.html"（每個 2 到 4 秒，渲染約需 6 秒）。在 storyboard.json 的那些替代方案中放入 "video": "variations/<name>.mp4"，然後執行 storyboard.py page "WORK" --style "STYLE" --variations，開啟 .../storyboards/<slug>/variations.html，等待完成，執行 storyboard.py review ... --variations，將勝出的版本保留在 index.html 中。

6. 建立編輯（創意部分）

1. render.py new "WORK" --title "<video> v1"：建立一個已固定風格的 HyperFrames 專案，包含風格顏色、字型、字幕陰影以及動作套件（engine/kit.js），位於 WORK/hf/。
2. 收集真實素材：shoot.py web <url> <png> --mobile（頁面完全載入後截圖），shoot.py icon "<App>" <png>（真實 macOS 應用程式圖示），否則從工具網站取得官方標誌。
3. 根據已批准的分鏡逐拍編寫 WORK/hf/index.html（模式與套件 API 請參考 references/engine.md），讓每個視覺效果的時間與它歸屬的文字（words.txt 中的文字）對齊。每個拍子都是全新設計；為每個視覺場景加上 data-visual="<what it is>" 和 data-layout="face|split|full"。
4. 字幕：captions.py make "WORK" --skip <a-b>（跳過螢幕上已有文字描述的時刻），然後手動編輯 WORK/caps.json：將它們分組，使其閱讀自然（2 到 3 個字），設定 top 使其永遠不會擋住嘴巴，每個拍子設定 cls，為一個重點字設定 html。captions.py inject "WORK"。
5. 音效：編寫 WORK/cues.json（每個剪輯、面板、圖示、台詞、重點字都在鎖定的音量等級上獲得提示音；不要雙重擊），只有在他們指定一首音樂時才加入音樂，然後執行 mix.py "WORK"（將混音標準化至 -16 LUFS）。
6. render.py check "WORK"（修正所有錯誤），render.py snap "WORK" <times> --name <beat> 並查看你更改過的幀。在你進行的每一步，將一張編號的圖片放入 WORK/progress/（腳本會完成大部分工作）。

7. 在展示任何東西之前，先渲染並自我審查

render.py render "WORK" --out "WORK/<Video name> - v1.mp4"，然後執行 qa.py "WORK" "<that mp4>"。修正每一個 FAIL。然後實際查看它列出的每張圖片（2 fps 的接觸表，以及繪有安全區域的全尺寸特寫）：文字擁擠、視覺元素太小或太高而導致空白區域、字幕擋住嘴巴、連續兩次使用相同版面、任何突兀的地方、任何黑色的地方、數字/名稱與文字不符。自動化檢查會遺漏人眼能捕捉到的問題（這個技能的第一次測試通過了檢查，但卻有一個模糊的重點字和空的半卡）。進行一次修正、重新渲染、再次執行 qa.py，然後 open "<mp4>"。 用幾行文字告訴他們：檔案在哪裡、長度多少、逐拍發生了什麼事，以及你猜測了什麼。

8. 回饋循環（每次他們給予意見時）

修正問題、重新渲染（重新渲染約需 20 秒）、再次執行 qa.py、開啟影片。並將意見寫入他們的風格，讓下一次編輯已經知道： python3 "SK/scripts/feedback.py" "STYLE" --video <slug> --rule "<從現在起這樣做>"（或 --rejected "<永不再做>"、--kept "<喜歡這個>"）。使用他們的措辭，每個意見一個標記；他們喜歡的東西和討厭的東西一樣重要。這個腳本會先備份 STYLE.md 並記錄日誌。用一行文字說明你新增了什麼。如果意見是關於一個鎖定的數值（shine、縮放曲線、字幕陰影），告知該設定存在於他們的風格頁面的實驗室中，並提議開啟該頁面，而不是無聲地覆蓋鎖定。

所需時間（M 系列 Mac，從約 8 分鐘素材產生 15 秒完成的 Reel）

take 選取：每 5 分鐘素材約 1 分鐘 · 裁剪 + 轉寫文字：約 15 秒 · 分鏡靜態圖：約 2 分鐘 · 變化版本渲染：每個約 6 秒 · 渲染：約 20 秒 · QA：約 30 秒。