製作完整影片
此技能 協調 整個流程,每個階段交由特定技能負責:
| 步驟 | 工作 | 技能 | 結果 |
|---|---|---|---|
| 1 | 撰寫腳本 | len-kich-ban-video | kich-ban/kich-ban-<主題>.md |
| 2 | 分割 8 秒片段,在 Google Flow 上生成片段 | chia-doan-8-giay | video/<主題>/phan-doan.md, clip/doan-XX.mp4 |
| 3 | 統一語音(當有角色在 ≥2 個片段中說話時強制執行) | doi-giong-elevenlabs | video/<主題>/clip-doi-giong/doan-XX.mp4 |
| 4 | 合成完整影片 | 此技能 — scripts/ghep-video.sh | video/<主題>/<主題>-hoan-chinh.mp4 |
透過 Skill 工具(例如 /len-kich-ban-video)呼叫子技能,完成該技能後再回到此處進行下一步。所有溝通與文件皆使用繁體中文。
開始之前
- 檢查進行中的專案: 在工作目錄中尋找
kich-ban/kich-ban-*.md(以及根目錄舊格式的kich-ban-*.md)和video/*/phan-doan.md。如果使用者提及已有的影片,或只有一個進行中的專案,則報告狀態(是否已有腳本?已下載多少片段?是否已更換語音?)並詢問從哪一步繼續 — 不要重做已完成的部分。 - 檢查 ffmpeg:
command -v ffmpeg ffprobe。若缺少,詢問使用者是否要透過brew install ffmpeg安裝(步驟 2–4 都需要)。 - 簡短告知使用者將進行的 4 個步驟以及需要他們參與的地方:登入 Google Flow 和 ElevenLabs、審查腳本/提示詞、選擇片段、同意使用點數。
流程
步驟 1 — 撰寫腳本
呼叫 /len-kich-ban-video,傳入使用者的需求並加入以下限制以符合步驟 2:
- 預計工具: Google Flow (Veo),每個片段 8 秒,會生成語音。
- 最少片段數: 場景數 ≈ (時長 − meme) ÷ 8,無條件進位 — 30 秒影片 → 約 4 個場景 + meme。每個場景為一個 8 秒片段。
- 每個場景 最多 8 秒,一個鏡頭角度;台詞不超過約 18 個字(音節)涵蓋整個場景。
- 每個場景 最多兩人說話,每人一次(A 說完換 B 說),標記每個人的秒數。緊接的簡短對話合併在同一個場景,而非每句話一個場景。
- 背景音樂不要放入提示詞 — 音樂在合成時加入。
- 結尾:意外結局台詞 → SFX → meme 2–5 秒(腳本本身要有「意外結尾」章節);SFX 不放入提示詞,在合成時插入。
- 整個影片只有一個搞笑結局台詞,位於最後一個場景。先前的場景/ 8 秒片段不以笑話、笑聲或定格結尾 — 無論分成多少片段。
如果已有合適的腳本檔案,詢問使用者要直接使用還是重寫。完成此步驟後,確認 <主題>(檔名中 kich-ban- 後面的部分) — 之後的所有目錄都使用此名稱。
步驟 2 — 分割 8 秒片段並生成片段
以剛取得的腳本檔案呼叫 /chia-doan-8-giay。該技能會分割片段、編寫提示詞、開啟 Google Flow 生成每個片段,並儲存至 video/<主題>/clip/。
呼叫時再次提醒:固定語音 — 每個角色一句固定語音,直接貼到所有片段,情緒在之後撰寫,不使用改變音質的字詞。最少片段數 — 片段數 = 需生成的總時長 ÷ 8,無條件進位,合併相鄰的短場景。背景必須一致 — 在生成片段前先執行「鎖定鏡頭角度並建立原始畫面」步驟,重複出現角色背景的片段使用該角度的原始畫面生成的影片。只有包含最終結局台詞的片段才是結局片段;其他所有片段為一般片段 — 提示詞中沒有笑聲效果、跑到片段結尾的動作、含有「沒有笑聲、沒有觀眾笑聲、沒有喜劇音效」的句子。
在進入步驟 3 之前,檢查:phan-doan.md 中的所有片段狀態皆為 已下載,且 clip/doan-XX.mp4 檔案存在;性別/年齡/地區語音錯誤的片段已重新生成。若有缺少,則回到 chia-doan-8-giay 處理那些片段。
步驟 3 — 統一語音
Veo 獨立生成每個片段,不記得上一個片段的語音 — 即使提示詞已使用固定語音(步驟 2),同一個角色跨越多個片段說話時,合成後聽起來仍常像不同的人。使用 ElevenLabs 更換語音是唯一能確保每個角色在整部影片中擁有同一個聲音的步驟。
- 有角色出現在 2 個以上片段 → 預設更換語音:直接呼叫
/doi-giong-elevenlabs,不詢問是否需要更換(僅詢問該技能需要的資訊:選擇語音、同意使用點數)。僅在使用者主動要求時才保留 Veo 語音 — 此時需清楚告知各片段語音會不一致,並在「更換語音」欄位記錄保留 Veo 語音。 - 影片沒有台詞,或每個角色只出現在 1 個片段 → 跳過,說明原因。
完成後檢查:video/<主題>/clip-doi-giong/ 包含所有片段,phan-doan.md 中的「更換語音」欄位沒有 尚未,且已聆聽連續音訊檔案(am-thanh/nghe-noi.wav)— 每個角色在所有接點處聲音一致。若仍有 尚未,則不要進入步驟 4。
步驟 4 — 合成影片
-
準備結尾 SFX 和 meme — 閱讀腳本中的「意外結尾」章節以及
.claude/skills/len-kich-ban-video/tham-khao/ket-bat-ngo-meme.md(來源、授權、關鍵字)。所有檔案儲存至video/<主題>/meme/。-
自行用 Veo 生成的 meme: 已從步驟 2 取得(場景
M的片段在clip/中),無需額外動作。 -
存在於
sfx/資料庫中的 SFX: 直接在合成清單中使用路徑sfx/<名稱>.mp3,無需複製。若目錄中無 MP3,則先執行bash sfx/tai-bo-sfx.sh。 -
存在於
outro/資料庫中的 meme(僅當腳本選擇知名 meme 來源時):直接在合成清單中使用outro/<名稱>.mp4 <開始時間> <結束時間> cat;提醒使用者outro/README.md中記錄的版權風險。 -
資料庫之外的 SFX、庫存 meme / 其他知名 meme: 透過瀏覽器在建議來源中尋找(優先 Pixabay → Mixkit → Freesound 篩選 CC0;知名 meme 僅在使用者已接受版權風險時使用)。針對每個項目,提供 2–3 個選項供使用者選擇,包含連結和授權;在下載前詢問(檔案名稱、來源、大小)。下載後重新命名為不帶空白的短名稱(
bum.mp3、khan-gia-cuoi.mp3、bac-cuoi.mp4)。 -
找不到滿意的 SFX: 使用 ElevenLabs 生成(耗費點數 — 事先詢問)。在網站
https://elevenlabs.io/app/sound-effects上,或若使用者已自行設定ELEVENLABS_API_KEY,則透過 API:bash .claude/skills/doi-giong-elevenlabs/scripts/elevenlabs-api.sh sfx "deep cinematic bass boom hit, meme style" video/<主題>/meme/bum.mp3 --giay 1.5 -
將檔案路徑填入腳本中 SFX 與 meme 表格的「檔案」欄位。
-
-
詢問後製設定(一次問完;可參考腳本中「後製備註」章節的建議):
- 背景音樂: 音樂檔案路徑(使用者必須有使用權限 — 自行製作的音樂、免版稅音樂,或平台音樂庫),或不使用音樂並在 TikTok/CapCut 上自行加入音樂。預設音量 0.18,且在有台詞時自動降低音樂音量。
- 色彩校正: 預設開啟(
--khop-mau)— 將所有片段的亮度和色調調整至接近一個標準片段,使背景不致忽暖忽冷、忽亮忽暗。標準片段(--mau-chuan <數字>,按合成清單順序計數)應選擇使用者認為顏色最漂亮的片段,優先選擇與影片大部分場景相同尺寸的片段(通常是一個特寫)。tat-nhac行之後的 meme 片段不會被調整。色彩校正無法修正物體位置偏移 — 構圖偏移的片段必須在步驟 2 重新生成。 - 轉場: 硬切(預設,建議在有 meme 時使用 — 淡入淡出套用於所有剪輯點,包括原本應硬切的 meme 剪輯點)或淡入淡出(建議 0.3 秒)。注意淡入淡出會使影片縮短
(片段數 − 1) × 轉場時間;如果時長很重要,請放寬各片段的「使用」範圍以補償。
-
撰寫合成清單
video/<主題>/danh-sach-ghep.txt,根據phan-doan.md中的片段表格,按順序,每行:片段路徑 + 「使用」範圍。優先使用clip-doi-giong/doan-XX.mp4(若存在),否則使用clip/doan-XX.mp4。清單結尾為 meme 結尾片段:tat-nhac在第一個 meme 片段之前 → 背景音樂在進入 meme 時完全關閉。sfx和tat-nhac行僅放置在結尾片段(緊接在 meme 片段之前)— 絕不在一般片段之間插入笑聲 SFX。sfx <檔案> <偏移> <音量>緊接在 meme 片段之前 → 撞擊聲對齊剪輯點(偏移-0.05)。可有多個連續的sfx行,各有不同偏移(例如觀眾笑聲偏移0.3,音量0.5)。- Meme 片段加上畫面比例欄:
cat(放大填滿垂直畫面 — 橫向 meme 的預設值)或mo(模糊背景,片段置中 — 當 meme 有文字/邊緣靠近時使用)。 - 結局台詞片段:「使用」範圍在台詞結束後 0.3–0.8 秒(停頓節奏),不要留多餘時間。
# <主題> — <x> 秒 video/<主題>/clip-doi-giong/doan-01.mp4 0 5 video/<主題>/clip-doi-giong/doan-02.mp4 0 8 video/<主題>/clip-doi-giong/doan-03.mp4 0 3 # meme 結尾片段 tat-nhac 0.2 sfx sfx/bum-bass-ngan.mp3 -0.05 1 sfx sfx/khan-gia-cuoi.mp3 0.3 0.5 video/<主題>/clip/doan-04.mp4 0 3(上述範例:
doan-04是用 Veo 自行生成的 meme,已為垂直畫面無需畫面比例欄。從外部下載的 meme 則例如video/<主題>/meme/bac-cuoi.mp4 0 3 cat。) -
執行合成:
bash .claude/skills/lam-video/scripts/ghep-video.sh video/<主題>/danh-sach-ghep.txt \ video/<主題>/<主題>-hoan-chinh.mp4 --nhac <音樂檔案> --chuyen-canh 0.3 --khop-mau --mau-chuan 2腳本會自動:根據標準片段進行色彩校正(當有
--khop-mau時),在正確時間點插入 SFX 並在 meme 片段關閉背景音樂,根據使用範圍裁剪每個片段,將所有片段調整為相同尺寸/幀率/音訊格式(以第一個片段為準),為無音訊的片段添加靜音,拼接(硬切或淡入淡出),重複音樂以滿足長度並在影片結尾淡出,在有台詞時降低音樂音量,將響度標準化為 −14 LUFS 以符合社交媒體規範。其他選項:--am-luong-nhac、--khong-ha-nhac、--fps、--khong-chuan-am(請參閱腳本檔案開頭)。若影片較長,則在背景執行以避免中途中斷。
步驟 5 — 檢查與交付
-
ffprobe -v error -show_entries format=duration:stream=codec_type,width,height -of compact <影片>— 長度與目標時長相符(最多 1 秒誤差,扣除淡入淡出部分),畫面比例正確,包含影像和音訊。 -
生成一張縮圖拼貼快速瀏覽整部影片並打開觀看:
ffmpeg -v error -y -i <影片> -vf "fps=1/2,scale=240:-1,tile=6x2" -frames:v 1 video/<主題>/xem-nhanh.png檢查:場景順序正確,沒有黑畫面,角色和背景在各片段間一致 — 同一窗戶、每個角色背後相同物品、角色不互換邊、剪輯點之間色調不跳動。構圖偏移的片段 → 從該角度的原始畫面重新生成該片段。
-
使用
open <影片>開啟影片供使用者觀看。不滿意的片段 → 回到chia-doan-8-giay重新單獨生成該片段(若有台詞則加上doi-giong-elevenlabs),然後重新執行步驟 4 — 其他片段保持不變。
簡短回覆使用者:完整影片路徑、時長、畫面大小、片段數量、是否已更換語音、使用的背景音樂檔案,以及建議重新製作的片段(若有)。
步驟 6 — 發布到社交媒體(選用)
當使用者對影片滿意後,詢問是否想要發布 — 不要自動發布。若要發布,則依序呼叫 /dang-facebook(Reel / 發佈到粉絲專頁或個人頁面的影片)和/或 /dang-youtube(Shorts / 一般影片),每個技能各一次。每個技能會根據腳本自行撰寫貼文內容,詢問使用者審查並確認後再點擊發布,然後將連結記錄到 video/<主題>/dang-bai/dang-bai.md。
交付前自我檢查
- 腳本為 Google Flow 8 秒格式,使用最少片段數(場景數 ≈ 時長 ÷ 8):場景最多 8 秒,一個鏡頭角度,≤ 18 字台詞,最多兩人各自說一次,提示詞中不含音樂。
-
phan-doan.md中所有片段皆已下載;合成清單順序正確、「使用」範圍正確、優先使用已更換語音的版本。 - 語音一致:所有出現在 2 個以上片段的角色都已通過
doi-giong-elevenlabs(或使用者主動選擇保留 Veo 語音);合成清單對所有片段使用clip-doi-giong/,不混用原始片段和已更換語音的片段;已聽過最終影片中各接點處的聲音。 - 最終影片時長正確、畫面比例正確、包含影像和音訊、無黑畫面;已看過縮圖拼貼。
- 背景一致:片段根據鏡頭角度的原始畫面生成,已使用
--khop-mau合成(除非使用者不想要),不再有構圖偏移的片段。 - 背景音樂(若有)是使用者有權使用的檔案。
- 僅有一個搞笑結局台詞在影片結尾;先前片段結尾沒有笑聲/定格(已檢查每個接點)。
- 影片以結局台詞 → 停頓節奏 → SFX 對齊剪輯點 → meme 2–5 秒填滿畫面結尾,背景音樂在 meme 時關閉;影片在 meme 處結束。
- SFX 和 meme 取自授權明確的來源(或自行生成);知名 meme 僅在使用者同意版權風險後使用。
- 繼續進行中的專案時不重做已完成部分;所有耗費點數或下載檔案的步驟都已事先詢問。