remotion-video 是做什麼的?
你將使用者的點子轉為 MP4。此檔案旁的套件組負責繁重工作:kit/new-video.sh 建立專案,narrate.py 將腳本轉為音檔與時間資訊,Remotion 專案負責渲染。
如果此檔案旁沒有 kit 資料夾,表示技能未隨附該套件。請複製 https://github.com/anujkapoor-arch/video-skills 並使用其中的 kit 資料夾。
開始之前
請檢查以下項目,若有遺漏請停止並顯示明確訊息:
node --version、python3 --version、ffmpeg -version。此套件在 Node 24、Python 3 與 ffmpeg 8 環境測試通過。- 環境變數中要有
ELEVENLABS_API_KEY,或者使用者準備好將其放入專案的.env檔案。沒有免費或靜音模式。請勿輸出金鑰或提交至版本控制。 - Remotion 的授權。個人及員工數不超過 3 人的公司可免費使用。員工數超過 3 人的公司需付費取得公司授權(remotion.dev/docs/license)。請告知使用者一次。如果因此無法使用 Remotion,請改用採用 MIT 授權的
revideo-video技能。
步驟
1. 將點子整理成腳本
只詢問你無法推斷的資訊:主題、目標對象、頻道名稱。然後自行撰寫腳本。
- 4 到 7 個場景,總時長 20 到 45 秒。一般人每秒約說 2.5 個字。
- 開頭用
hook,結尾用cta。中間使用points、stat與bars。 - 每個
say是一或兩個短句,以聽覺體驗撰寫。數字請拼寫為單字。 - 螢幕上的每個數字都需要有來源,該來源可以是使用者提供,或你能夠指名。若沒有來源,請詢問。切勿捏造統計數據。
- 為每個項目選擇一個提示詞(
at),讓視覺元素能在該詞出現時對應呈現。
完整的欄位清單在 kit/common/SCRIPT.md。撰寫腳本前請先閱讀該檔案。
2. 建立專案
<此技能資料夾>/kit/new-video.sh remotion <新資料夾>
cd <新資料夾>
npm install
npm install 大約需要 20 秒。首次渲染時還會下載 Chrome Headless Shell(約 470 MB)到 node_modules。
3. 撰寫 script.json、檢查,然後付費取得語音
將範例 script.json 替換為使用者的腳本,然後執行:
python3 narrate.py --check # 驗證並輸出字元數,不呼叫 API
向使用者展示口說內容與字元數,並在執行下個指令前獲得同意。ElevenLabs 按字元收費。
python3 narrate.py # 寫入 public/narration.wav 與 src/spec.json
它會輸出每個場景的起始時間與長度。口說內容會快取在 .tts-cache/,因此編輯後重新執行只會對有變動的部分再次付費。
4. 完整渲染前先檢查靜止畫面
渲染靜止畫面約需 4 秒;完整渲染所需時間約等於影片長度。
npx remotion still src/index.ts Video out/check.png --frame=150
幀數 = 秒數 x 30。在每個場景的最後一個提示詞後約 1 秒處渲染一個靜止畫面,並逐一檢查。確認文字能放入卡片內、沒有物件重疊到字幕或吉祥物,且沒有任何重要內容低於 y = 1620(該區域會被 Shorts / Reels UI 覆蓋)。
5. 渲染
npm run render # -> out/video.mp4
npm run studio # 可選:預覽並包含時間軸與熱重載
6. 回報
對檔案執行 ffprobe,告知使用者影片長度、大小與位置。說明你檢查了哪些項目(靜止畫面)以及哪些未檢查(你無法聽到音訊或觀看動態)。請他們打開聲音觀看一次。
修改事項
| 欲修改項目 | 編輯位置 |
|---|---|
| 顏色、頻道名稱、頁尾、字幕開關、吉祥物開關 | script.json,然後 python3 narrate.py(免費,音檔已快取) |
| 語音 | script.json 或 ELEVENLABS_VOICE_ID 中的 voice.id。更換語音會對所有行重新收費。 |
| 字型 | 將 .ttf 檔案放入 public/fonts,在 src/fonts.ts 中列出,並變更 src/util.ts 中的 FONT |
| 場景類型的佈局 | src/scenes.tsx 中的對應元件 |
| 頁首、卡片、字幕、對話框、紙花 | src/Video.tsx |
| 吉祥物 | src/Mascot.tsx |
新增場景類型
- 在
src/scenes.tsx中撰寫一個元件,接受{s: Scene}並將其內容包裹在<Layer s={s}>內。 - 將該元件加入該檔案底部的
KINDS,以及src/util.ts中的kind聯集型別。 - 將其加入
narrate.py的KINDS,並附上所需的欄位。
更換吉祥物
將角色的 SVG 移植到 src/Mascot.tsx,以 JSX 形式呈現。請勿載入 .svg 檔案。保留每個影格驅動的五個部分:根據 open 變化的嘴部高度、根據 blink 變化的眼睛 scaleY、瞳孔偏移、眉毛偏移,以及一個可傾斜的頭部群組。若後續 SVG 有變更,則需要重新移植。
確保 Remotion 渲染正確的規則
- 螢幕上的一切都是目前影格的函數。不要使用
useState、CSS 過渡效果、setTimeout或Math.random()。Remotion 會平行且不按順序渲染影格,因此任何具有記憶狀態的寫法都會出錯。請使用remotion提供的random(seed)。 - 所有時間資訊都來自
spec.json。切勿在秒數寫死時間。請讀取s.start、item.t或某個字的t,這樣更換旁白時影片時間會自動調整,無需修改程式碼。 - 字型在
src/fonts.ts中透過delayRender載入。若無此機制,影格可能在字型準備好前就被捕捉。 - 瀏覽器在渲染時載入的檔案(音檔、字型、圖片)應放在
public/中,並透過staticFile()引用。 - HTML 會將長文字自動換行,但不會縮小字型。起始專案會根據字元數選擇字型大小。如果你新增文字,也應採用相同做法,否則文字會溢出卡片。
- 彈簧效果應寫為
spring({frame: frame - at * fps, fps, config})。util.ts中的pop()輔助函式已包裝此寫法。 - 嘴型同步來自字詞時間戳記(
util.ts中的mouthOpen),不進行音訊分析。 - 影片長度會無條件進位到整數影格,因此 MP4 最多可比
spec.total長 1/30 秒。
我們測試機器的數據(Apple M2,8 GB RAM)
- 25 秒影片:渲染需 26.5 秒,檔案大小 4.9 MB。
node_modules:安裝後約 240 MB,首次渲染後約 950 MB(包含 Chrome Headless Shell 與 webpack 快取)。