概念解說影片（真人拍攝、圖形主導） 是做什麼的？
請先閱讀 references/house-rules.md，其規範優先於本文件。 執行順序：video-director 第 3 節。本文件僅涵蓋特定事項。
狀態：部分驗證。 粗剪和素材片段曾在短時間內測試過；但尚未製作過將使用者素材與收據、反應鏡頭和插圖混合的完整影片。首次製作時預計會遇到排版問題，請將解決方法記錄在 troubleshooting.md 中。
特定事項
- 主持人是使用者的真實素材。 絕不使用唇形同步的照片或生成的人臉，除非使用者特別指名要求（此情況請參閱
references/presenter.md的舊版區段）。 - 來源：
fetch-video.sh→enhance-audio.sh（保留影像）→rough-cut.mjs→ 審閱表 →voice.mjs --provider file --file out/rough-cut.wav。詳細資訊請參閱references/own-footage.md。 - 使用者的台詞是固定的。 根據實際說話內容撰寫
script.json（修正聽寫拼寫錯誤）。研究仍然適用：為使用者的論點添加收據；如果來源資料與使用者矛盾，請告知使用者，而非修改編輯。 - 鏡頭規劃： 使用者僅在鉤子（前 5–10 秒）、結尾，以及一兩句需要表情銷售的台詞時出現在畫面上（
presenter-full場景）。約占總片長的五分之一到三分之一。其餘時間由圖形（beats場景）搭配使用者的語音來呈現。 presenter.mjs footage out/rough-cut.mp4可在精準的時刻從素材中剪出每個現身片段，確保嘴型同步。交錯使用 1.0×、1.3×、1.12× 等不同縮放比例，讓重複鏡頭有所變化。- 反應鏡頭和插圖絕不遮蓋使用者的臉。 在現身場景中，僅使用姓名/主題標籤，最多加上一個小型側邊反應；大型素材保留給圖形場景。
- 節奏： 第一分鐘資訊密集，隨後比無臉影片更為平緩（每分鐘約 5–8 次畫面變化）。
成本與時間
僅需字幕轉寫費用（無語音成本）。渲染時間約為影片長度的 1 分鐘/分鐘，加上素材剪輯時間。
參考資料
own-footage.md · engine-api.md · presenter.md · voice-music.md · troubleshooting.md