Viral ad remix
將一個已被證實有效的廣告結構，重新製作用戶 app 的廣告。AI 模型提供人物與場景；手機畫面上顯示的所有內容，都來自真實的 app 錄影；剪輯時確保每一句有聲台詞都對應到說出該句話的臉部。
$S 代表此技能目錄中的 scripts/。需要 ffmpeg、Python 3（含 numpy pillow opencv-python-headless），以及用於語音檢測的 mlx-whisper（Apple Silicon）或 openai-whisper。使用螢幕錄影工具（例如 app-demo-recorder 技能）錄製 app 畫面（Release 版本、真實帳號、無廣告狀態）。
在首次編輯前，先閱讀 references/lessons.md。它列出了此工作流程旨在避免的失敗模式。
0. 確認目標（一個訊息）
目標受眾（實際會留在 app 中的人，而非你希望使用的人）、頻道（Meta / YouTube Shorts / TikTok）、要展示的一項功能，以及信用額度預算。年長觀眾需要較慢的節奏、較大的文字、螢幕上的同儕，以及具體的好處（金錢、時間）。在沒有預算的情況下，不要開始付費生成。
1. 尋找已有效運作的參考廣告
python3 $S/find_reference_ads.py search --country KR --objective app_install --period 180 --order like
python3 $S/find_reference_ads.py search --country KR --keyword 앱테크 --lang ko
python3 $S/find_reference_ads.py download <id> <id> --out refs
選擇 4–30 秒的廣告（重製模型接受此範圍），其結構適合該功能：發現 → 嘗試 → 結果 → 行動呼籲 (CTA)。按讚數會因廣告花費而膨脹；請在同一次搜尋內比較，而非跨搜尋比較。參考影片帶有浮水印，屬於其廣告主：僅將其用作重製工作的結構來源。
2. 選角（角色演員表）
重製模型需要一張臉來複製。如果用戶沒有模特兒照片，請在花費任何影片信用額度之前，為每個人物生成一張角色演員表，並獲得用戶的同意。
- 誰： 目標觀眾的同儕（相同年齡、地區、職業、衣著），普通而非模特兒般漂亮，符合參考廣告中的角色（主持人、顧客、鄰居）。
- 演員表： 一張橫向圖片（約 1600x900），逼真的照片風格，同一個人和服裝的三種視角：正面半身近距離特寫、半身、全身；中性淺色背景，柔和日光。雙手放鬆且完全可見，各五根手指。沒有文字、標誌、浮水印或手機在手中。
- 提示骨架： "Photorealistic character reference sheet of ONE fictional <年齡> <國籍> <職業> <性別>, <臉部/頭髮細節>, wearing <服裝>. Three views side by side on a plain light background: front close-up, half body, full body. Natural skin texture, soft daylight. No text, no logos, no props."
工具，從最便宜開始：
# Codex CLI 圖片生成（包含在 ChatGPT 方案中，無需影片信用額度）
codex exec --skip-git-repo-check --sandbox workspace-write -C cast \
"Use your image generation tool to create ONE image: <prompt skeleton>. Save it as ./cast_<name>.png and print its path."
- Higgsfield（或透過代理工具的其他影像 API）：使用相同提示的
generate_image，或其角色演員表工作流程以產生多視角演員表。會消耗信用額度；請先報價。 - 用戶已付費的任何圖片模型。
打開圖片檢查：跨視角臉孔一致、自然的手、沒有文字、不與任何真實或名人相似。虛構人物必須在平台或法律要求時揭露為 AI 生成。將演員表放在簡報旁：重製工作會將其作為角色圖片。
3. 生成重製版
準備：參考影片、步驟 2 的角色演員表、app 圖示，以及 1–2 張真實 app 截圖。
撰寫簡報，使 AI 輸出易於修復：
- 保留參考廣告的節拍和節奏；替換角色、場景、產品。逐字提供台詞，簡短，使用目標語言。避免使用推薦式措辭（「我試過，然後得到了…」），除非是真的；偏好示範（「讓我們計算…」）。
- 要求不要字幕或螢幕文字（它們會出現亂碼），以及不要手機上打字的特寫鏡頭（手看起來很奇怪，且手指會越過螢幕，無法進行螢幕替換）。
- 手機畫面將被替換，因此要求手機保持靜止並面向鏡頭。
- 先報價；以最低解析度草稿；一次只輸出一個。
4. 在處理前先分析 AI 輸出
python3 $S/analyze_source.py ai.mp4 work/ana # 鏡頭、台詞、聯絡表 work/ana/shots.jpg
python3 $S/analyze_source.py ai.mp4 work/ana --no-speech --rms 17.2-17.6 # 靠近某句台詞的精確音訊切點
查看 shots.jpg。分類每個鏡頭：保留（人物、場景）、螢幕替換（手機面向鏡頭）、丟棄（打字的手、變形的臉、無法閱讀的動作）。注意每句台詞在哪裡說出、在哪個鏡頭上。辨識器的台詞起始點通常早 0.3–0.7 秒：在剪輯音訊前使用 --rms 確認。
5. 將真實 app 畫面放到每支手機上
python3 $S/screen_replace.py auto ai.mp4 3.33 6.50 app.mp4 work/shotB.mp4 --work work/B --app-start 2.4
python3 $S/screen_replace.py auto ai.mp4 17.46 21.25 app.mp4 work/shotE.mp4 --work work/E --app-start 10.6 --blank 0,1740,1080,2020
auto 會擷取該鏡頭（在範圍內的任何剪輯點停止）、找到關鍵影格和螢幕角落、將其對齊到邊框、在整個鏡頭中追蹤手機（平面追蹤，雙向，包含旋轉）、以匹配的亮度和少量眩光進行合成，並寫入 work/X/key_preview.png（四邊形 + 像素格線）和 work/X/qa.png（原始 vs 合成）。
務必打開兩張圖片。 如果四邊形不正確，從格線讀取角落座標，然後使用 --key K --quad "x,y x,y x,y x,y"（左上、右上、右下、左下，內螢幕邊緣）重新執行。使用分析中安全範圍的 START/END。將 app 片段與台詞匹配：在人物提問時顯示輸入螢幕，在他們反應時顯示結果。使用 --blank（app 像素座標）塗掉過時或私人的 UI。
6. 建立結果時刻和文字
python3 $S/pop_highlight.py result_clip.mp4 x0,y0,x1,y1 work/pop.mp4 --blank 0,975,720,1145 # 關鍵數字彈出、發光、閃爍
python3 $S/captions.py captions.json work/caps # 鉤子、逐行字幕、結尾卡（PNG）
文字規則：第一影格上的鉤子（一個觀眾會想問的問題）、每句台詞一條字幕、最多兩行、大字、高對比、位於底部 20% 和右邊緣之外、絕不覆蓋觀眾必須閱讀的 app UI。將文字保持在使用者接受的最小量；法律要求的通知保留但字體小。結尾卡 = app 圖示 + 名稱（+ 如果用戶想要的行動呼籲）。
7. 保持同步進行組裝
編寫一個時間軸 JSON（格式見 scripts/assemble.py --help）並執行：
python3 $S/assemble.py timeline.json out.mp4
- 音訊是來源本身的音訊，切割成片段；每個有說話臉部的鏡頭對影片和音訊使用相同的來源時間。在 app 螢幕、廣角鏡頭和結尾卡上，台詞可以作為旁白播放。
- 丟棄空白片段（台詞前的沉默、鏡頭之間的沉默），而不是加速所有內容。
- 人物鏡頭必須從其第一影格開始移動：切勿凍結臉部來填充時間；要延長反應時間，使用影格插值（
minterpolate）對無聲部分進行慢動作，並提供略多於所需的來源片段。 - 疊化使用剪輯點之後的真實影格；app 螢幕可以直接切換。
- 影片和音訊總長度必須一致（工具否則會拒絕）。
8. 像挑剔的觀眾一樣驗證
python3 $S/verify.py out.mp4 --forbid ai.mp4:10.79-17.29 --person 0-3.2 --person 5.2-8.8 --sheet work/sheet.jpg
然後查看演員表、將逐字稿與你的字幕比對，並觀看一次。典型的遺漏：來自下一個鏡頭的邊界影格、凍結 4 個影格的臉孔、在錯誤的臉孔上播放的台詞、已替換螢幕邊緣的假 UI、覆蓋 app 的文字、停留在 app UI 上的鉤子。在展示用戶之前修復並重新驗證。
9. 交付
一個資料夾：最終 mp4、AI 原始輸出、合成結果、時間軸 JSON、含時間軸表格的 README、花費的信用額度，以及開放風險（AI 人物揭露、推薦式措辭、品牌名稱發音錯誤）。當需要獨立審查時，將影格聯繫表、逐字稿和時間軸交給一個全新上下文的審查者，並告訴它要保留哪個結構：一個只被告知「讓它合規且更快」的審查者將會刪除人物和 app 畫面。