知識型口播智能剪輯 是做什麼的?
讓知識看得見,讓邏輯更清晰,讓觀看不枯燥。
本 Skill 把「一段未經剪輯的口播影片」變成「可直接發布的知識型成片」。你只要給它影片,它自己完成:讀懂內容 → 判斷類型 → 精剪原聲 → 導演策劃 → 邏輯可視化 → 雙語字幕 → 首幀封面 → 品質驗收 → 出片交付。
核心主張:預設全自動,不需要使用者逐步確認;但絕不偽造成片。
一、先判斷:這件事該不該用本 Skill
| 該用 | 不該用 |
|---|---|
| 真人/數位人口播影片(對著鏡頭講知識、講方法、講觀點) | 純 Vlog、旅行隨手拍(無講解主線) |
| 已有口播 + 需要重新包裝成知識影片 | 純影視剪輯、劇情片、短劇 |
| 需要橫屏/豎屏成片、雙語字幕、封面首幀 | 只需要轉碼、裁剪、改解析度 |
| 批次標準化出片(同一套視覺規範) | 需要保留原樣只做字幕壓制(用基礎字幕流程即可) |
判斷依據:影片裡有沒有「能被結構化講解的資訊」。有,就進本 Skill。
二、開工前的三條鐵律
- 先看環境,再動手。 執行
python3 scripts/check_environment.py --json,確認 ffmpeg / 轉寫引擎 / 渲染引擎 / 字型是否齊備。缺關鍵能力就報告實際缺口,不允許「假裝出片」。 - 先出計劃,再渲染。 必須先生成
director_plan.json與storyboard.json(逐秒分鏡),通過validate_storyboard.py校驗後才能進入渲染。 - 原片不動。 所有中間產物落在
<project>/work/,成片落在<project>/output/。永遠不要覆蓋使用者原影片。
三、13 步執行流水線
| 步驟 | 動作 | 產出 | 腳本 |
|---|---|---|---|
| 1 | 環境自檢 | env_report.json | check_environment.py |
| 2 | 影片屬性識別(橫豎屏/時長/清晰度/幀率/人像位置) | video_meta.json | analyze_video.py |
| 3 | 內容理解與分段(判斷整片類型 + 每段屬性) | analysis.json | analyze_video.py --content 或宿主大模型 |
| 4 | 語音轉寫 + 精剪決策(重複/口誤/停頓/語氣詞/首尾) | transcript.json + edl.json | transcribe.py |
| 5 | 精剪執行(裁切 + 降噪 + 響度歸一 + 時間軸重映射) | edited.mp4 + timemap.json | edit_video.py |
| 6 | 全片導演計劃(影片類型/主題/封面/章節/節奏) | director_plan.json | 大模型 + 模板 |
| 7 | 邏輯可視化(知識點 → 視覺元件映射) | visual_map.json | 大模型 + 07 規範 |
| 8 | 逐秒分鏡(每 1 秒都有安排,每 3 秒評估構圖) | storyboard.json | 大模型 + storyboard.schema.json |
| 9 | 自適應構圖(橫屏/豎屏安全區、真人頭像區域) | layout.json | config/safe-areas.json |
| 10 | 中英雙語字幕(逐句、語義斷句、寬度實測) | subtitle.srt + subtitle.json | transcribe.py --bilingual |
| 11 | 首幀封面生成(第一幀即封面) | cover.png | render_video.py --cover-only |
| 12 | 正式渲染(Remotion 合成 + 真人頭像 + 音效/BGM 混音) | output/01_最終成片.mp4 | render_video.py |
| 13 | 質檢與自動修復(內容/畫面/字幕/聲音/解碼) | qc_report.md | quality_check.py |
一鍵串聯:python3 scripts/run.py --video <原片> --out <目錄> --ratio 16:9
四、不可違反的硬規則(違反即返工)
- 第一幀必須是完整封面。 不允許黑屏、空白、標題還在入場動畫中。標題最多 2 行,每行最多 4 字(字母數位同樣計數),總計 ≤ 8 字,位於視覺中心,特粗黑體大字。
- 第二鏡頭起封面標題必須完全消失。 封面預設停留 1.5–2 秒,與口播同步開始,不插入無聲等待。
- 橫屏必須配動態章節導覽欄。 3–6 個章節,每章 2–6 字,隨口播進度平滑切換,最多佔畫面高度 8%,封面期間隱藏。導覽條統一用膠囊懸浮式(圓角=高/2、毛玻璃、1px 描邊、滑動高亮塊、底部細進度線),不許堆砌「文字+✓+短橫線」。
- 全片只用一個主色體系。 深空黑金 或 珍珠墨綠,二選一,不許混搭。
- 雙語字幕中文在上、英文在下,逐句同步,必須實測字寬,不許溢出、不許遮擋核心知識區、不許無限縮小字號。
- 聲音優先級:原人聲 > 重點音效 > BGM。 BGM 必須低音量並隨人聲避讓。
- 不許為縮短時長刪掉關鍵論據,不許改變原始觀點,不許改寫事實。
- 不許把橫屏成片直接裁剪成豎屏,必須重新佈局、重新渲染。
- 驗收分 < 90 必須自動定位並修復,修不好就如實報告,不許宣佈合格。
- 素材必須可授權使用,不明來源的圖片/音樂/影片一律不用。
- 每個畫面都必須有真人。 真人鏡頭用 V01/V02 佔滿;知識畫面(關鍵詞、流程、對比、卡片、數字、總結等)必須在右上角疊加 V21 真人圓形頭像,任何鏡頭都不允許全程無真人。
- 圓形頭像取景與位置三條鐵律。(a)圓內必須露出頭髮 + 完整五官 + 雙肩,頭頂留 6–10% 餘量、下巴以下至少留 25% 畫幅給肩頸與衣領,禁止裁額頭或下巴;(b)固定右上角,豎屏壓在導覽條之下、橫屏壓頂部右側,與邊緣留 48–52px;(c)絕不能壓住標題、知識卡片和字幕——內容區要為它讓位(豎屏內容整體下移、橫屏右側留 344px 安全區)。取景三參數:
zoom(內層寬度/圓直徑,1.0 為標準三件套,人物偏小才 1.2–1.5)+focus_x/focus_y(人臉中心)+anchor_y(人臉中心在圓內縱向位置,近景 0.42 / 寬機位 0.28);上線前必須渲一幀靜幀驗收。 - 講解文字預設放大 12%。 知識畫面的標題、要點、卡片正文統一按
text_scale 1.12渲染,寧可減少字數,不要縮小字號。
五、影片類型判斷(不是使用者選,是你判斷)
先判整片,再判段落。同一條影片裡可以混用策略。
| 類型 | 優先剪輯方式 | 真人佔比參考 |
|---|---|---|
knowledge 知識科普 | 流程圖、結構圖、動態白板 | 20–35% |
practice 工具實操 | 錄屏、局部放大、操作演示 | 15–30% |
analysis 商業分析 | 資料圖、對比圖、因果鏈 | 25–40% |
opinion 觀點表達 | 真人 + 關鍵詞 + 案例 | 40–60% |
story 故事分享 | 真人敘事 + 場景 + 時間軸 | 45–65% |
industry 行業解讀 | 地圖、資料引用、實景、圖表 | 25–45% |
比例是參考不是考勤。判斷錯類型 = 整片風格錯,這一步決定後面 80% 的工作量。
六、目錄結構
knowledge-video-editor/
├── SKILL.md # 本檔案:唯一入口,規則總綱
├── AGENTS.md # 給各 Agent 的執行協定(Codex/Claude/Gemini/豆包工作等)
├── README.md # 人讀版說明與效果展示
├── VERSION
├── references/ # 10 份細則(規則層,不含程式碼)
├── config/ # 機器可讀設定(主題/比例/安全區/術語表/Schema)
├── scripts/ # 8 個可執行腳本(分析→剪輯→校驗→渲染→質檢)
├── templates/remotion/ # 可視化渲染引擎(React 元件)
├── assets/ # 字型/圖示/音樂/音效(授權素材,倉庫內留空說明)
└── examples/ # 4 類真實導演計劃示例
七、目錄細則索引(按需精讀,不要一次全吞)
| 需要解決 | 去讀 |
|---|---|
| 怎麼判斷類型、怎麼分段 | references/01_影片理解與類型判斷.md |
| 刪哪些、留哪些、怎麼不刪錯 | references/02_自動精細剪輯.md |
| 封面怎麼做才不返工 | references/03_首幀封面規範.md |
| 橫豎屏佈局、導覽欄參數 | references/04_橫豎屏與動態導覽.md |
| 兩個主題的色值與使用場景 | references/05_配色與視覺設計.md |
| 逐秒分鏡怎麼寫、動畫曲線 | references/06_智慧分鏡與逐秒動態.md |
| V01–V20 元件怎麼選、V21 頭像怎麼做 | references/07_視覺元件使用規範.md |
| 字幕字型大小、斷句、安全區 | references/08_中英字幕與安全區.md |
| BGM 與音效密度、避讓 | references/09_背景音樂與音效.md |
| 質檢 100 分怎麼打、怎麼修 | references/10_質檢與自動修復.md |
八、命令列速查
# 1. 環境自檢
python3 scripts/check_environment.py --json
# 2. 讀取影片屬性
python3 scripts/analyze_video.py --video input.mp4 --out work/video_meta.json
# 3. 轉寫(中英雙語)
python3 scripts/transcribe.py --video work/edited.mp4 --bilingual --out work/
# 4. 按 EDL 精剪
python3 scripts/edit_video.py --video input.mp4 --edl work/edl.json --out work/edited.mp4
# 5. 校驗分鏡(不通過不許渲染)
python3 scripts/validate_storyboard.py --storyboard work/storyboard.json
# 6. 渲染(含封面單獨匯出,含真人圓形頭像)
python3 scripts/render_video.py --storyboard work/storyboard.json --ratio 16:9 \
--audio work/edited.mp4 --cover cover.png --out output/01_最終成片.mp4
# 7. 質檢
python3 scripts/quality_check.py --video output/01_最終成片.mp4 \
--storyboard work/storyboard.json --report output/08_自動質檢報告.md
# 8. 全流程
python3 scripts/run.py --video input.mp4 --out project/ --ratio 9:16 --theme pearl-green
任何腳本都支援 --dry-run,先看它打算幹什麼。
九、資料結構(必須遵守的契約)
導演計劃與分鏡採用統一 JSON 契約:config/storyboard.schema.json。最小可用結構:
{
"video_type": "knowledge",
"aspect_ratio": "16:9",
"resolution": [1920, 1080],
"theme": "dark_gold",
"cover": {
"lines": ["工作方式", "徹底變了"],
"position": "center",
"visible_from_first_frame": true,
"duration": 2
},
"presenter": {
"always_visible": true,
"badge": { "enabled": true, "diameter_px": 192, "top_px": 316, "focus_x": 0.58, "focus_y": 0.30, "zoom": 1.0, "anchor_y": 0.42 }
},
"navigation": { "enabled": true, "chapters": ["現狀", "邏輯", "案例", "總結"] },
"subtitles": { "languages": ["zh", "en"], "layout": "chinese_above_english", "safe_area_check": true },
"storyboard": [
{ "scene_id": "S001", "start": 0, "end": 2, "visual_type": "cover",
"motion": "subtle_push", "sfx": "soft_impact" },
{ "scene_id": "S002", "start": 2, "end": 5, "visual_type": "presenter",
"cover_visible": false,
"animation_plan": [
{ "time": 2, "action": "show_navigation" },
{ "time": 3, "action": "highlight_keyword" },
{ "time": 4, "action": "subtle_zoom" }
] }
]
}
正式執行時還必須帶:素材絕對路徑、精確幀號、真實字幕時間戳、圖形座標、動畫曲線、授權資訊、橫豎屏安全區、頭像取景參數。
十、跨 Agent 適配
同一套規則,任何 Agent 都能讀;能否出片取決於環境。
| Agent | 讀取方式 | 能否渲染 |
|---|---|---|
| Codex / Claude Code / Gemini CLI | AGENTS.md → SKILL.md | 是(需 ffmpeg + node) |
| 豆包工作 / WorkBuddy | 本 SKILL.md | 視環境 |
| 僅文字 LLM | 只輸出 director_plan.json + storyboard.json | 否,交給渲染環境 |
分工原則:推理歸模型,渲染歸程式。 不要讓大模型去猜像素,也不要讓渲染引擎去做語義判斷。
十一、交付清單
<選題名>/
├── 01_最終成片.mp4
├── 02_首幀封面.png
├── 03_精剪原聲影片.mp4
├── 04_中英雙語字幕.srt
├── 05_完整口播文稿.md
├── 06_全片導演計劃.json
├── 07_逐秒分鏡計劃.json
├── 08_自動質檢報告.md
└── 09_可編輯影片工程/
橫豎屏雙出時,各自生成一份成片、封面、分鏡佈局與字幕工程,共用內容分析與精剪時間軸。
十二、什麼時候必須停下來報告
- 轉寫引擎不可用,且無替代方案 → 報告,不要瞎編臺詞。
- 原片嚴重模糊/無聲/無有效講解內容 → 報告,不要硬剪。
- 素材版權不明 → 不用,並說明原因。
- 渲染多次失敗 → 報告錯誤原文,不要交出半成品冒充成片。
誠實優於完成度。