YouTube 影片封裝工具 是做什麼的?
將完成的影片腳本或逐字稿,轉換為上傳所需的一切:標題、附帶章節的描述、置頂留言、字幕以及三張縮圖。適用於任何領域、任何長度(專為長片設計,短片也適用)。
腳本位於此 SKILL.md 旁的 scripts/ 資料夾中。請使用 python(3.10 或更新版本)並以該資料夾的絕對路徑來執行它們。check_package.py 和 make_srt.py 不需要其他依賴;縮圖腳本 (thumbs.py) 需要 Pillow、numpy 和 Playwright 搭配 Chromium(執行 python -m pip install pillow numpy playwright 然後 python -m playwright install chromium),以及從影片檔案擷取幀時需要 ffmpeg。
1. 收集輸入
- 影片的文字內容,最好優先取得:以 JSON 格式且帶有時間戳的字詞時間戳(來自提供字詞時間戳的轉錄工具)、帶有時間戳的逐字稿(
0:12 文字格式的行、複製的 YouTube 逐字稿、SRT 或 VTT 檔案),或僅有腳本(那麼每個時間點都是估算值;請註明)。 - 影片的最終長度(用於最後一個章節和字幕)。
- 影片承諾的資源或連結。若無真實連結,請寫
[LINK]供使用者自行填入。 - 可選:頻道先前的描述(避免新描述重複)、工作標題或縮圖構想、目標觀眾。
2. 先閱讀影片內容
完整閱讀整個腳本或逐字稿,並記錄:開頭 30 秒內做出的承諾、主要亮點、各個章節及其開始位置、影片中提到的具體數字、最令人驚訝的時刻。每一個標題、縮圖文字和描述行都必須與影片實際提供的內容相符。
3. 章節
- 每個章節對應一個段落;其時間點為該段落第一個口說詞語的時間。若有字詞時間戳或帶時間戳的逐字稿,請找出每個段落的第一個詞語。若僅有腳本,則進行估算(段落前的字數 / 每分鐘字數)並將時間標記為估算值,待剪輯後修正。
- YouTube 規則:時間列表從
0:00開始(開場鉤子屬於該章節),至少包含三個章節,每個不少於 10 秒,按時間順序排列,超過一小時的時間以1:05:00格式書寫。少於 10 秒的章節應合併到相鄰章節中。 - 章節標題應說明該段落涵蓋的內容或提出的問題,而非其結論(例如「澆水的錯誤」,而非「停止每天澆水」);2 到 6 個詞;不要使用 em dash。
4. 標題(三種選項)
- 每個選項採取不同角度:結果、問題或錯誤、好奇心缺口或對比。將觀眾可能搜尋的詞語放在前面。
- 最多 60 個字元(YouTube 允許 100 個,但較長的標題在手機和搜尋中會被截斷)。
- 影片的前 30 秒必須確認標題的承諾;開場未兌現的標題會在最初幾秒內失去觀眾。
- 僅在影片提到時才使用數字。不要使用 hashtag、連結、誇大詞彙,或超過兩個大寫單詞。
5. 縮圖(三張完成的圖片)
- 文字:最多 5 個詞,且在手機尺寸下可讀。縮圖應補充標題,而非重複標題:兩者共同講述故事(標題:承諾;縮圖:風險、結果、轉折)。數字僅來自影片。
- 圖片:執行
python <skill-folder>/scripts/thumbs.py frames VIDEO_OR_IMAGE_FOLDER work/命令會保留最清晰、最不同的幀,並存放為work/frames/f01.png ...;開啟work/frames.jpg並選擇能展示亮點的幀(臉部反應、結果、前後對比)。沒有影片?使用使用者自己的圖片或螢幕截圖放在一個資料夾中;切勿使用陌生人的照片。 - 撰寫
work/thumbs.json:三種變體,僅在 ONE 個方面有所不同(文字、圖片或佈局),以便 YouTube 的「測試與比較」功能判斷哪個有效。六種佈局:simple、shock(縮放和環圈)、big-number、header、comparison(兩張圖片)、blur(揭示效果)。格式、佈局和選項(焦點、高亮詞、文字側邊、品牌顏色):請參考 references/thumbnails.md。 - 渲染:執行
python <skill-folder>/scripts/thumbs.py render work/thumbs.json out/ [--brand brand.json]。它會生成out/thumb-a.png及其後的檔案以及out/thumbs.jpg:每個變體以大圖、YouTube 首頁圖塊(附標題)及手機尺寸顯示,並附有檢查結果(1280x720 且小於 2 MB、最多 5 個詞、字母高度至少 54 像素且在手機尺寸下仍可讀、文字在幀內、與背景的對比度為 4.5:1)。開啟thumbs.jpg,修正所有失敗項目(縮短文字、設定"shade": 0.65、更換佈局或圖片)並再次渲染。
6. 描述
按此順序:
- 開場:2 行,每行最多 160 個字元,在「...更多」之前顯示。用全新的詞彙再次表達承諾,針對仍在猶豫是否點擊的人:不要重複標題,不要連結。
- 摘要:一個簡短段落(最多 900 個字元),說明觀眾能獲得什麼。使用平實的句子,不要列表。
- 資料行(僅當影片承諾提供時才需要):說明是什麼,然後是連結或
[LINK]。 - 章節:每行一個,格式為
0:00 章節標題。 - 可選:創作者總是添加的致謝或連結。
總字數不超過 5,000 個字元。預設不使用 hashtag(主題應放在標籤中),不使用誇大詞彙,不用 em dash,且與先前的描述共享的三詞片語不超過 30%。
7. 置頂留言與標籤
- 置頂留言:一個與影片核心問題或觀眾的下一步相關的問題,易於用一個詞或一句話回答。最多 200 個字元,無連結。
- 標籤(可選):3 個或以上,總字數最多 500 個字元,每個標籤內不要有
#或逗號。
8. 字幕
python <skill-folder>/scripts/make_srt.py words.json -o video.srt # 字詞時間戳
python <skill-folder>/scripts/make_srt.py transcript.txt --end 18:42 -o video.srt # 帶時間戳的行
python <skill-folder>/scripts/make_srt.py --validate video.srt # 檢查現有檔案
提示:最多兩行,每行 42 個字元,螢幕顯示時間為 1 到 7 秒,優先從句子結尾切分,其次是逗號;數字應與其單位保持在一起,人名不可分割;提示之間無重疊,間隔至少 80 毫秒。所有參數均可調整(--max-chars、--max-lines、--min-dur、--max-dur、--gap-ms)。報告輸出至 stderr;退出碼 0 表示檔案乾淨。無標點符號的時間戳行(原始自動字幕)僅依長度和停頓進行分割:先為逐字稿加上標點符號,可獲得更好的提示。
9. 檢查套件
以以下 Markdown 格式撰寫套件(相同鍵值的 JSON 也可接受:titles、description、pinned_comment、thumbnail_texts、tags、duration):
---
duration: 18:42
---
## 標題
1. ...
2. ...
3. ...
## 描述
```
開場第一行。
開場第二行。
摘要段落。
0:00 第一章節
...
```
## 置頂留言
...?
## 縮圖文字
1. ...
2. ...
3. ...
## 標籤
標籤一、標籤二、標籤三
然後執行:
python <skill-folder>/scripts/check_package.py package.md --srt video.srt --source transcript.txt
python <skill-folder>/scripts/check_package.py package.md --duration 18:42 --earlier old-desc-1.txt old-desc-2.txt
--duration(或檔案中的duration:)檢查最後一個章節;若未指定則使用最後一個字幕的結束時間。--source檢查標題或縮圖文字中的每個數字是否出現在影片中,以及開場是否與每個標題共享詞語。--earlier阻止重複的描述。FAIL必須修正;WARN需修正或解釋。退出碼 0 表示沒有失敗項目(--strict也會將警告視為失敗,--json輸出機器可讀的結果)。- 限制條件和誇大詞彙列表位於
scripts/package-rules.json中;複製它,保留要修改的鍵,傳入--rules my-rules.json(例如"allow_hashtags": true、"title_max": 70)。
修正所有失敗項目,再次執行,然後回傳結果。
10. 回傳結果
package.md:三個標題(標註你的選擇並用一行說明原因)、可直接貼上的描述、置頂留言、三個縮圖文字、標籤。.srt檔案以及三張縮圖 PNG(out/thumb-a.png、-b、-c)和out/thumbs.jpg。- 上傳步驟:貼上描述(YouTube 會從時間行自動建立章節)、將 SRT 上傳為影片語言的字幕、將三張縮圖加入「測試與比較」功能、替換任何
[LINK]、發布後置頂留言、最後保留 20 秒給結尾畫面。 - 檢查器結果行,以及任何被接受的警告及其原因。
關於每個規則的更多細節及其存在原因:請參考 references/packaging-rules.md。
工作範例
examples/transcript.txt 是一個關於在小型陽台上種植食物的 10:06 影片的帶時間戳逐字稿;examples/words.json 包含其前 46 秒的字詞時間戳。
python scripts/make_srt.py examples/transcript.txt --end 10:06 -o test-out.srt
python scripts/check_package.py examples/package.md --srt test-out.srt --source examples/transcript.txt
第一個命令輸出 made 149 cues from 1497 words, 0:00.4 to 10:03.0 和 srt: ok;第二個命令以 Result: 0 failed, 0 warnings, 11 passed 結束。其標題採取了三種角度(結果:「即使在室內也能在小陽台上種出真正的食物」;方法:「決定陽台種什麼的單日日照測試」;問題:「為何陽台植物會死,以及解決問題的水桶技巧」),而縮圖文字(「6 小時或 nothing」、「自動澆水」、「停止殺死植物」)各自補充了標題未提及的內容。examples/package-weak.json 顯示了失敗案例:一個帶有 hashtag 的長標題、從 0:05 開始的章節、一個 6 秒的章節、帶有連結且沒有問題的置頂留言、一個 8 個詞的縮圖(共 9 項失敗)。