YvanDeng/viral-video-distiller-pro

Viral Video Distiller Pro

將影片變成可稽核的證據包、可閱讀的蒸餾報告和可直接執行的原創結構遷移方案。核心原則是：先取證、後分析；事實和推斷分層；沒有證據就明確降級。

觸發與意圖路由

優先保證「一句話使用」，不要要求使用者複述證據等級、切鏡演算法、時間軸覆蓋率或校驗規則。

自動觸發

滿足任一項即進入本 Skill：

• 文字包含「分析/拆解/拉片/復刻/仿拍/模仿/研究」以及「影片/短影片/抖音/TikTok/Reels/小紅書/B站/YouTube/口播」等影片語意。
• 輸入包含可識別的影片平台 URL，例如 douyin.com、v.douyin.com、tiktok.com、xiaohongshu.com、xhslink.com、bilibili.com、b23.tv、youtube.com、youtu.be、instagram.com/reel。
• 輸入包含本地影片路徑或附件，副檔名為 .mp4、.mov、.mkv、.webm、.m4v、.avi、.flv、.ts。
• 使用者只提供影片連結/影片檔案但沒有動詞：預設理解為「分析這條影片」；先預檢，不要求補一段長提示詞。

不觸發或轉交

• 僅分析 PDF、Word、網頁文章、圖片或音訊，且沒有影片分析意圖。
• 僅要求播放、上傳、壓縮、轉碼、下載或刪除影片，不需要內容拆解。
• 只想快速總結影片內容且明確不要鉤子、鏡頭、互動或生產腳本時，使用普通影片總結能力。

「分析」與「復刻」的預設行為

• 「分析/拆解/拉片」：直接生成完整蒸餾生產包。
• 「復刻/仿拍」：先自動完成原片分析；若使用者已經給出新主題/受眾，繼續生成原創遷移腳本。
• 使用者說「復刻」但沒有新主題：分析不中斷，先交付原片蒸餾與可替換槽位；只在生成具體新稿確實需要主題時，詢問一個簡短問題。
• 禁止要求使用者確認鏡頭、證據等級、演算法閾值、評分權重或報告欄位，這些是 Skill 內部責任。

推薦使用者提示詞：幫我分析復刻這條抖音影片：<連結>。

適用輸入

• 本地 .mp4、.mov、.mkv、.webm。
• 抖音公開連結；僅分析使用者有權獲取和研究的內容。
• 可選補充：平台資料截圖/JSON、目標受眾、新主題、帳號定位。

如果只有文字、音訊或關鍵幀，可以做局部分析，但不得聲稱完成全量影片蒸餾。將無法驗證的模組寫成 N/A。

必須交付

最終目錄既是報告包，也是可繼續剪輯和稽核的生產資產包：

• 九個核心檔案：蒸餾報告.md、evidence.json、transcript.json、逐字稿.md、逐秒時間軸.csv、復刻生產腳本.md、剪映執行清單.md、素材清單.md、品質自檢報告.md。
• 生產資產：source_video.mp4、關鍵幀/、音訊與轉寫/、分鏡檔案/、復刻SOP.md。

.venv、模型快取、__pycache__、下載暫存檔案等可重建執行垃圾放到交付目錄外的 work/。影片、幀、音訊、轉寫、分鏡和 SOP 屬於可複核過程資產，必須交付。

執行流程

1. 預檢與授權邊界

執行：

python3 scripts/preflight.py "<本地路徑或連結>"

• 本地檔案不存在時先確認路徑。
• 抖音連結執行 download_douyin.py：先嘗試 yt-dlp；若提示 fresh cookies、登入/驗證碼失敗，或環境沒有 yt-dlp，腳本自動請求分享頁 HTML、提取受限的抖音/位元組影片 CDN 候選、下載並用 ffprobe 驗證。兩條路徑都失敗後才要求使用者提供本地影片。
• 分享頁 fallback 不得列印、儲存或寫入報告中的完整簽名 CDN URL、Cookie、鑑權參數；不得繞過登入、驗證碼、付費或私密內容存取控制。只處理使用者有權分析的公開分享連結。
• 不要僅根據標題、封面或網頁簡介生成逐秒報告。

2. 建立工作與交付目錄

python3 scripts/scaffold_delivery.py <輸出目錄> --source "<來源>"

將 assets/templates/蒸餾報告.md 作為報告正文範本。

輸出目錄儲存生產資產；在同級 work/ 或系統暫存目錄建立執行環境與快取，不得在輸出目錄建立 .venv。

3. 提取確定性證據

本地影片執行：

python3 scripts/extract_evidence.py <影片> <工作目錄/evidence>

工具會提取媒體元資料、16kHz 單聲道分析音軌、靜音區間、場景候選切點和 1fps 關鍵幀。將原影片標準化複製為 source_video.mp4，關鍵幀儲存到 關鍵幀/，分析音軌與 ASR 原始結果儲存到 音訊與轉寫/。完整閱讀 references/automated-visual-analysis.md：透過多訊號自動確認切鏡，低置信度結果自動降為疑似切鏡或內部視覺事件。分析過程不要求人工參與，也不得把單一場景閾值結果稱為真實鏡頭。

3a. 獲取帶時間戳的口播轉寫（ASR）

優先執行 Whisper（small 模型，跨平台，支援中文）：

python3 scripts/run_asr_whisper.py <影片或音訊> <交付目錄> [--model small] [--language zh]

• 首次使用自動下載模型（small 約 460MB，快取在本機），並需安裝依賴：pip install openai-whisper（或 faster-whisper）。
• 腳本輸出帶起止時間戳的轉寫，合併進 evidence/raw_evidence.json（analysis_mode.asr="A"、speech_metrics、ev-asr 證據項），並生成 transcript.json、逐字稿.md 與 音訊與轉寫/asr_raw.json。
• ASR 原文不可變：每段保留 raw_text；可靠校正寫入 normalized_text，並在 corrections[] 登記原詞、修正詞、依據和置信度。沒有可靠依據時不校正。
• 無 whisper 且無法安裝時：對應模組標 N/A，不得偽造語速；有其他 ASR 工具時按其輸出合併，同樣註冊 ev-asr 並標實際等級。

若環境有 OCR 能力，生成字幕觀察並合併進證據登記簿；若沒有，將對應模組標 N/A 或使用直接多模態觀察標 B。不要為了完整而編造。

4. 構建統一證據包

完整閱讀 references/evidence-schema.md 與 references/analysis-protocol.md。把 raw_evidence.json 合併為交付目錄的 evidence.json：

• 每項觀察註冊唯一證據 ID。
• 所有結論引用 evidence_ids。
• C 級推斷寫 rationale，並說明替代解釋。
• 交付前寫入 delivery_metrics.evidence_item_count = len(evidence_items)；《品質自檢報告》引用該值，不得手工加總。
• 使用「外部資料/官方專案/交叉印證」等措辭時，將來源登記到 external_sources[]（id/title/url/accessed_at/grade），相關結論透過 external_source_ids 引用；未登記時刪除該措辭，不得暗示已查證。
• 逐秒時間軸.csv 必須每秒一行且連續覆蓋至少 95%；分別填寫 visual_evidence_ids、audio_evidence_ids、subtitle_evidence_ids 和各模態置信度。視覺事實只能引用幀、OCR 或直接多模態觀察，ASR 不能單獨支撐視覺描述；音訊、字幕同理。每行至少引用一條跨度不超過 15 秒且與該秒重疊的時間鄰近證據。空白、黑場、靜音也要佔一行並寫明狀態。
• Hook 固定覆蓋 0.000–3.000 秒，不能借用 3 秒後的資訊。

5. 分析爆款機制

按以下順序分析，避免先有結論再找證據：

1. 首幀、首句、字幕、聲音、承諾和資訊差。
2. ASR 停頓 + 語意轉折 + 鏡頭候選切點的段落邊界。
3. 有完整 ASR 才計算中文字元/分鐘、語意停頓和重音；沒有 ASR 時精確口播指標為 N/A。聲學停頓、BGM、音效和響度獨立分析。
4. 候選切點、自動確認切鏡、疑似切鏡、字幕重新整理和內部視覺事件分別報告；綜合視覺重新整理率說明去重口徑。
5. 字幕位置、佔屏、行數、顏色、關鍵詞強調、出現/退出動畫。OCR/關鍵幀覆蓋不足 95% 時，只能寫「取樣點觀察到一致/基本一致」，禁止寫「全片嚴格同步」。
6. 互動原句、時間戳、目標動作和留言機制。
7. 結尾五動作：按讚、追蹤、收藏、下期預告、開放式問題。
8. 按固定八維權重自動計算評分、覆蓋率和缺失維度；不得手填總分。評分基於證據，不因使用者稱其為爆款而預設高分。
9. 每個核心段生成「事實→機制→觀眾反應→遷移公式」專家洞察；禁止只描述畫面。

6. 生成結構遷移生產包

完整閱讀 references/report-contract.md，按範本填寫《蒸餾報告.md》。隨後輸出：

「一句話結論」先在 evidence.json.executive_summary 填滿八個槽位，再組合成一個緊湊段落。工具鏈只能作為 C 級推斷，並同時列出依據和替代解釋；沒有平台資料時使用「傳播機制」，不要直接斷言「爆款原因」。

若工具鏈僅為 C 級推斷，復刻生產腳本.md 只能給工具無關流程或明確標註的候選實作，不得把推斷的軟體名升級成確定依賴、版本、安裝命令或 CLI。只有實際執行驗證並在 toolchain_inference.execution_verified=true 登記驗證證據後，才可給確定命令。

• 復刻生產腳本.md：時間、功能槽位、原創口播、畫面、字幕、音效、互動目的。
• 分鏡檔案/分鏡表.csv：固定欄位 time_range,shot_function,normalized_visual_text,normalized_spoken_text,asset_ids,evidence_ids,confidence。口播使用 transcript.json.normalized_text，螢幕文字保留原始 OCR 證據並另做標準化，不得把明顯辨識雜訊直接交給剪輯；剪輯工程或 EDL/XML 也放入此目錄。
• 復刻SOP.md：主題遷移、腳本、分鏡、素材準備、剪輯、質檢到發布的順序化操作步驟。
• 剪映執行清單.md：軌道、切點、字幕範本、關鍵幀、音量、匯出與發布前檢查。
• 素材清單.md：素材角色、規格、來源/授權狀態、替代素材；不得直接复用原片資產。
• 逐字稿.md 與 transcript.json：保留時間戳、說話人和置信度。
• 品質自檢報告.md：記錄證據缺口、自動降級結果、門禁結果和低置信度清單；不要求人工複核後才能交付。

這裡的「一比一復刻」只指一比一映射結構槽位、節奏節點與鏡頭功能；台詞、例子、人物、品牌、音樂和畫面素材必須原創或已授權。

7. 執行生產門禁

python3 scripts/validate_delivery.py <交付目錄>

只有輸出 PASS 才能宣稱完整交付。失敗時按錯誤逐項修復，不得刪除規則繞過。

8. 分析完成後的漸進式復刻引導

分析包通過門禁後，不要只告知檔案路徑，也不要一次性要求使用者提交全部物料。複製 assets/templates/remake-brief.json 到交付目錄，並按下列順序每次只問一個當前必需問題；使用者回答後立即寫入 brief，再進入下一步：

先執行確定性編排腳本，讓後續步驟真實消費分析產物：

python3 scripts/create_remake_project.py init --analysis <分析交付目錄> --output <原創復刻工程目錄>

腳本會讀取報告、復刻生產腳本、SOP、時間軸、標準化分鏡、素材與剪映清單，生成 remake-context.json 並返回唯一的 next_field/question。每次收到使用者答案後執行：

python3 scripts/create_remake_project.py set --output <原創復刻工程目錄> --field <next_field> --value "<使用者答案>"

1. 新主題：先問「你想把這個結構遷移到什麼主題？」這是唯一無可靠預設值的必答項。
2. 目標受眾：根據主題推薦一個受眾並讓使用者確認；使用者已有帳號定位時直接沿用。
3. 時長與畫幅：根據參考片和發布平台給推薦值，例如抖音預設 60 秒、9:16；將兩個強相關參數放在同一次確認中。
4. 呈現方式：從真人口播、錄屏講解、PPT/文字動畫、純素材混剪中推薦一種，只要求使用者確認或改選。
5. 結尾動作：根據帳號階段推薦關注、收藏、評論問題或私域領取中的一個主 CTA。
6. 可用素材：最後才詢問使用者是否有頭像、Logo、錄屏、圖片、配音或品牌色。沒有素材時不要阻塞，提供 TTS + 原創佔位圖形 + 純文字動畫的降級方案。

每一步先展示「已確認內容 + 當前只需回答的問題」。使用者說「你決定/預設即可」時採用推薦值繼續，不重複追問。資訊足夠後自動生成原創復刻工程包：原創口播稿、SRT、標準化分鏡、素材缺口表、剪映執行清單、發布文案和 render-manifest.json。

當腳本返回 status=ready 後執行：

python3 scripts/create_remake_project.py build --output <原創復刻工程目錄>

隨後 Agent 必須讀取 生成任務.md、remake-context.json 和 remake-brief.json，填充工程包中的原創內容；不得把腳本生成的佔位骨架冒充完成稿。

目前 Skill 的「一鍵生成」邊界是：一鍵生成可執行復刻工程包，不承諾直接輸出 MP4。只有執行時具備並實際驗證 Remotion、剪映草稿或其他渲染後端時，才能把 render_backend 改為對應後端並宣稱生成成片。

分析完成後的第一條引導固定為：

分析已經完成。下一步我可以帶你把它遷移成一條原創影片，我們一次只確認一項。先告訴我：你想用這套結構講什麼新主題？

降級矩陣

可用證據	可完成	必須標 N/A
影片 + FFmpeg + ASR + OCR	全量分析	無法驗證的平台資料
影片 + FFmpeg + Whisper ASR	媒體、音訊候選、鏡頭候選、視覺觀察、口播與詞級時間戳	OCR 指標
影片 + FFmpeg，無 ASR/OCR	媒體、聲學停頓、鏡頭候選、視覺觀察	口播速度、語意節奏、重音、情緒曲線、口播評分與 OCR 指標；口播維度退出總分並重新歸一化
只有音訊/帶時間戳轉寫	口播、敘事、部分互動	鏡頭密度、視覺字幕包裝
只有文字	文案結構與候選互動	所有精確音畫指標
連結下載失敗	連結層可見資訊	逐秒影片分析；請求本地檔案

禁止事項

• 禁止捏造播放量、發布日期、ASR、字幕顏色、鏡頭數或工具鏈。
• 禁止把演算法候選切點直接當作自動確認切鏡。
• 禁止要求人工確認或把人工複核設為交付前置條件；低置信度結果必須自動降級。
• 禁止 ASR 缺失時估算精確語速、重音或語意停頓。
• 禁止 ASR 缺失時填寫口播語意節奏、情緒曲線或口播評分；必須標 N/A 並從綜合評分分母移除。
• 禁止用長區間表格冒充逐秒時間軸。
• 禁止用重複章節摘要鋪滿逐秒時間軸，或用全片證據冒充該秒的直接證據。
• 禁止用 ASR 證據支撐顏色、構圖、鏡頭、字幕樣式等視覺事實，或用單一綜合置信度掩蓋模態證據缺失。
• 禁止在稀疏 OCR/關鍵幀取樣下聲稱「全片字幕嚴格同步」。
• 禁止靜默改寫 ASR 原文；標準化文字必須保留 raw_text 和 corrections 溯源。
• 禁止手工估算證據總數，或聲稱外部資料交叉印證卻不登記 external_sources。
• 禁止分鏡繼續使用已被 corrections 修正的原始誤辨識詞；分鏡必須帶素材、證據與置信度欄位。
• 禁止把 .venv、模型快取或暫存下載檔案放入最終交付；也禁止刪除原影片、關鍵幀、分析音訊、轉寫、分鏡或復刻 SOP。
• 禁止把 C 級工具鏈推斷寫成確定依賴或未經執行驗證的安裝、初始化、渲染命令。
• 禁止輸出無法按固定權重複算的綜合評分。
• 禁止用「約」「推測」掩蓋無證據的精確數字。
• 禁止複製長段原台詞、品牌包裝、音樂或畫面素材。
• 禁止只輸出漂亮報告而缺少 evidence.json 和校驗結果。
• 禁止 yt-dlp 首次失敗就終止：抖音公開分享連結必須自動嘗試分享頁 CDN fallback；fallback 失敗後才請求本地檔案。
• 禁止記錄或回顯分享頁中的 Cookie、完整簽名 CDN URL 和鑑權查詢參數，也不得用 fallback 繞過存取控制。