短影音剪輯(OpenFilm 流程)
使用者是專業剪輯師。請以他們的標準工作:每個剪輯、數字和聲音都經過檢查,在實際看過(影格)和測量過(音量、平台檢查)之前,不得宣稱「完成」。
腳本位置:.claude/skills/short-video-edit/scripts/(透過 run.py 呼叫)。已安裝 Python 3.12、ffmpeg 9(NVENC)、Node(用於 npx -y [email protected])、faster-whisper(CUDA)、onnxruntime-directml(RVM 去背)。
python .claude/skills/short-video-edit/scripts/run.py <集目錄> new|cut|subs|text|broll|bgm|all|look <t>
集目錄(episodes/<名稱>/)
| 檔案 | 步驟 | 誰寫入 |
|---|---|---|
episode.json | 全部 | 來源、標題、輸出名稱、速度 (1.2)、字型(預設 Noto Sans SC Black;任何你持有授權的中日韓字型)、BGM(OpenFilm CC0 id)、關鍵字(字幕中黃色)、分詞(jieba)、步驟(STEP 膠囊)、CTA、設計師卡片、雲端硬碟資料夾(選用) |
blocks.json | 1 | 你:鏡次,[{a, b, label, note}](以來源秒數為單位) |
subs.tsv | 2 | 你:在校對時間軸上校對字幕 start<TAB>end<TAB>text |
kinetic.json | 3 | 你:強調群組(格式如下) |
cards.json, mg.json | 4 | 你:資料卡與動態圖形 |
work/ film/ out/ | 腳本:中間檔案、OpenFilm 專案、交付檔案 |
所有在 subs/kinetic/cards/mg/steps/cta 中的時間都是在加速前的剪輯時間軸上。加速在交付時套用。
步驟 1 — 粗剪
run.py EP new→ 填入episode.json。然後run.py EP cut(若blocks.json為空則在準備後停止)。- 準備階段會報告左右聲道平衡。手機與領夾麥克風的錄音通常只將聲音放在「一個」聲道(另一聲道約為 −25 dB):交付時會自動從好的聲道製作成雙單聲道(
voice_channel)。絕不能直接平均 L+R。 - 在腳本 PDF 旁讀取
work/transcript.txt。比對他所說的內容與腳本,並告訴使用者哪裡有偏差(尤其是數字)——畫面上的數字要跟隨他「說的」,而不是腳本。 - 挑選鏡次並寫入
blocks.json:結構遵循腳本;保留他額外的闡述;刪除重拍、NG、提詞機聲音、髒話、空白時間。同一句台詞的最後一個乾淨鏡次優先,除非使用者另有指示。區塊內的停頓 ≥ 0.45 秒會自動收緊。 - 再次執行
run.py EP cut→ 產生out/cut_preview.mp4(疊加時間碼)+ 剪輯品質檢查。在步驟 2 之前,播給使用者看並獲得剪輯核准。 被標記的「熱接點」通常是呼吸尾音(已套用 40 ms 淡出)——請指出是哪個。 - 後續重新剪輯:修改
blocks.json,重新執行cut,然後執行scripts/shift.py EP <cut_t> <delta>來移動所有在編輯後手動放置的時間(delta = 舊長度 − 新長度)。
步驟 2 — 字幕辨識
run.py EP subs → 產生 subs_draft.tsv。校對後寫入 subs.tsv:修正聽錯的字詞(whisper 常將口語短語變成聽起來很像的亂碼)、英文拼寫、簡體中文,並刪除偏離腳本的旁白。將猜測之處標記給使用者。
字幕只顯示一行:任何寬度超過約 10 個中文字元的內容會自動變成下一段字幕,時間點來自單詞時間,並在 jieba 分詞邊界處斷句,永遠不會在英文短語中間斷句,也永遠不會以「的/了/嗎/」開頭。
步驟 3 — 字幕特效 + 音效(動態文字)
寫入 kinetic.json。選出重點句、數字、對比、步驟標題(約每 5–8 秒一個,不在卡片視窗內)。在動態群組顯示期間,一般字幕會自動隱藏。
{"a": 34.20, "b": 35.72, "items": [
{"text": "會很", "x": 290, "y": 450, "fs": 96, "col": "W", "anim": "fade", "at": "會很"},
{"text": "丢臉", "x": 800, "y": 380, "fs": 210, "col": "R", "anim": "slam", "at": "丢臉", "v": true, "rot": 4}]}
at:他所說的一個短語(解析為實際時間)或a之後的秒數。- x/y = 1080×1920 上的中心點像素;保持 y ≈ 380–700(頭部周圍/上方),x 200–880。
v:垂直堆疊。 - 標題安全區(使用者的標準 = Premiere 的內側 10% 導引):所有可讀內容保持在 x 108–972, y 192–1728 內。
text階段會將任何超出此範圍的動態文字移回(列印「title-safe … moved」),且建置會拒絕在此範圍外的字幕位置。從一開始就在此範圍內設計;episode.json中的title_safe可覆蓋此邊界框。 col:W Y R C 或#hex;latin:英文/數字使用 Arial Black;italic;rot旋轉度數。anim:fade drop rise slide_l slide_r pop slam type wave flip stamp split shake。deco:box underline strike check(在文字落地後繪製,並附帶自己的音效)。- 所有文字(字幕、動態文字、MG 標籤)均無外框:僅使用柔和的圖層陰影——這是使用者的品味(「比較高級」)。
- 混合大小(一個 90 px 的鋪墊字 + 一個 150–230 px 的重點字),混合垂直與水平,白色/黃色/紅色。
加速安全機制(自動執行,text 階段會列印其處理結果):動畫在影片中播放 speed 倍慢,以在 1.2 倍加速後看起來與設計一致,且每個項目在群組結束前都有落地 + 0.45 秒停留(真實時間,kinetic_hold)+ 退場——群組會延長到空閒時間中(絕不進入下一個群組/黑卡/MG,最長 1.2 秒),否則項目會在對應詞語前最多 0.3 秒開始播放。字幕仍會在寫入的時間點恢復顯示。閱讀報告;如果一個項目在詞語前很早就開始,請縮短群組的文字或移動下一個群組。
每個動畫和裝飾都會自動獲得一個音效(assets/sfx_library.json,OpenFilm CC0,旋轉變體)。
run.py EP text 建置時間;在步驟 4 後使用 look 檢查。
步驟 4 — B-roll 與 MG
- 設計師片段(ProRes 4444 含 Alpha,例如
A下卡卡片):將它們列在episode.jsondesigner_cards{file, out_in, out_out, src_in}。首先檢查它們的數字是否與他所說的相符——設計師卡片是根據腳本製作的;如果與他說的有矛盾,請改以相同風格在cards.json中重建卡片,並告知使用者。 - 資料卡(
cards.json,設計師風格):{a, b, badge, keep_bg_after?, rows:[step|value|big]}—— step{t, y, num, title, sub},value{t, y, label, value, t_value?, color: green|yellow|sub, strike?},big{t, number, line}。[[word]]= 黃色。在卡片顯示期間,畫面變黑,卡片放置在高處,人物去背(RVM matte)位於左下角;字幕移動到他上方。 - MG(
mg.json):類型target(在big_at時放大)、bucket(modeoverflow|fill,label)、frost、checklist(rows,checks)、breakdown(crack_at)、cta(word= 留言關鍵字,gift_at);每個都包含sfx[[t, id, in, out, file_peak, target_peak], ...]。將 MG 放在空隙中(無動態文字/卡片的區域)並與台詞連結。 run.py EP broll渲染底層畫面,以全解析度遮罩每個動態文字/MG 視窗,決定每個文字項目的前景/背景(遮蓋 > 25%,或數字遮蓋 > 10% → 前景;否則為背景以增加景深;可使用 `occlusion_overrides.json {