用途
explainer 是一个 Claude Code 技能，用于将一段出镜口播视频（talking-head clip）剪辑成竖屏讲解短片（explainer reel）。画面结构包括：说话者位于浅色背景上的圆角面板中，头部从面板上沿探出；顶部为标题；中部为对比卡或编号列表等视觉元素；下方为口播字幕。
主要能力
- 将任意尺寸的输入片段裁切为 1080x1920 竖屏。
- 对说话者进行人物抠像，每帧约耗时 0.1 秒。
- 使用 HyperFrames 渲染成片，并生成预览图 <out>.sheet.jpg 供检查。
- 支持两种视觉类型：
- compare：左右对比卡。左卡可放置 1 到 3 张图片并按时间滑动切换；右卡初始为虚线问号，箭头绘制后卡片揭晓。右卡可以是普通图片，也可以是“图片 + 文字”组成的轮播封面（word 显示为黄色，\n 换行）；左右卡也可改用纯文字卡。
- list：最多 4 条编号列表，逐条随口播出现。
- 标题支持 1 到 4 个词，其中一个词用 ... 包裹后以衬线斜体显示。
- keys 指定 2 到 4 个字幕关键词，这些词每次出现时以衬线字体呈现。
- 时间可写为从起点开始的秒数，也可写为口播词锚点（如 "viral"、"viral#2"、"viral+0.2"），便于调整起点后仍保持对齐。
使用方式
首次使用需从技能所在目录解析出 kit 路径并完成初始化：
SKILL_DIR="<base directory of this skill>" KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR") PY="$KIT/.venv/bin/python"; [ -x "$PY" ] || bash "$KIT/setup.sh" --cutout
转写需要设置 GROQ_API_KEY（可在 console.groq.com 免费获取），并需要 ffmpeg 和 Node。
操作步骤：
- 使用用户提供的 9:16 片段（任意尺寸，会被裁为 1080x1920）；若未提供则先询问。
- 运行 "$PY" "$KIT/reel.py" words <video> 输出每个词及其时间，并打印每句话一行及 [ends …]（该句最后一个词的结束时间）。从中挑选 3 到 8 秒、只表达一个观点的连续整句作为片段。
- 运行 "$PY" "$KIT/reel.py" frame <video> <片段内某时间> frame.jpg，查看图片，读取红色标尺（单位为 1080x1920 像素）中眼睛的 y 坐标，作为 eye_y（正常构图约 700 到 800）。
- 在视频旁编写 <clip name>.explainer.json 规格文件，字段包括 video、start、end、out、title、eye_y、visual、keys、caption_top。规格中的路径相对于规格文件。
- 运行 "$PY" "$SKILL_DIR/build.py" <spec.json> 完成裁切、抠像和渲染，并输出 <out>.sheet.jpg。
- 查看 sheet 图检查：标题或视觉元素是否落入红色安全区；字幕是否遮住嘴部或距底部红色区域小于 80 像素（需调整 caption_top）；字幕是否出现片段之外的词（需把 start 或 end 移到句子边界）；头部是否从面板上沿探出（需调整 eye_y）；图片是否缺失或变形。修正规格后重新构建。
- 交付 mp4 路径，并用一句话说明每个视觉元素展示的内容。
适用场景
适合把口播内容制作成适合 Instagram 等竖屏平台发布的讲解短片，尤其是“之前与之后”式对比、左右对照或要点列表型内容。
限制与注意事项
- 转写依赖 Groq API Key；运行环境需要 ffmpeg 与 Node。
- 一段片段只讲一个观点；若包含两个观点，应拆成两个短片。
- 视觉元素应在其对应口播词出现时才出现，标题除外（从第一帧起就显示）。
- 顶部视觉元素保持在 y 330 到 760 之间，标题约在 210；文字与图形不应进入顶部 220 像素、底部 420 像素和左右各 100 像素区域；说话者面板可以延伸进这些区域。
- 字幕顶部默认 1420，应位于嘴部下方，且 caption_top + 80 需高于 1500。
- 应使用用户自己的图片；不得编造他人帖子的数字或结果；诸如“14× viral”的标签必须是用户说过或提供的。
- 说话者左右指点时使用 compare，卡片位置应对应其指向。
- 资料未说明具体渲染分辨率之外的平台兼容性、授权方式或定价信息。