这是一个面向智能体的视频剪辑技能:把一文件夹的片段剪成预告、单集或整趟旅行的影片,由智能体担任剪辑。工具负责机械部分(镜头、画质、节拍、语音),智能体负责选故事,人负责判断。若项目自带剪辑技能,那个技能持有命令,本技能持有规则。
用途 用于把实拍素材组织成成片。技能描述的场景包括:一文件夹片段变成预告片、较长的一集,或整趟旅行的影片。
主要能力与工作流
- 只分析一次,结果存在素材旁:镜头、帧质量、节拍、带词级时间戳的语音。结果写成每个片段旁的 sidecar(clip.mp4 → clip.analysis.json),之后剪长片无需重分析。拍摄时间取容器元数据(ffprobe -show_entries format_tags=creation_time),不要取文件名,因为相机时钟会漂移。工具:任意镜头检测器 + whisper 系 STT;npm i life2film-engine(WASM)可在设备端覆盖节拍、镜头与帧评分。
- 把一天整理成一个文本文件:所有语音按拍摄顺序、按片段和句子编号。像编剧一样阅读,在动时间线之前先提出故事。
- 把剪辑写成脚本而非时间线:一个小 JSON,记录用哪些片段的哪些句子、哪个镜头覆盖哪句台词、哪些无声走路保留自己的声音、冷开场是什么。从脚本渲染。一句意见(“X 被提到却从未出现”)可变成一行修改。
- 旁白作为一条连续音轨,画面在其上。音频与画面用同样的片段切,量化到帧;检查影片长度等于语音长度(漂移超过 1 帧即 bug)。
- 每次渲染前先看(见“眼睛”一节),然后渲染,再用 ffprobe 检查时长、编码与音频长度是否符合计划。
- 从一个归档母版派生各平台版本(references/delivery.md)。先私密发布,在手机上看,再公开。
剪辑规则
- 切出镜头要展示正在说的内容,且来自同一地点与时间(与台词相隔数分钟内),不能来自故事尚未到达或已经离开的场景。
- 绝不在嘴唇动作的镜头上覆盖切出镜头,会读成同步损坏;切出镜头放入无声窗口。
- 被提到的物体必须被看到,最好就在提到它的台词之前。
- 先冷开场再钩子:8–10 秒最佳画面,再一句带转折的台词。钩子从联系表手工挑;自动排名偏爱锐利鲜艳(如穿过树林的空路),那正是人们滑过去的内容。火、水、霓虹、夜晚、朝镜头运动、有表情的脸、影片的核心物件更合适。
- 要场景而非“最佳语句”:一段对话整体放入(引入、交谈、反应)。没有引入的“最佳台词”会让没看过被剪素材的人困惑。
- 在转写中找“承诺→兑现”配对(“明天我们去买……”→购买),两半都保留,它们是多日影片的线索。
- 修剪句末填充词;句中的只在接合处落在静音时修剪。
- 每个片段都取一点:拍摄者拍了它,说明它重要。剪完后列出未入选片段,各附原因。
- 画面内现场音乐是一条连续跨度,画面剪辑叠在其上;逐镜头切会让节拍在每次剪切处重启。
- 长度跟随素材,剪掉口吃与重复而非想法,不要为达到目标时长而拉长。
“眼睛”——数字会漏掉一眼能看出的问题 渲染前按顺序把整部影片当文本读:每句对没看过被剪素材的人是否讲得通。 做一张所有切出镜头的表,下面附其台词。曾测过:54 个自动切出镜头中有 12 个离题(一帧上下颠倒、一辆车压在一句关于车库的台词上)。 做分镜网格,每个镜头一帧,可发现所有指标都通过的“同一张脸出现十次”。 用批评子智能体,至少两轮:第一轮找重复与拖沓场景,第二轮找接合处被切在词中间的台词。
声音 配乐按剪辑写,现场声播放处以“洞”(非 ducking)留出;现场音乐作为一条连续跨度;他人音乐上传前用 Demucs 剥离;各章电平统一到 −16 LUFS。规则、数值与命令见 references/sound.md。
交付 一个归档母版,按用途各出一份:HEVC 用于上传(36 分钟 = 1.6 GB,而 x264 为 3.2 GB),YouTube 即使片源 1080p 也出 1440p,h264 用于通讯软件,竖版原生不动或做人脸跟随的 9:16 窗口并烧录字幕用于信息流。ffmpeg 配方、不重编码的片尾卡、封面与归档规则见 references/delivery.md。
常见坑
- 分析写入符号链接的子集文件夹会落在链接旁而非原文件旁——写 sidecar 前先解析符号链接。
- 不要把渲染好的影片留在源文件夹,下次运行会把它当成又一个片段。
- STT 会把陌生名字变成名人;为每趟行程维护词表并一次性修正转写。
- 长途旅行影片由完成的每日影片剪成(色调、同步、字幕已修好),每章一个文件按输入缓存,批评意见只需重渲染一章而非一小时。
- 每个描述里写真实拍摄日期;一周后没人分得清哪天是哪天。
- 影片发布后再把源素材连同 sidecar 归档到云存储,绝不在剪辑中途归档。
- 至少在真实拍摄文件上验证一次,不只验证合成素材。仅靠 lavfi 测试源通过的流程仍可能在相机文件上出错:48 kHz 静音卡接 96 kHz 录音通过了所有合成测试,却在接缝处让音频时钟漂移 1.39 秒。为每台相机/手机在验证集中保留一段真实短片,并检查交付文件本身。
禁止事项 不要在没看的情况下信任自动钩子、封面帧或切出镜头列表。 不要为改音频、修剪、静音或加片尾而重编码视频:复制流(references/delivery.md 的“Copy first”)。 不要盲目把横版素材裁成 9:16。 不要逐镜头切分现场音乐,也不要在其下压低配乐。 不要在把剪辑当文本读之前渲染。
限制与暂未提供 技能描述未说明具体授权方式、收费与价格、支持的操作系统或硬件要求、图形界面,也未给出完整命令列表和 references 文件全文;这些事实暂未提供。