video-editor

name

video-editor

description

9:16 + 16:9 双画幅短视频合成 / 剪辑 skill（做视频的唯一入口）。三个子模块——**opener**（黄字衬线 4.5s 标题卡）、**animator**（chyron / cutaway / listicle / spec_review HTML 评审，走"三道门"工作流）、**subtitle**（whisper 自动转写 + 关键词高亮 PNG overlay 烧字幕）。触发后**先问做什么**：① 只下字幕 ② 只烧标题 ③ 做新动画 cue / 整片合成 ④ 全流程（口播→cue→动画→合成→字幕）。输出（默认三类，落 Movies 交付文件夹）① 整片 mp4 / 可选 alpha 通道 broll 层 mov ② 3:4 标题透明图层 PNG ③ 章节时间轴 txt。触发关键词："剪一下这个视频"、"剪视频 / 剪辑"、"做一期视频"、"出整片"、"加动效 / 动画"、"加字幕 / chyron / 弹出文字"、"片头 / 标题卡 / opener"、"把口播和 B-roll 合成"、"新一期 X 系列"。实拍 stock 素材由本 skill 当总指挥委托 footage-finder 抓取（横 / 竖屏均可）。

Video Editor · 视频工人

把 9:16 / 16:9 talking-head 口播 + 叠层素材（标题 / B-roll cutaway / chyron / 字幕）合成出短视频。合成核心自给自足；实拍 stock / 新闻卡素材由本 skill 当总指挥派活给 footage-finder / news-highlight 抓取。

何时触发

用户说：

• "剪一下这个视频"、"剪视频"、"剪辑" —— 最常见入口
• "做一期视频"、"出整片"、"把口播和 B-roll 合成"
• "新一期 [出海 / AI 创业 / X 系列]"
• "给口播加字幕 / chyron / 弹出文字 / 标题卡"
• "加动效 / 加动画 / 加视觉"

不触发但相关（委托给兄弟 skill，video-editor 当总指挥）：

• 实拍 stock 素材 / stock footage / B-roll 空镜 → 调 footage-finder skill
• 新闻 highlight 卡（真源头截图 + 黄光划重点）→ 调 news-highlight skill
• 纯 voice-over 生成、低于 30s 的短素材 → 不触发

委托：分镜 cue 类型 → 哪个 skill

分镜（门 1）阶段给每个 cue 标类型；非本 skill 自带的两类委托出去：

cue 类型	谁做	产物
real_footage	footage-finder skill	裁好画幅的实拍 mp4 候选 + 评审页
news_highlight	news-highlight skill	真新闻黄光划重点卡 mp4（Vox 式）
opener / chyron / cutaway / listicle / spec_review	本 skill animator/opener	HTML→mov/mp4
字幕	本 skill subtitle	关键词高亮烧字幕

第零步 · 画幅 + 入口（★ video-editor 是整条工程的唯一入口）

video-editor 是总指挥——用户做视频从这里进，不用自己先去点 footage-finder / news-highlight / data-viz。触发后第一件事用 AskUserQuestion 问画幅：

这条视频是竖屏还是横屏？

1. 9:16 竖屏（抖音 / 小红书 / 视频号 / Reels）→ 1080×1920
2. 16:9 横屏（YouTube / B站）→ 1920×1080
3. 3:4 实操教学片（录屏演示 / "我怎么用 AI 做 X"）→ 1080×1440 · 走 slidecast/ 子模块

画幅跟内容类型走：实操教学 / 录屏演示类默认 3:4（slidecast）；讲观点 / vlog / 泛文化等其它口播才是 9:16。别把普通口播硬塞进 3:4 录屏窗版式，也别把实操教学做成 9:16。

判断捷径：用户已经说了画幅（"做个 16:9 的" / "发 YouTube" / "发 B站"）就别问，直接定。

画幅决定下游：

	9:16	16:9
子模块画布	1080×1920	1920×1080
实拍空镜	footage-finder --vertical	footage-finder（默认横屏）
新闻卡	news-highlight（改竖版）	news-highlight（Root 默认 1920×1080）
数据图	data-viz（1080×1920）	data-viz（1920×1080）
compose	recipes/compose_dual.sh.template	recipes/compose_16x9.sh.template
安全区	CONVENTIONS 第三节	CONVENTIONS 第一节 16:9 行

这些子 skill 都已支持横屏；video-editor 负责派活 + 最后合成，用户全程只跟 video-editor 对话。16:9 还多一个 person-pip 能力（干净人脸口播 → 没内容人满屏、有内容缩右下小窗，见 CONVENTIONS 第九节 + compose_16x9 模板）。

确定画幅后，再走下面的成品形态路由。

---

第一步 · 路由问询（★ 触发后立即执行）

不要预设用户要走全流程。先用 AskUserQuestion 问一次。按"最后要做成什么样"（成品形态）来分，不是按"你要干什么"（动作）——用户脑子里装的是成品，不是流程。

你这次最后要做成什么样？

1. 一条带字幕的成片：已有成片，只加字幕 → subtitle/ 子模块（不走三道门）
2. 一个标题卡 / 片头：4.5s 透明 alpha 叠层 → opener/ 子模块（不走三道门）
3. 一条带动效的整片：加 chyron / cutaway / 列举动画 → animator/ 子模块（走三道门）
4. 从零做成一整条：口播 → 标题 → 动效 → 字幕 全包 → opener → animator → subtitle 依次串
5. 口播实操教学片（3:4）：口播 → case-step 录屏窗 slide + 字幕，你叠录屏/脸 → slidecast/ 子模块（走三道门）

选项标号规范：AskUserQuestion 的选项前缀只用纯数字 1 / 2 / 3 / 4，禁用 ①②③④、㋐㋑㋒㋓ 之类带圈 / 片假名字符——用户字体常不支持，渲染成乱码。

判断捷径（不用问就能直达的情况）：

用户原话	直达
"帮我下字幕 / 加字幕 / 烧字幕"	1 · subtitle/
"做个片头 / 标题卡 / opener"	2 · opener/
"新一期 X 系列" / "做一期视频" / "出整片"	4 · 全流程
上下文已经在做整片，想加 chyron / cutaway	3 · animator/
"实操教学 / 录屏演示 / 我怎么用 AI 做 X" / 100 个 AI 实操案例系列	5 · slidecast/（3:4）

关键原则：1、2 是单点操作，不走三道门；3、4 必须走三道门。

---

★ 三道门工作流（选项 3、4 必走，不许跳）

⚠ 路由选项不是渲染许可——用户选了 3 或 4 只代表"想走 animator 流程"。进 animator 之后必须按三道门走，每道门 STOP 等用户明确确认才能进下一步。即使用户已经告诉你标题 / cue 数 / 文案，也不代表他允许你跳门。

门 1 · 文字方案      ─►  在 chat 里给 markdown cue 表
                         STOP · 等用户回「OK / 改 X / 砍 Y / 锁定」之类明确表达
                         ❌ 不要写任何 cue HTML
                         ❌ 不要开始渲染
                              │
门 2 · Spec Review   ─►  写每个 cue 的 HTML
                         ★ 先跑 node recipes/lint_layout.js --all <cue目录>
                           （安全区/最小字号/文字宽度/居中，FAIL 修完才继续）
                         再生成 _review/spec_review.html
                         STOP · 告诉用户「打开 file:///<project>/_review/spec_review.html 看，反馈后回我」
                         ❌ 不要渲染 ProRes mov
                         ❌ 不要 compose 整片
                              │
门 3 · 渲前 last call ─►  AskUserQuestion: recap + judgment calls + 输出形式三选一
                          STOP · 等用户选完
                          ❌ 不要预设输出形式
                              │
渲染 + compose + 字幕

用户没说"锁定 / 确认 / 开始 / 渲 / OK"等明确肯定表达之前，你都还在前一道门。

❌ 反例（不要这么干）

错误行为	损失
用户选了 4 + 给了标题 → 你直接抽口播 + 转录 + 写 HTML + 渲染	跳过门 1 "改 1-2 行字就修"的最便宜 checkpoint，省 5-10 min + 10k token
用户说"我要这样" → 你判断"既然他要那就直接开渲"	跳过门 2，HTML 视觉/字号错了重渲贵 5 倍（30s 渲 × 失败次数）
用户在门 2 反馈"cue 3 改 X" → 改完直接渲	跳过门 3 last call，没让用户挑输出形式（合成原片 / broll 透明轨 / 两个都要），可能多渲 500MB ProRes
用户没说肯定 → 你猜他想推进就推进	用户审视未完成，渲出来跑偏要重做整轮

✅ 正例

"进入 animator。先转录 + 出 cue plan markdown 表给你看。这是门 1——不写 HTML 不渲染，等你回 OK / 改 / 砍。"

每道门结束都用类似句式 explicit 告诉用户"现在到门 X，等你 OK"——别默默推进。

详细流程 + 各门具体产物清单 + cue 数量 baseline 见 animator/README.md。

---

子模块入口

子模块	干嘛	入口文档
opener/	4.5s 黄字衬线标题卡，透明 alpha 叠层	opener/README.md
animator/	chyron / cutaway / listicle / spec_review，三道门工作流	animator/README.md
subtitle/	whisper 转写 → 关键词高亮 PNG overlay → 烧字幕	subtitle/README.md
slidecast/	口播实操教学片（3:4）：口播 → case-step 录屏窗 slide 按时间码硬切 + 字幕 → 预览 mp4 + 透明层 mov	slidecast/README.md

共用规范

• 交付规范：做内容/_运营文档/视频成片流水线-模板.md —— 一条视频 = 两个同名文件夹（工作 / 交付）+ 门 3 默认三产物（成片 / 3:4 标题层 / 时间轴）落 ~/Movies/<系列>/<视频代号>/。整片流程走这份
• 交付产物 recipe：recipes/deliverables.md（标题透明层怎么渲 · 时间轴怎么从 cue plan 生成 · 交付文件夹命名）
• 视觉规范：CONVENTIONS.md（safe zone、Hana 调色板、chyron 时序、字号层级、climax 规则） —— 任何子模块写 HTML 前必读
• 布局 lint（★ 门 2 必跑）：node recipes/lint_layout.js <cue.html>——puppeteer 渲染后机器检 安全区 / 最小字号 22px / 文字宽 ≤920 / 居中偏移 / 字号种数，9:16·16:9·3:4 三预设自动识别，动画 cue 按落定状态判。FAIL 修完才能给用户看 spec review。故意越界的装饰元素加 data-lint-ignore
• 环境自检：bash recipes/doctor.sh——新机器 / 渲染报错先跑（ffmpeg / whisper / Chrome / puppeteer-core / avconvert / 字体 11 项）
• ffmpeg 双输出 recipe：recipes/compose_dual.sh.template（mp4 + 可选 alpha mov）
• 已知坑：recipes/PITFALLS.md（broll_reel 闪现 / HyperFrames webm 无 alpha / ffmpeg # 转义 / alpha 层变灰 / 中文路径 TCC 等 23 条）
• 历史案例索引：recipes/examples.md（你的真实视频中的 11 个 cue 范式）

双输出策略

文件	用途	何时出	规格
<片名>_整片.mp4	预览 / 发布 / review	每轮迭代都出	H.264 yuv420p · CRF 20 · 含音频 + 叠层
<片名>_broll层.mov	剪辑软件叠层（Premiere / AE / FCP）	用户明说"定稿 / 出剪辑层 / 出 ProRes 层 / B-Roll only"才出	ProRes 4444 yuva444p10le · 透明 · 静音

迭代期间默认只出整片 mp4。broll 层单次渲染 ~30s + 写盘 ~500MB，迭代期间 review 用不到。

⚠ broll 层永远是一条对好时间的完整轨。用户说 "B-Roll only" 时就是要这一条整轨，绝不是把 N 个 cue 分片 mov 丢给他自己去剪。

非重叠 cue 的 alpha 整轨必须用 concat 方式合成：透明 gap + cue + 透明 gap + cue，gap 按 ffprobe 的实际 cue 时长/帧数计算。不要把半透明卡片逐个 overlay 到 black@0.0 透明画布上；这会让米白卡片在最终叠回口播时变成灰黑。详见 recipes/PITFALLS.md 第 23 条与 recipes/compose_dual.sh.template。

交付 broll 层前必须做真实底图 QA：把最终 <片名>_broll层.mov 叠到原口播上抽 4-8 张关键帧/contact sheet，看颜色、alpha、遮脸和 timing。spec_review.html 只能审 HTML/动画，不能替代最终 ffmpeg 合成检查。

标题决策矩阵（用户说"加标题 / 加片头 / 重点字"时如何抉择）

用户说	默认 =	关键参数
"加标题" / "title card" / "片头" / "opener"	opener/yellow.html（黄字衬线大标题 + 白色斜体副标题）	透明 alpha · 0s 视频起始 · top-third（padding-top 280px）· 4.5s · ProRes 4444 mov
"在 X 时刻强调某个词" / "弹出文字"	animator/chyron/chyron.html	黄胶囊 · top 16% (y≈307 中心) · 1-2s pop
"1, 2, 3 列举" / "三点 / 四点要素"	animator/cutaway/scene_listicle.html	编号列表逐行揭示 · 卡片 top 280px
"全屏数据卡 / 对比图" / "切到 X 数据"	animator/cutaway/scene_blank.html	全屏白底 cutaway · caption top 280px · 不透明 mp4

关键原则：

• 视频"标题" = 0s 片头，默认就是。即使口播在 22s 才说到这个 phrase，标题仍然在 0s 出。
• 片头标题 = 透明 alpha 叠在 talking head 上。不是金色实底独立镜头。
• 数据卡 cutaway = 不透明全屏，覆盖 talking head；其他叠层（标题 / chyron）默认透明。

配套 skill

• hyperframes / hyperframes-cli — HyperFrames CLI（渲 HTML → mov/mp4），动画子模块的渲染依赖

不在本 skill 范围（委托出去）

• 实拍 stock 素材抓取（Pexels / Pixabay）→ footage-finder skill
• 新闻 highlight 卡 → news-highlight skill
• 文字稿生成 / 口播 TTS → hyperframes skill 的 TTS 功能
• 内容合规审核 → content-audit skill