菜单
合成视频解说最终成片：把旁白音频铺到源视频上，按旁白窗口压低原声，生成 SRT / ASS 字幕并可烧录， 最后做响度标准化。作为最终合成阶段使用。输入源视频、tts_meta.json 与旁白位置； 输出 recap 成片和字幕。触发词：视频合成、混音、字幕、压字幕、assemble video、mux、ducking、subtitles、成片。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/zenstory-ai/video-recap-skills --skill video-assemble命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
把长视频按 Agent 选择的原片区间剪成短片。作为两阶段创作流程中的剪辑环节，读取 clip_plan.json 与源视频， 输出 edited_source.mp4；随后 Agent 按输出时间线写 narration.json。单独调用且未传 --no-narration-map 时， 仍支持旧版单阶段路径，把原片时间的 narration.json 映射为 narration_mapped.json。 触发词：视频剪辑、剪辑式解说、video cut、clip plan、拼剪。
从输入视频端到端生成中文解说成片。用户提供 .mp4 / .mov / .mkv / .webm，并要求添加旁白、 配音、总结、短剧/电视剧/电影/纪录片/科普解说时使用。负责编排 video-* 技能链：视频理解 → Agent 制定故事与视听方案 → 剪辑 → 配音 → 合成。触发词：视频解说、视频旁白、生成解说、 视频 recap、video recap、voiceover、narration、auto-dub、recap。
对已完成分析的视频进行导演与剪辑策划，再写带时间戳的中文解说并校验。work_dir 已包含 agent_narration_brief.md 与 vlm_analysis.json 时使用。适用于故事方向、片段选择、画面/原声/旁白分工、 解说写作与复核。输入 work_dir 中的理解索引；输出 recap_story_plan.json、visual_audio_board.json、 可选 style_card.json、cut 模式需要的 clip_plan.json，以及通过校验的 narration.json。触发词：解说词、写解说、视频旁白、 narration script、写稿、解说文案、剪辑思路、导演思路。
| name | video-assemble |
| user-invocable | false |
| description | 合成视频解说最终成片：把旁白音频铺到源视频上，按旁白窗口压低原声，生成 SRT / ASS 字幕并可烧录， 最后做响度标准化。作为最终合成阶段使用。输入源视频、tts_meta.json 与旁白位置； 输出 recap 成片和字幕。触发词：视频合成、混音、字幕、压字幕、assemble video、mux、ducking、subtitles、成片。 |
本技能负责最终合成：
subtitles.srt；默认同时生成并烧录 subtitles.ass，--no-burn-subtitles 可关闭。合成阶段只实现创作决定，不凭空制造决定。Agent 在写旁白位置前，已在 visual_audio_board.json 为每个 beat 指定 audio_owner：
original_dialogueaction_soundambience / musicsilencenarration因此，旁白间隙是主动选择，不是必须填满的空白。不要为了“更满”而加入通用 BGM、压住必须听见的台词或消除有意义的沉默。
当前渲染器不解析 visual_audio_board.json；Agent 通过旁白时间、overlaps_speech、原声留白与现有混音参数落实这些决定。
<video>：源视频；cut 模式下为 edited_source.mp4。work_dir/tts_meta.json：配音阶段写出的 {segments: [...]}。每段包含 audio_path、时间、pause_after_ms、overlaps_speech 和用于混音/字幕的位置。下面的 scripts/... 均相对于本技能目录。若执行器从仓库根目录启动，请给脚本路径加上本技能的绝对目录。脚本不从其他技能目录读取文件；外部输入仅限命令显式传入的视频、参数与 work_dir 产物。
python3 scripts/assemble.py <video> --work-dir <work_dir> \
[--recap-stem <name>] [--output-dir <dir>] [--no-burn-subtitles] \
[--subtitle-y-top <inclusive-y> --subtitle-y-bot <exclusive-y>] \
[--source-video <orig.mp4>] [--export-jianying [--jianying-out <dir>]]
recap_<stem>.mp4：稳定的最终输出别名；每次运行覆盖更新。work_dir/output.mp4：工作目录内成片。subtitles.srt：旁白字幕；烧录时另有 subtitles.ass。timeline.json：后端无关的多轨模型，包含视频、原声、旁白、BGM、字幕和 ducking 自动化。_placed_*.wav：实际写入主混音的完整逐段旁白 PCM；时间线与剪映只引用这些文件。assembly_manifest.json：输入来源、cut 来源指纹、渲染设置与最终输出路径。assembly_qc.json：旁白完整性、原声句末交接、时间线素材时长与交付质量的发布门禁。--export-jianying 时生成，包含 draft_content.json、draft_info.json 与 draft_meta_info.json。no_safe_fit。每段 _placed_*.wav
必须与序列化后的时间线区间等长或更短，否则 timeline_audio_mismatch 阻断。pause_start，只在实测停顿内渐强，
于 source_restore_at 回满；无后续锚点时保持压低到时间线末端，而不是放出半句。--export-jianying / EXPORT_JIANYING=1 可把 timeline.json 导出为可编辑草稿。cut 模式应传 --source-video <orig>，让草稿引用真实原片区间。Resources/local/{video,audio,image}，保持草稿可搬迁；--jianying-no-bundle-media 只适合原路径始终可访问的情况。SUBTITLE_FONT_SIZE、SUBTITLE_MARGIN_V、SUBTITLE_MAX_CHARS 等控制。SUBTITLE_Y_TOP/BOT 把 ASS 基线放到测得的原片字幕区域，坐标为半开 [top, bot)；显式遮罩策略下默认 SUBTITLE_MASK_OPACITY=0.6，SOURCE_SUBTITLE_MASK_TIMING=narration。IDLE_ORIG_VOLUME，旁白下压到 SPEECH_DUCKING_VOLUME；DUCK_FADE_SECONDS 控制过渡。还可配置 DUCKING_MODE、ZONE_DUCKING_VOLUME、FINAL_LOUDNORM 与 TARGET_LUFS。BGM_PATH 指定 BGM；它会循环到成片长度，并按 BGM_VOLUME / BGM_DUCKING_VOLUME 混音。不要在没有创作依据时设置通用 BGM。subtitles / libass 的 ffmpeg；合成阶段会预检并在缺失时明确失败。original_subtitles.json；否则保守映射 ASR。只有遮罩覆盖留白或用户字幕明确要求替换时才烧录原声对白，并用 「」 与旁白区分。先锁定画面、剪点、旁白和混音，再投入字幕动画或边框包装。字幕样式不能掩盖叙事、剪点或声音问题。
普通交付优先使用现有 ASS 路径。只有用户需要更精细的逐 cue 排版、动画或透明图层时，才使用 Remotion 或其他代码渲染器作为项目级可选实现，不要把特定框架、字体、颜色或黄字写成核心依赖。推荐顺序：
包装价值来自稳定、可读、与内容一致的排版，不来自效果数量。先建立统一字体、颜色、描边/阴影和轻量动效；底板、边框、花字与音效只有解决具体可读性或叙事任务时才加入。一个样帧好看不代表全片成立。