agentleFS
milesonmileson/chaojifeng-skills/video-content-factory/SKILL.md

video-content-factory

Skill10 starsChanged 2 months agoMITView on GitHub

一体化口播视频内容工厂 Skill。阶段1:用户提供选题、背景材料或产品信息,需要生成可直接对照录制的口播稿/分镜稿,并按句预绑定特效模式 ID 时触发;阶段2:用户提供已录制视频的路径/地址,需要自动完成 ASR 转录、自动剪辑(去口误/停顿/重复)、按分镜表生成透明 hyperframes 特效轨、FFmpeg 合成、字幕/热词校正/封面元数据并输出 MP4 发布包时触发。触发语包括:做一条口播视频、写口播稿、生成分镜、按句绑特效、自动剪辑、加字幕、合成特效版、输出发布包。

The file

Files
SKILL.md

Video Content Factory(一体化口播视频工厂)

来源:超级峰个人工作流沉淀。本说明仅保留在 Skill 层,不进入用户产物。

把口播视频从选题/稿件到录制后自动剪辑、特效合成、发布前处理串联成两阶段闭环。两个阶段可独立触发,也可串联使用。

触发条件

  • 阶段1 · 稿件生产:用户给选题、背景材料、产品或参考链接,要求生成口播稿/分镜稿/按句绑定特效模式时触发。
  • 阶段2 · 自动剪辑与特效合成:用户发送已录制视频(文件路径、下载地址或项目目录),要求自动剪辑、加字幕、叠加特效、输出发布包时触发。

特效库

本 Skill 自带自成体系、可迭代、可界面管理的特效库,四件套标准为 snippet + catalog + registry + preview:

  • 所有特效通过 assets/effects_library/registry.json 注册,是后续 Agent 查询和界面渲染的单一事实源。
  • assets/effects_library/catalog.md 给 Agent 阅读,说明每个特效的适用场景、结构要点、动画要点。
  • assets/effects_library/snippets/ 存放每个特效的自包含 HTML/GSAP 代码范式。
  • assets/effects_library/previews/ 存放特效在管理界面中循环播放的预览页。
  • 管理界面 assets/effects_library/index.html 读取 registry.json 渲染卡片;因浏览器安全策略限制,需先启动本地 HTTP 服务器(python3 -m http.server 8000)再用浏览器打开 http://localhost:8000/index.html,或运行 python3 scripts/validate_effects_gallery.py --browser-check 自动验证。

新增特效必须完成四件套并更新界面;未进 registry 的 snippet 视为未入库。

阶段1:稿件生产(选题 → 录制对照稿)

  1. 读记忆与品牌配置:先读 data/memory.md 与 data/brand-profile.yaml,复用历史偏好与署名边界。
  2. 初始化工程:运行 python3 scripts/init_project.py <项目目录>,生成标准工程骨架。
  3. 选题与调研:产出 topic-brief.md、research.md。
  4. 策略锁定:产出 BRIEF.md,锁定 Message、叙事弧、受众、时长、平台画幅等 9 项。
  5. 口播稿:产出 SCRIPT.md,短句分行、口语化,约 4 字/秒估算时长。
  6. 分镜稿:产出 STORYBOARD.md,按句拆分,每行判定 A-ROLL/B-ROLL,B-ROLL 句在 特效模式 列绑定 registry.json 中的特效 ID。

阶段1 产物是可直接对照录制的稿件,用户录完进入阶段2。

阶段2:自动剪辑与特效合成(成片 → 发布包)

  1. 解析输入:读取视频、已有字幕/分镜稿、工程配置文件。
  2. ASR 转录:按 data/config.yaml 中的 provider 顺序调用 ASR,优先使用用户提供的字幕。
  3. 自动剪辑:依据 references/clip-edit-rules.md 去口误、停顿、重复;生成 edit_decisions.json。
  4. 时间轴对齐:若存在剪辑映射,先把原片时间戳映射到成片时间轴。
  5. 特效规划:按 STORYBOARD.md 的 特效模式 列生成节拍表;每个绑定模式在 registry.json 查记录、读 catalog.md、读对应 snippet。
  6. hyperframes 透明轨:按节拍表搭工程,渲染透明 WebM 特效轨。
  7. FFmpeg 合成:将原片、特效轨、字幕、封面元数据合成为最终 MP4。
  8. 发布包:运行 python3 scripts/publish.py <项目目录>,输出到 <项目名>_publish_<YYYYMMDD>/,包含硬字幕 MP4、sidecar SRT/ASS、edit_decisions.json、hidden_speech_review.md、校验帧。

两个阶段的具体实现细节见 references/phase-1-script-storyboard.md 与 references/phase-2-auto-edit-effects.md。

目录结构

video-content-factory/
├── SKILL.md                              # 本文件:触发条件与核心流程
├── data/
│   ├── brand-profile.yaml                # 品牌配置与署名边界
│   ├── config.yaml                       # 阶段2 全局配置
│   └── memory.md                         # 长期复用型记忆
├── assets/effects_library/
│   ├── registry.json                     # 特效注册表(单一事实源)
│   ├── catalog.md                        # 特效目录(Agent 参考)
│   ├── index.html                        # 特效库管理界面
│   ├── snippets/                         # 特效代码范式
│   └── previews/                         # 界面预览页
├── references/
│   ├── effects-library-spec.md           # 特效库四件套规范
│   ├── phase-1-script-storyboard.md      # 阶段1 实现参考
│   ├── phase-2-auto-edit-effects.md      # 阶段2 实现参考
│   ├── clip-edit-rules.md                # 自动剪辑规则
│   └── publish-spec.md                   # 发布包规范
├── templates/
│   ├── SCRIPT.template.md                # 口播稿模板
│   ├── STORYBOARD.template.md            # 分镜稿模板
│   └── PUBLISH.template.md               # 发布包说明模板
├── scripts/
│   ├── init_project.py                   # 初始化视频工程目录
│   ├── auto_edit.py                      # 自动剪辑,生成 edit_decisions.json
│   ├── render_effects.py                 # 按 STORYBOARD 渲染 hyperframes 透明轨
│   ├── compose_final.py                  # FFmpeg 合成最终成片
│   ├── publish.py                        # 发布前处理,输出标准发布包
│   └── validate_publish.py               # 发布包校验
└── examples/demo-project/                # 示例工程占位

快速开始

初始化一个视频项目

python3 scripts/init_project.py ./my-topic-video

会在 ./my-topic-video/ 下生成:

my-topic-video/
├── topic-brief.md
├── research.md
├── BRIEF.md
├── SCRIPT.md
├── STORYBOARD.md
├── assets/
├── aroll/
└── publish/

打开特效库管理界面

在 assets/effects_library/ 目录启动本地 HTTP 服务器:

cd assets/effects_library
python3 -m http.server 8000

然后用浏览器打开 http://localhost:8000/index.html,即可按分类浏览、搜索、复制特效 ID 给 Agent。

或一键验证:

python3 scripts/validate_effects_gallery.py --browser-check

持久记忆

  • 开始新项目前读 data/memory.md。
  • 每次交付后追加一行记录:日期、视频主题、使用特效、新增特效、踩坑与 workaround。
  • 只记结论与模式,不记流水账;超过 20 条时归纳旧记录。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.