口播短片 · Talking-head Short
输入一个主题,交付一条 AI 工具类竖版口播短片所需的一切:带出处的事实、按片型写好的口播脚本(过机械门禁)、 提词器与录制清单、上屏证据截图、封面;作者照提词器竖拍一条口播后,自动挑出每句最后念对的一遍、剪掉停顿, 排成「上半屏证据、下半屏作者、字幕压在交界」的竖版成片,配乐、封面、质检报告一起交。
片型语法从同类头部账号的公开作品量化而来(references/style-grammar.md): 结果先行的钩子、约 6 字/秒的语速、上半屏不到 3 秒换一次证据、红框与橙色标注、黄色关键词字幕、一问收尾。 复刻的是片型,不是人:出镜、声音、名字、Logo、关注卡都是作者自己的。
本 Skill 是 lov-film 片型套件成员:片型 Skill 负责「这一类片子怎么做才对」;采访、动态图志、录屏长片、发布
各有专门 Skill(见 references/skill-composition.md)。
Triggers
Activate when
- 「输入一个主题,帮我做一条口播短视频,要那种 AI 博主上面放截图、下面露脸的风格」。
- 「这个选题帮我写口播稿和提词器,我自己录,录完你剪」。
- 「我录好了口播(recording/xxx.mov),按脚本剪成竖版成片,配字幕、红框和封面」。
- 「做一条『N 个 X,30 秒看懂』/『从夯到拉锐评』/『首发实测』的视频号短片」。
- Turn this topic into a vertical talking-head short: script, teleprompter, b-roll and cover; I will record.
- I recorded the script in one take with retakes; cut it into the finished short.
Do not activate when
- 一场采访剪成短片 →
lov-interview-media-creator;多人实录切条 →lov-roundtable-clip。 - 无实拍的动态设计片、编年/地图动画 →
lov-motion-media-creator;三维 →lov-3d-motion-media-creator。 - Screen Studio 录屏长教程、Vlog、横版长片 →
lov-media-creator。 - 只要公众号文章或长文 →
lov-article-creator/deep-tech-article;只要改写文风 →lov-style-clone。 - 要用别人的脸、声音、账号名做视频,或生成数字人冒充真人:拒绝这部分,只提供片型层面的帮助。
- 只上传或发布已批准的成片 →
lov-media-publisher。
User Profile (cross-session)
每次运行读取 skill.yaml 声明的 user-profile/v1:作者名与账号名(水印、片尾)、官方 Logo(浅色版)、头像、
形象照、字体、默认 ASR、命名规则、输出目录,以及 skills.lov-koubo-media-creator.records
(默认片型、语速、TTS 音色、片尾一句话、默认平台)。顺序:当前请求 → 项目上下文 → 本 Skill 记录 → 共享偏好 →
用户/品牌 Profile → 默认值。作者直接说出的长期偏好立即写回并报告路径:
python3 "$SKILL_DIR/scripts/profile_store.py" record --skill-id lov-koubo-media-creator --path records.end_line --value "关注我,一起把 AI 用进真实工作流" --confirm
推断值只留在本次。完整契约见 references/user-profile.md。
Authorship Integrity
口播脚本是作者稿,写之前读 references/authorship-integrity.md。
「烧了多少积分」「测了几天」「以前要折腾半天」这类第一人称经历与数字,只写作者给过或可核实的;没有就不写。
每个数字、版本号、价格进 facts[] 并带出处。
Hard gates
- 不冒充。 出镜、声音、名字、水印、Logo、片尾卡只用作者本人的;不用参考博主的口头禅原句、素材、截图、
封面图;不生成数字人冒充任何真人。
check_script.py的禁用表与 style-grammar §0 是底线。 - 事实有出处。 含数字、版本、价格、用户量的句子必须引用
facts[]的 id;每条事实写出处与核对日期。 时效性信息(新模型、新功能、价格)先查一手来源;查不到就改写或删掉,不猜。 - 脚本过门禁。
check_script.py0 ERROR 才出提词器;WARN 逐条处理或在交付说明里给理由。 - 证据是真的。 上屏素材只来自作者自己的屏幕与操作、公开网页(截图注明来源)、本片按事实生成的数据卡;
capture.py term只渲染命令的真实输出,不手写终端内容。 - 切点经过核验。
align.py的review列表为空或逐条人工确认;句首句尾落在静音缝里,不吃字。 - 声音过门禁。 一条按本片内容生成或选定的音乐床,最后挂载、只挂一次;母带 −16 ±1 LUFS-I、≤ −1 dBTP。
- 成片过质检。
finish.py全部检查通过(1080×1920、30 fps、帧数 = 时间线、bt709、≤ 10 Mbps、 重转写吃字率 ≤ 3%,CER 只作参考);1 fps 联系表逐页看过。数字通过不等于验收。 - 封面可读。 3:4 在 270×360、16:9 在 480×270 下一眼读完主标题;有官方 Logo;标题不压脸。
- 状态分明。
animatic(TTS 占位配音 + 占位出镜)只用于预审节奏与包装,永远不当成片交付或发布; 状态用draft-script/awaiting-recording/animatic/rendered/approved/published。 - 付费先报价。 TTS、AI 配乐、云端 ASR 先说单价与本次预估,每次调用记进
ledger/costs.jsonl。
Workflow (MANDATORY)
命令、产物与目录见 references/pipeline.md;脚本字段见 references/script-format.md;「对」的标准见 references/style-grammar.md。
Step 0: 解析运行环境
SKILL_DIR= 本 Skill 目录。确认scripts/*.py、assets/starter、assets/tools/cutout.swift、assets/templates/script.example.json都在。- 持久虚拟环境
$PY:numpy、pillow、mlx-whisper、opencc-python-reimplemented、jieba(也可每次uv run --with …)。 Whisper 模型(mlx-community/whisper-large-v3-turbo,约 1.6 GB)已缓存时设HF_HUB_OFFLINE=1;经 SOCKS 代理下载需socksio。 - ASR:先读 Profile 的默认 ASR。作者的默认是云端服务(如通义听悟)时,先用它出逐字时间戳 JSON(
[{w, s, e}]), 交给align.py --words;那条通道实际不可用时才回退本机 Whisper,并告诉作者专名要人工核对。 - 一集一个目录(
EPISODE/):work/ brand/ broll/ broll-src/ recording/ music/ deliverables/ qc/ ledger/。 作者原片只读;大体积媒体不放进笔记库。
Step 1: 选题、片型与事实
- 从主题定受众与片型(list / tips / review / tier / case,见 style-grammar §2),写一句「看完能得到什么」。
- 调研:一手来源优先(官网、文档、发布说明、作者本机实测);可交给
lov-fact-check/deep-research做上游核查。 每条事实写进script.json的facts[]:id、claim、source(URL 或本机证据路径)、checked(日期)。 - 需要作者亲手操作的证据(录屏、真实结果)列进分镜,标
capture.note,录口播前后补拍。
Step 2: 写脚本
- 按 style-grammar §3 写
work/script.json(字段见 script-format):第一句就是结果并配证据画面;第二、三句立悬念或痛点; 每个要点「操作 → 证据 → 一句评价」;结尾一问。每句 8–22 字,一句一个镜头。 - 布局每 2–4 句换一次;
split占六到七成;face给悬念句、判断句和收尾;broll给前后对比与细节。 - 封面:
cover.headline2–3 行、每行 ≤ 7 字;cover.expression写清封面表情,提词器会提醒作者先拍 3 秒。 python3 check_script.py work/script.json到 0 ERROR。改写不求一次过,按报错逐条改。
Step 3: 上屏证据
- 公开网页与文档:
capture.py url(或在 b-roll 上写capture.url后capture.py script批量补)。 - 命令或工具输出:先把真实输出存成文本,再
capture.py term。 - 数据卡、对比卡:按
facts[]写 HTML(broll-src/),capture.py url截成 PNG;卡上写采样日期与口径。 boxes/focus用归一化坐标[x, y, w, h],看过截图再定;红框只圈口播正在讲的东西。
Step 4: 录制包与样片
teleprompter.py→deliverables/teleprompter.html(空格开始、←→ 换句、↑↓ 语速、M 镜像)、script.md、shotlist.md。- 建议先出 animatic 给作者预审:
tts.py(占位配音,先--dry-run报字数)→align.py→setup_project.py→build.py --still <形象照> --placeholder --animatic→mix.py→finish.py。小尺寸形象照只按原尺寸放在占位框里,不拉伸。 - 交付录制包与 animatic,状态
awaiting-recording,停下等作者的录像。
Step 5: 录后对齐
- 作者交来一条竖拍原片(放进
recording/,只读)。align.py work/script.json recording/<原片> --out work/takes.json。 - 看输出:每句
ok/low/missing、选中的那一遍、discarded。low/missing逐条回听确认,必要时请作者补录这一句。 - 抽一帧看作者的脸在画面里的高度,作为
build.py --face-y(脸中心 / 画面高,常见 0.28–0.38)。
Step 6: 构建、封面与配乐
setup_project.py EPISODE(首次)→build.py … --recording recording/<原片> --logo <浅色官方 Logo>; 缺素材时可先--allow-missing预览。- 封面人像:从开头 3 秒封面表情里挑一帧(
ffmpeg -ss … -frames:v 1),cutout抠成透明 PNG,写进cover.cutout;cover.cards选 1–2 张本片证据截图。 - 配乐:写一句音乐简报,
gen_bgm.py生成 1–2 个候选(先报价);选一条,mix.py --bgm …。
Step 7: 渲染与质检
finish.py EPISODE --name <命名规则> --version v0.x:渲染成片与 3:4、16:9 封面,写qc/report-<版本>.json。- 逐页看
qc/sheet-*.jpg(布局切换、红框位置、字幕不压脸、标注不撞字幕)和封面缩略图;有问题改数据或模板后重渲。 - 需要时
npx remotion studio实播检查一段含多个切点的区间。
Step 8: 交付
- 交付说明:状态、成片与封面路径、时长、质检结果、事实清单与出处、AI 生成内容清单(TTS、配乐、生成卡片)、费用汇总、 未验证项(例如配乐未人工试听)。
- 发布交给
lov-media-publisher,只在作者批准成片后进行。
踩过的坑见 references/pitfalls.md。
Dependencies
- Python 3.9+:numpy、pillow、mlx-whisper、opencc-python-reimplemented、jieba;Playwright(Chromium 或系统 Chrome)。
- FFmpeg / FFprobe;Node 20+、pnpm、Remotion 4.0.517(
assets/starter,pnpm-workspace.yaml已放行 esbuild 构建)。 - macOS
swiftc+ Vision(assets/tools/cutout.swift,封面人像抠图)。 - 字体:一款支持 900 字重的中文无衬线(如 Noto Sans SC 可变字体),可选展示字体(如 Smiley Sans)。
- 可选:
VOICENGINE_API_KEY(Seed-TTS 2.0 占位配音)、OPENROUTER_API_KEY(Lyria 配乐),只从环境变量读。
Validation
python3 scripts/validate_skill.py .
for s in check_script teleprompter capture align tts build setup_project mix finish gen_bgm; do
python3 scripts/$s.py --help >/dev/null || echo "FAIL $s"
done
python3 scripts/check_script.py assets/templates/script.example.json # 示例只演示字段:时长 ERROR 属预期
