Ai tech video production

AI Tech Video Production

把「口播视频 + 文案 + 素材」做成可编辑的视频工程。这个 skill 是独立端到端流程；安装本 skill 后即可完成时间线、素材规划、剪辑工程、字幕轨、导出和验收。

Core Positioning

• ai-tech-video-production：负责真实时间线、素材规划、素材匹配、剪辑工程、PIP、字幕轨、转场、导出和验收。
• 本 skill 不依赖其他自定义 skill。若环境中另有素材/生图/Remotion 辅助 skill，可以作为可选增强，但不能作为完成任务的前置条件。
• 如果某个工具只能把图片返回到聊天界面、无法提供本地文件路径，不得直接把该图片写进工程；必须先让素材落盘到工程媒体目录，或改用可落盘的生成/API/CLI/用户提供素材路径。

Default Workflow

1. 获取口播视频、口播文案、已有素材目录。
2. 先切真实口播时间线，不按文案估算硬配素材；用户给的文案/字幕只做语义参考，最终字幕和关键句以视频里的真实语音口播为准。
3. 使用本 skill 的内置素材规划规则，判断每段素材类型：
   • 实操录屏/截图：优先保留真实操作，不叠复杂概念图。
   • React/Remotion/Anime.js 动效：用于观点、趋势、对比、任务关系。
   • GPT Image 图片：用于抽象场景和情绪钩子。
   • 太短段落：宁可不用素材，也不要让素材播不完。
4. 检查素材节奏：不要整条视频都用文字信息图；每 30 秒 至少安排 1 个 GPT Image / AI 图片素材，最好 1-2 个，除非该 30 秒全部是真实实操录屏。
5. 先定视觉色彩策略，再生成素材和 Remotion 模板；默认不要把 AI 科技感做成整条青绿/荧光绿。
6. 生成或整理素材，统一放入工程媒体目录。
7. 如果用户要求字幕/烧录字幕，基于真实 ASR/SRT/时间线生成可编辑字幕轨；用户文案与口播不一致时，字幕以语音口述为主。优先按自然句切分，尽量一整句一条，不为视觉整齐强行断成多行。
8. 生成临时可编辑 Remotion 工程，核心可改项进入 src/timeline.json；除非用户要求保留工程，默认把它当作渲染工作区。
9. 抽关键帧检查布局、色彩占比、顶部安全区、字幕区、正文中间下方 PIP，以及开头/结尾居中强化出镜的进出场，再导出完整高码率 MP4。
10. 整理干净交付区：最终视频、实际使用的图片素材、预览检查图。验证通过后清理当前任务生成的临时工程和中间文件。

Built-in Asset Planning

独立安装时，按以下规则完成素材规划，不需要调用外部素材 skill：

1. 先按真实口播切成语义段，每段记录：
   • start
   • end
   • 真实口播句子
   • 核心观点
   • 素材类型
   • 素材位置/安全区
   • 是否需要图片、动效、实操录屏或无素材
2. 素材类型选择：
   • 真实产品演示、工具操作、网页流程：优先用实操录屏/截图。
   • 对比、误区、分层、判断标准：优先用 React/Remotion/Anime.js 动效或信息结构。
   • 抽象隐喻、情绪钩子、商业场景、人物群像：优先用 GPT Image/AI 图片。
   • 3 秒以内的过渡句：优先并入相邻素材或使用无素材/轻背景，不硬塞新图。
3. GPT Image/AI 图片提示词必须要求：
   • 竖屏 9:16。
   • 不在图片里生成标题、字幕、金句、Logo、假 UI 或播放按钮。
   • 主体在上半区/中部，给字幕区和真人 PIP 留白。
   • 深炭黑/冷白为基底，琥珀金或冷蓝为主强调，青绿只做少量信号色。
4. 图片落盘规则：
   • 工程引用的图片必须保存到 public/media/images/ 或等价工程媒体目录。
   • src/timeline.json 只能引用本地可读路径，例如 media/images/scene-01.png。
   • 如果生图工具只返回聊天图片、不返回本地路径，必须先通过可落盘路径取得文件；否则改用代码动效、用户提供素材，或向用户说明该图片不能进入工程。
5. 素材密度检查：
   • 不要整条视频全是文字信息图。
   • 每 30 秒 至少 1 个 GPT Image/AI 图片素材，最好 1-2 个；如果该窗口全部是真实实操录屏，可以例外。
   • 每个素材只服务一个核心意思，不要一张图承载多个段落。

Mixed Material Rule

• 默认必须混合 AI 图片 + React/Remotion/Anime.js 动效；不能只做图片幻灯片，也不能只做代码文字信息图。
• 没有真实实操录屏时，每条视频至少包含 1 个 AI 图片段和 1 个 React/Remotion/Anime.js 动效段；超过 60 秒 的视频，应在每个完整 30 秒 窗口内检查是否有 AI 图片，并在主要观点段穿插动效。
• AI 图片负责情绪钩子、隐喻、商业场景和人物群像；React/Remotion/Anime.js 动效负责结构、对比、流程、判断标准和数据关系。
• 同一个观点段优先用一种主素材表达，不把 AI 图片、动效、字幕和 PIP 堆成互相遮挡的画面。
• 如果某条视频无法满足混合素材要求，必须在交付说明中写明原因，例如全程真实实操录屏、用户指定只用截图、或生图工具无法落盘。

Alignment Rule

• 素材、字幕和口播必须以真实音频为主轴；用户文案只做语义地图，不做硬时间线。
• 每个素材段的进入点应贴近对应口播关键词或停顿，原则上不晚于核心词后 0.3 秒；关键结论、反转、数字和 CTA 必须单独检查对齐。
• 字幕开始/结束必须跟真实话音贴合；如果 ASR 和口播画面明显漂移，先校准字幕和段落时间，再渲染成片。
• 字幕文案不要把含逗号的长句塞进一条字幕；遇到中文逗号、英文逗号或明显停顿，优先拆成下一条字幕。只有很短的并列词组可以保留逗号。

Non-Negotiable Rules

• 默认画幅：1080x1920，默认不额外加字幕，必须给用户后期字幕留空间。
• 默认交付高码率 MP4，不产出低码率交付版。1080x1920/30fps/H.264 的最终成片默认视频目标码率 8M，maxrate 10M，bufsize 20M，音频 AAC 不低于 128k。运动素材多、录屏细节多或用户明确要求更清晰时，用 10M-12M 目标码率。只有用户明确要求“预览版/小文件/压缩版”时，才额外生成低码率预览，并且不能替代高码率最终版。
• 不使用单纯 CRF/质量模式作为唯一最终交付编码；静态图多的项目会被压得很小。最终交付必须使用目标码率或等价的高码率控制，并用 ffprobe 验证视频码率。
• 如果用户要求配字幕或烧录字幕，正文字幕默认放在中间偏下安全区，不要贴正下方；推荐放在中部偏上或 PIP 左右侧安全空位，并避开中间下方真人 PIP。开头/结尾居中强化出镜时，字幕应避开人物脸部和胸口，必要时缩短或临时下移。
• 字幕生成必须保持可编辑字幕轨，不只烧进最终 MP4；时间、文案、位置和样式应进入 src/timeline.json 或等价配置。
• 用户提供的文案、旧字幕或标题稿不是最终字幕底稿；如果它们和真实口播不一一对应，最终字幕以音频 ASR/人工校准后的真实口述为准，脚本文案只用于辅助断句、理解语义和发现明显错听。
• 字幕切分优先按真实口播自然句、语义短句或停顿切分；每条字幕尽量单行显示，不要为了卡宽频繁换行。长句优先动态缩小字号，其次按语义拆成下一条字幕，最后才允许两行。
• 字幕字体在 Mac 渲染时优先使用 苹方 / PingFang SC；Remotion 字幕组件应继承全局 CSS 的 PingFang SC 字体栈，避免在组件内另写不一致的字体。
• 字幕视觉样式：fontWeight: 900、白字、黑色阴影、动态字号；黑色阴影必须保证浅色画面和图片段上的可读性。
• 字幕位置必须避开人像：正文阶段不压中间下方 PIP；开头/结尾居中人物阶段不压脸、嘴、手和胸口。若字幕与人物冲突，优先移动字幕到人物旁侧/上方安全空位，或临时降低字号。
• 非图片素材（React/Remotion/Anime.js 动效、文字信息图、流程卡、图表、代码/窗口模拟）的整体布局必须下移：Y=0-260 只放背景氛围，不放标题、卡片、图标组、流程节点等核心信息；可读核心信息优先放在 Y=280-1080，首个核心元素顶部不要进入 Y=0-260，建议 Y>=280。
• 正文阶段素材核心信息集中在安全的中部偏上区域，不贴近屏幕上沿，不进入中间偏下字幕区和中间下方真人 PIP 区；开头/结尾居中强化出镜时，素材围绕人物重新排版。
• 正文短标签默认不用发光小矩形框。对比/反常识文案优先用分屏对照；步骤/特征/判断标准文案优先用HUD 坐标清单。实现时用细线、编号、弱分割、扫描光和字重层级承载信息，避免按钮感。
• 默认视觉色彩：深炭黑/近黑背景、冷白正文、琥珀金或冷蓝做主强调，青绿/信号绿只作为 AI 识别、扫描、信号、增长等语义强调，建议占比约 10%-20%。除非用户品牌或素材明确需要绿色，不要让背景、标题、图形、粒子、图片提示词同时偏青绿。
• 素材类型必须混合：文字信息图、React/Remotion/Anime 动效、GPT Image 图片、实操录屏按语义搭配；不要整条视频全是文字信息图。
• GPT Image 图片密度：每 30 秒 至少 1 个，最好 1-2 个；图片段不在图内生成字幕、标题、金句或假 UI。
• 真人 PIP 必须来自原口播视频，不允许素材进入 PIP 轨道。
• PIP 默认采用三阶段动态布局：开头前 3 秒 居中放大强化出镜，正文移动至中间下方小 PIP，结尾最后 3 秒 回到居中放大；如果真实口播钩子或收束段不足 3 秒，按真实边界缩短。
• 开头和结尾的居中人物不能成为唯一画面：必须保留语义相关背景素材，并搭配少量钩子词、结论词或信息标签；不要直接切成全屏纯人像。
• 居中强化出镜与中间下方 PIP 之间必须平滑移动和缩放，不能硬切。
• PIP 使用等比例裁切，不把 9:16 原片直接缩小拉伸。
• 相邻素材不要硬切闪屏，也不要双透明交叉淡化漏出底图；使用覆盖式淡入。
• MP4 动效要根据真实口播段时长变速，尽量完整播放。
• 如果口播段太短，删除该段素材或换静态图，不硬塞完整动效。
• 只清理当前任务创建的临时目录和中间文件；不得删除用户提供的原始视频、已有素材目录、其他任务正在使用的工程目录或同级未知文件夹。

Output And Cleanup Policy

默认交付区只保留：

• final/：最终高码率 MP4。
• images/：本次实际使用或生成的 AI 图片、手绘/设计图片、封面图等图片素材。
• previews/：关键帧检查图、封面预览、对齐检查图或 contact sheet。

默认自动清理：

• Remotion 临时工程、node_modules、.cache、dist、build、中间渲染 MP4/MOV、临时 WAV、ASR 草稿、未使用图片候选、抽帧散图、测试导出、失败重试产物。
• 低码率预览视频，除非用户明确要求保留。

保留工程文件的例外：

• 用户明确要求“可编辑工程”“后续还要改模板”“交给剪辑师继续剪”。
• 质量检查失败，需要保留现场排查。
• 工程内包含尚未导出到 images/ 的必要素材。

清理前必须确认最终 MP4、图片素材和预览图已复制到交付区；清理只作用于本次任务新建的工作区。

When To Read References

• 生成 Remotion 工程或修改模板：读 references/remotion-rules.md。
• 做时间线和素材匹配：读 references/timeline-workflow.md。
• 做交付前验收：读 references/quality-checks.md。

Required Outputs

默认成片交付只输出：

• 最终高码率 MP4
• 本次实际使用/生成的图片素材
• 关键帧检查图、封面预览或对齐检查图

过程产物只在需要时输出：

• 时间线与素材匹配表
• 素材生成/整理目录
• 可编辑 Remotion 工程
• 剪辑师交付说明

Do Not

• 不要默认把庞大的工程目录当成交付物；除非用户要求可编辑工程，默认只交付最终视频、图片素材和预览检查图。
• 不要把低码率或 CRF 自动压缩出的“小文件”当成最终交付；默认最终文件应为高码率版本，必要时另存预览版。
• 不要先剪再猜文案；必须先确认或切分时间线。
• 不要把用户给的文案或旧字幕直接当成最终字幕；必须听音频或用 ASR 校准真实口播。
• 不要让素材切换中间露出口播底图。
• 不要把字幕安全区理解成不能铺背景；背景可以铺满，但核心信息必须避让。
• 不要把 AI 科技感等同于满屏绿色、青绿色数据流或全片单一色相；绿色只能是局部信号色，不是默认主视觉。
• 不要清理本次任务之外的文件夹；看到其他任务正在渲染或已有工程时，只处理当前任务明确创建的路径。