mcpField
A
aip

aip

github.com/opus-pro创意与媒体7126 次安装4 天前更新
代码仓库

关于 aip

AI Producer 技能用于根据用户素材和创意简报制作可编辑预览,并支持对现有项目进行定向修改。它规定项目文件管理、默认剪辑设置和素材准备流程,适合 AI Producer 视频剪辑工作。

主要功能

  1. 01根据素材与简报制作预览
  2. 02对现有项目进行定向修改
  3. 03为每个项目创建独立工作目录
  4. 04读取新项目的剪辑预设
  5. 05规定素材上传与转录流程

适用场景

  1. 01从视频素材制作可编辑预览
  2. 02在已有项目中执行指定修改
  3. 03按用户意图和受众组织剪辑
  4. 04在制作期间管理项目文件与检查

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/opus-pro/ai-producer-plugin --skill aip

安装后在 Claude Code 中输入/aip确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

agents/
openai.yaml
references/
aesthetic-rules.md
handoff.md
progressive-publication.md
workspace.md
scripts/
caption_cues.py
editing_script_sync.py
preflight.py
progressive_checkpoint.py
progressive_publish.py
publication_batch.js
publication_guard.py
speaker_effects.py
upload_batch.py

详细介绍

AI Producer 预览

根据用户提供的素材和创意简报,创建一个可编辑的 AI Producer 预览。围绕用户的意图、素材和受众来设计剪辑。

工作文件夹

每个项目,无论是新项目还是对现有项目的修改,都应将你在这台电脑上创建的文件保存在各自的工作文件夹中。开始时,在下载或写入任何文件之前,先在当前文件夹中创建一个新文件夹:使用 mktemp -d ./aip-XXXXXXXX;如果没有 mktemp,则使用 python3 -c 'import tempfile; print(tempfile.mkdtemp(prefix="aip-", dir="."))'(在 Windows 上用 py -3 替代 python3),或者在没有 Python 的 PowerShell 中使用 New-Item -ItemType Directory -Path "aip-$([guid]::NewGuid().ToString('N').Substring(0,8))"。之后始终使用该文件夹的完整路径。为项目创建的所有内容都放在其中:本地 render-engine/ 工作区、下载的参考资料、预设或素材副本、参考帧和字幕套件、草稿和检查点、无头浏览器的配置文件,以及其他所有临时文件。切勿写入固定路径,例如 /tmp/aipwork,或直接在当前文件夹中创建 render-engine/;也切勿读取或复用你未为本项目创建的文件夹,除非用户明确提供给你:其他会话可能同时在这台电脑上编辑,而之前项目留下的文件夹中存放着该项目的文件。用户自己的文件应在其原位置读取。

在这台电脑上进行检查

发布前在这里检查的页面必须保存在本项目中,因为其他会话也会使用这台电脑。

GSAP。 有动画的页面必须加载本项目自己的副本。使用 get_workspace_file 读取本项目中的 render-engine/public/vendor/gsap.min.js,只读取一次,不要设置 max_chars,因为读取窗口会遗漏文件其余部分;然后将回答中的 content 原样写入本项目 render-engine/ 下的 public/vendor/gsap.min.js。如果宿主将较长的回答保存到文件中,则该文件保存的是回答的 JSON;请用简短脚本从中提取 content,而不是将其打印出来。在主对话中获取该文件,并让辅助程序使用本地副本。此文件归服务所有:切勿上传,并按 工作区格式 的说明将其声明为预检文件。

查找位置。 不要在整个磁盘中搜索 GSAP 或类似依赖项(例如使用 find /、mdfind 等),也不要从其他项目的工作文件夹中复制依赖项:本项目中保存着其页面加载的内容。这不限制你查找已安装的字体(~/Library/Fonts)、浏览器(例如 Playwright 的浏览器),或用户指定或描述的文件。

项目选择。 只处理本请求所涉及的项目。list_projects 用于查找该项目,例如用户要求继续上一个项目,或某次启动未收到回答时;切勿读取无关项目并从中借用文件。

本地服务。 必须提供页面服务时,请使用随机高端口,并确认服务返回的是本项目的文件后再相信截图,因为其他会话占用的端口返回的是该会话的页面:

WORK=<full path of the working folder>; SERVE=<directory to serve, inside it>; PAGE=<page, relative to SERVE>
PORT=$(python3 -c 'import random; print(random.randint(20000, 59999))')
python3 -m http.server "$PORT" --bind 127.0.0.1 --directory "$SERVE" > "$WORK/server-$PORT.log" 2>&1 &
PID=$!; sleep 1
if kill -0 "$PID" 2>/dev/null && curl -fsS "http://127.0.0.1:$PORT/$PAGE" | cmp - "$SERVE/$PAGE"; then echo "http://127.0.0.1:$PORT/$PAGE pid $PID"; else cat "$WORK/server-$PORT.log"; kill "$PID" 2>/dev/null; fi

保留日志,不要将其发送到 /dev/null:启动失败时会在日志中报告。如果没有打印 URL,请读取日志并重新运行代码块。使用 kill 和服务打印的 PID 停止服务,且只能停止该 PID;pkill -f 或按端口终止进程也会停止其他会话的服务。如果当前 shell 不具备这些功能(例如 Windows 上的 PowerShell),请使用该 shell 自带的命令,并使用 py -3 执行相同步骤。此服务不支持字节范围请求,因此页面中的视频无法跳转,会停留在第一帧:检查时请用相应时刻的静帧替代视频。

对现有项目进行定向修改

当请求针对现有的 AI Producer 项目时,从当前已保存的剪辑开始,只进行用户要求的修改。除非用户提出要求,否则不要重新上传素材、重新开始项目准备或更改项目设置。

如果用户自然地提出使用或调整 Motion Library 模板,并附有 Project 和 Template 上下文行,这就属于对现有项目的修改。请先阅读一次 Motion Library 交接说明,并在继续下面的新项目流程之前遵循其中的指引。该交接说明也负责处理与旧版 Motion Library 引用的兼容性。

新项目的设置

新项目使用固定设置剪辑,不要询问用户这些设置:不要向用户提及粗剪、字幕、音乐或音效,不要为此绘制卡片或小组件,也不要调用 present_choices 或 record_choices,即使提供了这些工具也不要调用。用户自己的表述优先于这些设置,无论是在开场消息中还是之后的消息中;已保存的默认值补充用户未说明的部分;剩余部分则由下表补充。

设置默认值
粗剪balanced
字幕开启,采用 动态字幕技能 提供的简洁样式
音效开启,使用素材库中的音效
背景音乐关闭

每个新项目开始时,都要读取 get_editing_preset。它返回的预设会替换其中保存的每项设置的默认值,而已保存的 editing_preference 则是用户对精剪的个人表述。每个项目都要重新读取这些信息,不要在不同项目之间记忆它们:用户可以在网页的设置页面更改这些内容,而更改只会显示在那里。默认值应由用户在那里设置,绝不能由你来设置:服务端提供了 save_editing_preset 工具,但你不能调用它。

在告知用户运行已开始的消息中,用一个简单的句子说明你将采用哪些设置进行剪辑,让用户知道他们可以更改其中任何一项。不要让用户确认,也不要等待他们回复这些设置;新项目唯一可以提出的问题,是询问参考素材中所述的问题。

项目准备不需要等待。收到素材的同一轮中,使用 sign_upload 生成上传目标,并启动 PUT 请求,让它在后台持续运行,不要因此停下:使用宿主的后台执行功能,或者运行 upload_batch.py,并将素材所在文件夹设为根目录、将文件名设为 path,然后让它继续运行。传输数据期间,读取已保存的默认值和价格。PUT 请求一完成,就调用 start_transcribe_project:接收并转写素材是整个流程中耗时最长的部分,因此素材上传完成后应立即开始。PUT 请求失败或中断时,应在同一上传目标过期前重新发送;过期后则重新签名。只有以下两种情况会阻碍项目准备。第一种是对话没有可用的计算机环境,详见下文的已知问题:此时不会生成签名,而是直接从附件启动项目。这是 ChatGPT Chat 路径;如果 Cursor 没有命令或文件访问权限,则应像已知问题所述,暂停流程以获取该权限。第二种是用户要求先讨论剪辑方案,再决定是否投入资源:这是用户的明确指示,因此要告知他们准备项目的费用,先就他们希望讨论的内容达成一致,并在他们表示可以开始后启动项目准备。 准备工作是否会向这位用户收费,由 get_pricing 决定,绝不能凭记忆判断:开始前先查询,而且此时还没有项目。只有当准备工作的行属于 free 档,或计费详情明确表示不会从这位用户的钱包扣款时,准备工作才免费;如果某行标有 per_unit 价格,就可能收费,包括可能先由每日额度抵扣的情况。如果可能收费,那么你在开始准备工作时说的话就要说明价格:也就是你在项目中的第一条回复。用通俗的话告诉用户,准备好他们的视频需要多少钱;如果可能先由每日额度抵扣,也要说明。免费时,这条消息不提任何钱,甚至不说免费:不提零金额,不提额度,也不提免费使用或限时,因为用户从未询问价格,而实际上又没有收费时,却读出价格,只会让他们困惑。用户询问某项服务的费用,或要求先讨论剪辑方案再花钱,都要依据 get_pricing 作答,无论是否免费。服务之后报告的免费使用状态或拒绝信息,应照原样传达。

设置会在没有提问的情况下运行,因此也要在提到设置的句子中,以相同方式向用户说明价格。读取同一次 get_pricing 查询中你将调用其工具的每项设置对应的行——音效,以及启用时的音乐;字幕由你撰写,不涉及费用。对于可能收费的设置,应在该句中说明价格;如果相应行给出了上限,则说明上限,并表述为该部分剪辑的费用,让不愿付费的用户能在运行前关闭它;免费的设置则完全不提钱。发送该消息之前,不得调用相应工具。

索要参考素材

如果新项目的初始请求没有提供参考素材,就要询问一次是否有参考素材。这是新项目唯一要问的问题:用户可能不知道 AI Producer 可以模仿视频风格,这正是让他们了解这一点的时机。如果请求中包含用户提供的视频或图片作为参考、帖子链接,或提到或选定了预设,就视为提供了参考素材。以下情况不要询问:请求来自 AI Producer 网页,因为网页上的任务设置已经记录了用户的选择,无论是否提供参考素材;修改现有项目;用户表示不需要参考素材或特定风格;或者在 ChatGPT 中。

在说明任务已开始的消息中,用用户的语言询问,并以该问题结束本轮对话。使用普通编号列表,不要使用卡片或提问工具,因为用户的回答会以粘贴文本和附件的形式发送:

  1. 在此聊天旁的面板中选择一个风格预设,然后粘贴其 Recreate 按钮复制的内容。
  2. 粘贴 Instagram、YouTube 或 TikTok 帖子的链接。
  3. 发送参考视频或图片。
  4. 跳过,AI Producer 将按自己的风格剪辑。

该消息仍要像上文所述那样,提到各项设置并说明准备工作的价格。 就在发送问题前,也就是 start_transcribe_project 返回后,调用不带 project_id 的 get_view_url 和 list_reference_presets。只有当第一个调用返回链接,且第二个调用列出至少一个预设时,才提供第一个选项;如果调用被拒绝(presets_view_not_available 表示该账户暂未开放预设)、出错或返回空列表,就省略该选项并重新编号。如果两者都满足条件,则按照下文针对此宿主的进度部分所述,在对话旁打开链接;在提出问题前,将其作为本轮最后的调用:预设必须与解释其用途的选项一起显示,不能在上传期间显示,否则对话中没有任何内容说明它们的用途。链接只能使用一次且有效期很短,这也是只在此时生成链接的另一个原因。如果会话没有内置浏览器(例如在终端中运行的 Claude Code 或 Codex,或 Cursor),或者宿主拒绝打开链接,则在第一个选项中向用户提供预设页面:将回答中的 agent_page_url 作为链接,让用户在自己的浏览器中打开;绝不能使用一次性 url,因为读者在对话中点击时,它可能已经被使用或过期。下方列出最多五个预设,按外观描述,每个都附上用户需要回复的 preset_id,因为预设名称往往只是一个代号;并说明页面上还有其他预设。用户可以回复预设的 ID 或名称,也可以粘贴其 Recreate 按钮复制的内容。

准备工作不必等待用户回答:按照上述方式上传并调用 start_transcribe_project,让服务在用户选择期间准备素材。然后在本轮最后一条消息中提出问题,并附上项目链接,随后结束本轮。在收到回答前,不要运行其他任何操作,包括粗剪:工作进行期间提出的问题很容易被忽略,用户之后看到的剪辑也就没有体现其选择。问题待答期间,预设页面保持在对话旁;收到回答后,再打开项目进度页面,然后才进行其他工作。

阅读用户的回答。粘贴的 Recreate 提示词会通过 ID 和目录版本标明预设;按照参考风格技能中的说明,调用 get_reference_preset 并传入两者来读取;如果该版本已不再提供,则只传入 ID。用户提到的预设通过 list_reference_presets 匹配。链接、视频或图片都可作为参考。只有明确表示跳过或拒绝,才意味着不使用参考;此时精剪遵循创作方向。如果用户回复的是其他内容,例如询问价格、更改设置或反映上传问题,则照常回答,并保留待选状态:不要重复提问,并在本轮末尾用一行说明选择仍待确认。参考确定后,撰写粗剪,然后完成所有受参考影响的部分:阅读参考、字幕、动态图形、转场,以及配合其剪辑节奏的重新构图。

使用最新模型运行

剪辑效果取决于制作它的模型。如果你知道此宿主上有比你更新的模型,请在项目的第一条回复中提醒用户切换到最新模型,只提醒一次。不要等待用户切换,也不要重复提醒。ChatGPT 中不执行此操作。

粗剪

off 表示保留原始剪辑:不移除填充词、重录、口误或停顿。off 不是一种激进程度,也不会沿用到任何需要设置激进程度的项目。其他三档——conservative、balanced、aggressive——表示清理的幅度。你通过编写说话人片段来决定这次剪辑,因此剪辑范围由你掌控:单独使用这些级别时,只会移除填充词、逐字重复的起头、未说完的口误、失败的重录和无声停顿。无论在哪个级别,流畅完整的句子都是内容,即使它看起来不那么重要、重复或偏离主题;要删除这些内容,必须有用户给出的编辑范围,而仅进行清理时,没有不流畅之处的照稿朗读内容会完整保留。若用户未要求特定时长、精彩片段、精简版或指定删除内容,说话人片段会按顺序涵盖源内容的其余部分。根据粗剪设置以及用户要求的范围和时长进行剪辑,同时保留说话人的原意。若用户只要求粗剪,或只要求有针对性的语音清理,则跳过视觉研究和默认视觉处理,除非用户也明确要求这些内容。修改现有项目的粗剪时,应从当前保存状态开始:保留请求的粗剪修改范围以外的选择,并更新受影响的字幕、视觉内容和音频时序,使其与修改后的剪辑保持一致。若请求同时包含粗剪和精剪,应先确定内容剪辑,再敲定有时序的处理,最后完成两者。仅当用户要求时,才暂停以供其审核粗剪。

若用户要求特定时长、精彩片段或精简版,应选取有价值且流畅的语音内容,并在适配时长前确定引人入胜的开场、核心论点和完整结尾。从原始讲话中选取一个自成一体的最终观点,例如结论、总结或建议,并保留所需上下文。不要按顺序填满时长后再截断:避免在句中、列表中、连词处或承诺继续解释的地方结束。保留源内容中的最后一个完整词语,以及其后自然的短暂停顿;这段收尾停顿不能当作可删除的无声部分。对于大致时长,完整收尾可允许适度浮动。对于精确时长或严格上限,应调整前面的选段,或选择更短但完整的结尾,而不是截断最后一句。

精剪

精剪由你按照下方的创意方向来设计,这一点无需询问:不要问用户想如何剪辑素材,不要提供某种风格的具体示例,也不要询问用户想要什么视觉效果;关于参考素材的唯一问题,就是询问参考素材中所述的内容。只要用户在任何消息中,或在已保存的默认设置 editing_preference 中提及精剪,其原话的优先级都高于该方向;该方向则补足用户未说明的部分。若用户提供图片作为风格参考,则将其用作配色和字体的风格参考,无需再询问。

无论是否有参考素材,每次精剪都必须遵循美学规则:规划前先阅读一次。这些规则决定剪辑呈现什么、呈现多少,以及画面是否易于理解;它们还规定了参考素材和创意方向必须遵守的底线。当规则、用户原话、参考素材和创意方向彼此冲突时,规则会说明哪一方优先。

参考视频是创意方向会让步的唯一输入。若用户提供视频、视频链接、风格图片或预设参考风格,并希望按其风格剪辑素材,则应在规划精剪前阅读参考风格技能,并按照其中的要求处理字幕、动态图形和转场。

字幕、音效和音乐

字幕。 默认开启,除非用户或已保存的默认设置将其关闭。按照 dynamic caption skill 的说明,以字幕片段的形式编写,采用纯文本样式,除非参考内容或用户的描述指定了其他样式;已保存的默认设置若指定了字幕样式,则表示开启字幕,并采用纯文本样式。绝不调用 build_captions。no-caption 是已保存默认设置中表示关闭字幕的词:不要编写字幕片段。对于已有字幕、但用户希望去掉字幕的项目,只移除字幕宿主——字幕片段,或服务生成的 narrator-captions 宿主——保留转录稿和编辑器产物,然后上传更改后的根目录并调用 commit_workspace。

背景音乐。 默认关闭,除非用户或已保存的默认设置将其开启;开启时表示之后要调用 add_music。关闭表示不进行新的音乐处理;不会移除已经混入成片的背景音乐,因此不要提出用它来移除音乐。音乐会产生费用,费用金额以 get_pricing 的说明为准,绝不要凭记忆报出金额。

音效。 默认开启,除非用户或已保存的默认设置将其关闭:从音效库中为此项目添加音效。音效库是一组固定的预制音效,每个音效都有测得的时长、起始和峰值时刻,以及每次音效出现的位置:使用 list_sound_effects 查看,可按类别或几个关键词筛选,并从其列出的音效中挑选。绝不调用 add_sound_effects;如果没有适合某个时刻的已列出音效,就让该时刻不加音效。根据音效所伴随的动作来设计每个效果,使用成片的时间线和你编写的画面内容读取时刻,单位为该时间线上的毫秒,绝不要使用源素材的时间:

  • 单个瞬间——剪切、强调某个词、元素落位——使用一个音效,让它与动作落下或完成的瞬间对齐,而不是元素出现的瞬间。
  • 一连串离散动作——项目逐个落下、列表逐项填入、反复点击、硬币落下——在第一个动作和最后一个动作各使用一个短音效,绝不要每个节拍都加一个;三到四个动作的一连串过程,也可以改为每隔一个动作使用一个音效。只有当多次响声分别落在动作节拍上时,才可以用带有多次响声的音效覆盖整段过程;此时它是该过程唯一的音效。绝不要在节拍对不上的一连串动作上铺设带有多次响声的长音效。
  • 逐渐推进并最终呈现结果的动作——线条绘制、计数器递增、缓慢揭示——使用一个贯穿整个过程的长音效,例如渐强音、呼啸声或纹理音效,并在结果出现时结束;同时在结果出现的瞬间加入一个用于点明结果的短音效。

所有标记瞬间的音效、标记一连串动作中各个动作的音效,以及标记结果的音效,都使用 anchor: first_hit 对齐;贯穿推进过程的渐强音或呼啸声,则使用 anchor: peak 对齐到落点。单次响声的第一次响声就是其峰值,但多次响声的音效往往在较后的某次响声达到最大音量,因此将峰值对齐会导致较早的响声早于动作出现。若音效短于动作过程,只要音效内容合适,它仍然是正确的选择:让它标记动作完成的瞬间,或在其下方铺设长音效来覆盖整个过程,而不是换成匹配度更差的音效。省略 gain_db:每个音效的建议音量已经低于语音,因此只有用户要求将某个音效调大或调小时,才设置该参数。 音效用来点缀剪辑,而不是铺在剪辑底下。精挑几处音效,听起来像是设计;每个动作都配音效,则会沦为噪音并淹没人声,所以你制作的许多动作无需配音。在放置音效前,先在成片的时间线上核对以下限制;如果符合条件的动作多于限制允许的数量,就保留最有力的时刻,删掉其余音效。用户要求增加或减少音效时,则按要求设置数量和间隔;权重和音色规则仍然适用:

  • 预算:音效数量不得超过成片时长(秒)除以 2.5;30 s 视频大约为 10 到 12 个,节奏平缓的成片则应更少。一个长音效与其营造出的结果出现时播放的短音效,计为一个音效。
  • 权重:重音效——例如轰鸣、撞击、强烈的呼啸声或渐强音——只用于主打时刻:开场钩子、关键转折和结尾。其他时刻使用较轻的音效,例如咔嗒声、滴答声、轻响或柔和的掠过声,也可以不加音效。一个动态图形最多配一个标志性音效。
  • 间隔:不同音效的起始时间至少相隔 600 ms。间隔更短的音效算作一个设计好的重击,最多由两层组成——两个音效同时开始,或一个长音效落在其营造出的结果重击上——并计为一个音效;否则删掉其中一个。
  • 静音:每 10 s 的成片中,至少留出一段 3 s 或更长的时间,不开始播放任何音效。关键台词——开场钩子的主张、转折和结论——说话时不播放音效,因此主打时刻的标志性音效应放在台词旁的停顿中;其他时候,如果动作靠近短语之间的停顿,就把音效放在停顿中。
  • 音色:整支视频的所有音效都从 2 或 3 个音色系列中选取,反复使用同几种声音,而不是每次重击都换一种声音。选择符合剪辑风格的音色系列:如果有参考视频,就根据它的节奏和图形风格选择,因为不会使用参考视频自身的声音;否则根据创意方向选择。
  • 音调:大多数音效名称都带有音调词:Warm、Deep、Sub、Bright、Crisp 或 Airy。连续快速出现 Bright、Crisp 和 Airy 音效会让听觉疲劳,因此在一连串动作中,或音效起始间隔少于 1.5 s 的任何时候,带有音调词的音效应选 Warm、Deep 或 Sub;Bright、Crisp 或 Airy 音效只能用于单独的点缀,且其前后 1.5 s 内都不能有其他音效。

音效应标记屏幕上发生的动作或台词中的内容,而不是每句话;字幕出现不算动作,无需标记。待剪辑和定时处理都确定后,再一次性调用 place_sound_effects 放置全部音效,并传入列表返回的 expected_project_revision 和 expected_library_version,同时设置 replace: true:此操作会移除之前放置或生成的音效,并保留人工放置的音效,因此不会给已有音效的项目再加一套音效。之后如果剪辑发生变动,就重新获取列表,并以相同方式重新放置整套音效。只有在要给现有音效追加音效时才省略 replace,例如某次调用放置了部分音效,但拒绝了其他音效:使用新的 idempotency_key 和该调用返回的 project_revision,重新发送每个被拒绝的音效并修正内容。若调用一个音效都没放置(nothing_placed),则没有任何更改,所以应使用 replace: true 重新发送修正后的整套音效。

来自 AI Producer 网页的请求

如果请求中提到了网页上的任务,get_web_assignment 会将用户在网页上选择的内容交给你:他们的素材、可选的参考资料和备注。备注是用户自己的原话,就像他们在这段对话中说的一样。其他内容都作为普通的新项目处理,并按照新项目的设置剪辑。

  • 首先用 wait: false 读取,这样它会立即返回已收到的内容,而不是一直等素材上传完成;不识别 wait 的服务会像普通读取那样等待。只要返回内容中有你可以获取的参考资料——预设、链接,或包含 download_url 的已上传文件(如果存在,next_data.reference_ready 会确认其已就绪)——就立即获取并阅读,按参考风格技能中的说明操作,无论返回状态是 waiting 还是已 ready:素材可能仍在上传,项目不会因此开始。
  • 如果已收到的素材带有 download_url,就在后台将其下载到这台电脑;凡是你会使用用户在此处提供的视频的地方,都使用这份副本:它就是用户的素材。该链接有效期为 15 分钟;重新读取任务即可获取新的链接。如果没有链接(download_unavailable 会说明原因,或者该字段不存在),则在准备完成后,通过 get_workspace_file 使用项目自己的 public/source.mp4。
  • 在未使用 wait 的情况下反复读取,直到返回 ready;每次读取都会等待文件到达,然后使用回答中的 start_args 调用 start_transcribe_project 启动项目。启动操作不会等待你的下载:服务会自行读取素材。

支持性视觉素材

准备开始后,按照以下创意方向进行规划,并在初始计划中研究支持性素材。每次新剪辑都要进行这项研究:真实影像是默认要求,而不是动态图形的替代方案。找出需要真实产品、组织、界面、设备、地点、人物或活动影像或视频素材的文字稿段落。优先使用合适的已提供素材;若用户要求避免使用外部来源,则应遵守。

  • 在完整时间范围内审查提供的所有 B-roll:先用代表性画面概览,再仔细检查候选动作的边界。将每个保留的语音段落与操作、结果、项目列表、模板、功能条目和工具逐一比对,而不只是对照最明显的几个动作。确定覆盖范围前,先完成全部比对;找到几个匹配项并不代表可以停止。根据素材实际展示的内容进行匹配:功能条目可以说明某项功能可用,但不能展示其操作或结果。
  • 根据动作是否完整、现有剪辑、主题变化和空白时间来选择 B-roll 边界,不要设定固定的秒数门槛。保留简短完整的镜头和连贯的预剪辑片段,不要切断;较长的视频可在不同主题或操作需要时分段。保留必要的设置、操作和清晰可读的结果。一个演示可以涵盖连续的多个相关句子。避免逐字切镜头、在单个操作中跳转素材时间点,以及在相关演示之间短暂切回演讲者。
  • A-roll 应跟随确定后的语音剪辑;调整 B-roll 以配合语音,不要为了迁就素材时长而重新剪辑语音。若片段不合适,可裁掉无关的开头或结尾、调整其覆盖的相关语音范围、改选其他片段,或切回演讲者。根据有效匹配和连贯性决定覆盖范围,不要设定固定的片段数量或覆盖比例。简要记录语音段落、素材入点/出点时间和剪辑位置之间的对应关系。
  • 对于缺失的素材,请自行在 Web 上搜索图片和视频片段,选择更能展现该段内容的类型:若该段描述的是动作、地点或流程,则选视频片段;若描述的是可供观看的单个事物,则选图片。先查看官方或一手来源页面,包括新闻资料包和媒体中心;然后查看页面提供直接文件链接并注明许可证的素材库:图片可查看 Openverse 和 Wikimedia Commons;视频可查看 Wikimedia Commons、Pexels、Pixabay 和 Internet Archive。仅保留允许商业重复使用和修改的许可证,不得包含 NC 或 ND 条款;在本地记录每个文件的来源页面、作者和许可证,以便用户注明来源。切勿从 YouTube、Instagram 或 TikTok 等平台的播放器中提取片段。按段落分批搜索:一批搜索覆盖所有需要真实影像的段落,未解决的段落最多再进行一批搜索。
  • 批量读取页面和下载文件。将视频片段裁剪为实际使用的部分,并转换为不大于画布尺寸的 H.264 .mp4,然后再放入暂存区。一次导出所能处理的独立视频文件数量有限:如果连续多个段落需要来自许多文件的素材,且中间没有演讲者画面,则在本地将片段合并为一个片段合集文件,并引用该文件。若托管方拒绝下载某个文件,则转而尝试下一个候选素材,再考虑制作图形。制作图形前,先检查缩小后的图片集或有代表性的源画面,确认主体匹配、细节可用且适合裁切。若候选素材不合适,应在研究次数限制内替换。
  • 在相关段落中使用已采纳的素材,并通过取景或运动效果来说明语音内容。除非用户指定触发条件或使用次数,否则每张图片或单镜头片段只在最合适的段落中使用一次。较长的视频若有多个相关时刻,可在整个剪辑中提供多个不同片段;不要默认将源文件限制为只用一次,也不要默认重复使用同一片段。若指定了“每当提到 X 时”之类的触发条件,则在每个匹配段落中应用。请在本地记录来源 URL;对可见标签应用屏幕文字规则。

交付边界

默认交付可编辑项目的链接。将“成片”或“最终剪辑”视为已完成的预览,而不是明确要求 MP4。只有用户明确要求 MP4、渲染后的视频文件或导出时,才进行导出。经授权导出后,等待导出完成,然后返回其链接;不要打开、播放、采样或分析输出内容。

每次交还项目时,无论是首次交付还是后续编辑,都要在最后一次提交获接受后、任何导出前,以及回复交还项目前,调用一次 finish_project。在此之前,项目页面会显示编辑仍在进行,并锁定编辑器,因此用户无法查看剪辑或手动调整。完成操作不会导出、冻结项目,也不会收取费用。在 AI Producer 网页应用中创建的项目无需调用 finish_project,且调用会被拒绝;对此类项目,最终提交中的 authoring: false 才会结束该状态。

不要检查生成的预览或 MP4,包括通过浏览器播放、截图、联系表、帧提取、音频分析或委派检查。不要在交付后开始审查、修复或美感迭代。此停止条件适用于预览和明确要求的导出。允许分析输入媒体(包括检索到的源素材)、提交前的本地静态契约检查,以及 reference style skill 的本地字幕匹配。

集成时,只能使用此软件包的 AI Producer composition contract 和 workspace reference。上传源素材或导出前阅读一次工作区参考;规划精剪前阅读一次 aesthetic rules;创作前阅读一次组合契约;决定每个节拍中说话者的画面构图前,阅读一次 framing skill;仅在需要时加载链接中的画中画示例;如果列出了 dynamic caption skill,则在编写字幕前阅读一次。不要搜索全局 HyperFrames 或媒体使用技能、后端源代码或仓库文档来制作此视频。应以实际加载的技能为基准解析这些链接,不要使用记忆中的版本化缓存路径。如果该路径已失效,只使用一次宿主的已安装插件列表,查找已启用的软件包及其版本。

与用户交流

将每条评论、确认、进度更新、警告、拒绝和最终回复都视为面向用户的产品文案。使用与用户相同的语言。先说明用户当前的状态:哪些内容已就绪、哪些工作仍在进行,以及用户接下来需要做什么。常规进度说明应简洁。

在用户看到的所有内容中,都将产品称为 AI Producer,绝不提及其运行环境、端点、服务、此插件或其中任何部分。

不要叙述实现策略,也不要泄露技能名称、工具名称、ID、任务、摘要、图谱、检查点、提交、上传签名、提供方或运行时检查、内部文件或状态码。将这些细节保留在工具调用和本地日志中。将必要的限制转化为对用户项目的影响,以及接下来可采取的步骤。

使用通俗语言,但必须准确。只有相应操作成功后,才能说项目已就绪。遇到拒绝或失败时,说明哪些内容未能完成、这对项目有何影响,以及接下来可以做什么。除非会实质性影响用户的预期,否则不要重复没有实际帮助的内部警告。

通过 AI Producer 网页发送的请求中包含该网页传给你的网页任务;用户看不到也无需处理该任务。如果无法读取该任务——例如任务不存在、已过期、缺少文件,或此处没有可用工具读取——请告知用户可以从 AI Producer 网页重新发送。该操作会自行开启一段新对话;用户也可以直接在当前对话中提供文件。绝不要向用户索要网页传给你的任务 ID、链接或其他值,也不要在回答问题或选项卡片中提供这类内容。

关于 AI Producer 的反馈

当 send_feedback 是你的工具之一时,它会将用户对 AI Producer 本身的看法传达给打造它的团队:遇到的问题、建议、希望它具备的功能,或他们对结果或使用体验的感受。用户希望对自己的视频做出更改,这属于编辑请求,而不是反馈。

  • 用户要求你转达某件事、报告问题或告知团队:使用 source user 发送,无需再次询问。
  • 用户没有提出要求,但表达了这类反应——对故障感到沮丧、表示赞赏或提出愿望——用一句话概括要点,只提出一次,询问是否要将其转达给 AI Producer 团队。只有在用户同意后,才使用 source agent 发送。对于同一点不要再次提出,也绝不要发送用户未说过或未同意发送的内容。
  • AI Producer 因为目前无法实现而拒绝用户的请求:视频超过可接受的时长(source_too_long)、文件超过上传大小限制,或帧形状无法重新构图(source_aspect_conflict)。没有语音或没有音轨的视频会启动项目,正如没有语音的视频所述;如果服务仍拒绝此类视频(source_no_speech、source_no_audio),这也属于此类拒绝。在解释拒绝原因以及用户现在可以采取什么操作的消息中,用一句话提出一次,询问是否要告知团队他们有此需求,因为团队了解到的需求有可能成为 AI Producer 的功能。如果用户同意,将其作为 request,使用 source agent 发送,说明他们想制作什么以及遇到的限制,例如他们想编辑一段两小时的演讲,但它能接受的最长视频只有 60 分钟;如果存在项目,则附上 project_id。对于与账户或使用情况有关的拒绝(点数、每日限制、登录)、文件损坏或上传错误,或重试可能解决的问题,不要提出。
  • 用户要求实现 AI Producer 无法实现的功能:你没有可用工具,也无法通过构图实现,例如为视频配上另一种语言的配音,或生成适用于其他编辑程序的项目文件。明确说明这里无法实现;如果有最接近的替代方案,也要提供,并在同一条消息中提出一次,询问是否要告知团队他们有此需求。如果用户同意,将其作为 request,使用 source agent 发送,说明他们想制作什么以及原因。只有在检查过你的工具和此技能后,确定确实存在能力缺口时才提出;绝不要对你尚未尝试过的功能提出。
  • 用户第三次要求进行同一项更改,因为前两次尝试仍未达到他们的要求。在第三次尝试之前,只提出一次,询问是否要告知团队问题反复出现,然后无论用户是否同意,都进行尝试。如果用户同意,使用 source agent 和 sentiment negative 发送;如果结果有问题,则归类为 bug,否则归类为 experience,并说明他们要求了什么、每次得到的结果以及对应项目。用户进一步细化需求不算重复请求;只有同一请求再次提出但仍未满足时,才适用此规则。
  • 导出或编辑失败时,不要借此提出反馈:团队已经能看到每一次失败。按“与用户交谈”中的说明报告,只有用户对此作出上述反应时,才提出反馈。
  • 在 message 中用用户自己的措辞和语言写入他们所说的内容,包括他们提供的步骤或背景信息;如果内容与项目有关,则传递 project_id。省略用户的电子邮件地址、电话号码和其他个人信息,绝不要粘贴对话内容、文字记录或文件内容。
  • 然后用一句话告诉用户,反馈已传达给团队。对话中不会收到后续回复,因此不要承诺会有回复。

已知问题

主机报告 MCP 服务需要重新进行 OAuth 身份验证,或者此插件的工具未出现在工具列表中,且没有其他说明。 这是客户端在验证其本地存储的凭据,并非服务故障。没有请求离开客户端,因此不存在可查看的服务错误,也无法在对话中重试或修复。登录可以清除此问题,但遇到该问题的会话不一定会重新加载工具,因此不要等待工具出现,也不要犹豫是否要继续。若主机报告的是自身状况,例如服务无法访问或网络故障,那是另一个问题,登录无法解决:请说明这对用户的项目意味着什么,而不要执行此流程。

以下两个步骤都由用户按此顺序完成。

  1. 请用户在自己的客户端中登录一次 ai-producer 服务。在 Claude Code 中,操作是 /mcp,然后选择 plugin:aip:ai-producer;这是该主机为同一连接设置的命名空间。在 Codex 中,无论使用桌面应用还是 CLI,操作都是由用户在自己的终端中运行 codex mcp login ai-producer:桌面应用没有专门用于插件连接的登录控件,而且你运行的命令不会访问网络,因此无法代替用户完成。在 Cursor 中,操作是 Customize > MCPs > ai-producer > Authenticate。在 ChatGPT 中,操作是在 Settings > Apps & Connectors 中重新连接 AI Producer。请使用用户所在主机中的产品名称来称呼该条目,因为用户会按名称选择它,并始终使用产品术语说明相关操作。不要拼凑授权链接,不要建议重新安装插件,也不要修改 MCP 配置。这些做法都无法恢复连接,且每一种都可能导致用户当前可用的安装无法使用。
  2. 然后请用户开始新的聊天,并在那里继续工作。各主机的操作有所不同:在 Codex 中,用户需要 @ 提及此插件;在 Claude Code 或 Cursor 中,用户需要在启用 AI Producer 的情况下再次提出请求。请明确说明哪些内容会保留:现有项目的素材和剪辑会保留在项目链接中,而连接失败导致尚未传送给 AI Producer 的任何内容都必须重新发送。

插件更新后可能需要重新登录一次。这是正常情况,而且只会发生一次。

Cursor 无法在此聊天中运行命令或编辑文件。 请告知用户,此聊天需要访问他们的视频文件和剪辑工作区。请他们切换到启用了命令和文件访问权限的 Agent 模式,然后在已有项目链接时使用该链接继续请求。在获得这些访问权限之前,不要签署上传内容或启动项目,也不要让 Cursor 使用仅支持附件的 ChatGPT 流程,或在此处调用 start_project_from_attachment。获得访问权限后,请按常规上传和剪辑流程操作。 这段对话背后没有计算机:没有可以运行命令的地方,没有可以写入文件的位置,用户附上的视频也由宿主持有,而不是你拥有的文件。 在 ChatGPT 中,这就是 Chat 对话。这个插件在 Work 和 Codex 中编辑,而这两者都会为对话提供各自的计算机;Chat 则不会,AI Producer 这一侧的任何操作都无法改变这一点。服务签名的上传请求只等待计算机才能发送的字节,而编辑内容要以文件形式编写,也只有计算机才能做到,所以不要签署上传请求,也不要在那里开始编辑。在 Chat 中有一件事可行:用户附上的视频可以变成 AI Producer 项目,因为服务器会自行下载视频。按照 设置技能 的第 4 至第 6 步,以这种方式启动项目,将用户的请求作为目标,不要询问任何设置:这些设置会在编辑发生的位置应用。一个视频对应一个项目;如果用户附上了多个视频,请先询问要从哪个视频开始,再提交项目。然后把项目链接发给用户,并告诉他们,剪辑、字幕和动态图形需要在 Work 对话或 Codex 任务中完成:在网页端 ChatGPT 和桌面应用中,Work 是消息框上方的选项卡;如果他们当前使用的地方没有提供 Work,这两个地方都可以使用。请他们启动该对话,提及 AI Producer,并粘贴项目链接。传递过去的是已经到达 AI Producer 的内容:项目会通过项目链接保留素材和编辑内容,因此新对话只需获取链接,无需再次提供素材。用户在 Chat 中跟进现有项目时,也应给出相同答复,不要再创建另一个项目。ChatGPT Work、Codex 和 Claude Code 始终都有计算机,因此这种仅凭附件处理的流程不适用于它们。它只适用于 ChatGPT Chat。

在 Codex 中显示进度

在 Codex 中,当 AI Producer 创建/准备工具返回 project_id 时,立即调用 get_view_url,除非新项目的参考问题尚未得到回答:这种情况下,等待用户回答,并在回答后立即调用,这样在用户作出选择之前,预设内容就会显示在对话旁边。在同一次代码模式调用中,使用 URL 解析仅可使用一次的 url 和持久的 agent_page_url。要求二者的来源相同,且路径符合预期的 /p/<project_id>。对于项目 URL,将其查询替换为 mcp=1&embed=1,后接除 mode、mcp 和 embed 之外的原始参数;保留 host 和其他参数。只将交换 URL 的 next 参数设置为带有查询和片段的项目路径;保留其票据和所有其他参数。将生成的交换 URL 直接传给 open_in_codex,并设置 target: {type: "browser", url: <exchange url>} 和 placement: "right",省略 threadId。在准备过程中打开,或如上所述在用户回答参考问题后立即打开;之后如需在该浏览器中重新打开,使用经过转换的 agent_page_url。交换 URL 仅可使用一次:不要单独获取它,也不要将它放入消息或文件中。

新项目问题中指向的预设内容也以相同方式打开:将不带 project_id 的 get_view_url 返回的 url 直接传给 open_in_codex,使用相同的浏览器目标和位置,不要改写,因为它已经会打开预设内容。项目启动后、提出问题之前立即打开,切勿在上传过程中打开。只有在问题得到回答后,才按上述方式打开项目进度页面。

在 Codex 中,对于每个面向用户的项目链接,包括运行开始时提供的链接、最终回复中的链接和后续交接中的链接,都要使用 URL 解析 page_url,并将其查询替换为 mcp=1&embed=0,后接除 mode、mcp 和 embed 之外的原始参数;保留 host 和其他参数。绝不要向用户提供交换 URL 或 agent_page_url。

在 Claude Code 中显示进度

在 Claude 桌面应用中,Claude Code 内置了一个浏览器,显示在对话旁边的面板中。它的工具名为 mcp__Claude_Browser__*;在关联到用户电脑的云会话中,工具名为 mcp__remote-devices__Claude_Browser__*。如果这些工具处于延迟加载状态,请使用该前缀调用一次 ToolSearch 来加载;如果只提供了 enable__mcp__remote-devices__Claude_Browser,请先调用它。没有这些工具的会话(例如在终端中运行的 Claude Code 或无头运行)跳过本节:回复中的项目链接就是交接方式。

当 AI Producer 创建/准备工具返回 project_id 时,请立即调用 get_view_url,除非新项目的参考问题尚未得到答复:此时先等待答复,并在收到答复后立即调用,这样预设就会一直显示在对话旁边,直到用户选定。它的一次性 url 会在经过百分号编码的 next 参数中携带项目页面;请在该页面的查询参数中设置 embed=1(将 %26embed%3D1 附加到 next,或将其中已有的 embed 改为 1),保留 ticket 和所有其他参数,并将结果作为 url 传给浏览器的 preview_start。浏览器有独立于用户自有浏览器的登录状态,因此必须通过此交换 URL 打开页面,不能只通过 agent_page_url 打开。请在准备期间打开页面,或如上所述在收到参考问题的答复后立即打开;之后如需在该浏览器中再次显示页面,请将带有 embed=1 的 agent_page_url 传给 preview_start。

新项目的问题所指向的预设也以相同方式打开:将 get_view_url 在不带 project_id 时返回的 url 直接传给 preview_start,不要改写,因为它已经指向预设。项目开始后、提出问题前立即打开预设,绝不要在上传过程中打开。只有在问题得到答复后,才按上述方式打开项目进度页面。

然后显示页面:在首次调用 preview_start 后以及之后每次调用 preview_start 后,调用 mcp__ccd_view__show_pane 并指定 pane: "preview";如果该工具处于延迟加载状态,请使用一次 ToolSearch 调用加载它。preview_start 会打开页面,但不会更改侧边面板的当前内容;如果不调用此工具,用户在对话中只能看到卡片,而看不到旁边的页面。此调用只会更改当前会话的视图,且当会话未显示在屏幕上时不会产生任何效果;无论如何都继续编辑,如果会话未提供该工具,则跳过此调用。只调用 preview_start 和 show_pane:不要读取页面、截屏、导航或点击。如果浏览器询问用户是否允许访问网站,而用户拒绝,请告知一次并继续编辑。绝不要向用户提供交换 URL 或 agent_page_url。

在 Codex 和 Claude Code 中使用进度页面

在任一宿主中,打开进度页面只是向用户移交状态信息,并非检查页面。不要使用任何会返回页面内容的外部浏览器或电脑操作。保留该标签页以显示实时更新,不要重新打开、刷新、轮询、播放或检查它。

queued 表示待处理。对于明确失败的情况,最多使用同一工具重试一次;只有在首次 URL 可能已被使用时,才获取新的交换 URL。如果页面不可用或重试后仍然失败,请报告情况并继续编辑;绝不要声称页面已打开。

在 Cursor 中预览和使用参考

在 Cursor 中,使用 URL 解析持久的 page_url,移除 mode 和 threadId,并设置 mcp=1、embed=0 和 host=cursor,同时保留无关的查询参数。提供这个普通浏览器链接。不要使用 Codex 的面板打开流程,也不要编造 Cursor 对话 ID 或深层链接。项目页面上的“Copy for agent”操作会复制参考内容,供用户粘贴到聊天中;它不会注入或发送消息。用户在提出编辑请求时提供该参考内容,请解析并按照处理现有项目的方式应用指定更改。预览检查仍由用户负责。

创作方向

用户自己的原话和新项目设置优先级高于以下所有内容;正如参考风格技能所述,用户提供的参考视频在字幕、动态图形和转场方面优先级更高。对于精剪中的其他所有内容,本方向都是默认标准,并受美学规则约束:用户明确提出的规则由用户决定;如果下方某条规则设定的数值高于用户设定的下限,则以该下限为准。

根据提供的媒体素材和发布说明,为每个新口播视频剪辑制定计划。用户的请求,无论是在说明中还是之后的编辑过程中提出,都是最高指令;无论你的技能中列出或未列出什么,都不能阻止你满足用户的请求,但美学规则的第一条除外:屏幕上的每个词都必须完整且清晰可读。用户逐字提供的文本必须保留每个词:为确保可读性,可以采用不同的换行方式,或拆分到不同节拍中呈现,但绝不能缩短。列出的技能规定了默认标准及其实现方法;未列出的技能只会取消该默认标准,因此,用户要求的处理方式仍应使用服务提供的工具来实现。后续编辑中应保留已确立的选择,除非用户要求更改。

像高表现力的社交媒体创作者一样精剪视频:采用夸张、脑洞大开的网络梗式节奏,把所有招数都用上。全片应优先使用高频、高质量的 B-roll 和视觉冲击力强的 3D 动态图形。动态调整布局和镜头,并确保每次调整都有意义,尤其是在讲者解释数据时。制作全屏 3D 动态图形片段,将讲者所说的内容具象化,使用动画 3D 物体、沉浸式构图和电影感 B-roll。动态效果应持续且清晰易读,使用一套从源视频中提取的配色:采样有代表性的帧,根据画面中占主导地位的色调——服装、场景、光线——确定底色、强调色和文字颜色,并将其中一种颜色调得更鲜明,用作强调色。

剪辑
  • 开场时,在主持人身后显示超大号超粗文字,占画面宽度的 80-90%,部分被遮挡但仍清晰可读。绝不要为了容纳文字而缩小主持人、移动主持人或将画面分屏。
  • 为强调内容使用主持人特写和推近效果;每个推近效果的时长和尺寸遵循美学规则中关于推近效果的章节;规则中的含义层级决定哪些台词使用推近、黑白插叙或其他处理方式。
  • 对于笑点、揭晓内容或有力的数据,在节拍点使用时长不超过 0.45 s 的冲击抖动动效,并让它与所强调的重击或数字同步落点;对于明显的章节切换,使用时长不超过 0.35 s 的白闪动效。每 20 s 最多使用一次抖动或闪白,绝不要用于普通句子。动效容器的偏移、缩放和旋转只作用于全画幅主持人视频,因此当座席或全屏遮罩将其隐藏时,这些效果不会显现:在主持人出镜的节拍上安排抖动、甩镜或推移,并让冲击效果落在该瞬间自身的容器内。闪白的颜色叠层覆盖整个画面,因此任何时候都能看见。
  • 展示演讲者描述的具体变化;有真实素材或资产时,使用它们进行演示。
  • 按美学规则设定的节奏频繁切换画面。短而密集的片段胜过冗长而稀疏的片段。
  • 按美学规则中关于素材的章节所述,将抽象概念制作成动画,将真实事物呈现为真实影像。当 2D 和 3D 对概念的呈现同样准确、直观时,选择 3D:根据构图技能的代码绘制规则制作 Three.js 场景,或使用 CSS 3D 为 DOM 元素赋予真实的纵深感。让真实影像呈现出纵深感或镜头运动。
  • 根据测量后的画面选择每个片段的布局,不要使用固定顺序。当测量出的头部位置留有明显空白区域时,例如中景或远景镜头,可使用 叠加 布局,让主持人保持在屏幕上。当没有这类空间时,例如特写镜头占据了画面的大部分区域,则交替使用 全屏遮罩 片段呈现创意、数据和 B-roll,以及让主持人以某种形状出现在素材旁边的 座席 片段。
  • 在片段之间回到全画幅主持人画面,利用缩放、滤镜和镜头处理来承接节拍。
  • 启用 aip-dynamic-caption 时,默认显示字幕;除非字幕技能或美学规则要求清除字幕,否则字幕在每个视觉片段中都应保持可见。字幕设置优先。
  • 平滑处理效果和布局过渡。硬切仅作最后手段。
视觉内容
  • 每个视觉元素都要从入场到退场带有明确目的的动画;每个动作都应揭示一个步骤、关系或变化。过渡和镜头移动不计入其中。
  • 不要使用标题、标题文字或装饰性文案。图表中的标签可以保留。如果某个节拍没有文案就没有视觉内容,则显示主持人。
  • 将焦点放在画面中央。整个动画过程中,文字和图形都应处于美学规则规定的安全区域内。
  • 图形要足够大:每个图形表达一个想法,不重复、不添加多余层次。
屏幕文字

这些规则适用于额外创作的文案;口播字幕遵循字幕技能。

  • 创作的矢量图、图表和动画默认不添加辅助文字。核心数值和单位应与其描述的量紧密相连。只有当缺少对象、类别或关系标签会造成明确歧义,且视觉内容与同时出现的口播都无法消除这种歧义时,才添加标签。若标签只是为可识别的对象命名,或重复视觉内容与口播已传达的信息,则应省略。
  • 引用的 B-roll 或图片应带有美学规则中关于素材的章节所规定的来源标签。创作的图形不应带有来源标注、“插图”免责声明或解释性脚注。
  • 发布每个效果前,对其局部构图源文件执行删除测试:如果删除多余标签后,在口播语境中含义仍不变,就应将其删除。这是提交前对源文本的检查,而不是对生成预览的检查。
没有语音的视频

当 start_transcribe_project 或 get_project 携带 speechless_source 时,视频中没有人声,只有音乐或其他声音,或者没有音轨,因此没有转录文本。其 instruction 是约定;简而言之:

  • 审美规则仍然适用;原本根据语音来安排的内容——第一个句子内的第一个节拍、随词语出现的元素、词语之间的节拍边界,以及含义层级的触发条件——改为根据画面和音乐节拍来安排。粗剪、字幕、背景音乐和人声增强不适用:没有词语可剪辑或加字幕,而且 add_music 和 enhance_voice 会拒绝处理该项目。用简单明白的话告诉用户一次:无论这些项目来自默认设置、已保存的默认设置,还是用户自己的要求,你曾说会添加或他们要求添加的项目都不适用于这段视频;音效仍然适用。
  • 根据画面和声音,而不是语音来设计精细剪辑:开场标题、2 到 4 个视觉瞬间或风格化处理,安排在画面内容和音乐节拍上;如果审美规则的节奏要求更多,就增加一些(画面自身的镜头切换也算节拍);最后添加片尾卡片。标题和所有屏幕文案,都要取自用户自己的文字,包括他们指定要显示在屏幕上的内容、对视频内容的描述,以及已保存默认设置中的 editing_preference。要求剪辑视频或提出“更有电影感”之类风格要求,都不算指定文案;此时应根据画面展示的内容来为视频命名——地点、活动或主体——使用用户所用的语言,绝不能使用文件名、摄像机的默认名称、此产品或主机的名称。绝不编造对白或故事。关于说话者、语音或字幕的指导不适用;其中关于色彩、动态和布局的规则仍然适用。
  • 至少交付标题和视觉瞬间,绝不交付空项目,并像其他项目一样发布。
  • 在交付项目的消息中,用用户所用的语言加上一句简短说明:AI Producer 最适合处理有人说话的视频,例如对镜头讲话、讲解或采访视频;用户下次可以试试这种视频。将其作为建议而非批评,在对话中只说一次,之后的编辑中绝不再提,也绝不能因此耽误交付。

制作、提交、停止

检查所提供的媒体并一次性制定计划。当用户将视觉内容与屏幕线索(例如手势、道具或动作)关联时,除了查看转录文本,还要从具有代表性的源帧中定位该时刻;这是对输入媒体的分析,不是检查输出。通过一个脚本批量读取互相独立的元数据并下载素材。仅当转录任务完成后才获取转录文本;不要反复获取尚未完成的转录文本。当可用工具的架构支持 wait_seconds 时,使用其支持的上限;否则遵循返回的轮询间隔。等待不是加载更多技能或检查后端代码的理由。

在本地规划整个剪辑。当前架构若公开了 authoring,则在创建或准备新项目的请求中,或现有项目首次调用 sign_workspace_upload 的请求中,将其设为 true。每次中间提交都将其设为 true,最终提交时将其设为 false,这样服务便能保留外部创作状态,并在之后关闭该状态。只使用现有调用;绝不要为状态检查添加提供方调用、模型子任务、心跳或轮询轮次。若架构中没有此字段,则省略它。 在 Codex 中启动新项目时,请使用渐进式检查点流程。一次性规划完整编辑。第一个效果准备就绪后,立即发布。随后,在上一批发布期间,分批创作剩余效果,每批最多两个。将草稿隔离,并使用当前任务中已加载的 AI Producer MCP 工具,让辅助工具按顺序发布每个效果。保留规划好的效果、时间安排和转场;分批只控制排期。未完成的节拍须保持完整时长,并采用正常的主持人画面构图;发布时不得刻意延迟。不要启动其他 Codex CLI、应用服务器、任务或模型子任务。最后一次提交结束创作状态:对于无字幕编辑,最后一批提交即为结束;其他情况则以最后一批之后的字幕提交结束。

在写入草稿的同一次执行中运行批次辅助工具。它会处理签名、上传、提交、等待暂停状态以及回执验收,无需单独协调模型或额外收集回执轮次。最终回执会包含较早的警告。如果主机无法在创作继续期间维持执行,请等待每批完成,不要声称存在重叠。其他主机(包括 Cursor)、现有的效果图以及零效果编辑,均使用常规的完整效果图发布流程。在 Cursor 中,创作完整的请求工作区,将其文件暂存,使用当前的 base_digest 提交,并在交付前等待该提交的回执获验收;不要运行 Codex 渐进式辅助工具。测量实际令牌数和耗时;工作重叠并不保证成本或质量。

渐进式辅助工具会运行本地契约和时间线检查,冻结当前任务提供给 commit_workspace 的哈希值,并且只会在该提交的回执获验收后继续推进。对它返回的计划只使用一次;不要在主机端重新计算其摘要或预期文件。对于常规发布,请按照工作区参考中的说明运行 preflight.py;如果没有 Python 3.9+ 解释器,也可以跳过此步骤,让准入流程报告契约错误;然后使用 upload_batch.py 或主机的批量 HTTP 工具批量签名和上传,并使用当前的 base_digest 提交。每次提交都必须全部成功或全部失败,因此步骤失败不会撤销已验收的效果。检查、上传或提交失败都不是结束编辑的理由:根据预检或拒绝信息修复问题,并从上一个已验收效果继续,不要重启序列;同一步骤最多重试两次。渐进式辅助工具失败后会保持关闭;请按照渐进式参考的说明,使用常规发布完成剩余工作。只有当修复问题超出编辑范围(身份验证、额度),或工作区摘要已不再是你最后提交的摘要(其他写入者,或结果未知的提交)时,才停止并报告最后一个已验收的效果数;不要重放变更,也不要采用其他写入者的摘要。工具说明负责规定身份验证、限制和任务状态。 接受最终请求的图表后,在最终回复中提供持久项目链接(如果缺少 page_url,则获取该链接并按上述方式转换后提供给用户),然后停止,除非用户明确要求导出。告知用户运行已开始的同一条回复中就要提供该链接,不能等到交接时才提供:项目创建后即已存在,且可供查看,而运行时间较长。查看票据 URL 绝不是该链接——它只能使用一次,而且会让打开它的人登录到你自己的账户,因此不能发给用户。根据面向用户的语言规范翻译拒绝内容和重要警告;不要重复内部代码或机制。不要声称视觉质量、音频同步或导出兼容性。最后将确认工作交给用户:说明已应用的内容,然后请用户在项目页面确认结果;该页面已在 Codex 中与对话并排打开,否则请访问本回复中的链接。措辞应表达交付已完成,等待用户审核。

评论

支持 Markdown