create-short

创建短视频 — 竖屏短视频制作流程

你正在制作一段针对 TikTok、Instagram Reels 或 YouTube Shorts 优化的竖屏短视频。

加载 remotion-production 技能以了解 MCP 步骤和 captions-workflow 规则；此外，加载官方 remotion-best-practices 技能，处理所有 Remotion 标记、预览和渲染工作（它会导向 remotion-create、remotion-markup、remotion-captions、remotion-render）。Remotion API 以官方技能为准。

与 /create-video 的主要区别

• 纵横比：9:16（1080x1920）——必须为竖屏
• 时长：最多 15–60 秒（理想时长：30 秒）
• 开场钩子：前 2–3 秒必须抓住注意力
• 字幕必不可少：始终添加 TikTok 风格的逐词字幕
• 背景音乐：始终加入，并附上情绪标签
• 节奏：快速剪辑，每个场景 2–5 秒，不要出现节奏缓慢的片段

制作流程

阶段 0：项目与预览

1. 使用现有的 Remotion 项目，或者严格按照官方 remotion-create 的说明搭建项目（检查文件夹后运行 npx create-video@latest --yes --blank --no-tailwind）。
2. 项目一旦运行，就启动 Studio 并保持打开：npx remotion studio（或使用应用内浏览器运行 npx remotion studio --no-open）。打开它输出的确切 URL；作品组合创建后，再打开 /<composition-id>。

阶段 1：构思（保持简单）

询问用户短视频的主题，然后按以下结构规划：

📱 Short Video Plan

Platform: [TikTok / Reels / Shorts]
Duration: [15-60 seconds]
Format: 1080x1920 (9:16 vertical)
FPS: 30

Structure:
  🪝 Hook (0-3s): [attention grabber — question, bold claim, visual shock]
  📖 Body (3-Xs): [main content — 2-4 fast scenes]
  📣 CTA (last 3-5s): [call to action — follow, link, comment]

Voiceover: [yes/no] — [style: energetic, conversational, dramatic]
Music Mood: [upbeat, chill, dramatic, inspiring, dark, funny]
Caption Style: [TikTok bold / karaoke / minimal]

生成素材前，先征求用户对计划的批准。

阶段 2：生成音频（旁白决定一切）

音频通过官方 ElevenLabs 技能（text-to-speech、music、sound-effects）生成，全部放在一个脚本 scripts/generate-audio.ts 中（@elevenlabs/elevenlabs-js、ELEVENLABS_API_KEY），通过 node scripts/generate-audio.ts 运行。文件表请参阅 production-pipeline 规则（步骤 4）。

2a. 旁白

编写一份精炼的脚本——短视频中的每个词都必须物有所值。使用 eleven_v4，每个部分生成一个文件：

text-to-speech (official skill):
- text: [short, punchy hook line — no filler words]
- voice: [an energetic voice ID]
- model: eleven_v4
→ public/vo-hook.mp3

对 vo-body、vo-cta 重复上述步骤（如果有多个主体场景，则使用 vo-body1、vo-body2）。

不会自动返回时长：请在 calculateMetadata 中测量每个文件（参阅 voiceover-sync 规则和官方 remotion-multimedia）。

2b. 背景音乐

music (official skill):
- prompt: "[mood] background music for social media short, energetic, [genre], instrumental"
- length: the short's length
- model: music_v2_5
→ public/music-bg.mp3

优质短视频音乐提示词示例：

• “适合 TikTok 的轻快潮流流行节拍，充满活力，无人声”
• “暗黑电影感低音，营造戏剧张力，无人声，适合短视频”
• “适合教育内容的轻松 Lo-fi 节拍，无人声”

付费方案中的 Eleven Music 获准用于商业用途。若要快速制作草稿，可使用 remotion-media 的 generate_speech / generate_music（KIE），并使用相同的 output_name；但 Suno 和其他通过 KIE 转售的模型未获其所有者授权通过 KIE 使用。草稿和内部工作可使用 KIE 音频；最终商业音频请使用 ElevenLabs 生成。

阶段 3：获取视觉素材

搜索竖屏素材：

Use Pexels pexels_search_videos:
- query: [keywords]
- orientation: portrait  ← IMPORTANT: portrait for 9:16
- size: medium           (Full HD is enough for 1080x1920)
- per_page: 5

使用 pexels_get_video（id）获取视频版本，并将最接近的素材下载到 public/footage/（先运行 mkdir -p public/footage，然后运行 curl -L -o）。只下载你会用到的片段。Pexels 不要求署名，但注明来源会更好。

或者使用 aspect_ratio: "9:16" 生成图片或视频片段：

Use remotion-media generate_image / generate_video_from_text (or generate_video_from_image to animate an image; image_urls must be public URLs)
- output_name: img-hook / clip-body1 / ...
- aspect_ratio: 9:16

如果 KIE 调用失败，则改用 Replicate（参阅 replicate-models 规则：search_models，使用 get_models 读取架构，通过 create_models_predictions 创建预测，并下载到 public/images/ 或 public/footage/）。

阶段 4：实时构建合成

在 Studio 保持打开的状态下构建每个部分，让用户在钩子出现后立即看到它。所有标记都遵循官方的 remotion-markup（multi-scene-video.md、audio.md、embedding-videos.md），布局则遵循 remotion-create/video-layout.md：

• 以 1080x1920、30 fps 注册合成，并使用 calculateMetadata 对测得的旁白时长求和（Math.ceil）
• 将 钩子 → 正文 → CTA 作为三个相邻场景（<TransitionSeries.Sequence> 项），每个场景都包含自己的 vo-* 音频
• 音乐（music-bg.mp3）在所有内容下方播放，并使用 loop，同时在旁白播放时调低音量（参见 audio-integration 规则）
• 使用来自 @remotion/media 的 <Audio>/<Video>

竖屏排版（高于官方 video-layout.md 的最低要求）：

• 标题文字：84-96px 粗体（占满宽度）
• 正文文字：48-64px
• 字幕：64-80px 粗体并带描边
• 关键文字保持在屏幕中央约 60% 的区域内；平台 UI 会遮挡底部约 15% 和右侧约 15% 的区域

阶段 5：添加字幕

短视频必须添加字幕。使用与 /add-captions 相同的工作流：

1. 使用官方的逐词流程转录每个旁白文件（remotion-captions/transcribe-captions.md、@remotion/whisper-webgpu）。如果没有可用的 GPU，则改用 ElevenLabs Scribe（官方 speech-to-text 技能，使用带词级时间戳的 scribe_v2），并通过 @remotion/elevenlabs 中的 elevenLabsTranscriptToCaptions() 将其转换为 Caption[]（https://www.remotion.dev/docs/elevenlabs）。两种方式都会提供词级时间信息，因此 TikTok 样式仍然适用。
2. 复制所选样式对应的官方字幕元素（TikTok 粗体样式使用 Popping Word Captions），并在每个场景中放置一个，与该场景的旁白并列，字幕内容内嵌其中（官方 display-captions.md）
3. 应用 captions-workflow 规则中的 TikTok 预设：粗体、高对比度、突出颜色
4. 将字幕放在距底部 15-25% 的位置，避开平台 UI

阶段 6：在 Studio 中检查，按需渲染

请用户在 Studio 中以 1080x1920 检查短视频（并使用手机大小的窗口查看）。根据用户的反馈进行迭代，并保留他们在代码或 Studio 中所做的任何修改。

仅在用户要求获取 MP4 时才进行渲染，并遵循官方 remotion-render（或使用 Studio 的渲染按钮）：

npx remotion render MyShort out/short.mp4 --codec h264 --crf 18

短视频最佳实践

• 钩子决定成败——如果前 2 秒不够吸引人，观众就会划走
• 每条短视频只讲一个观点——不要试图面面俱到，只选一个主题
• 屏幕文字——用粗体叠加文字强调要点
• 节奏要快——每 2-4 秒切换一次镜头，每个场景不超过 5 秒
• 始终添加字幕——85% 的社交媒体视频是在静音状态下观看的
• 结尾加入 CTA——“关注以获取更多内容”、“个人简介中的链接”、“在下方评论”
• 安全区域——文字远离边缘（平台 UI 会遮挡画面）
• 便于循环播放——考虑让结尾过渡到开头