mcpField
G
ghost-editor

ghost-editor

github.com/kurbaitaev创意与媒体557129 次安装2 周前更新
代码仓库

关于 ghost-editor

ghost-editor 是面向 Claude Code 的开源视频编辑 Skill,通过脚本化流程将访谈式录像制作成竖屏短片,涵盖镜头选择、字幕、面部避让排版、渲染与质检。

主要功能

  1. 01脚本化短片制作流程
  2. 02语音转录与镜头选择
  3. 03面部跟踪与版面安排
  4. 04字幕、缩放与音效
  5. 05渲染和质量检查脚本

适用场景

  1. 01将访谈式录像剪成竖屏短片
  2. 02从多次录制中挑选并组接镜头
  3. 03避免字幕和图形遮挡说话者面部

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/kurbaitaev/ghost-editor --skill ghost-editor

安装后在 Claude Code 中输入/ghost-editor确认已加载。

详细介绍

ghost-editor

输入一段录制素材,输出一支短视频。创意工作是挑选镜头并规划节奏。脚本每次都以相同方式处理其他所有事项:剪辑计算、缩放缓动、字幕、音效音量、素材复制、质量检查。画面上不会出现任何说话者没说过的内容。迷因是反应,所以要放在笑点处或紧接笑点之后,绝不能提前。

技能目录:~/.claude/skills/ghost-editor(下文简称 $S)。短视频项目可以是任意目录($P);build.mjs 会将所需内容复制到 $P/assets,让项目能够独立渲染。

成本:每支短视频使用一个全新助手,每个步骤选用合适的模型

在一批 21 支短视频上的测量结果:查看画面约占 Claude 用量的 5%。成本来自每轮都要重新读取上下文(一个连续制作 3 支短视频的助手,在 464 轮对话中重新读取了 212 M 个缓存 token),以及每支短视频都要编写新的生成器代码(每种风格的两个助手各自编写了自己的库)。数字详见:docs/PLAYBOOK.md「Cost」。

  • 一支短视频 = 一个全新助手(Agent 工具)。绝不能让一个助手制作多支短视频或整批制作。与用户对话的会话负责协调:填写 templates/briefs/build-one-reel.txt(构建 -> 预览 -> 停止),将预览发送给用户;得到用户确认后,再填写 templates/briefs/finish-one-reel.txt,交给一个新助手。用户提出意见后需要修改时,交给一个全新的助手,并提供该短视频的 reel.py 和用户的原话(生成器才是当前状态,不是旧对话记录);只有单行修复才向旧助手发送 SendMessage。若会话中列出了 reel-helper,则以 reel-helper 身份启动助手(templates/agents/reel-helper.md,复制到 ~/.claude/agents/;仅使用 shell 和文件工具):通用助手启动时约有 85 k 个 token 的工具和技能列表,并且每次调用都会重新读取。耗时较长的任务在一次阻塞调用中运行,绝不按轮次轮询后台任务。
  • **每个步骤使用合适的模型:**Opus(默认模型)负责规划和判断:镜头、钩子、节奏、组件、reel.py、快照和用户意见。Sonnet(Agent 工具的 model: "sonnet")执行固定流程:预览/最终渲染、finals.py 的 qa/deliver、components.py record、文件移动和提交。遇到硬性质量检查失败时,它会停止并报告;修复工作交回 Opus。许多画面应由 Gemini Flash 处理(broll_vision / broll_qa),而非 Claude。
  • **每支短视频只编写少量代码:**指定风格的短视频应基于其配方构建器编写简短生成器(clean-os/cleanos.py + kit.py、result-podcast/faceresult.py、whiteboard/board.py、seoul-list/seoul.py);阅读 <builder> --api,不要看旧生成器,也绝不编写按批次使用的库。若后续短视频需要新组件,应加入构建器的 kit。
  • **保持上下文简短:**用 grep / sed -n,不要用 cat;每种视觉风格只生成一张概览表(snap.py beats -> overview.jpg),不要逐张查看画面;不要重新读取刚写过的内容。用 scripts/reel_usage.py <helper transcripts> 衡量短视频的用量。

流程

prep.sh        -> $P/assets/talk.mp4        1080x1920 30 fps, voice at -16 LUFS
transcribe.py  -> $P/build/words.whisper.json + take table (all takes)
face_track.py  -> $P/build/face.json          (captions and cards never cover the face)
choose takes   -> $P/reel.json takes        (references/take-selection.md)
  a scripted recording with many takes: rawcut_prep.sh -> vad_pauses.py -> islands_tx.py -> facescan.py --pts -> takes.py -> plan_cut.py -> subcheck.py
  -> assemble.py --plan -> voice_smooth.py --plan -> qa_cut.py: the clean raw cut every style builds on (take-selection.md)
plan beats     -> $P/reel.json beats/zoom   (references/reel-json.md; taste.py prompt first)
film_look.py / transitions.py reel           optional: graded plate, transition windows (after takes are final)
build.mjs      -> $P/index.html             + SFX table + rule and taste warnings
approval_sheet.py -> build/approval.html    lint, a frame at every cut and beat; WAIT for the user's yes
own_footage.py -> the user's own clips for the lines (face-checked: only them); `sheet` -> show the picked frames, WAIT for yes
broll_fetch.py -> $P/broll/: stock originals (Pexels by link, Mixkit search) + manifest.json; when to use which: references/broll.md 3
pictures: wikimedia_fetch.py (archival first) -> google_images.py; EN + RU, >= 1080 px, people-checked (references/broll.md 3)
brand_kit.py pull <tool URL> --dir $P/brand -> a reel about a named tool/app/company: its real logo (light + dark), icon, brand colour, nearest Cyrillic Google font, people-checked product shots; LOOK at brand/sheet.jpg
image_pick.py brief/pull/score/pick/sheet -> per line 6-10 candidates scored 0-5 (says the line at a glance >= 4 or FLAG); the scores sheet goes next to the preview
insert_prep.py -> every B-roll insert: people + line check, cut, SDR, fps conform, graded onto the speaker's plate as shot (never the reverse)
components.py plan/check -> new components per reel for a named style (catalog.json); record after the user's yes
broll_vision.py picks -> build/broll-picks.jpg: every B-roll shot + stock image, its line, the people check; WAIT for the user's yes
finals.py preview -> "<name> (preview).mp4": 720x1280 at ~4.5 Mbit/s for the user's phone (+ a frame-0 still); WAIT for their OK
finals.py render  -> "<name>.mp4": delivery master -> Instagram H.264 (refuses a reel with no current preview)
finals.py qa      -> render_report.py + broll_qa.py per reel, one summary line each; fix and re-render, at most 3 rounds
qa.py             -> SFX-vs-voice on a stem, A/V lengths, contact sheet
finals.py deliver -> optional: -14 LUFS into the user's library of finished videos (CONTENT): NOT POSTED, _moves.tsv,
                     TRACKER; taste.py log-reel; save_style.py if the user loved it
0. 每个会话检查一次工具链

bash $S/scripts/doctor.sh:检查工具、GEMINI_API_KEY 和媒体库,并提供相应的修复方法。B-roll 检查需要 Gemini 密钥(免费套餐即可),doctor 会通过一次测试调用验证密钥:insert_prep.py、broll_vision.py 和 broll_qa.py 的 people / match 检查都会调用 Gemini;启用人物规则时,如果某个镜头无法通过检查,质量检查就会失败。在新机器上,先运行 python3 $S/scripts/library_restore.py(SFX、迷因、音乐和动态表情符号不在 git 中)。说明缺少哪些内容;不要临时变通。标记为 opt 的条目是可选工具,各自都有对应的 scripts/setup_<x>.sh(BiRefNet 遮罩、音频质量检查、胶片风格 LUT、字幕指标);没有它们也能使用核心功能。

1. 准备素材并确定视觉风格
bash $S/scripts/prep.sh <IMG_xxxx.MOV> $P
ffmpeg -v error -i $P/assets/talk.mp4 -vf "fps=1/10,scale=216:384,tile=6x3" -frames:v 1 -update 1 $P/build/sheet.jpg

查看概览表。确认人物是否正确(展示画面;有任何疑问时向用户确认)。记录人脸的位置(缩放原点,默认值为 50% 29%)、下巴的位置(卡片色带从 y 990 开始),以及墙面的亮度。

2. 转录所有内容
python3 $S/scripts/transcribe.py $P/assets/talk.mp4 --out $P/build/words.whisper.json --lang en

该表是以原始秒数为单位的镜头选择表;* 标记重新开始的短语 (“okay, again”)。之后在 captions.fixes 中修正错误识别的名称。

2b. 跟踪人脸
python3 $S/scripts/face_track.py $P/assets/talk.mp4 --out $P/build/face.json

始终如此。构建过程会在平台的安全区域内,将字幕、卡片和反应效果放置在人脸周围。

2c. 户外音频有噪声?

蟋蟀声、嗡嗡声、风声、交通噪声:bash $S/scripts/denoise.sh $P/assets/talk.mp4 $P/build/voice-clean.wav(DeepFilterNet3, 上限为 20 dB;全强度会让人声变薄、发闷)。剪辑和字幕使用清理后的人声音轨。 带宽受限的人声(蓝牙麦克风、通话录音、下载的片段):voice_enhance.py IN OUT.wav --mode superres(ClearerVoice; 对全频手机音频不起作用)。含噪原始音频中的语音片段:vad_pauses.py / autocut.py --vad(silero-vad)。 两者都在音频 QA 虚拟环境中运行(bash $S/scripts/setup_audioqa.sh 会输出其 python 路径)。

3. 选择镜头(references/take-selection.md)

如果有脚本,请索取。为每个句子选择说得流畅且时间靠后的镜头,将一口气说完的内容保留为一个镜头,并按单词时间点剪切: a = 第一个词前 0.10..0.15,b = 最后一个词后 0.20..0.30。如果某句话后面要接表情包,将该镜头延长到最后一个词后 0.6 到 1 秒, 为表情包音效留出空间。目标时长为 45 到 75 秒。

有很多次录制的脚本录音: 原始剪切工具(take-selection.md,“The raw cut, step by step”): rawcut_prep.sh 会生成语音文件和逐帧精准的代理视频,islands_tx.py 会分别转录每段语音片段, takes.py 会找到脚本中每个句子的所有录制尝试并标记人脸状态,plan_cut.py 会将你的选择(cut.json) 转换为逐帧精准的片段,并修剪停顿、确保边缘避开眨眼及标记保留/遮盖部分,subcheck.py 会捕捉合并在一起的 重新开始片段,assemble.py --plan + voice_smooth.py --plan 会生成素材片段和人声音轨,qa_cut.py 会检查结果。 在 Apple silicon 上,使用 mlx-whisper 转录(transcribe.py --backend mlx)。

构建前先审核粗剪。 Whisper 会把重新开始和说到一半又重来的内容合并成一个完整句子,并把 时间戳混在一起(“And even the… and even the thing that…”)。渲染粗剪,重新转录其中的人声音轨,并请 Gemini 2.5 Pro(analyze_video)逐字审核:重复、填充词、被截断的单词、呼吸声、移开视线的片段。语音持续很长一段时间, 但转录出的词很少,说明其中隐藏着重录片段。清嗓声(“khm”)在音高扫描中会显示为带下降音高的短促浊音嗡声;Gemini 的亚秒级时间戳不够可靠,不能据此剪切。句子之间保留约 0.2 s 的呼吸间隔。

3b. 只有一条清晰的录音?

如果录音本来就是一条不错的录音,就不要手动挑选镜头: python3 $S/scripts/autocut.py $P/assets/talk.mp4 --noise -30 会输出去掉停顿后的 takes。

4. 选择风格,规划节拍(references/styles.md、references/reel-json.md)

七种预设:clean、editorial、meme、cinematic、launch、kinetic、pop。 制作方案(自定义构建,不是 reel.json 预设;每个方案都有自己的 README、SYSTEM.md 和脚本)。从头到尾遵循 README:

  • recipes/clean-os/,Clean OS:Apple 式简洁文字卡片;用一台 4K 摄像机拍摄宽景/近景;写实的手机 UI 场景 (日期选择器、锁屏通知、搜索 + 卡住的加载条、照片回忆);带光标的红色 Figma 选框。 调用方式:“Clean OS”。适用于对镜讲述、反思或解释。
  • recipes/explainer-vector/,Vector explainer:不使用实拍素材;由 ElevenLabs 旁白;一整个连续 SVG 世界,镜头穿行其中; 一个自行绘制出来的主体、衬线体标题、逐词显现的字幕。调用方式:“animated explainer”,“like the tree video”。
  • recipes/result-podcast/,RESULT:温暖的播客剪辑:一到两个 Inter Tight 文字,分两层强调;Caveat 手写字; 藏青色尘埃卡片、拍立得、定格动画纸堆、胶片漏光、漫画道具、台词间溶解转场。 调用方式:“RESULT style”。 Face RESULT(其对镜讲述模式;faceresult.py + example-face/,README“Face RESULT”):保留拍摄时的讲述者面部;纸质道具/ 拍立得/引言卡片根据 face.json 测量后放在脸旁、上方或下方的区域(构建时会失败,以防内容碰到脸);藏青色卡片上放大号两层字幕;只加胶片颗粒 + 尘埃;全屏卡片不超过 2.5 秒。 调用方式:“Face RESULT”,“RESULT on my face”。
  • recipes/whiteboard/,Whiteboard:分屏,上半部分是白色记号笔画板,下半部分保留拍摄时的讲述者面部;每个想法都用粗略的记号笔笔触实时绘制,并显示记号笔沿笔画移动;Caveat 手写字;页面之间用橡皮擦擦除;白色胶囊字幕放在分屏接缝处,口播词扫过时变黄;只有讲述者移开视线时画板才全屏显示(board.py + example/reel.py,每个 reel 根据文字生成对应内容)。调用方式:“Whiteboard”,“a marker board edit”。先阅读其 SYSTEM.md。
  • recipes/pov-montage/,POV montage:将多个第一人称片段按剪辑列表(加速、定格)剪成一个故事,加入 editorial 动效层、带 meme 的定格画面。调用方式:“cut these POV clips”。
  • recipes/seoul-list/,Seoul list(一种格式,而非素材来源:优先使用用户提供的素材,其次是他们的素材库,再其次才是全屏库存素材或 AI 素材;所有内容与主素材实拍画面统一;不使用摆拍的库存模特,并遵守人物规则):旁白讲述一系列观察内容, 搭配 1.4 秒的 B-roll 镜头(不出现对镜讲述);每行一个大字,情绪或地点用 Playfair Display Italic,事实用 Inter Tight 800,并配一行副标题;白字闪现; 白色拼贴页面(镜头缩小成卡片、红色故障风文字、照片卡、Fluent 贴纸)、三联画、Instagram 评论卡片、macOS 磨砂窗口切换剪影、蓝色高亮词、iMessage 结尾。根据 list.json + 代理素材 + VO 构建(build.mjs)。调用方式:“Seoul list”,“a list reel over B-roll”。先阅读其 SYSTEM.md。
  • recipes/stan-style/,stan style(需要工具的真实屏幕录制;如果没有,说明缺少屏幕录制,并推荐 Clean OS 或 RESULT):围绕核心流程的坐姿对镜工具教程(reel.json 节拍来自 scripts/lib/stan.mjs):panel(屏幕录制放在顶部区域,位于讲述者的 BiRefNet 抠像后方;讲述者只在眼睛需要时向下移动,每段连续的 panel 只移动一次)、chest 字幕(68 % 位置的小写短语,在首词处切换;hook 和示意图中用单词,接近结尾时在额头附近显示文字)、hook 卡片(图标行 + 黑字白底条标题)、一张白色 diagram,通过缩放模糊转场进入,线条逐笔绘出;下巴下方的 step 和 cta 标签;aside。 调用方式:“stan style”,“tool tutorial”。先阅读其 SYSTEM.md。
  • recipes/kinetic-doc/,Kinetic doc:黑白档案纪录片风格,搭配一个红色点缀:口播时在居中的一行文字中逐词弹出文字(一个大号粗体字 + 小字);图片以印刷品、窗口和拍立得形式出现;重点句单独占一页;适用于对镜讲述、配有画面的旁白,以及纯 B-roll。不是 kinetic 预设。调用方式:“kinetic doc”。先阅读其 SYSTEM.md。
  • recipes/step-deck/,Step Deck:对镜讲述时,以编号卡片的形式呈现技巧 reel:每个词都在起始音节处出现在讲述者头部后方;画面每 1-2 秒在面部和扁平文字卡之间切换;呈现纸质印刷品和线条画;每个步骤都从一张卡片开始,巨大的斜体数字缩小后归位;来自 @ant.lon。调用方式: “Step Deck”,“steps reel”。先阅读其 SYSTEM.md。
  • recipes/product-page/,Product page:对某个命名工具、应用或书籍进行评测或演示,布局仿照产品页面:白色页面上放置真实图片、重制的 UI 和细线插画,虚拟镜头随口播词穿行其中;讲述者抠像放在圆角实拍卡片上;两层标题(粗体无衬线 + 斜体衬线);每次只在灰色胶囊中显示一个口播词;来自 @adrien.ninet。调用方式:“Product page”,“tool review page”。先阅读其 SYSTEM.md。
  • recipes/tactile-paper/,Tactile paper:用会像定格动画一样运动(8 fps)的印刷纸张讲述内容:报纸和档案纸张在栗色背景上展开、翻动,带真实的翻页折痕;白色箭头和深红色记号笔;黑色胶囊字幕;纸张像翻页一样移开,露出讲述者的面部;来自 @chrismoran__。调用方式:“Tactile paper”,“paper page turn”。先阅读其 SYSTEM.md。
  • recipes/caption-news/,Caption News:将大段字幕重重打在口播词上,其中一个关键词放在黄色方块上;标题音效转场变成频道标识;讲述者提到来源时显示来源标签和高亮文档;保留拍摄时的面部;移植自 lemo-opuscar(MIT)。调用方式:“Caption News”,“news captions”。 先阅读其 SYSTEM.md。
  • recipes/news-package/,News Package:讲述者担任单篇电视新闻报道的主播:片头音效飞入角落成为频道标识;胸前信息条带有类别标签;翻页显示板、示意卡片,以及结尾逐项勾选的内容提纲;移植自 lemo-opuscar(MIT)。调用方式:“News Package”,“news segment”。先阅读其 SYSTEM.md。
  • recipes/telestrator/,Telestrator:画面在关键词处定格,并像体育赛事回放一样进行标注 (圆圈、记号笔箭头、区域、倒带);始终放在面部下方或周围,绝不覆盖面部;移植自 lemo-opuscar (MIT)。调用方式:“Telestrator”,“sports breakdown”,“freeze and draw”。先阅读其 SYSTEM.md。
  • recipes/halftone-dossier/,Halftone Dossier:把故事呈现为复古印刷案件档案:用四种纯色油墨印制的半色调页面、严重错位的粗体标题、重重盖下的印章、人物资料卡,以及夹在页面之间、保留拍摄时状态的讲述者面部;移植自 lemo-opuscar(MIT)。调用方式:“Halftone Dossier”,“case file”,“dossier”。先阅读其 SYSTEM.md。
  • recipes/swiss-grid/,Swiss Grid:围绕讲述者面部设计的国际主义排版风格:六列网格、一种字体、一种红色、海报式关键词布局、计数器、精准而克制的动态效果;移植自 lemo-opuscar(MIT)。调用方式:“Swiss Grid”,“swiss poster”。先阅读其 SYSTEM.md。
  • recipes/data-story/,Data Story:当台词中出现数量时,在奶油色纸张上用红蓝铅笔绘制图表,并附上手写注释;只用真实数字,并在屏幕上标明每个数字的来源;移植自 lemo-opuscar(MIT)。调用方式:“Data Story”,“pencil charts”。先阅读其 SYSTEM.md。
  • recipes/hologram-hud/,Hologram HUD:将讲述者谈论的对象扫描成发光线框;目标框锁定其各个部分,数值滚动出现;与保留拍摄时状态的面部镜头交替切换,绝不覆盖面部;移植自 lemo-opuscar(MIT)。调用方式:“Hologram HUD”,“hologram scan”。每种风格的视觉素材清单(循环播放的内容、音效板、规则)见 docs/PLAYBOOK.md。 规划前检查风格的前置条件(references/broll.md 第 6 节):stan style 需要真实的屏幕录制,cinematic 需要统一的实拍素材世界。如果缺少素材,说明缺少什么并推荐其他风格;绝不能用库存素材填补缺口。Seoul list 没有素材前置条件:它是一种格式(其 README“Footage”部分)。 询问用户想选哪一种(展示 examples/gallery/ 或 showcase 视频),或根据讲述者的表现力选择。 从 examples/gallery/<style>.reel.json 开始。 若要匹配参考剪辑:python3 $S/scripts/reference_study.py <their-edit.mp4> --out <dir> [--raw <raw>] 会生成 1 fps 联系表、每隔 2 秒提取的全分辨率帧,以及 Gemini 2.5 Pro 逐秒记录的剪辑日志,并将其映射到我们的节拍上。将日志视为草稿:对照帧核实字体、字号和构图。然后,将每个场景映射到对应的词语时间点。从 examples/ 中最接近的文件开始。 逐句查看转录稿。每一句都要想想讲述者刚让观众想象了什么,并在对应词语处呈现出来。有些句子不要添加视觉内容; 带状区域里的留白能让下一张卡片更有冲击力。 B-roll(references/broll.md;broll_qa.py 会在违反以下要求时使渲染失败):
  • 硬性规则(references/broll.md 第 0 节):
    • people-rules.json 中的 B-roll 人物规则(默认为空;用户可设置频道需要的规则,例如 排除女性、儿童或符号;people-rules.example.json)。insert_prep.py 会拒绝违反规则的镜头, broll_vision.py picks 会在渲染前向用户展示每个镜头(等待用户确认),broll_qa.py 会使 渲染失败(people)。询问用户是否有相关规则,只问一次;绝不要自行编造规则。
    • 讲述者的面部必须保留拍摄时的颜色:不得对底片使用统一调色或滤镜。插入画面需与之匹配。
    • 减少 B-roll 数量(对镜讲述时每分钟不超过 3 个),且每个 B-roll 都要展示对应台词内容(match)。库存图片放在画框、卡片或拼贴中都可以,而且优于使用多段视频插入镜头。
  • 素材来源排序:
    1. 用户自己的素材,由 own_footage.py 从其照片图库和素材文件夹中查找,并进行人脸检查,确保画面中只有用户本人。渲染前,向用户展示 own_footage.py sheet 并等待确认。
    2. 采用统一画面语言的静态图:AI 生成的静态图或库存图片(拍立得、卡片、拼贴页)。
    3. 最后才使用库存视频,且只能放在画框内(拍立得、手机、卡片):只要有其他合适方式,就绝不能全屏使用;列表内容也绝不能使用。broll_qa.py 会使全屏库存视频渲染失败。例外:以 B-roll 为主的格式(Seoul list、POV montage)按设计就是全屏 B-roll。此时可以全屏使用库存素材或 AI 素材,但要统一调色风格,不使用摆拍的库存模特,并按参考节奏和 1080p 标准检查。
  • 每种风格只使用一套固定的整体视觉效果(recipes/<style>/house.json,SYSTEM.md 中的“House look”部分):字体、字幕、点缀色和插入画面的构图保持统一,讲述者的面部则保留拍摄时的状态。绝不对面部调色:house_look.py apply 已弃用,broll_qa.py 的 as_shot 会在底片重新调色时使检查失败。
  • 每个 reel 都使用新组件(避免同一种风格的 reel 每次看起来都一样):手机 UI 场景、纸质道具、拍立得/卡片/拼贴处理、转场、开场和结尾设计。规划命名风格的 reel 前,运行 components.py plan --style <s>(查看最近 7 个 reel 用过的组件及可用组件),并为每个位置选择尚未使用的组件;通过 components.py add 注册新组件(附带签名);components.py check / broll_qa.py components 会对重复使用发出警告;用户确认后,再运行 components.py record。
  • 每个想法只用一个视觉元素。每个想法只用一个镜头:口播列表用文字呈现,绝不用三个 0.5 秒的短片段。
  • 插入画面使用画中画、拍立得或分屏等形式,让面部持续出现在屏幕上;只有内容转折处才使用全屏画面。
  • 对镜讲述:全屏 B-roll 不超过 25 %,讲述者面部在屏幕上的时间不少于 65 %,每分钟不超过 3 个插入镜头。
  • 每个插入画面都要经过 insert_prep.py --ref <plate as shot> --line "<the words under it>" 处理;若镜头违反人物规则或未展示对应台词,该脚本会拒绝,并将插入画面调色以匹配讲述者的底片。
  • 轻微瞥视时继续显示讲述者。只有在真正移开视线时(> 0.5 s 或 > 12 度;cover_windows.py 会标记)才遮挡,并按成本从低到高处理:剪短、紧裁放大、保留当前图形、带边框的插入画面、最后才用全屏库存素材。Meme:每分钟 1 到 3 个,用于重点句,素材来自素材库:
python3 $S/scripts/meme_find.py "the line with the punchline"
python3 $S/scripts/meme_find.py --list

如果素材库里没有合适内容,说明情况并提出添加一个(步骤 9)。 不要强行加入 meme。 先阅读 taste:python3 $S/scripts/taste.py prompt --style <style> 会列出用户在各个短视频中做过的所有修改(“你说过”),以及技能学到的规则(“技能规则”)。构建过程会填入默认值,并对其余内容发出警告;规划时请参考这些内容。

v0.3 构建模块(均见 references/reel-json.md;仍须克制:每分钟每种使用一两个):

  • 字幕模板:captions.style = hype、explosive、line-focus、neo-minimal、karaoke-fill、highlighter (每个短语一个关键词:启发式、keywords 或 ai: true)。
  • 动态文字:textfx 节拍包括 hook(开头 1.5-3 秒)、drum(列表、“转啊转”)、scramble、flipstack、headline (“不是 X -> Y”时加上 swap)、spring(章节标题)。每个都要设置 to;若阅读停留时间过短,构建过程会发出警告。
  • 任意场景均可使用着色器背景(bg: {"look": "ink-warp"})、word 场景,以及 look.shader 胶片颗粒/半色调叠加效果。
  • 当字形或 name 存在于 library/emoji 中时,表情符号节拍会弹出动画 Fluent 表情符号(大小 <= 280)。
  • 在镜头切换处使用 transitions(transitions.py reel $P);默认仍为硬切,每个短视频最多使用 2 个有冲击力的转场。
  • look.film 胶片类型会烘焙到画面底板中(film_look.py apply ... --look vision3_500t;先检查一帧 still)。
  • matte: true + behind 节拍:使用 BiRefNet 抠像,仅用于 behind 秒数(每个词约 4-5 分钟);front: true 会让词语显示在说话者上方,through: true 会让词语穿过头部滑动(一侧在后方,另一侧在前方)。
  • cutout 节拍(scripts/cutout_fx.py,matte venv 中的 BiRefNet;参见 references/cutout-fx.md):bg-swap(新场景、光线包裹 + 色彩匹配)、bg-blur(人像模式)、选择性色彩、聚光灯、贴纸(弹出并晃动的模切定格画面)、霓虹轮廓、克隆(三个时间偏移副本)、pop(头部冲破手机画框)。每个节拍只运行一次 alpha 处理,并会缓存;默认使用 lite@1024(在 M3 Air 上约 0.53 秒/帧;每个 2.5 秒节拍约 1 分钟;portrait@1024 在短视频尺寸下呈现相同效果时约慢 4 倍)。位于同一个镜头内;窗口与镜头逐帧精确对齐,并平滑过渡回镜头。适用于整个短视频: look.cutout。封面:cover -> 在审批页生成 build/cover-9x16.jpg + cover-16x9.jpg。每个短视频最多使用 2 个 cutout 节拍。
5. 构建
node $S/scripts/build.mjs $P

阅读输出:剪辑时间线(缺少某个词意味着该词内部有剪切)、 字幕文本、音效表(时间、声音、作用、音量、原因)和 WARNINGS。在 reel.json 中修复每条警告,或说明为何保留。

6. 审批关卡(慢速渲染之前)
python3 $S/scripts/approval_sheet.py $P [--upstream <cut list of a pre-cut source>] --open

它会重新构建、运行 lint(必须为 0 个错误;子合成/轨道密度警告可以接受)、执行 taste 检查,并将首帧、1.5 秒处、每次可见剪切之后、每个节拍刚出现时及完全构建后的画面,以及结尾,快照到同一页面中(build/approval.html:联系表、时间线、镜头、节拍、字幕、音效、警告)。先自行查看并修正问题(卡片挡住下巴、文字换行、表情包被边缘裁切、字幕与卡片重叠、人物错误)。然后把页面发给用户并等待:用户会标记画面并粘贴修改清单,或直接批准。得到同意后: approval_sheet.py $P --mark-approved。若要快速查看而不生成页面:$S/scripts/hf.sh lint 和 $S/scripts/hf.sh snapshot --at <edit seconds>(edit seconds = 镜头的剪辑起始时间 + (原始 t - 镜头 a))。

7. 预览、最终渲染、QA(最多 3 轮修复)

在以完整画质渲染任何内容之前,用户会先看到低画质预览。finals.py 接受一个或多个项目 文件夹,或批次清单(--batch reels.json;格式见其文档字符串)。请将其作为受跟踪的后台任务运行 (HyperFrames 渲染会在父 shell 退出时自行取消)。

F="python3 $S/scripts/finals.py"; R="--out $P/finals --code R12 --style 'Clean OS' --title 'Short English title'"
$F preview $P $R    # -> "R12 - Clean OS (preview).mp4" (720x1280, ~4.5 Mbit/s). Send it; WAIT for the user's OK
$F render  $P $R    # delivery master -> "R12 - Clean OS.mp4": Instagram H.264 (1080x1920, 30 fps, [email protected], BT.709,
                    # CRF 16 capped at 20 Mbit/s, AAC 256k); refuses a reel whose preview is missing or older than index.html
$F qa      $P $R    # render_report.py + broll_qa.py -> "<name>.qa.json/.html", one summary line per reel
python3 $S/scripts/qa.py $P build/reel.mp4              # SFX stem levels, A/V lengths, matte, transitions, shader flicker

用户在预览后提出的修改会纳入构建,然后生成新的预览。HyperFrames 版本在唯一一处指定:scripts/HF_VERSION。每个脚本(finals.py、approval_sheet.py、qa.py、snap.py、build.mjs)和 $S/scripts/hf.sh 都会读取该文件,因此每台机器都会使用相同版本渲染。切勿调用未锁定版本的 npx hyperframes。试用 新版本:在每种配方中选一个 reel,运行 HF_VERSION=0.8.x $S/scripts/hf.sh ...,比较后再修改该文件(设置了此变量时,doctor.sh 会发出警告)。render_report.py 也支持没有 reel.json 的自定义构建(配方的生成器 写入了 index.html):它会检查渲染结果是否符合合成,并跳过依赖 reel.json 的检查(片段 映射、字幕布局、SFX 表)。 报告会检查流、时长、音视频同步、响度、黑帧、说话人定格、语音中的静音 (映射到对应片段)、字幕安全区域、前 1.5 秒和 SFX 音量,并为每项失败提供修复方法。它还会运行 broll_qa.py(B-roll 和动态检查)。对于没有 reel.json 的自定义构建,可单独运行: python3 $S/scripts/broll_qa.py build/reel.mp4 --project $P [--profile talking-head|broll-led|graphics]。

  • 预算:全屏 B-roll、画面中的人脸、每分钟插入画面数;
  • 插入画面相对底片的调色;
  • 图形场景:时长和动态;
  • 字幕:通过 OCR 检查,字号 >= 48 px,反差 >= 3:1;
  • 不得遮挡人脸;
  • 定格帧、HDR 输出、底片关键帧。通过:交付并 说明警告。第 1 轮或第 2 轮失败:将“Agent 可修复”的项目应用到 reel.json(混音绝不加增益,绝不 手动调整 data-volume),重新构建、lint、对变更时间点截图、重新渲染,再次生成报告。第 3 轮失败:停止并将 render-report.html 发给用户。用户尚未看过的视觉改动,必须先重新通过审批表。

QA 会渲染仅含 SFX 的音轨,并打印每个音效的峰值相对于人声的电平 及其角色目标值。目标值:ui ≈ -14、whoosh -12、impact -8、meme -3 dB (相对于人声 p95 峰值);会标记任何比人声更响或听不清的音效。它 还会检查响度(-16 ±1.5 LUFS,TP ≤ -0.5)、语音中的静音(> 0.8 s), 并写入 build/contact.jpg。绝不增加增益。

8. 交付
CONTENT=<the user's library of finished videos, with a NOT POSTED/ folder> $F deliver $P $R [--collection "Trial reels"] [--dry]

将响度调整到 -14 LUFS / -1.5 dBTP(分两遍处理,视频会复制),然后将文件放入 $CONTENT/NOT POSTED/ (使用 --collection 时:每个视频一个文件夹,每种风格一个文件),添加一行 _moves.tsv,每个视频在库中有 TRACKER.csv 时 添加一行 TRACKER 记录,并在 TRACKER_WORK 中有 make_html.py 时重新生成 TRACKER.html。没有库时,交付 finals.py render 生成的文件。硬性 QA 失败(格式、音视频同步、黑屏或画面停滞、人物规则、说话人的脸被重新调色、人脸被遮挡、HDR)时,应暂缓交付该 reel,直到有人检查过:确认无误后使用一次 --allow "<name>"。 交接内容:所选片段(原始秒数及原因)、用通俗语言说明的节拍和 meme、每分钟 SFX 数量、QA 标记的所有问题,以及 显而易见的后续事项(发布时从平台曲库添加音乐、换一个 meme、片尾卡片的 URL)。然后运行 python3 $S/scripts/taste.py log-reel $P --verdict shipped;如果用户喜欢这种视觉风格,可提供 python3 $S/scripts/save_style.py $P <name> --best-for "..."。

9. 资源库工作
python3 $S/scripts/trends.py                 # what's new on imgflip / Know Your Meme, what we lack
python3 $S/scripts/meme_add.py <id> <url|file> --tags ... --use ... --triggers ... --trend hot
python3 $S/scripts/sfx_fetch.py --only <id> --force   # after editing KIT in sfx_fetch.py
python3 $S/scripts/cc0_pack.py list            # the CC0 meme-sound pack (ships in the repo); build re-downloads it
python3 $S/scripts/audition.py --open         # soundboard + meme wall for a human listen

使用新的 meme 前,务必查看其 preview.png。清单中标有 review 标记的音效尚未经过听感确认。 references/sound-and-memes.md 介绍了混音依据、来源、许可证 以及不应重试的失败方案。动态表情符号:python3 -I $S/scripts/emoji_fetch.py(library/emoji,Fluent,MIT)。

10. 每次纠正都是品味

当用户纠正某项剪辑决定时(“缩放太多了”“那个音效太俗了”),既要修好短视频,也要用用户自己的话记录下来: python3 $S/scripts/taste.py add "<what they said>" [--metric punch_ins --max 2 | --set captions.size=50 | --ban-sfx riser-1] --reel <project>。 只有用户自己的反馈才标记为 from: user(引用“你说过”);自己总结出的规则则使用 --from skill。taste.py list、 forget <id>、restore <id>、tag <id> user|skill。品味记录只是先验:始终以 reel.json 为准。

从错误中总结的规则

  • B-roll 必须属于用户的世界观,经过构图和调色;否则就不用(审查了 29 条短视频;参见 references/broll.md)。 短视频曾出现以下问题:

    • 每次镜头一切换就强行加入封面画面(一条短视频有 31 个窗口,讲话者有 33 % 的时间出现在屏幕上);
    • 全屏陌生人的素材画面比主画面冷 15-44 b*;
    • 每个名词配一段 0.5 s 的片段;
    • 静态图形场景;
    • 浅色连帽衫上使用尺寸小、对比度低的字幕;
    • 面板在讲话者脸上展开;
    • stan 没有屏幕录制;还有一份 Seoul 清单,塞满了在三种光线氛围中摆拍、与主题无关的素材模特。 UI 动画没有问题;问题在于屏幕上出现了什么,以及出现的频率。
  • 每次只处理一条短视频,并通过 approval_sheet.py 审批;绝不要不为每条短视频单独准备审批表,就批量渲染一批风格(从同一个模板在 7 分钟内渲染 7 种风格,最终只有 0-2 份审批文件)。没有 reel.json 的自定义项目没有审批表:这种情况下,用户必须在 finals.py preview 生成的副本上确认 OK,才能继续;在此之前,不得以交付质量渲染任何内容。

  • 讲话者的主画面必须覆盖整条短视频:如果对口型视频片段在声音结束时也结束,短视频尾部(音乐淡出部分,0.3-0.5 s)就会变黑,并在 Instagram 循环播放时闪现。延长最后一帧并保持不变(tpad=stop_mode=clone),使其覆盖至片尾;检查每次渲染结果的最后 0.4 s。

  • 将 hyperframes render 作为受跟踪的后台任务运行;不要从工具 shell 中运行 nohup ... &:父 shell 退出时,渲染会自动取消(render_cancelled_parent_exited)。带动画颗粒效果的母版可能会输出为 10-bit HEVC,码率约为 50 Mbit/s:finals.py render 会将每个母版重新编码为 H.264 8-bit(CRF 16,上限 20 Mbit/s)。

  • 风格是一套系统,不是模板。拆解参考内容时,要写明不变量(构成该风格的要素)、统一视觉风格(house.json:每条短视频中保持不变的内容)、内容插槽(随脚本变化的内容)、每个插槽对应的生成器,以及已用组件目录(catalog.json,由 scripts/components.py 读取和写入;参见 recipes/clean-os/SYSTEM.md 第 5 节)。

    • 默认情况下,每种风格使用一套固定的统一视觉风格,每条短视频只做少量变化。
    • 如果脚本没有要求,却粘贴上一条短视频的场景,仍会让人觉得“剪辑还是老样子”。
    • 复用统一视觉风格正是重点。
  • 转录整段录音;从表格中选择片段,不要通过拖动时间轴来筛选。

  • 按单词时间点剪切,绝不要按 whisper 分段时间点剪切。

  • 同一句话的不同片段之间使用快速缩放,不要交叉淡化。

  • 在准备阶段、添加音效之前固定人声响度。绝不要再提高最终混音的音量。

  • 音效电平相对于人声音量设定(构建过程会测量人声音量)。绝不要手动调整 data-volume。

  • 梗音效绝不能盖住人声。应当留出停顿。

  • 同一条短视频中不要重复使用梗音效。梗音效的使用频率:每分钟 1 到 3 次。

  • 同一时间,条带中只放一张卡片,反应插槽中只放一个元素。

  • 屏幕文字中不要使用 em dash。

  • 网络上的梗音效和绿幕片段通常属于他人媒体:用户自行承担使用风险(许多 IG 和 TikTok 反应视频通常没问题,但 YouTube Content ID 不行)。如果用户提到 YouTube,请告知这一点。

  • 优先拍摄或采用 4K:一台摄像机即可同时拍摄广角和特写,无需升频。不要使用 720p 的 B-roll;Mixkit 上只有标注提供 2160p 的片段才带有免费商用许可。自己拍摄但未使用的画面往往是最好的 B-roll。

  • HyperFrames:任何需要多次补间的内容都要使用带明确数值的 fromTo(裸用 to() 会因渲染器的跳转顺序而锁定过时的起始值)。使用 attr 扩展 SVG 形状,不要使用缩放变换。每个 <video> 都必须有 id。每次渲染前都要先运行 Lint,再逐拍截取快照并检查。

  • 浅色强调色(青柠绿、黄色)用于药丸按钮和标签时,文字必须为深色:brand.onAccent。

  • 每句旁白下方的音乐都要降低音量(music.duck);冻结画面期间,音乐几乎要听不见。QA 音效轨不包含背景音乐。

  • 校准(6 条热门 Reels):119 次转场中有 113 次是硬切,镜头时长中位数约为 3 秒,图形画面中的可听音效为每 10 秒 0.4–0.9 次(切镜时不加),B-roll 占总时长的 20–35%。默认保持克制。

  • 用短溶解(0.2 秒)或改变景别来掩盖跳切,不要每次切镜都推拉变焦;用户觉得每次切镜都变焦很烦人(每条 Reel 最多三次漫画式快速推近)。剪辑前,先用 Gemini 2.5 Pro 为整段原始素材建立尝试记录。

  • 使用明确的 fromTo 隐藏每条字幕,并将其放在淡入之后;淡入期间的裸用 set 会被覆盖。

  • talk.mp4 或后方节拍发生变化时,人物遮罩会自动重建(签名位于 assets/talk-matte.json)。使用 u2net 后备方案(没有 matte venv)时,重新剪辑后要删除 assets/talk-matte.webm,否则旧抠像会浮在新素材上。

  • 分别剪辑画面和人声(Clean OS、POV montage)时,要将每个片段对齐到帧网格,并在相同的对齐时间点剪辑两者;否则每段都会单独取整到整帧,导致人声逐渐提前(23 段剪辑到结尾时会提前 43–54 毫秒)。qa.py --av-only 会检查时长;回归测试为 tests/test_assemble_sync.py。

  • HyperFrames 中素材的片段时间(拍摄段、停留、遮罩、转场和抠像窗口)必须将帧数除以 fps 后截断到 6 位小数(build.mjs 中的 fgrid),绝不能四舍五入:渲染器只会在起始时间偏差不超过 0.001 帧时才对齐,并按 floor((t - start) x fps) 对视频取样,因此 0.067 对应 2/30,会让片段晚一帧显示;而 0.066667 会重复显示首帧。为匹配片段的 ffmpeg 窗口剪辑(cutout_fx.py)应将 -ss 设为精确到 6 位小数的帧时间,并将 -t 设为少半帧。

  • 每个字母或着色器的动画都必须是时间轴时间的纯函数(绘制函数、hf-seek 事件),绝不能使用 rAF 或补间链。动画表情符号必须使用 WebM <video>,绝不能使用 APNG <img>(APNG 根据挂钟时间播放动画)。

  • API:通过 .env 中的直接密钥调用 ElevenLabs(MCP 连接器的授权额度会耗尽);长视频使用 Gemini 2.5 Pro(Flash 会截断),先用一次调用检查密钥;YouTube 使用 yt-dlp >= 2026.08.19;绝不要传入 Instagram Cookie。

文件

  • scripts/prep.sh 转码 + 语音响度标准化
  • scripts/transcribe.py whisper(位于 PATH,或在 Apple silicon 上使用 --backend mlx)→ words json + take table;解码时不基于先前文本进行条件处理,因此重录内容会保持分开
  • scripts/build.mjs reel.json → HyperFrames index.html、SFX 混音和规则
  • scripts/qa.py 渲染 QA,包括 SFX stem 电平检查、A/V 时长(--av-only)、遮罩、转场、着色器闪烁
  • scripts/broll_qa.py B-roll 和动态 QA(预算、调色、图形动态、通过 ocr_text.js / macOS Vision 检查字幕、遮挡人脸、素材库内容是否位于画面内、自有素材中是否只有说话者、禁止摆拍的素材模特、人物规则和台词匹配(broll_vision.py、Gemini)、说话者人脸是否为实拍、1080p 来源、B-roll 主导风格是否统一世界观和镜头节奏、定格、HDR、关键帧);scripts/broll_vision.py 负责人物 / 台词检查和选片表; scripts/own_footage.py 处理用户自己的素材(索引 + Gemini 标签、人脸检查、确认表;library/me/ 保留在本地); people-rules.json 可配置的 B-roll 人物规则(默认为空;people-rules.example.json); recipes/<style>/house.json 各风格固定的基础视觉风格(scripts/house_look.py 负责测量;绝不应用于人脸);scripts/insert_prep.py + scripts/grade_lib.py 负责插入镜头剪辑 + SDR + 帧率 + 调色匹配;scripts/cover_windows.py / plan_cut.py 为每个视线偏离镜头的时间段给出保留或遮盖判定;references/broll.md
  • scripts/sfx_fetch.py 构建 / 刷新 SFX 素材包(Mixkit)、标准化并生成清单
  • scripts/meme_add.py 添加 meme 视频片段 / 静帧(键、裁剪、alpha WebM、预览)
  • scripts/meme_find.py 为某句台词筛选 meme 和 meme 音效
  • scripts/trends.py 查找尚未收入素材库的热门 meme 名称
  • scripts/audition.py HTML 音效板 + meme 墙
  • scripts/doctor.sh 检查工具、密钥和素材库,并提供修复方法
  • scripts/reference_study.py 逆向分析参考剪辑(选片表、帧、Gemini 剪辑日志)
  • references/reference-study-prompt.md 剪辑日志提示词(在此改进)
  • examples/ 已发布短视频中的真实 reel.json 文件(英文):examples/gallery/ 中每个预设各一份,另有两个动态剪辑
  • README.md 安装、Agent 设置(Claude Code / Codex / 任意 Agent)、快速入门
  • scripts/lib/motion.mjs 场景(卡片、数据统计、fly3d、图片、句子)、场景转场、编辑字幕、音乐底轨
  • scripts/autocut.py 为单个干净镜头剪去停顿
  • scripts/broll_gen.py 使用 Gemini 生成 AI 静帧 B-roll(9:16),需要 GEMINI_API_KEY
  • scripts/tts_elevenlabs.py 生成带词级时间的旁白(ElevenLabs,按 seed 生成不同 take)
  • scripts/denoise.sh DeepFilterNet3 语音降噪,最高 20 dB(自行创建 py3.11 venv)
  • recipes/<name>/ 预设之外的命名风格(README + SYSTEM.md + scripts;有英文完整示例的配方会在其 example/ 中提供;Face RESULT 的示例位于 recipes/result-podcast/example-face/;lemo-opuscar 移植版本附带 MIT 许可证和 CREDITS.txt)
  • docs/PLAYBOOK.md 集中介绍所有风格、工具包和规则(可分享的清单)
  • library/music/ 获许可的音乐底轨 + 清单
  • library/sfx/ 音效包 + manifest.json;library/memes/<id>/ 视频片段 + meta.json
  • templates/fonts/ Geist、Inter、Inter Tight、Playfair Display、Montserrat、Oswald、Unbounded、JetBrains Mono、Caveat(OFL,拉丁字母 + 西里尔字母 woff2)
  • scripts/lib/facereel.py 自定义 Talking Head 构建器的共享基础(Face RESULT recipes/result-podcast/faceresult.py、 Whiteboard recipes/whiteboard/board.py、Clean OS recipes/clean-os/cleanos.py + 其组件 kit.py;--api 会打印各自调用的 API):实拍底片 + 保持尾帧、词语引用、GSAP 时间线、按用途分类的 SFX、自动压低音量的底轨、人脸区域和人脸保护规则、Talking Head 时长预算、build/{beats,plan,sfx_events}.json
  • references/reel-json.md 规范和节拍类型
  • references/take-selection.md take 选择(改编自 mariagorskikh/talking-head-reel,MIT)
  • references/sound-and-memes.md 混音、来源、许可、行不通的方案
  • scripts/lib/caption-templates.mjs(+ metrics.json、ai-tag.mjs)六种字幕模板;scripts/font_metrics.py 可重新生成度量数据
  • scripts/lib/stan.mjs stan 风格区块(面板、钩子、图示、步骤、行动号召、补充说明)和胸部字幕
  • scripts/lib/kinetic.mjs textfx 区块;scripts/lib/shader-layer.mjs + templates/vendor/hf-paper.js 着色器风格;scripts/lib/emoji-pop.mjs + scripts/emoji_fetch.py Fluent 表情符号
  • scripts/transitions.py、scripts/film_look.py、scripts/gen_luts.py 转场和胶片效果(LUT 位于 library/luts)
  • scripts/matte.py BiRefNet 人物遮罩;scripts/vad_pauses.py、scripts/voice_enhance.py 音频 QA
  • scripts/cutout_fx.py BiRefNet 特效(抠像节拍、look.cutout、遮盖、静帧上的模型演示);references/cutout-fx.md; tests/test_cutout_fx.py(模拟模型,无需 GPU:测试每种特效、帧网格、资源释放);tests/test_decode_levels.py (RGB 解码符合 BT.709 规范,解码 → Writer 往返处理后电平保持不变)
  • scripts/approval_sheet.py、scripts/render_report.py、scripts/taste.py(+ lib/taste.mjs、taste.json)、scripts/save_style.py 工作流
  • scripts/finals.py 将预览 → 最终渲染 → QA → 成品交付到用户的成片库,可处理单个短视频或批次
  • scripts/allframes_qa.py RENDER.mp4 --fps 24 --rules people 对成片的每一帧调用一次 Gemini Flash(约 7 美分): 检查屏幕上任意位置的人物规则,而不只检查已声明的 B-roll 图层(结果仅为警告,绝不视为通过:召回率约 8/10,耗时约 1 秒)
  • templates/briefs/build-one-reel.txt / finish-one-reel.txt 单个短视频的两个交接步骤(Opus 构建到预览;用户确认后由 Sonnet 完成);scripts/reel_usage.py 汇总短视频的辅助程序转录数据(轮次、工具、token、图片)
  • scripts/broll_fetch.py 获取原始素材库 B-roll(通过链接从 Pexels 获取、在 Mixkit 搜索)+ manifest.json
  • scripts/wikimedia_fetch.py 获取 Wikimedia Commons 图片(搜索、分类、清单中的许可证 + 作者);scripts/google_images.py 通过 Apify 搜索 Google Images;scripts/image_sources.py 共享的顺序、EN+RU 查询和尺寸规则;scripts/image_pick.py 简介 → 候选项 → 视觉评分 → 选择或标记 → 联系表
  • scripts/HF_VERSION 唯一的 HyperFrames 版本;scripts/hf.sh / scripts/hf_version.py 固定调用该版本
  • scripts/toolchain.py 比较本机与另一台机器的工具链指纹(doctor.sh 会运行它);scripts/venvs/*.txt 精确记录 venv
  • 脚本化多 take 录制的原始剪辑(references/take-selection.md):scripts/rawcut_prep.sh 生成语音 wav + 帧精确代理文件, scripts/islands_tx.py 生成各片段转录, scripts/takes.py 提取脚本每句台词的所有尝试,scripts/facescan.py(--pts:真实帧时间)逐帧检测头部和眼睛,scripts/plan_cut.py 生成帧精确片段 + 保留 / 遮盖判定,scripts/subcheck.py 检查隐藏的重新开始, recipes/clean-os/assemble.py --plan [--alt] 处理底片,scripts/voice_smooth.py --plan 处理语音,scripts/qa_cut.py 负责原始剪辑 QA,scripts/gem_audit.py 记录 Gemini 尝试日志 / 审计 / 视线,scripts/eyestrip.py 提取眼部特写以检查标记
  • scripts/setup_{captions,looks,matte,audioqa}.sh 可选 venv;docs/THIRD_PARTY/ 按素材包列出来源和许可证

评论

支持 Markdown