short-form-edit

短视频剪辑

输入：源视频路径和可选的参考短片路径。

交付所需格式和可编辑项目。默认使用 1080x1920； 如有要求，也要制作 1920x1080 版本，并为其单独设置构图和文字位置。 分别检查每种宽高比，包括片头和 CTA。剪辑必须通过画面、节奏和声音讲述 说话者的故事。走红是一种追求，并非剪辑能够保证的结果。除非用户要求委派，否则在本地完成。

优先事项

第一道创意关卡是：“在前 3 秒内，是否有人会确信自己必须看到结尾？” 建立一个让观众留下来的具体理由，并在视频中兑现。效果、素材数量和制作精良程度都排在这项测试之后。在获得受众数据之前，将答案视为编辑判断。

风格指南和备注

规划前先阅读 docs/EDITING-PLAYBOOK.md。其中介绍了 Nate 经过验证的短片风格（节奏、版式、字幕、B-roll 顺序、声音风格）、原始短片、长视频转短视频和旁白解说等变体，以及那些耗费时间的经验教训。用户未指定风格时，默认采用该指南；用户的要求优先。

用户对草稿提出意见时，先修改剪辑，再询问是否要将这条意见写入相关技能或参考资料，整理成规则、检查项或脚本变更，让下次剪辑从中受益。将意见和由此制定的规则一并记录。

明确编辑原则

1. 在开始创作前，阅读适用的工作区指南、MOTION_PHILOSOPHY.md，以及 HyperFrames 和视频叙事相关技能。以用户简报为准，而非默认审美偏好。所有产物均放在 video-projects/<slug>/ 中。
2. 检查提供的源素材和参考素材：时长、尺寸、帧率、音频，以及现有转录稿的身份信息。保留原件。使用学生选择的服务商转录；Nate 默认使用 ElevenLabs Scribe。阅读 docs/TOOLS-AND-API-KEYS.md，了解 Whisper 替代方案、词级时间戳标准化、凭据和服务费用。切勿用较早的拍摄版本替代。
3. 如果提供了参考素材，请用联系表、单张全尺寸帧，以及代表性转场处的连续帧条，检查整段视频。若有支持音频的审阅方式，也要检查音效。保存 REFERENCE-ANALYSIS.md，记录带时间戳的观察、推断出的原则和明确的限制。不要根据波形分析声称自己听过音频。阅读 reference-analysis.md，了解可重复使用的工作表和分析问题。借鉴剪辑手法，不借用品牌文案。
4. 确定概念前，检查提供的素材、品牌资产和相关源演示。保存候选素材清单，注明准确的可用区间、可见动作、结果、来源和可能的故事作用。让素材中独特的瞬间塑造创意。优先选择一眼就能看懂的内容；先确保完整动作及其结果都能呈现，再考虑更紧凑的裁切。如果观众看不明白画面在展示什么，那么填满画面也没有意义。
5. 阅读每句口播。运行静音和错误检测工具，然后人工审阅完整转录稿：即使报告显示没有候选片段，也可能漏掉明显的重录。删除废弃的拍摄版本，保留有意义的限定说明和关键效果，并在拼接处留出自然的呼吸空间。保存源素材时间轴上的剪辑理由。渲染一次干净剪辑，并依据实际的帧对齐 EDL 生成词级时间戳。在粗剪动态分镜完成后、精美图形制作前锁定剪辑。此后的每次时序变更，都必须依据同一映射重新生成相关字幕、图形和音效。

用户授权持续有效。用户要求制作成片并进行迭代，即授权常规的本地剪辑与渲染。明确要求制作 Kie B-roll，即授权生成相关素材。根据当前授权处理审核关卡；只询问缺失的批准，不要每次出草稿都重新询问。未经明确授权，绝不发布视频或联系任何人。

设计情绪旅程

在编写 HTML 之前，先撰写 DESIGN.md 和节拍规划。明确钩子、悬而未决的问题、层层推进、证据、兑现和 CTA。每个镜头都要有存在的理由。

阅读 curiosity-and-entertainment.md。 创建 OPEN-LOOPS.json，记录每个真实的观众疑问、埋下的物件、铺垫时间、提醒或部分解答、收尾时间，以及足以支撑收尾的口头证据。默认同时只保留一个主要悬念，最多再加一个次要悬念。在 CTA 之前兑现承诺的知识点；不能只用请求观众评论来作答。反复出现的物件本身并不构成悬念：先说明缺少什么或什么尚未解决，再直观地展现状态变化。

使用同一段真实的原始口播，制作三个风格实质不同的粗剪开场。比较前三秒的主题清晰度、好奇心、静音时的理解度和后续承接效果。选出一个并记录理由；不要只选效果最响的那个。在精修素材之前，先渲染带口播和粗略音效的低分辨率动态分镜。在此阶段修复可预测性、上下文缺失或兑现效果薄弱的问题。可以复用已获批的素材，但投入时间进行最终渲染之前，仍须审阅新的镜头序列。

按段落变化节奏：先密集呈现一组新发现，短暂铺垫期待，再兑现。保持口播时序，同时变化动画速度和比例。1–2 秒事件的指导原则不是节拍器，也不是添加填充内容的许可。允许说话者的表情承载表达坚定的时刻。为每个镜头记录观众的预期，以及镜头提供的新信息或造成的后果。

审查信息是否重复。口播和字幕承载准确原话；图形通常应展示示例、关系、证据或后果。除非有意强调确有必要，否则删除第三次重复表述的标题。相比泛泛的打字画面，优先展示具体的产品操作或源细节。不要为了让兑现效果更令人满意而虚构产品结果。

将前三秒视为独立剪辑段落

为每个开场记录观众收益、尚未解答的问题、截至第三秒的可见证据，以及确切的兑现场景。拒绝含糊的吊胃口，以及素材无法兑现的承诺。广告可以在邀请观众了解更多之前，解答一个具体示例或解释一种机制；但不能承诺完整教程，最后只给出注册 CTA。

让第一帧立即传达意义。令人意外的动作、自相矛盾之处、结果预览，或能揭示情绪的人类表情，都可以建立张力。只有当冲击或转场能强化这一构想时，才选择使用。安静却看似不可能的结果，可能比喧闹的蒙太奇更有效。不要强制加入印章、闪光或 0.3 秒特效。

如有提供，请使用声音参考素材。删除录音前奏，将音效的可听冲击点与画面落点控制在两帧以内，并围绕开头的口播调整音量和尾音。让冲击感明显，同时保持口播清晰；必要时短暂压低音乐。不要让响度成为唯一钩子。

开场在静音时也必须有效。立即确立主题或张力，并在前三秒内揭示另一个有意义的状态。避免无关的 Logo 片头、额外静音、反复闪光，或延误论证的特效。风格须与所选素材一致。在不同 Reels 之间更换手法；不要每条视频都自动盖上 STOP 印章。

保存前三秒的镜头／声音计划，并逐帧检查编码后的开场，包括第一帧、冲击点、揭示画面，以及回到主体剪辑的部分。检查第一句口播的第一个字是否在冲击混音中保留下来。在验证报告中将此项记录为独立的开场钩子关卡。

打造视觉世界

• 根据主题、受众、素材和品牌简介，选择视觉方向。记录这一方向为何适合这个故事。纪实影像、视觉喜剧、产品演示和设计物件都是可选方案，并非必须达成的配额。使用协调的色彩、字体和转场，但不要强行让每段短视频都带有纸张元素。
• 根据当前的注意力目标，选择完整呈现讲述者、分屏或完整呈现辅助影像。在每种所需比例下，保留表情、手势和证据。
• 按序列规划节奏：爆发、期待、揭示和留白。将 1-2 秒视为节奏诊断指标，而不是剪辑时长安排。若持续发展的动作或表演值得更长的停留，就保留，并记录理由。根据剪辑目的分配转场，绝不要按镜头序号轮换。
• 逐步升温，再适时舒缓。用短暂的相对静止来呈现坚定信念或揭示内容。不要强行在短视频结尾套用长视频的 4-6 秒片尾。
• 设置物件回扣：钩子中出现的未完成模型，应在高潮处得到完整呈现。展示关联与变化，而不只是依次出现的标题卡。即使静音观看，观众也应能理解核心理念。
• 让文字位于适合手机观看的安全区域内。对于 1080x1920 的画面，可从 x=90..930、y=200..1600 开始，并将右侧边缘和底部留给社交媒体界面。根据每种版式中的实际人脸位置调整字幕。使用简短的词组，并精确对齐每个词的起始时间；强调关键词时必须保留讲述者的原话。

如需了解简约的 Apple 风格设计简介，请阅读 premium-motion-and-footage.md。 采用克制的字体、留白、真实的物体纵深、定向光线和柔和的接触阴影。简约构图也可以拥有丰富而有目的性的动态与声音。不要误以为在空白幻灯片上放一个小物件就是高端设计。

通过层次和动作让短片更有趣

让观众的视线始终聚焦于一个清晰的目标。在深度、遮挡、光线和镜头运动能让动作更容易看懂时，就加以运用。确保文字清晰易读，只有在选定的材质世界需要时才采用立体效果。对于纸张简报，要检查编码输出中的纤维、边缘、折痕、接触阴影和透视。这些是有条件的制作检查项，并非通用的风格规则。

每段较长的图形动画都要有一个带有结果的动作：钥匙插入后项目启动，标准转化为检查项，卡片打开后显露结果，或一叠卡片组装成一个系统。像“定义好标准”这样的卡片可以旋转或倾斜，让卡片边缘和移动的接触阴影保持可见，同时逐步呈现各项标准。避免标题卡停下来后就静止不动。细微的次要动作可以衬托主要动作；给每个物件都套上相同的闲置摆动，并不算讲故事。

借助提供的人工编辑参考，研究观众的注意力如何移动：先看整体背景，再看孤立细节、互动、可见结果，最后回到讲述者。交付前，思考每个段落除了看起来专业之外，还有什么能让它更有趣。仅仅换个标题或加条字幕并不能解决问题。

在绘制分镜前，核实转录稿中提到的人物、产品和地点。需要辨认真实人物时，使用经过核实的肖像，不要默认只在文字中写出其姓名。优先选择人物本人网站或可追溯来源，保存来源信息，并检查实际图像。适合时，将照片作为实体物件进行动画处理，并设计有意义的呼应。切勿生成某人的肖像并将其冒充为真实照片。动态肖像仍属于摄影图层，不算动态 B-roll。

隐藏标题，将相邻镜头作为剪影和动作来审视。如果它们看起来仍像同一种卡片揭示效果，就重新设计较弱的段落。改变表现机制：撕开以揭示内容、展开以展示规模、按压以创造、连接以启用、处理以产出结果。保持世界观统一，并确保因果关系易于理解。将最有力的动作留给最重要的口述观点。用户的参与度评分是迭代反馈，不是验证器能够认证的指标。

制作产品故事时，寻找真实来源素材：公开的产品页面、官方文档、真实录屏和官方徽标。必要时录制实际的滚动、选择或可见交互。将真实徽标呈现在立体表面上，不要描摹近似图形，也不要暗示获得了背书。保留来源 URL，并区分真实产品画面、示意性界面和生成的 B-roll。录制的 UI 中绝不要暴露真实凭据。动画化的来源截图可以作为解释性构图中的一个图层，但若简报要求视频，就不能用它代替动态 B-roll。

绘制前核实品牌素材

绝不要凭空发明、近似仿制、凭记忆描摹或生成现有品牌的徽标。放射状星形不能替代 Claude 标志。优先使用用户提供的原始素材；否则从品牌官网或媒体资料包获取素材。搜索引擎有助于查找来源，但不能证明素材真实可靠。保存来源 URL 或提供的路径、原始文件和校验和。使用前检查图稿，保留其形状和比例，并为真实素材本身或承载它的表面制作动画。不要通过改变徽标几何形状来营造深度。将最终编码短片中的每一处徽标（包括小型标记和重复图案）与其来源素材逐一核对。若没有经过核实的素材，就只使用纯文字品牌名，不要伪造标记。

平衡图形画面与动态素材

根据故事和现有证据选择搭配比例。图形画面与 B-roll 之间没有默认比例。按时长记录真实素材、生成式插图、设计图形和仅有发言者的画面；说明分母的计算方式，并将分屏画面只计一次。叠加在素材上的字幕仍计为素材。带有镜头运动的静态图像属于摄影图层，不属于动态 B-roll。

每条短片中，每个不同的 B-roll 场景只使用一次。换裁切、文件名、速度、播放方向或调色，都不会使其成为新场景。在要求的两种宽高比中重复使用同一段选定场景是预期做法。在 assets/footage-ledger.json 中记录源场景标识、文件哈希和选定区间；并运行下方的素材验证器。图形回调必须将原始构想发展为新的状态和构图，这并不意味着可以重放素材。

如果更紧的裁切会隐藏背景信息，默认保留完整的源画面。在所选区间内始终让主体、动作和结果清晰可见，并将字幕放在动作区域之外。以手机尺寸检查每种宽高比下画面的开头、中段和结尾。理解一闪而过的插入画面，不应依赖密集的演示文字；应截取有意义且清晰可见的动作，或延长其展示时间。避免将重复且模糊的背景视频作为竖屏构图的自动解决方案。

优先选择具体且结果清晰可见的动作。隐藏标题后比较相邻镜头：如果这段序列重复了相同的视觉手法，或可以出现在任何 AI 广告中，就替换最弱的插入画面。生成式隐喻可以增添惊喜，但不能代替采集到的证据。在有助于讲述故事时，优先呈现真实的人类反应。

生成与组装

1. Kie.ai 是 Nate 用于生成动态插入片段和图像的可选提供方。 使用学生选择的提供方或提供的素材；生成前检查其账户、额度和集成情况。参见 docs/TOOLS-AND-API-KEYS.md。核实当前官方 API 架构。保存模型、提示词、任务 ID、选定的输出和生成状态；成功的任务应重复使用，不要盲目重新提交。 下载并检查实际视频文件，包括所选时间段内始终保持全尺寸的画面角落，以检查生成的文字、标志或畸形物体。修正或重新生成有缺陷的部分，然后核验编码后的结果。B-roll 必须有真实动态，不能只是缩放静帧。只有在最终动画对静态图表进行了有意义的变换时，静态图表才可作为源素材。绝不要生成虚假证据，也不要暗示合成的人物就是真实的具名人物。
2. 根据重新定时后的词语为图形制作动画。存储每个镜头的锚定短语和时间。 将子元素的显现绑定到各自对应的口述名词，而不是任意采用 index * 0.4 的间隔。字幕和强调事件应在词语开始时间前后 2 帧内出现，视觉上的刻意提前量最多为 0.15 秒。
3. 使用 HyperFrames 时间线规范：每个合成只注册一条暂停的时间线，覆盖完整时长，使用本地素材，将视频静音并单独处理音频。为素材外层容器制作动画。确定性的画布或 CSS 3D 均可；如果隐喻需要，应使用真正渲染的 3D。框架只是工具，不是美学风格。保留可编辑的源文件。
4. 获取或生成有清晰旁白空间的器乐背景音乐。保存其来源记录。混音前先对人声进行归一化；背景音乐初始音量应比人声低约 14-20 dB，然后根据实际音轨调整。在人声下方压低背景音乐，平顺淡出，并测量最终混音。目标约为 -16 LUFS 和 <= -1 dBTP，并根据源音频动态范围调整，避免过度压缩。 用户表示音乐太响时，应相对已审核版本降低其增益，并保存测得的改变量。最终归一化后，核实背景音乐与人声的音量比确实更低；仅降低总母线音量并不能解决问题。
5. 根据视觉事件图制作 SFX。纸张撞击声应与物体接触同步；滑动声应配合移动；克制的成功提示音应配合检查结果。对齐可听到的起始点或冲击峰值，而不只是音频文件开头的静音部分。改变音效的密度和音量。人声始终占主导。分别为预期、接触和释放设计声音。短暂降低背景音乐可以让接下来的接触声更加清晰，而不必提高其音量。有些切镜不必加呼啸声。在条件允许时记录提示音的用途并试听转场。 用户要求增加 SFX 时，应丰富事件音效设计：纸张移动、物体接触、停靠、连接、预期和揭示都可以各有不同的声音。让重要的接触声清晰可感，改变音色和密度，同时保留较安静但坚定有力的节拍。不要用更响的音乐取代音效，也不要每次切镜都加呼啸声。设置每个提示音前，先检查动画实际发生的位置。
6. 渲染前运行 lint 并检查实时预览。在所有上下文中，浏览器自动化均以无头模式运行，并禁用 Pointer Lock 和指针捕获。用户授权自主迭代时，可进行本地自动审核。先渲染草稿并检查，然后修改，最后以最终质量渲染。 如果框架捕获过程卡住，可以改用确定性图形导出并通过 FFmpeg 组装。捕获画布前，应等待本地字体加载完成。叠加前，将每个视频输入统一到相同的帧时间基准，并检查每个编码后的切点，确认没有一帧的错位。最终人脸裁切应使用原生分辨率素材，而非缩小后的剪辑代理文件。

交付前的关卡

使用 quality-gates.md。计划验证器可以发现结构性缺陷，但无法评定审美、动态效果或音频听审：

node .agents/skills/short-form-edit/scripts/validate-plan.mjs video-projects/<slug>
node .agents/skills/short-form-edit/scripts/validate-footage.mjs video-projects/<slug>

它会读取 assets/plan.json、assets/transcript.json 和 assets/edit-decisions.json。请参阅 plan-schema.md。 如果采用其他实现，请导出该架构或明确调整验证器；绝不可因架构不同而悄悄跳过检查。

以原始尺寸和手机屏幕尺寸检查每个镜头的编码关键帧。检查每个剪辑点和转场前后的连续帧条，以及在支持的情况下检查完整动态效果。检查语音衔接、从最终音频重新进行 ASR、语音与背景音的平衡、音效时机、削波情况和最后一个音节。区分听审和信号分析。如有任何无法使用的审查方式，请如实记录。

在支持实时视频审查的情况下，对动态分镜和最终版本分别进行不中断的娱乐性审查。在 ENTERTAINMENT-REVIEW.md 中记录注意力下降的时间戳、可预测的序列、未兑现的承诺和阅读负担。修复最弱的片段，然后在上下文中重新检查。自动播放完成记录和联系表属于技术／视觉证据，并不能证明进行了不中断的感知式观看。如果无法使用该审查方式，请使用按时间顺序排列的序列帧条，并明确检查循环状态，同时披露这一限制。切勿编造留存率评分，也不要把内部钩子对比称为观众 A/B 测试。

修复发现的问题，归档已被取代的版本，并针对每次更改重复受影响的检查。在 VERIFY.md 中提供实际输出的哈希值、测量结果、已检查的产物、修订记录和未解决的限制。不要仅凭代码检查、文件存在或验证器未发现问题就声称检查通过。

交付

返回可播放的最终 MP4、其绝对路径以及技能路径。将构图、素材、源转录和重定时后的转录、EDL、镜头／事件计划、音频分轨、参考分析和 QA 证据保存在项目中。明确标识最终版本。切勿将草稿标为最终版本，也不要声称保证视频会走红。