video-formats

视频格式

这个技能是一套路由器。11 种格式的语法位于 references/formats/ 中——本技能会告诉你什么是格式、该选哪一种，以及如何编写第 11 种格式。

什么是格式

格式是一套场景语法：一种可重复的结构，规定视频包含多少个场景、每个场景的用途、其中应放入什么内容，以及在制作视频前需要提出哪些问题。它不是待填充的模板，也不是预设风格。两个采用同一格式的视频可以看起来截然不同，但仍然具有相同的结构。

每个格式文件都包含相同的五个部分：

• 构成 — 纵横比、帧率、场景数量和时长，以及是否显示字幕。
• 访谈 — 规划前要提出的问题。问题轮次带有编号和标题；有些格式规定了顺序（Cinematic 要求先处理音频，因为每个剪辑都会围绕音轨来塑造）。
• 槽位 — 格式所需的具名素材。hero、beat-N、endcard、host、popup-N。槽位就是素材清单。
• 语法 — 逐场景的构建规则。这是核心部分：哪个节拍开场、每个节拍持续多久、屏幕上同时出现什么内容，以及格式明确禁止什么。
• 渲染说明 — 从失败中总结出的实用注意事项。

选择格式

每种格式对应一个甄别问题。大致按以下顺序提问，遇到第一个肯定答案就停下。

格式	用于选择该格式的问题
PointerPopups	你是否已经有某人指点事物的素材？
TitledVideo	你是否有一段成片，只需加上标题就能发布？
TalkingHead	是否全程只有一个人对着镜头说话？
PipStory	是否有一位主持人，但故事会不断提到值得展示的事物？
DailyRecap	是否有一堆来自同一天或同一趟旅行的片段，既没有脚本，也没有情节线？
Cinematic	重点是否在于营造感受，而非阐述观点——配乐剪辑、少量文字？
Explainer	是否有一个需要讲解的概念，而且没有人出镜讲解？
ProductLaunch	是否有一款产品、三项能力，以及一个要传达的名称？
BrandOrigin	是否要讲述一个关于真实品牌、从起点到终点的故事，时长约 30 秒？
TimelineExplainer	重点是否在于列表——观众会跟着一起数的编号节拍？
Boil	这个主题是否完全无法拍摄？

有三组格式容易混淆：

• BrandOrigin 与 TimelineExplainer — BrandOrigin 通过反复出现的主题元素讲述一次转变，时长约 30 秒。TimelineExplainer 则是由 6-10 个可计数的编号节拍组成的序列，时长更长。如果观众会跟着数，那就是 TimelineExplainer。
• DailyRecap 与 Cinematic — 两者都配合音乐剪辑，也都不需要脚本。Cinematic 会逐步推向高潮，并在高潮之后保留最长的镜头；DailyRecap 则是节奏均匀的一连串片段，任意两个节拍都可以互换。如果调换中间部分会破坏结构，那就是 Cinematic。
• TalkingHead 与 PipStory — 两者的主持人相同，但每当旁白提到具体事物时，PipStory 就会把主持人缩小到角落。如果 25-50% 的节拍提到数字、物件或地点，那就是 PipStory。

**Boil 是个例外。**这是唯一一种完全不使用摄影、素材或屏幕上授权内容的格式。如果主题尚未发布、较为抽象或属于服务，或者使用库存素材会显得像借来的，就选择它。

读取格式文件

从此技能自己的目录中加载 references/formats/{name}.md。文件名采用上表中名称的 kebab-case 格式：pip-story.md、daily-recap.md、boil.md 等。

每个格式文件都会在正文上方提供 frontmatter，其中包含文档所述的相同信息，无论这些信息在文档的哪个位置说明：aspect、alsoWorks、scenes、sceneSeconds、captions、narration、music 和 needs（以逗号分隔的列表，因为一种格式可能需要两个程序）。格式未说明的键会直接省略，而不是靠猜测补上；正文仍是权威依据。video-studio formats --list --aspect 9:16 会筛选出适用的格式；video-studio formats --show explainer --style bold-neon 会将格式（结构）与样式预设（外观）组合成模板，并报告未知或重复的键、丢失冒号的行、并非有效画幅的 aspect、needs: 中不存在的程序，以及样式预设本身会报告的任何问题。将外观解析为分镜仍需使用 video-studio styles --apply。

这些文件共享一套词汇，源自它们编译成的分镜结构。一个 scene 包含 narration 和一组 layers；layer 可以是 source（素材、静帧、生成的片段）、card（动态排版）或 effect。你会遇到以下术语：

• card — 在合成时渲染的真实排版。每个准确的单词、数字、名称、年份和 URL 都是 card。绝不要要求生成器生成文字；它会凭空编造字形。
• ken — 在静帧上缓慢应用 Ken Burns 漂移效果，让它看起来像素材，而非定格画面。相邻场景应交替使用缩放方向和摇摄方向，否则所有切换的运动都会完全相同。
• rect — layer 的位置，表示为帧尺寸的比例 [x, y, w, h]；角落画中画大约为 [0.58, 0.58, 0.42, 0.42]。atMs / untilMs / pop — layer 在场景内的可见时间窗口，可选带有弹入效果。
• broll / host / insert / main — 常见的 layer id，并非特殊类型。这些名称承载着格式与构建者之间的意图。
• plannedSeconds — 估算值。实际时长以测得的旁白长度为准。

反模式

• 一个场景塞入两个想法。 每种语法都会用自己的措辞说明这一点。如果一个节拍需要两个句子，那就是两个节拍。
• 卡片和旁白说相同的话。 卡片承载简短形式，声音承载完整句子。重复会让它看起来像字幕，而非设计。
• 视频中途混用格式。 一个说话者出镜的视频如果半途变成蒙太奇，就没有统一语法，而是被分成了两半。
• 按外观选择格式。 格式应根据素材的本质来选。外观完全是另一个独立层面——同一种格式可以换上十几种不同风格。

添加第十一种格式

在 references/formats/ 中添加一个新的 Markdown 文件。必需章节须按以下顺序排列：# 名称 — 单行描述、## Composition、## Interview、## Slots、## Grammar、## Render notes。其他一切都无需更改——格式列表就是目录列表。

有两条规则值得遵守：

1. 格式需通过反复出现来证明值得单独成文。 BrandOrigin 是在同一种结构出现在同一参考图库四次后才提取出来的。三四次独立使用才算一种格式；一次使用只是一个视频。
2. Grammar 章节必须能够说“不”。 只描述视频可以包含什么的 grammar 并不是真正的 grammar。十种格式各自都禁止某些具体内容——画面上出现两个标记、社论视频中出现 CTA、说话者讲关键台词时叠加插入画面。如果你的新格式没有任何禁止项，那它只是情绪板。

工具链假设

这些语法提取自生产流水线，其中几条 Render 说明仍提到了它的程序（gen_boil、track_pointing、measure、styles）及其按片段计算的成本。除了随 audio-acquisition 一同发布的 measure，这些程序现在都包含在 video-studio-engine pip 包中。这里有两个程序化生成器，而不是一个：gen_boil 会绘制摇摆的轮廓，gen_chalk 会逐步显现笔画，让它们看起来像是有人在书写，而不是某个形状突然出现。付费图像生成因配额限制而不可用时，gen_sneaker_origin_art 会将品牌起源静态图渲染为 SVG（PNG 需要 ImageMagick；无论哪种情况都会写入 SVG）。Boil 和 PointerPopups 是仅有的两个确实依赖生成器和手部追踪器的内容——如果没有 pip install 'video-studio-engine[generate,vision] @ https://github.com/scrollmark/social-skills/archive/refs/heads/master.tar.gz'，请将它们视为风格描述，而非可照做的说明。其他八项都只是纯结构：每个 Composition、Interview、Slots 和 Grammar 部分都可以独立成立，无论你用什么方式制作视频。