video-podcast-maker

必需：先加载 Remotion 最佳实践

此技能依赖 remotion-best-practices。

• Pi：读取已加载的 remotion-best-practices 技能（列于可用技能中）。
• Claude Code：继续操作前，调用 remotion-best-practices 技能/工具。

尚未安装？请从 remotion-dev/skills 获取（文档：remotion.dev/docs/ai/skills）。

如果尚未安装 remotion-best-practices，最低限度的规则如下：必须能使用 chromium，始终使用 <Scale4K> 包裹 4K 内容，使用带有 linearTiming 的 <TransitionSeries>，并将音频作为主时钟。

视频播客制作工具

从主题自动制作 4K 哔哩哔哩横屏知识类视频的流水线。编码 Agent + TTS 后端 + Remotion + FFmpeg。

目录

• 初始化 — 先决条件（在第 1 步之前运行）
• 执行模式 — 自动模式与交互模式 → references/workflow-script.md
• 重新生成现有视频 — 对已完成的视频进行迭代
• 工作流 — 11 步流水线 + 阶段文件说明 + 强制停顿
• 硬性规则 — 不可妥协的制作约束
• 音频主时钟与同步
• 单视频目录结构
• 其他资源 — 何时加载每个 references/ 文件
• 用户偏好
• 故障排除

---

初始化

将 SKILL_DIR 解析为包含此 SKILL.md 的目录：

• Pi：Agent 可从已加载的技能列表中获取技能路径 — 运行命令前，将 SKILL_DIR 设为该目录。
• Claude Code：${CLAUDE_SKILL_DIR} 会自动填充。

SKILL_DIR="${SKILL_DIR:-${CLAUDE_SKILL_DIR}}"

# Prerequisites (CLIs + backend env vars)
python3 "${SKILL_DIR}/scripts/check_prereqs.py"

更新通过插件市场进行（/plugin update）；直接通过 git 克隆安装的版本则按照 README 使用 git pull 更新。此技能不会检查更新。

先决条件检查失败 — 请参阅 README.md 了解设置方法。检查会根据后端确定所需变量（解析顺序为 TTS_BACKEND 环境变量 → user_prefs.json 中的 global.tts.backend → 默认值 edge），因此只会验证当前后端所需的环境变量。

在新项目中制作第一个视频？ 优先复用已安装 node_modules/ 的现有 Remotion 项目 — 创建全新项目需要下载约 2.2 GB 的 npm 包，以及一个 90 MB 的 Chrome 无头 shell（每个项目只需下载一次）。如果用户有之前视频使用的项目，请使用该项目。如果必须新建项目，请在后台运行 npm install，同时执行步骤 1-4（主题研究和脚本编写）。

所有渲染内容都放在 videos/{name}/ 下 — 每个 output.mp4、final_video.mp4 和 thumbnail_*.png 都直接放入对应的视频目录。切勿渲染到 out/ 或 dist/ 目录；使用 --public-dir videos/{name}/ 约定可确保所有内容都集中在同一目录中。

TTS 引擎 — 所有 11 个后端（TTS_BACKEND=edge|azure|cosyvoice|doubao|tencent|baidu|minimax|xunfei|elevenlabs|openai|google）都通过 ttscn 组件技能进行合成，该技能为必需项：请将其安装到 ~/.claude/skills/ttscn，或将 TTSCN_HOME 指向其根目录（Agents365-ai/ttsCN）。每个后端仍只需要配置其自身的 API 密钥（Edge 不需要密钥）；check_prereqs.py 会同时验证安装情况和密钥。

Pi 用户： Pi 未内置 ttscn — 请将 Agents365-ai/ttsCN 安装为 Pi 技能（会自动检测其 skills/ttscn/ 布局），或设置 TTSCN_HOME；check_prereqs.py 会在 TTS 合成前验证安装情况。

设计学习快捷方式：如果用户提供了参考视频/图片，或要求保存/列出/删除样式配置文件，请参阅 references/design-learning.md，而不是运行下面的工作流。

---

执行模式

在工作流开始时检测自动模式（默认）还是交互模式——自动模式默认决策表和按请求进行的覆盖设置见 references/workflow-script.md。

---

重新生成现有视频

如果 videos/{name}/ 已存在，且用户正在迭代已完成或进行中的视频，请重复使用该目录。不要启动新项目，也不要创建新的 videos/{newname}/。

根据实际更改内容，选择最小范围的重新运行：

更改内容	重新运行	重用（不要重复处理）
旁白脚本（podcast.txt）	步骤 7（TTS）→ 步骤 8 预览 → 渲染+混音	主题研究 + 章节设计
仅视觉效果（组件、布局、颜色）	步骤 8 预览 → 渲染+混音	音频（podcast_audio.wav / timing.json）
仅背景音乐	重新混音 BGM	output.mp4（无需重新渲染）
仅字幕	步骤 10.1 定稿	output.mp4 / video_with_bgm.mp4

任何会改变观众看到或听到的内容的重新运行，都必须重新进入步骤 8 确认环节：应用更改，让 Studio 热重载，并等待新的明确确认“render 4K”——先前的确认不再有效。脚本更改会影响所有后续时间戳，因此必须通过 TTS 重新生成 timing.json，绝不要手动编辑。任何重新运行后，都要重新验证：

python3 ${SKILL_DIR}/scripts/verify_output.py videos/{name}/

---

工作流

正在迭代已完成的视频？ 如果 videos/{name}/ 已存在，请参阅上文重新生成已有视频，了解最精简的重新运行流程——不要从第 1 步开始。

从第 1 步开始时，在 Agent 的跟踪器中为每一步创建一个任务。开始时标记为 in_progress，完成时标记为 completed。videos/{name}/ 中的文件是持久记录——如果流程中断，请检查该目录以确定从哪里继续。

#	步骤	输出	阶段文件
1	确定主题方向	topic_definition.md	workflow-script.md
2	调研主题	topic_research.md	workflow-script.md
3	设计 5-7 个章节	（内存中）	workflow-script.md
4	撰写旁白脚本	podcast.txt	workflow-script.md
4.5	发音预检（zh-CN）	phonemes.json	workflow-script.md
5	规划并获取素材	assets/manifest.json	workflow-assets.md
6	生成缩略图（16:9 + 4:3）	thumbnail_*.png	workflow-production.md
7	生成 TTS 音频	podcast_audio.wav、timing.json	workflow-production.md
8	Remotion 合成 + Studio 预览	—	workflow-production.md
9	渲染 4K + 混入 BGM	output.mp4、video_with_bgm.mp4	workflow-production.md
10	发布信息 + 验证输出	publish_info.md、final_video.mp4	workflow-publish.md
11	生成竖屏短视频（可选）	shorts/	workflow-publish.md

强制暂停点（上方粗体行）：

• 第 8 步——Studio 审核。 必须启动 npx remotion studio 并等待用户反馈，然后才能渲染。在用户明确确认（“render 4K” / “render final”）之前，绝不要渲染 4K。包含修改要求的回复不算确认——应用修改，让 Studio 热重载，然后再次询问。每一轮修改后，都必须获得新的明确确认，才能进入第 9 步。
• 第 10 步——verify_output.py。 必须通过验证，才能宣布视频完成。退出代码为 0 表示通过；退出代码为 2 表示仍可发布，但存在警告。自动修复常见遗漏（如果缺少 final_video.mp4，则创建该文件）。根据平台矩阵验证发布信息（标题、描述、标签、章节）——请在第 5.5 步和第 10.2 步生成发布信息。要获取机器可读输出，请添加 --format json。

渲染前审计（建议）——在第 8 步之前：

python3 ${SKILL_DIR}/scripts/audit_beat_sync.py <Video.tsx> <timing.json>

标记与旁白时间偏差超过 1.5 秒的节拍。

自动模式：视觉自检。 在自动模式下运行（没有用户观看 Studio）时，请在询问是否确认渲染之前，先渲染 3-5 张关键帧静帧：

npx remotion still src/remotion/index.ts <CompositionId> videos/{name}/_review_001.png --public-dir videos/{name}/ --frame=<midpoint_frame>

选择以下时间点的画面：主标题（约在 10% 处）、内容密集章节的中点，以及片尾。查看静帧图像，并根据 design-guide.md 和 visual-taste.md 中的清单，对照实际渲染结果进行检查。在 4K 渲染前发现溢出、对比度和布局回归问题。审核后删除 _review_*.png。

验证检查点

步骤之后	检查项
7（TTS）	podcast_audio.wav 可播放 · timing.json 涵盖所有章节 · SRT 为 UTF-8 编码
9（渲染）	output.mp4 为 3840×2160 · 音画同步 · 无黑帧
10（验证）	verify_output.py 退出代码为 0（或为 2，且警告已审核）

---

硬性规则

规则	要求
单个项目	用户的 Remotion 项目中，所有视频都放在 videos/{name}/ 下。切勿为每个视频创建新项目。
4K 输出	3840×2160（或竖屏 2160×3840），在 1920×1080 设计空间上使用 scale(2) 包装器
音频同步	音频（podcast_audio.wav + podcast_audio.srt）是主时钟。必须根据实际 TTS 输出生成 timing.json，不得手动估算。渲染前，最终视频时长必须与音频相差不超过 ±0.5s。参见 音频主时钟与同步。
缩略图	必须同时生成 16:9（1920×1080）和 4:3（1200×900）版本——参见 design-guide.md
渲染前启动 Studio	必须启动 remotion studio 进行审核。未经用户明确确认，切勿渲染 4K。调整反馈不等于确认——应用调整、热重载，然后再次询问。
--public-dir	每条 Remotion 命令都使用 --public-dir videos/{name}/。所有输出文件（output.mp4、final_video.mp4、缩略图）都直接放入 videos/{name}/，绝不放入 out/ 或 dist/ 目录。

视觉最低要求（文字尺寸、内容宽度、安全区域、动画安全性）见 references/design-guide.md。必须在步骤 8 前加载。

音频主时钟与同步

基本规则

1. 音频是主时钟。 每张幻灯片的开始时间、字幕、章节和动画节拍都根据 podcast_audio.wav 和 podcast_audio.srt 推导。
2. 根据 TTS 生成时间，而不是根据文本估算。 流程：podcast.txt → generate_tts.py → podcast_audio.wav + podcast_audio.srt + timing.json → 合成 → 渲染。
3. 音频生成前，绝不手动编写 timing.json。 如果已有整理好的幻灯片，请运行 align_timing_from_srt.py，根据实际 SRT 确定时间。
4. 补偿 TransitionSeries 重叠。 TransitionSeries 渲染的帧数为 sum(section.duration_frames) - (N-1) * transitionFrames。按比例调整每个部分，确保渲染时长等于 timing.total_frames。不要把所有重叠帧都塞进第一个部分。修正后的写法见 templates/Video.tsx。

强制同步检查点

时间	检查项
步骤 7（TTS）后	timing.json.total_duration 与 podcast_audio.wav 的时长相差不超过 ±0.5s
渲染前	Video.tsx 已根据转场重叠调整所有部分
渲染后	final_video.mp4 的时长与 podcast_audio.wav 相差不超过 ±0.5s
步骤 10（验证）	verify_output.py 以代码 0 退出，并显示音频/时间检查通过

如果任何检查点未通过，请停止。不要发布。

输出规格

参数	横屏（16:9）	竖屏（9:16）
分辨率	3840×2160（4K）	2160×3840（4K）
帧率	30 fps	30 fps
编码	H.264，16Mbps	H.264，16Mbps
音频	AAC，192kbps	AAC，192kbps
时长	1-15 分钟	60-90 秒（精选片段）

单视频布局

project-root/                           # Remotion project root
├── src/remotion/                       # Remotion source (Root.tsx, compositions, index.ts)
├── videos/{video-name}/                # Per-video directory
│   ├── topic_definition.md             # Step 1
│   ├── topic_research.md               # Step 2
│   ├── podcast.txt                     # Step 4: narration script
│   ├── phonemes.json                   # Step 4.5: zh-CN pronunciation overrides
│   ├── assets/manifest.json            # Step 5: per-section asset registry
│   ├── publish_info.md                 # Step 10: title/description/tags
│   ├── podcast_audio.wav               # Step 7: TTS audio
│   ├── podcast_audio.srt               # Step 7: subtitles
│   ├── timing.json                     # Step 7: timeline (drives animations)
│   ├── thumbnail_*.png                 # Step 6
│   ├── output.mp4                      # Step 9: 4K render
│   ├── video_with_bgm.mp4              # Step 9: with BGM
│   ├── final_video.mp4                 # Step 10: final output
│   └── bgm.mp3                         # Background music
└── remotion.config.ts

每个视频的 --public-dir

每条 Remotion 命令都使用 --public-dir videos/{name}/——每个视频的素材都保留在各自的目录中，从而支持并行渲染：

npx remotion studio src/remotion/index.ts --public-dir videos/{name}/
npx remotion render ... videos/{name}/output.mp4 --public-dir videos/{name}/ --video-bitrate 16M
npx remotion still ... videos/{name}/thumbnail.png --public-dir videos/{name}/

命名规则

• 视频名称 {video-name}：小写英文，以连字符分隔（例如 reference-manager-comparison）
• 部分名称 {section}：小写英文，以下划线分隔，并与 [SECTION:xxx] 匹配
• 缩略图（必须同时提供 16:9 和 4:3）：thumbnail_remotion_16x9.png + thumbnail_remotion_4x3.png（AI 生成的缩略图使用 _ai_ 前缀）

---

其他资源

按需加载 — 切勿一次性全部加载：

文件	加载时机
references/workflow-script.md	步骤 1-4（主题 → 脚本）以及执行模式（自动与交互）
references/natural-narration.md	编写第 4 步脚本前加载 — 口语旁白的避免劣质内容规则（禁用清单、结构性特征、检查清单）
references/script-polish.md	写完第 4 步初稿后加载 — 深度编辑工具包，包含 24 组中英文修改前后示例、证据边界、质量评估标准
references/workflow-assets.md	第 5 步，或用户提供图片/片段或想使用素材库/AI 媒体时
references/workflow-assets.md	某个部分需要超出组件库能力的数据图表/信息图动画（通过 Hyperframes 制作透明叠加层）时
references/workflow-production.md	步骤 5.5-9.5（起草发布信息 → 缩略图 → TTS → Remotion → 渲染 → 混合背景音乐）
references/workflow-publish.md	步骤 10-11（发布信息、验证、短视频）
references/platform-matrix.md	特定平台的行为（缩略图、章节、片尾、发布信息、短视频）
references/design-guide.md	第 8 步前必须加载 — 视觉最低标准、排版、动画安全性
references/visual-taste.md	第 8 步前与 design-guide 一起加载 — 设计调节项、避免默认规则、视觉模式、章节节奏
references/design-learning.md	用户提供参考视频/图片，或管理风格配置时
references/troubleshooting.md	选择 Azure 语音/风格，或排查声音嘶哑/音频故障时
references/troubleshooting.md	出错、查找脚本/CLI，或用户询问偏好设置/背景音乐时
templates/presets/kinetic-typography/	大胆的文字驱动预设（观点 / 论证 / 宣言类视频）

所有脚本都可通过一个分发器调用 — 从 python3 ${SKILL_DIR}/scripts/cli.py --help 开始；完整路由和信封错误代码见：references/troubleshooting.md。

---

用户偏好

可变状态（user_prefs.json、phonemes.json）位于 ~/.video-podcast-maker/ — 不受技能更新影响。首次运行时会从技能目录自动迁移。运行“show preferences”以查看，或运行“set X Y”以更改。完整命令见：references/troubleshooting.md。

---

故障排除

有关错误、背景音乐选项、偏好学习和设计学习问题，请参阅 references/troubleshooting.md。