10 KiB
name, description, triggers, owner, group, version, updated
| name | description | triggers | owner | group | version | updated |
|---|---|---|---|---|---|---|
| Soul竖屏切片 | Soul 派对视频→竖屏成片（498×1080），剪辑→成片两文件夹，MLX 转录→高光识别→batch_clip→soul_enhance（封面+动态字幕同步+去语助词+纠错+违禁词）→visual_enhance v8（苹果毛玻璃浮层+Logo+场次号+段落总结）。可选 LTX AI 生成内容/Retake 重剪。支持基因胶囊打包。 | Soul竖屏切片、视频切片、热点切片、竖屏成片、派对切片、LTX、AI生成视频、Retake重剪、字幕优化、字幕同步 | 木叶 | 木 | 1.3 | 2026-03-13 |
Soul 竖屏切片 · 专用 Skill
专门切 Soul 派对视频为竖屏成片，用于抖音/首页。只保留两个文件夹：剪辑 → 成片。
一、两文件夹结构（无 clips_enhanced / clips_竖屏）
| 文件夹 | 含义 | 内容 |
|---|---|---|
| clips/ | 剪辑 | batch_clip 输出的横版切片（soul112_01_标题.mp4） |
| 成片/ | 成片 | 竖屏 498×1080 + 封面 + 字幕 + 去语助词，文件名为纯标题（无序号、无 _enhanced） |
不再单独生成 clips_enhanced、clips_竖屏；成片由 soul_enhance 一步直出到 成片/。
二、视频结构：提问→回答 + 前3秒高光 + 去语助词
- 每个话题前均优先提问→回答：先看片段有没有人提问；有提问则把提问的问题放到前3秒（封面/前贴），先展示问题再播回答；无提问则用金句/悬念作 hook。
- 成片链路：前3秒展示问题（或金句）→ 正片回答 → 整片去除语助词（提问与回答部分均由 soul_enhance 清理）。
- 高光：按「3秒高光亮点」剪，每段 30～300 秒完整语义单元；高光识别若有提问须填
question，且hook_3sec与之一致。
详见：参考资料/视频结构_提问回答与高光.md、参考资料/高光识别提示词.md。
三、流程总览
标准五步（每步完成再走下一步）：① 分析视频→识别话题→导出话题时间 ② 按高光时刻结构整理（前 3 秒/提问） ③ 按时间节点切片→切片/ ④ 去语助词（合并到⑤） ⑤ 封面+字幕→成片/。详见 参考资料/热点切片_标准流程.md。
原视频 → 转录(MLX) → 高光识别(含 question/hook_3sec，见高光识别提示词) → batch_clip → soul_enhance(成片竖屏直出到 成片/)
- batch_clip：输出到
clips/ - soul_enhance -o 成片/ --vertical --title-only：文件名 = 封面标题 = highlights 的 title（去杠：
：｜、—、/等替换为空格），名字与标题一致、无序号无杠；字幕烧录（随语音走动）；完整去语助词；竖屏裁剪直出到成片/
四、高光与切片（30 秒～300 秒）
| 项 | 规则 |
|---|---|
| 单段时长 | 30～300 秒，由完整片段起止决定 |
| 完整性 | 每段是一个完整话题/情节，有头有尾 |
| 标题 | 一句刺激性观点（金句、反常识、结论句） |
| 数量 | 建议 ≤10 段/场 |
| 语助词 | 识别与剪辑须符合 参考资料/高光识别提示词.md，成片由 soul_enhance 统一去语助词 |
五、成片：封面 + 字幕 + 竖屏
- 封面：竖屏 498×1080 内不超出界面；半透明质感（背景 alpha=165）；深色渐变、左上角 Soul logo；封面显示标题 = 成片文件名 = highlights.title（去杠、去下划线后一致，无
：｜—/_、无序号）；标题文字严格居中、多行自动换行。透明度由VERTICAL_COVER_ALPHA调节。 - 字幕：封面结束后才显示，居中在竖屏内；先尝试单次 FFmpeg 通道（一次 pass 完成所有字幕叠加，最快）；若失败自动回退到分批模式（batch_size=40）；语助词在解析阶段已由
clean_filler_words去除。重新加字幕时加--force-burn-subs。⚠️ 注意：当前 FFmpeg 不支持 drawtext/subtitles 滤镜，只能用 PIL 图像 overlay 方案。 - 竖屏：498×1080，crop 参数与
参考资料/竖屏中段裁剪参数说明.md一致
⚠️ 字幕烧录常见坑（已修复）
| 坑 | 原因 | 修复 |
|---|---|---|
| 字幕全跳过（转录稿异常误判） | _parse_clip_index 取到场次号（如 119）而非切片序号（01），导致 highlight_info 为空，start_sec=0 落入噪声区 |
改为取 _数字_ 模式中最小值，119→01=1 ✓ |
| 标题/文件名有下划线 | sanitize_filename 保留了 _ |
现在 _ 也替换为空格 |
| 字幕烧录极慢（N/5 次 encode） | 原 batch_size=5，180 条字幕需 36 次 FFmpeg 重编码 | 改为单次通道（1 次 pass）；失败时 batch_size=40 兜底 |
| 字幕超前于说话（字幕比声音早） | batch_clip -ss 输入端 seeking 导致切片从关键帧开始（早于请求时间 1-4s），字幕按请求时间算相对位置，导致超前 |
动态 PTS 检测：enhance_clip 对每条切片用 FFprobe 检测首帧 PTS，动态计算精确 delay（不再用固定值）；SUBTITLE_DELAY_SEC=2.0 作为兜底 |
| 封面期间出现字幕 | 字幕时间计算使字幕落在封面段（前 2.5s）内 | write_clip_srt 强制过滤 end <= cover_duration 的条目，并 start = max(start, cover_duration) |
| 字幕含 ASR 噪声行（单字母 L / Agent） | MLX Whisper 对静音/噪声段产生幻觉字符 | _is_noise_line() 提前过滤单字母、重复字符、噪声 token |
| 繁体字幕未转简体 | Soul 派对录音有港台口音，ASR 输出繁体 | _to_simplified() 兜底 + CORRECTIONS 扩充 50+ 繁体常用字映射 |
六、竖屏裁剪参数（成片内嵌）
| 步骤 | 滤镜 |
|---|---|
| 1 | crop=608:1080:483:0 |
| 2 | crop=498:1080:60:0 |
输出：498×1080 竖屏。
七、完整命令示例（112 场）
1. 高光（当前模型生成 highlights.json，标题用刺激性观点，30～300 秒完整段；语助词与节奏感见 参考资料/高光识别提示词.md）
2. 剪辑（clips）
python3 batch_clip.py -i "原视频.mp4" -l highlights.json -o clips/ -p soul112
3. 成片（竖屏+封面+字幕+去语助词，直出到 成片/）
python3 soul_enhance.py -c clips/ -l highlights.json -t transcript.srt -o 成片/ --vertical --title-only --force-burn-subs
前缀命名注意：-p soul119 这类带场次号的前缀会产生 soul119_01_xxx.mp4，soul_enhance 会正确识别 01 为切片序号（取所有 _数字_ 中最小值）。
输出目录结构示例：
xxx_output/
clips/ # 横版切片
成片/ # 竖屏成片，文件名为标题.mp4
成片/目录索引.md
highlights.json
transcript.srt
八、参数速查
| 项 | 值 |
|---|---|
| 文件夹 | 仅 clips/、成片/ |
| 成片尺寸 | 498×1080 竖屏 |
| 成片文件名 | 纯标题（无 01、无 _enhanced） |
| 单段时长 | 30～300 秒 |
| 高光/语助词 | 见 参考资料/高光识别提示词.md |
详细 crop 说明见：参考资料/竖屏中段裁剪参数说明.md。
发布到抖音：成片生成后，可用「抖音发布」Skill（开放平台 OAuth 登录 + 上传/创建视频）或腕推等工具发布；见 03_卡木（木）/木叶_视频内容/抖音发布/SKILL.md。
九、底部浮层：苹果毛玻璃样式（visual_enhance v8）
在 soul_enhance 的封面+字幕+竖屏成片上，叠加苹果毛玻璃底部浮层作为最终成片（不再多一个"增强版"目录）。
设计规范（来自卡若AI前端 神射手/毛狐狸标准 v8 终版）
| 元素 | 规格 |
|---|---|
| 背景 | rgba(12,15,26,0.88) 深黑半透 + 8px 柔和高光条 |
| 圆角 | 26px |
| 边框 | rgba(255,255,255,0.10) 白边 + 内缩 rgba(255,255,255,0.05) |
| 阴影 | GaussianBlur(22)，悬浮感 |
| 字体 | 标题 Medium，正文 Regular（两档） |
| 主色 | Soul绿系：(0,200,140) → (52,211,238) 青绿渐变 |
| 无图标 | 去掉了所有 badge、问号圆圈、Unicode 图标前缀 |
| Logo 左上角 | 加载 karuo_logo.png 缩放到 24px 高 + "第 N 场" 文字 |
| 芯片 | 渐变描边胶囊，不满色填充 |
| 无视频小窗 | 已永久去掉 |
| 段落切换 | 前 18% title_card → 中 64% summary_card（要点） → 后 18% summary_card（CTA） |
使用命令
python3 visual_enhance.py -i "soul_enhanced.mp4" -o "成片/标题.mp4" --scenes scenes.json
--scenes JSON 格式：每段需 type、episode（场次号）、sub_label、params（含 question/subtitle/chips/headline/points/cta）。
切片时长规范
每段时长严格在 30 秒 ~ 5 分钟，必须是完整的一个话题，有头有尾，不在句子中间截断。
十、AI 生成与 LTX 可选集成
在「已有录播 → 转录→高光→切片→成片」之外，可选用 LTX 系能力，实现 AI 生成视频内容 与 在已有视频上轻松重剪，成片仍走本 Skill 的封面+字幕+竖屏规范。
| 场景 | 推荐能力 | 说明 |
|---|---|---|
| 已有视频某段要重剪/替换 | LTX-2 RetakePipeline、LTX Desktop「Video edit (Retake)」 | 只重生成指定时间段，替换原片段后再走 soul_enhance |
| 用文案/脚本生成新片段 | LTX Text-to-video、LTX-Studio / Fal / Replicate API | 生成 mp4 后放入 切片/ 或直接进成片流程 |
| 封面/金句图动起来 | LTX Image-to-video | 3～10 秒动效，再与切片合成 |
| 音视频同步生成 | LTX-2 A2V、音视频同步生成 | 配音/旁白 → 对应画面，补全缺失画面 |
能力与集成细节：见 参考资料/LTX_能力与集成说明.md（含 Retake、Video extension、多关键帧、Prompt 增强、API/本地/Desktop 接入方式）。
流程约定：凡 LTX 生成的片段，统一按成片规范（竖屏 498×1080、封面、字幕）经 soul_enhance 输出，与录播切片一致。
十、基因胶囊
本 Skill 可打包为基因胶囊，供其他 Agent/项目继承：
cd /Users/karuo/Documents/个人/卡若AI
python3 "05_卡土（土）/土砖_技能复制/基因胶囊/脚本/gene_capsule.py" pack "03_卡木（木）/木叶_视频内容/视频切片/Soul竖屏切片_SKILL.md"
解包：
python3 .../gene_capsule.py unpack Soul竖屏切片_*.json -o <目标目录>