视频后期制作

当用户提供一段原始视频，并希望获得一个具备以下特性的成品短视频时，请使用此技能：

• 可清晰阅读的字幕
• 关键短语高亮显示
• 基础音效（SFX）强调
• 可选背景音乐（BGM）
• 完成渲染并导出

默认工作流为单输入自动化：用户仅提供视频文件，其余全部由你自动处理。

输入

必需项：

• 一段含人声对白的原始视频文件

可选项：

• 偏好的字幕颜色/样式
• 偏好的 BGM 情绪风格
• 偏好的 SFX 强度
• 已有的 BGM 文件
• 已有的 SFX 目录

若缺少可选输入，则按默认配置继续执行。

输出

在输入视频所在目录旁创建一个工作目录：

• _output/

预期生成的文件包括：

• alignment.json
• production_plan.json
• subtitles.ass
• final.mp4

默认行为

若用户未指定样式，则采用以下默认设置：

• 字幕：加粗、高对比度、适配移动端阅读
• 高亮：仅应用于高价值短语
• SFX：轻度至中等密度
• BGM：可选，音量较低，并在人声出现时自动降低（ducking）

不得因缺少 BGM 或 SFX 而中断流程。有效交付成果仍可为以下任意一种：

• 仅含字幕
• 字幕 + 自动生成的基础 SFX
• 字幕 + BGM

工作流

1. 检查前置依赖

确认以下工具/库均已就绪：

• ffmpeg
• ffprobe
• python3
• 如需语音转录，则需 faster-whisper
• 支持中文渲染的 ASS 字体

执行如下命令验证：

ffmpeg -version | head -1
ffprobe -version | head -1
python3 -c "from faster_whisper import WhisperModel; print('faster_whisper OK')" 2>/dev/null || echo "Need: pip3 install faster-whisper"

若缺失 faster-whisper：

pip3 install faster-whisper

2. 视频语音转录

执行：

python3 /scripts/align_speech.py 
  --video "" 
  --output "/alignment.json" 
  --model "medium" 
  --language "zh"

该步骤将生成逐词时间戳与分段级时间戳。

3. 构建后期制作计划

读取 alignment.json 并生成 production_plan.json。

该计划必须包含以下字段：

• subtitle_groups
• sfx
• bgm

最小合法结构示例如下：

{
  "subtitle_groups": [],
  "sfx": [],
  "bgm": {
    "mood": "inspirational",
    "tempo": "medium",
    "volume": -18
  }
}

规划规则

字幕分组：

• 按自然口语短语进行分组
• 避免生硬切分短语
• 每组推荐控制在 3–8 个汉字之间
• 每组显示时长建议 ≥0.5 秒
• 整体排版需符合移动端阅读舒适性

关键词高亮：

• 对情绪性、对比性、数值型、警示性、行动号召（CTA）及结论性短语进行高亮
• 避免过度高亮
• 默认目标：每 10 秒内高亮 1–3 处

SFX 插入位置：

• 开场转场处
• 核心主张陈述处
• 警示信息处
• 行动号召（CTA）节点
• 重大话题切换点

切勿在每条字幕上都添加 SFX；保持稀疏，以体现设计意图。

BGM 选择策略：

• 教育类 / 解释类内容 → 明快 / 中性风格
• 警示类 / 风险类内容 → 紧张 / 克制风格
• 正向类 / 利益驱动类内容 → 希望感 / 充满活力风格

4. 生成 ASS 字幕文件

执行：

python3 /scripts/generate_subtitles.py 
  --plan "/production_plan.json" 
  --output "/subtitles.ass" 
  --video-width 720 
  --video-height 1280 
  --font "Heiti SC" 
  --font-size 48

如需更深入的 ASS 样式指导，请参阅：

• /references/ass_effects.md

5. 音频准备

BGM

优先级顺序如下：

1. 用户提供的 BGM 文件
2. 工作区中已存在的本地 BGM
3. 无 BGM 时直接跳过

若存在 BGM，需预先处理：

ffmpeg -stream_loop -1 -i "" -t  
  -af "volume=-18dB,afade=t=in:d=2,afade=t=out:st=:d=3" 
  -y "/bgm_prepared.wav"

SFX

优先级顺序如下：

1. 用户提供的 SFX 目录
2. 工作区中已存在的本地 SFX 目录
3. 生成简易备用音调/噪声

若无可使用的 SFX 文件，请查阅：

• /references/audio_resources.md

6. 渲染最终视频

执行：

python3 /scripts/render_video.py 
  --input "" 
  --subtitles "/subtitles.ass" 
  --plan "/production_plan.json" 
  --bgm "/bgm_prepared.wav" 
  --sfx-dir "/sfx" 
  --output "/final.mp4" 
  --resolution "720x1280"

若无 BGM，则省略 --bgm 参数； 若无 SFX 目录，则省略 --sfx-dir 参数。

质量标准

最终成果应呈现为专业打磨过的短视频知识内容：

• 字幕在移动端清晰易读
• 高亮词汇具有实际意义，不显杂乱
• SFX 准确强化真实修辞节奏点
• BGM 始终低于人声音量，绝不影响语音可懂度
• 最终导出视频无需额外人工清理即可直接使用

降级策略

若原始视频可用，但辅助资源缺失：

• 仍交付字幕与渲染完成的视频
• 明确标注被跳过的环节
• 不得因等待理想素材而阻塞整个流程

若语音转录质量较差：

• 字幕分组保持保守（减少分组数量）
• 减少高亮短语数量
• 避免激进的 SFX 时间点设定

内置资源

脚本文件：

• scripts/align_speech.py
• scripts/generate_subtitles.py
• scripts/render_video.py

参考文档：

• references/ass_effects.md
• references/audio_resources.md

最终交付核对清单

完成前请确保以下各项均已满足：

• alignment.json 已生成
• production_plan.json 已生成
• subtitles.ass 已生成
• 最终视频成功渲染
• 字幕可见且位置合理
• 人声清晰可辨
• SFX 与 BGM 均未压过人声