Video Post Production_设计多媒体 skill-PHP中文网

Video Post Production

Polar Sponsor

爱发电赞助

.NET 9.0

立即下载

从原始单人说话视频的端到端短视频后期制作：转录音频、生成时间轴字幕、突出关键词、添加音效等。

视频后制作

功能概述

视频后制作是一项面向实际任务的技能，主要用于当用户给你一个原始视频并想要完成的视频时使用这一技能；短视频的: 可读字幕；

核心要点

突出的关键短语；
基本 SFX 的强调度；
可选的 BGM. e 渲染。

使用与执行

它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。

结果检查与注意事项

实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。

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

_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：

用户提供的 BGM 文件
工作区中已存在的本地 BGM
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：

用户提供的 SFX 目录
工作区中已存在的本地 SFX 目录
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。