操作录屏剪推荐视频

开始前

• 读取用户给出的目标视频、参考视频、操作路径和现有 Timeline。用户没有要求覆盖时，保留原 Timeline，在副本或新 Timeline 中制作。

• 先完整检查录屏，再动手剪。重点看光标移动、按下位置、点击后的页面变化、加载等待和真正需要展示的界面区域。

• 建立简短的节奏表：画面时间｜真实操作｜点击目标｜页面反馈｜对应旁白/字幕｜视觉提示。不要只依据用户对路径的文字描述猜时间点。

• 区分真实点击、悬停、页面定位和加载跳转。只有发生真实点击时才同步点击音效和点击式推近；定位可用箭头或提示，但不能伪造点击。

• 若用户给了模板视频，以模板的节奏、版式和信息密度为准；模板没有覆盖的细节采用下方默认风格。

• 写文案或完成终检时，读取 [文案与成片自检](references/copy-and-qa.md)。

• 出片方式二选一：有 ChatCut 走可视化剪辑；没有 ChatCut 用本仓库 scripts/ 本地引擎（见下方「本地无 ChatCut 出片」），两者产出一致，可互补 —— 例如书类拆书用 hsf-book-video，产品/录屏演示用本 Skill，统一走 ffmpeg+PIL 底座。

脚本与口吻

• 从录屏里真实可见的功能和操作路径出发，不编造效果、身份、体验时长或数据。

• 使用自然的第一人称经验：先说真实痛点或使用场景，再说“我现在怎么做”，最后落到具体帮助。允许口语和克制的主观感受，避免广告口号。

• 标题要让普通老师或目标用户一眼看懂，例如“高中老师怎么备新课？”；不要用生硬、残缺或自证式标题，例如“高一语文怎么备？”、“真实备课录屏”。

• 旁白、字幕和画面操作表达同一件事。旁白说到入口时，画面必须正好能看见入口；说到某项内容时，再把该内容放大。

• 在用户尚未选定文案方向时，可以先给 2–3 个明显不同的自然口吻方案。选定后按该方向执行，不在成片中混用多套口吻。

默认视觉语言

• 输出为 9:16。使用克制的黑色科技背景，可有低对比度的上下透视网格和紫蓝氛围光。

• 中央主画面优先裁成接近 1:1 的大画中画，只展示当前操作所需区域。不要把完整 16:9 网页缩得过小，导致文字和按钮无法辨认。

• 主画面使用适度的紫蓝霓虹描边或柔和辉光，与背景分离；效果不能盖住网页内容。

• 顶部使用通俗的金白粗体标题，底部使用白色粗体字幕。标题、主画面比例、边框、字幕位置和安全边距应贯穿全片保持一致；章节切换只改内容，不随意改版式。

• 底部字幕尽量单行、短句、跟随语义分段。不要挡住光标、按钮或页面核心信息。

• 箭头只服务于明确的入口或目标：在用户需要寻找的位置出现，准确指向目标，操作完成后及时退出。不要用箭头装饰空白区域。

动效与操作同步

• 动效由旁白和真实操作驱动。只有强调入口、点击目标、结果区域或关键字段时才局部推近。

• 推近从稳定全景进入目标区域，保持到观众看清点击和页面反馈，再平稳回到下一段需要的构图。不要做循环呼吸缩放、无目的来回放大或每句话都缩放。

• 点击入口时，让光标、箭头、局部放大、点击音效和页面响应在感知上落在同一个节拍。以录屏中的真实光标轨迹为准，不把箭头指到“差不多”的位置。

• 页面加载期间优先压缩等待；若等待本身能解释跳转，则保留最短可理解时长。不要用无关动效掩盖错误页面或错误路径。

• 裁切和放大后检查文字清晰度。关键内容仍不可读时，重新选择裁切区域或分两步展示，不继续放大低清画面。

音频

• 配音自然直接起声、自然收声，默认不添加淡入淡出。语气像真实用户给同行分享，不像播广告。

• BGM 选择轻柔、无歌词、节奏明确但不抢旁白的音乐。开头若有长前奏、近乎静音或弱起，直接从有效声音处开始剪；默认不靠长淡入解决。

• BGM 从前几秒就应可感知，但始终低于配音。真实点击可以加克制的点击音效；没有真实点击则不要硬加。

• 逐段听配音与操作是否同步，尤其检查前十秒不能因为音乐前奏或淡入而接近无声。

制作和确认

• 用户要求“先做样片”时，先完成约 8–12 秒或用户指定范围，渲染并预览检查后让用户确认，再扩展后续段落。

• 用户已经确认风格并要求剪完整条时，直接延续同一视觉系统和音频标准，不重新发明版式。

• 不把项目专属的素材 ID、Item ID、绝对时间点或临时文件写入此 Skill。每个新项目都重新从素材中定位。

• 编辑完成后必须看合成预览或导出画面，不能只看轨道、属性或单个素材。发现标题缺失、比例漂移、箭头错位、画中画太小或关键内容看不清时，先修正再交付。

交付标准

成片应让第一次观看的人能回答：入口在哪里、光标点了什么、页面跳到了哪里、推荐者为什么觉得这一步有用。若其中任一项需要猜，继续调整构图、同步或文案。

介绍视频内容结构（防漏关键模块）

用户要的是「介绍视频」而非「使用说明」时，按下面结构排，避免开头无铺垫、结尾潦草、漏关键功能。

标准段落顺序（倒推式：钩子 → 怎么记 → 记完看到啥 → 收尾）：

• 开场钩子卡（intro）：一句话结果/反差，如「记一个月情绪，我的猫变了」。2–3s。

• 核心钩子前置：把最抓人的成品（情绪周报 / 数据看板）提到第一个功能段，先抛「得到啥」再倒推「怎么用」。

• 功能倒推：选主体 → 按时段/场景记 → 记一笔（短标签 + 长笔记两种模式都要覆盖）。

• 对比/成长：月初 vs 现在、昨日 vs 今日（从源录屏里定位静态对比画面，避开操作动画段）。

• 本周/今日汇总：分布图、已记列表，给「记完看到啥」的闭环。

• 干净收尾卡：一句主张 + 三问三答 + CTA（引导互动：「打 1 / 2」）。

必含检查清单（每做完一个视频逐条勾）：

• [ ] 开场有钩子卡，不是直接从功能画面起。

• [ ] 周报/核心数据作为钩子前置，前 10 秒出现。

• [ ] 回顾页/数据可视化屏（趋势图、占比饼图等）必须剪到且整屏清晰可读；高亮圈 highlights 可选、不强加——用户实测认为圈外压暗圈内亮是画蛇添足，整屏可见即可，不到万不得已别加圈。

• [ ] 记一笔的两种模式（点标签 + 长笔记）都剪到，不漏。

• [ ] 有「对比/成长」段（月初 vs 现在 或 昨日 vs 今日），源画面选静态帧。

• [ ] 收尾卡有 CTA 且收得干净，无未完成感；CTA 要告诉用户去哪用（如「微信搜索 XX」+ 片尾小程序码）。

• [ ] BGM 已混合并贯穿全片（含收尾段，非静音）。

• [ ] 画中画为整屏（630×1400）而非小方块，页面文字可读。

• [ ] 无画面抖动（无 zoompan 呼吸放大）。

• [ ] 配音自然（XiaoxiaoNeural 女声 / YunxiNeural 男声 / YunyeNeural，rate -8%），前十秒有声。

• [ ] 9:16、零 AI 水印、已抽帧/测方差 QA。

源时间点定位技巧：用 ffmpeg select='gt(scene,0.05)' 抽场景切换帧建立「帧→源秒」索引，避开操作动画段选静态对比画面。

本地无 ChatCut 出片（fallback 引擎，ffmpeg + PIL）

当环境没有 ChatCut，或需要批量/脚本化出片时，用本仓库 scripts/ 直接生成 9:16 成片，不依赖任何 GUI 剪辑软件。底座与 hsf-book-video 一致（ffmpeg + PIL + edge-tts），便于两条 Skill 并行复用。

前置

• Python 3.10+，依赖：pip install edge-tts pillow imageio-ffmpeg numpy（ffmpeg 由 imageio-ffmpeg 提供，无需单独装）。

• 工作目录放 segments.json（见下方字段），运行：HSF_WORKDIR=<工作目录> python scripts/gen_audio.py 再 python scripts/screen_compose.py。

segments.json 字段

直接复制 references/template_segments.json 作起点（含全部必含模块占位骨架），再回填 source / 各段 start / caption 即可。

{
  "source": "recording.mp4",        // 录屏路径（相对/绝对）
  "rate": "-8%",                    // 配音语速
  "voice": "zh-CN-YunxiNeural",     // 男声；女声用 zh-CN-XiaoxiaoNeural / zh-CN-YunyeNeural
  "title": "心宠日记",
  "bgm": "ambient",                 // "ambient"=引擎合成环境 BGM 并混音；或填 BGM 文件路径；留空=无
  "intro": {                        // 可选：开场钩子卡（介绍视频必备）
    "headline": "记录情绪 30 天，我的猫替我崩了",   // 钩子：结果/反差，别写功能名
    "sub": "把心宠日记当成情绪树洞",
    "bg": "assets/cat_compare.png", // 可选：开场卡背景图（如产品内对比屏），不填则纯渐变
    "duration": 3.0
  },
…（完整代码见技能源码）

引擎行为（screen_compose.py，已对齐本工作流）

• 每个 segment：源录屏按比例映射到整屏竖屏画中画 630×1400（BOX_X=225, BOX_Y=240），加圆角手机描边框，不做 zoompan / 呼吸放大（避免画面抖动）。源坐标直接 map_pt 映射，无裁切。

• intro 存在时：先渲染开场钩子卡；有 bg 则用背景图（产品对比屏等）+ 渐变叠加 + headline/sub，zoompan 缓慢推近 duration 秒，置于成片首位。

• highlights（segment 级，可选、慎用）：在 t 时刻于映射后的 (x,y) 画发光圈，圈外仅手机屏内压暗、圈内透明露出原画面、边缘发光描边 + 标签，2.6s 后退出。坐标用源像素，(x,y) 为圈中心、r 为源半径。实战反馈：圈外压暗+圈内亮被用户判定为「画蛇添足」，默认不加，数据图整屏可读即可。

• 真实点击：在 clicks[i].t 时刻叠加点击涟漪 + 点击音效；只在该时刻出现，不伪造。

• 箭头：在 arrows[i].t 时刻出现在映射后的目标点，2 秒后退出。

• 顶部金白标题、底部白字字幕（按 caption 标点断句，时间按配音词级时间戳对齐）。

• gen_audio.py 用 edge-tts 生成配音 + 词级时间戳（含 NoAudioReceived 重试 max_retry=6 指数退避）；say 字段处理多音字（字幕显原字、配音读同音字）。

• bgm:"ambient"：引擎用 synth_bgm 合成环境和弦循环混入全片（音量低于配音）；留空则无 BGM。

• 片尾卡 render_ending_card：暖色系渐变底（与产品主色一致）+ slogan + 可选小程序码 + CTA 底色框，慢推。

• 输出：final.mp4（1080×1920 竖屏，h264+aac，约 45–50s 介绍视频版）。

发布前自检

• 跑 references/copy-and-qa.md 清单：比例 9:16、画中画可读、箭头不乱指、点击不伪造、前十秒有声、必看预览、零水印。

• 抽帧确认：开场/中段/片尾各一帧，检查标题在、比例对、画中画够大、关键内容看得清。

• 若当前环境无法目视抽出的 PNG（图片被过滤/不支持）：改用程序化 QA —— ffmpeg 抽关键帧 → PIL ImageStat.stddev 测方差（std≈0 即黑屏/缺内容）；ffmpeg 抽音轨 PCM → 算 RMS 确认非静音且 BGM 贯穿（收尾段 RMS 不应趋零）。把关键时间戳（intro / 钩子前置 / 昨日vs今日 / 收尾）都抽到再判。

已知坑

• 源录屏分辨率需 ≥ 聚焦方块；region 超出源范围会被自动夹紧。

• 点击/箭头坐标用源分辨率像素，引擎按 region 映射；坐标给错会出现在错误位置。

• 无 ChatCut 时不做「每句都缩放回弹」式花哨动效，保持克制真实感（见上方「动效与操作同步」）。

常见问题