fatihtoprakk/scaefy-video-production

Scaefy 视频制作

English · Türkçe

一个由代码生成的视频制作技能包——引擎中立、核心免费，并以测量而非主观意见作为把关标准。

你的编程智能体将影片编写为代码。时间轴将每一帧渲染为时间的纯函数，
静帧从真实浏览器中捕获，ffmpeg 进行编码，音频被混音，
最终交付通过一个会大声报错的质量关卡。没有时间轴编辑器，
没有关键帧拖拽，没有“我觉得看起来不错”。

v0.1.0 —— 10 项技能、一部无依赖的 30 秒示例影片已在真实
浏览器中验证，以及一条在每次推送时运行所有关卡的 CI 流水线。
GitLab（主仓库）·
GitHub（镜像）

看它如何运作

example/ 中存放着一部完整的 30 秒、1920x1080、25 fps 影片——一部真实的影片，为维护此技能包的机构而制作。
它零依赖：在浏览器中打开
example/index.html 即可播放。无需构建步骤，无需安装包，
无需网络。

watch it
open example/index.html

capture stills and measure them
PUPPETEER_CACHE_DIR="$PWD/.puppeteer-cache" TMPDIR="$PWD/.tmp" \
URL="file://$PWD/example/index.html?clean=1" \
node tools/shots.mjs shots 2 6 12 18 24 28
python3 tools/check-frames.py shots/.png --theme light

measure every text box against the safe area, from the DOM
PUPPETEER_CACHE_DIR="$PWD/.puppeteer-cache" TMPDIR="$PWD/.tmp" \
node tools/probe-layout.mjs --safe 0.08 --url "file://$PWD/example/index.html?clean=1" 2 6 12 18 24 28

影片的屏幕文案为土耳其语，其英文字幕随附发布，
因为它所服务的品牌是土耳其品牌。技能包自身的文字为英语。

为什么会有这个项目

大多数“AI 视频”工具会把你绑定到某一个引擎、某一个提供商或一个沉重的框架上。
而这个技能包做出了三项承诺：

1. 引擎中立。 一部影片只使用一种引擎构建——对于需要快速迭代的一次性工作使用 HTML + GSAP，
对于需要反复重新渲染的数据驱动模板使用 Remotion，或者
对于照片级真实素材使用 AI 生成。技能包会教授这三种方式，并且从不在
单部影片中混用它们。
2. 核心免费且离线。 默认流水线不需要 API 密钥、不需要账户，
也不需要网络。AI 素材是一个可选层，你可以添加、跳过或在本地运行。
3. 以测量把关。 响度、真峰值、帧完整性、安全区域溢出
以及确定性，都由返回非零退出码的脚本检查——而不是由一段
提醒你要小心的文字来检查。

零成本保证

| 层级 | 成本 | 网络 | 覆盖内容 |
|---|---|---|---|
| A · 代码生成图形（核心） | 免费 | 无 | 动态排版、计数器、数据条、姓名卡、标志揭示、片尾卡、字幕、转场、完整动态图形影片 |
| B · AI 素材（可选） | 有 GPU 则免费，否则付费 | 是 | 照片级真实 B-roll、角色、场景 |
Layer B 有三条路径，由你选择：

| 路径 | 成本 | 硬件 | 示例 |
|---|---|---|---|
| 本地开源 | 免费 | 需要 GPU | Wan 2.1/2.2、Hunyuan Video、LTX Video、Flux |
| 免费额度 | 免费（有限） | 无 | 服务商试用额度 |
| 付费 API | 付费 | 无 | Seedance 2.0、Veo、Kling |

如果一份简报需要 AI 素材，而你既没有 GPU 也没有配额，agent 会回退到 Layer A 并明确说明——它绝不会悄悄连接到付费服务。

快速开始

要求：Node 18+、Python 3.10+、ffmpeg。全部本地运行，全部免费。

git clone
cd scaefy-video-production

Resolve a working ffmpeg (tests execution, not existence)
FF="$(tools/ffmpeg.sh)" && echo "ffmpeg OK"

Run every quality gate
bash tools/verify.sh

要安装为 DSH agent 预设：

mkdir -p ~/.dsh/.agent-presets
cp -R . ~/.dsh/.agent-presets/scaefy-video-production

要在任何支持
Agent Skills 标准的 agent 中使用这些技能：

npx skills add

试试这些提示词

把其中任意一条粘贴到你的 agent 中。每一条的措辞都像真人说话的方式，而不是手册的写法——技能描述就是为了捕捉它们而写的。

先规划，再花钱。 你能改动的最便宜的东西就是剪辑。

为我们的主页规划一支 30 秒的发布视频。先给我一份简报和带时间轴的
动态分镜——在我批准节奏之前不要渲染任何东西。

把一个网站变成一部影片。

把这个落地页变成一段 20 秒的导览，使用网站自身的视觉素材。

做一版真正的竖屏剪辑，而不是裁切。

out/ 里有一版完成的母版。给我一个 15 秒的 9:16 版本。为竖屏
重新构图——如果你说不出居中裁切会切掉什么，那说明你根本没检查过。

让角色在多个镜头间保持一致。

这里有四张产品静帧。先给我写一份视觉风格圣经，并在用它们生成任何
视频之前先把这些静帧给我看。

修好声音，然后证明它。

音乐在和旁白打架。在语音下方做闪避，达到 −14 LUFS 积分响度，
真峰值低于 −1 dBTP，然后给我看测量结果。

在静音信息流中也能存活的字幕。

添加英文字幕，并告诉我每条字幕的阅读速度。不要超过
每秒 17 个字符。

直接告诉我这个文件有什么问题。

按照 1080p 交付规范对 out/final.mp4 做 QC，并列出不合格项。

不止一种语言。

拿这部土耳其语影片，给我一个英文字幕版本，不要动母版。

这些提示词为什么有效

这个技能包中的技能按触发词路由，而不是按精确措辞。你不需要
说出技能名称。但三个习惯能带来更好的结果：

- 先要便宜的产物。 当计划出错时，“渲染前先给简报和动态分镜”
花的是几分钟而不是几小时。
- 要测量结果。 “把数字给我看”能把一个观点变成一次检查，
而 qc.py 本来就会产出它。
- 说明约束条件，而不是方法。“重新构图，不要裁剪”会得到一版经过设计的竖屏版本；“做成竖屏”只会得到居中裁剪。

技能

第一方

| 技能 | 作用 |
|---|---|
| brand-asset-intake | 将零散的品牌资产转化为经过验证、机器可读的令牌：调色板提取、WCAG 对比度、字号层级，以及 16:9/9:16 的安全区域，并生成干净的资产树。拒绝凭空编造缺失的 logo 或颜色。 |
| video-motion-graphics | 用代码构建图形层：逐词构建的动态字体、竖屏马赛克、数据与计数器条、姓名卡、logo 揭示、片尾卡——在 25 fps 下逐帧精确。 |
| video-post-delivery | 按照确切的交付规格对母版进行编码、标准化、添加字幕和 QC 检查，然后派生短片和竖屏版本。宁可大声失败，也不交付损坏的文件。 |

第三方引入（MIT，已署名——见 THIRD_PARTY_NOTICES.md）

| 技能 | 来源 |
|---|---|
| bang-motion | HTML + CSS + GSAP 电影感动态图形，作者 Bang Tutorial |
| remotion-marketing-video | Remotion + React 营销视频工作流，作者 Sourabh |

工具

| 工具 | 用途 |
|---|---|
| tools/ffmpeg.sh | 解析一个可用的* ffmpeg——测试执行，而不是存在性 |
| tools/shots.mjs | 在精确时间点捕获静帧，等待 ready 和 seekAsync |
| tools/export-frames.mjs | 导出完整帧序列用于编码 |
| tools/check-frames.py | 黑帧/冻结帧、安全区域溢出、墨迹覆盖率、对比度 |
| tools/contact-sheet.py | 从帧构建审阅表，按数字时间顺序排列 |
| tools/probe-layout.mjs | 从 DOM 测量真实字形框——绝不猜测字号 |
| tools/verify.sh | 用一条命令运行所有关卡 |
| tools/banned-strings.txt | 用于泄漏检查的阻止列表 |

帧工具测量可测量之物，把品味留给人类。布局探针读取 Range.getClientRects()，因此无论对齐方式如何，它都会报告实际的墨迹边界。

交付矩阵

| 输出 | 时长 | 画面 | 编解码器 / 设置 |
|---|---|---|---|
| 母版 | 60 秒 | 1920×1080 或 3840×2160 | H.264 High，yuv420p，25 fps CFR |
| 活动备份 | 60 秒 | 相同 | H.264 yuv420p + AAC，恒定帧率 |
| 静音播放 | 60 秒 | 相同 | 母版 + 内嵌字幕 |
| 短片剪辑 | 30 秒 | 16:9 | 从母版派生 |
| 预告片 | 15 秒 | 9:16 | 重新构图，而非裁剪 |
| 竖屏完整版 | 60 秒 | 1080×1920 | 图形为竖屏重新构图 |

色彩空间 Rec.709 / Gamma 2.4。音频 AAC 48 kHz，320 kbps 立体声。
响度目标 −14 LUFS 积分，真峰值 ≤ −1 dBTP。

相关工作

本工具包刻意保持轻量，并采用宽松许可。以下项目解决相邻问题，值得你关注：

- OpenMontage —— 一个开箱即用的
智能体视频制作框架（Python，100+ 工具，60+ 提供商），许可
AGPLv3。它的自由路径——离线 Piper TTS、开放档案素材、本地 GPU
生成——独立验证了本包所基于的架构。它并非依赖项，也不共享任何代码：AGPL 和 MIT 作品保持分离。
- sub-level/marketing-videos —— 一个
MIT 的 Remotion + AI 素材流水线，附有出色的案例研究。
- pexoai/pexo-skills —— MIT 技能，封装了
多模型云端生成 API。
- seedance2-skill —— MIT 提示词编写
指南，面向 Seedance 2.0，作者 Dex。

许可证

MIT —— 见 LICENSE。内置的第三方技能保留其各自的 MIT 许可证和
署名；见 THIRD_PARTY_NOTICES.md。