--- name: jimliu-clip-montage description: "旁白、视频切片与文字动画混搭的成片：拿一条新闻、一件事、一段八卦、一个产品或人物的故事，从网上与用户的视频库里搜素材、切当事人的原声，配旁白剪成一条画面一直在动的片子，推文、引语、日期、数字做成压在画面上的卡片。题材不限；别的成片里要加一段这样的切片也用它。整段画面由代码画出来的讲解片走 explainer-video，剪已有的口播走 talking-head-cut。" license: "NOASSERTION" metadata: decimalai-skill-id: "b680ea8a-cb52-46bd-b9a9-747155ee190c" decimalai-version-id: "5f75a01b-026d-444f-b675-6218a3d90536" decimalai-version: "1" decimalai-body-sha256: "1bee0a3989d743af491d2a35d0ac45b763cf9579d769b1c228c83daceebdbee2" decimalai-name: "jimliu/clip-montage" decimalai-format: "1" decimalai-invocation: "model" decimalai-category: "design-media" decimalai-source: "https://app.decimal.ai/s/jimliu-clip-montage@1/SKILL.md" --- # 解说混剪 解说混剪是一种**形式**，不是一种题材：旁白在讲，底下永远有真实画面在动（采访、发布会、录屏、新闻画面、照片），当事人的话让当事人自己说，推文、引语、日期、数字是压在画面上的一层。一条新闻、一段八卦、一个产品的来历、一个人的故事、一个趋势的盘点，都可以这样做；一条讲解片或口播里也可以插一段。 这种片子好不好看，几乎只取决于一件事：**观众的眼睛有没有事做**。一张卡片停在屏幕上十几秒、旁白在念，就是幻灯片；同样的旁白底下换成当事人的脸、那天的现场、那条推文弹出来又走，就是片子。本 skill 给的是判断、手法与工具，不是流程模板；下面的顺序照常理排，哪一步和这期不合就换。 1. 认清这期是不是这种形式，和用户对齐（第 1、2 节）。 2. 读蓝本，列人物、事件与问题（第 3 节）。 3. 找素材与写稿并行，互相喂养（第 4 节，细则 `references/sourcing.md`）。 4. 画面：每一拍底下都有东西在动（第 5 节）。 5. 稿子、结构、原声与声音（第 6 节，可选手法在 `references/structure.md`）。 6. 在 BaoCut 里摆出来（第 7 节，细则 `references/assembly.md`）。 7. 量一遍、看一遍，交付（第 8 节）。 ## 1. 是不是这种形式 - 一个快的判断：把这期最重要的三句旁白写出来，问每一句该配什么画面。答案是「说这句话的那个人」「那天的现场」「那条推文」「那个产品的演示」，就是这种形式；答案是「一个能动的模型」「一张随旁白长出来的图」，是讲解片（`explainer-video`）；答案是「用户自己对着镜头说」，是剪口播（`talking-head-cut`）。 - 用户说「做个视频讲讲这条新闻 / 这件事 / 这个八卦」「把这篇文章做成视频」「某某是怎么来的」「找点素材拼一下」「纪录片」「盘点」，默认是这种形式；拿不准时在给用户看稿前说一句选了什么、为什么。 - **在别的成片里用一段**：讲解片里讲到真实的发布会、口播里要插一段当事人原话、短视频要开头三秒抓人，都是这种形式的一段。只做那一段时照第 4、5、7 节，不必整片换形式。 ## 2. 先和用户对齐 缺什么问什么，已说明的不再问： - 蓝本是什么（链接、文件、几句话的事），成片语言，横版还是竖版。 - 时长：不限时按信息量定。一条新闻或八卦 2–5 分钟，一个产品或人物的来龙去脉 8–20 分钟；按旁白的字数与实测语速算（`narration` 第 1 节），不凑整。 - 素材从哪来：用户的视频库、网上、用户手里的文件；三处都可以就都找。网上的视频下载前要用户点头（第 4 节）。 - 用户点名的风格与禁忌（「紧凑有悬念」「不要做成幻灯片」「不要配乐」）记下来，贯穿全程。 ## 3. 读蓝本，列清单 把蓝本完整读一遍，列三张表，写进工作目录： - **人物表**：每个有名有姓的人，身份，在故事里的关键时刻，蓝本里引的原话（保留原文语言，便于在转写里搜）。 - **事件表**：按时间顺序，每个事件的日期、可能有画面的地方（官方频道、发布会、新闻、录屏）。 - **问题**：全片要回答的一个核心问题，和每一段要回答的小问题；没有问题的段落多半是在复述资料。 - 事实、日期、引述逐条核实到来源，不确定的在稿子里标出来；生成的图与重演只做示意并标明，**绝不合成某个真人说话的声音或画面**。 ## 4. 找素材与写稿并行 两件事互相喂养：找到了当事人亲口说的那句话，那一拍就改成原声；某个事件找不到任何画面，就重写那一拍或换一种讲法。做法在 `references/sourcing.md`，要点： - 三个来源按顺序：用户的视频库（按意思跨视频搜，库里有的不上网找）；网上（BaoCut 的素材检索与下载，视频要转写才能切原声）；用户给的文件与截图。 - 网上的视频许可多半不明：下载前把要用的几条（标题、频道、链接）列给用户，由用户决定；每段用上的素材记下来源，交付时列成清单。X 只读：搜索、浏览、读，不点赞、不转发、不发帖。 - 原声的起止用转写里的字时间定到 0.1 秒，再看画面确认说话的人在镜头里。 - 素材多时派子代理分头找人物与事件，结果写文件不写回复。 ## 5. 画面：每一拍底下都有东西在动 这一节是整个 skill 最要紧的部分。 - **像幻灯片的根源只有一个**：一张卡片（标题、引语、要点、对比表）停在屏幕上几秒、十几秒，画面里没有东西在动。底色加动效、加粒子救不了它，底下有真实画面才救得了。 - **底层永远是动的**：每一拍旁白底下都有一段实拍、录屏或照片（照片要缓慢推拉或平移，3–6 秒走完一个方向），不留纯色底。真没有画面的几秒做成有意的留白（黑场上几行「思考」的字、光标在闪），而不是让卡片顶上来。 - **卡片压在画面上，不代替画面**：日期、下横栏（姓名职务）、引语、推文、数字、术语、章节标题都是叠层；底下的画面压暗一点继续动。一张卡片一个信息，停够读两遍就走（中文按每秒 5–6 字估）；整片卡片占屏通常两三成，超过一半多半已经是幻灯片。 - **卡片是什么就画成什么**：推文画成推文（头像、名字、日期、原文与译文），引语画成引语（谁说的、什么场合），终端画成终端（光标闪、字在打），聊天画成聊天。不把它们都画成同一种「标题 + 正文」的框。画法照 `motion-graphics`。 - **镜头 3–6 秒一换，切在词上**：旁白说到那个名字、那件事的瞬间画面正好是它（用旁白对齐出的字时间）；一段画面连用十几秒以上，要么它自己在讲（原声），要么换个角度或推一下。 - **素材不重复**：同一段画面最多出现两次，第二次要有新的用意（「讲完再看一遍」）。观众认出重复的画面，片子就显得素材不够。 - **真实画面讲真实的事**：生成的图、动画重演只做示意并标明；压暗、去色、慢放表达情绪是常规手法，但不改变原意；来源标在角上，片尾列清单。 - **拍不到的用一两处代码画面讲**（流程、规模、时间线、几样东西的对比），也是透明叠层，不铺满整屏接管整段。 - 人物第一次出镜配下横栏；事件第一次出现配日期；同一时刻只有一张信息卡；原声期间不叠别的卡片。 ## 6. 稿子、结构、原声与声音 - **稿子一拍一句**，每句下面另起一行写这一拍该看到什么（画面意图）与原声放在哪，配音前就知道每一拍底下是什么；意图行用 `@` 开头，配音时跳过。语速、字数、音色与重配照 `narration`。 - **原声让当事人自己说**：最关键、最有情绪的话（决定性的一句、一个承认、一个预言）不转述。旁白引出，原声接上，旁白接着原声说的往下讲，不复述原声的内容；每段 5–20 秒，带双语字幕与下横栏。 - **结构按题材挑**：一条快讯开门见山就够；一个故事才用冷开场、预告、章节钩子、「思考」过场与时间锚。这些手法与稿子的写法在 `references/structure.md`，是可选项，不是步骤。 - **声音**：低而稀疏的音乐垫底、按章节起伏、原声时压低；切换与卡片出现用轻的音效点一下，整片同一套；旁白语气平静、带一点悬念，音色全片不变。 ## 7. 在 BaoCut 里摆出来 细则在 `references/assembly.md`。要点： - 轨道从下到上：实拍（含照片与录屏）铺在最下面的视觉轨当底；卡片打成透明代码包放在它上面；再上面是水印；旁白一条音频轨，原声跟着实拍片段走（开它的内嵌音频），旁白在那里留白；音乐一条。 - 旁白先配好、对齐拿到字时间，画面再按字时间切；改一段只重配、重摆那一段。 - 没有命令行环境也能做：全部走工具（下载、转写、导入、`edits_apply`、代码包导入、字幕层、导出）。有命令行环境时同样的事走 baocut CLI，流水线自己写；本 skill 不规定流水线的形状。 ## 8. 量一遍、看一遍，交付 - 量一遍时间线（用 `skills_read` 读 `production-scripts`，用它的 `coverage.mjs`）：实拍、代码画面、空白各占屏多少；镜头数与中位长度；最长一段没有实拍；素材重复使用；带原声的片段。这种形式的成片通常实拍八九成、卡片两三成、中位镜头 3–6 秒、没有超过 20 秒没实拍的段落；差得远，多半是卡片当了底，回到第 5 节补画面。它只报数，不判对错。 - 静音看一遍：画面自己能不能把故事讲下去。只听不看一遍：原声和旁白的接缝顺不顺、音乐有没有压过人声。 - 核对每条卡片上的日期、数字、引语与稿子一致；每段原声的字幕是原话。 - 交付：成片（或审片链接）、片长与章节、每段原声与每条素材的来源清单（来源、链接、发布者、入点出点、署名）、哪些是示意、已知问题。要发布文案时照 `titles-and-description`。 ## 参考文件 | 文件 | 什么时候读 | | --- | --- | | `references/sourcing.md` | 找素材、定原声起止、登记来源之前 | | `references/structure.md` | 写稿之前；要用冷开场、预告、章节钩子这类手法时 | | `references/assembly.md` | 在 BaoCut 里摆轨道、放原声、做卡片、建字幕之前 | ## 脚本 本 skill 不带脚本。有命令行环境、旁白按段配时，配音、对齐、摆时间线、剪实拍、量画面占比的现成脚本用 `skills_read` 读 `production-scripts`；它是一条省事的路，形态不合时照第 7 节用 BaoCut 的工具自己摆。