anbeime/skill / skills/native-subtitle-quote-image/native-subtitle-quote-image
native-subtitle-quote-image
Verified将本地视频或用户有权处理的在线视频,经过来源获取、文字稿定位、选题选句、精确取帧、紧凑裁切、拼图和逐张质检,制作成 3:4 或保留画面原比例的视频字幕长图。支持两种明确分开的输出:保留画面内已烧录字幕的原生字幕模式,以及把已审核的时间点与台词绘制到真实视频帧上的脚本字幕模式。用户要求原生字幕截图、字幕帧拼图、YouTube 金句长图、台词截图、不重绘字幕、自定义中文台词,或调整主图比例、字幕区域、台词间隔和美感时使用。
references/visual-style.md
View on GitHub# 紧凑型视频字幕拼图视觉规范
当用户强调“好看、紧凑、有节奏、不要台词间隔太宽”,或准备最终视觉质检时读取本文件。规则同时适用于原生字幕和脚本字幕模式;只有脚本模式会绘制字体和描边,原生模式始终保留视频像素。本规范来自对高质量成品的版式测量与视觉归纳;参考原图不随 Skill 分发。
## 核心判断
3:4 拼图的视觉中心应是主画面,而不是平均分配的五块视频截图。字幕条只承担连续阅读,不应因为台词少而被拉成大块画面。
默认目标:
- 原生字幕默认按源画面和字幕条计算高度,不强制 3:4;显式要求固定比例时,默认对整张拼图统一裁去两侧(`--fit crop`),最多裁到字幕安全边界,剩余差额再留边;不分别填满主图和字幕条。
- 脚本字幕固定画布为 3:4;推荐输出 1440×1920,1080×1440 也符合比例。
- 一张图使用 5 个时间点:1 个主画面 + 4 个字幕条。
- 脚本固定布局的 4 个字幕条时,主画面约占总高度 70%,每个字幕条约占 7.5%。原生模式优先保证所有字幕同一缩放倍数,不套用此比例。
- 字幕条首尾直接相接,条间距为 0,不增加边框、留白或装饰分隔线。
- 原生模式的单行字幕默认从源画面的 `0.78–0.96` 高度范围裁切;字幕偏高或两行时再扩大。
## 原比例布局
用户要求保留横屏构图或原始画面尺寸时,用 `--layout natural`,而不是强制把画面填进 3:4。主图与字幕条只裁切、等比缩放,最终高度为各块实际高度之和;不传 `--width` 时保留源宽度。原生字幕保留到 `--band-bottom` 的主图;脚本字幕默认保留全帧,可按实测边界用 `--frame-top` / `--frame-bottom` 裁去源字幕等区域。`--band-center` 相对裁切后的画面。
裁去底部 28% 后,剩余画面高度就是原高的 72%,不能再拉回原高。最后也不能用直接 resize 强制输出 3:4;确实需要固定比例时回到固定布局重新渲染。画面原比例与“原生字幕”是不同概念,不改变字幕模式。
下面的密度计算和 68–72% 验收仅适用于脚本固定布局;原生模式及原比例布局检查主体几何、文字完整及紧凑拼接,不追求同一个高度比例。
## 自适应密度
脚本固定布局默认按字幕条数量自动计算主画面比例:
```text
主画面比例 = clamp(1 - 字幕条数量 × 0.075, 0.48, 0.82)
```
常见结果:
| 时间点 | 字幕条 | 主画面比例 | 视觉效果 |
|---:|---:|---:|---|
| 3 | 2 | 82% | 少量台词时保留大主图,不拉高字幕条 |
| 4 | 3 | 77.5% | 适合短观点 |
| 5 | 4 | 70% | 默认、最均衡 |
| 6 | 5 | 62.5% | 信息较多,仍保持紧凑 |
| 7 | 6 | 55% | 接近密度上限,需要重点检查字号与可读性 |
用户明确传入 `--hero-fraction` 时尊重用户值。只有实际版式需要时才覆盖自动值,不要为了“更满”而把主图压得过小。
原生固定布局的此参数仅调整源主图的裁切高度,受可用源像素限制;不能分别缩放主图和字幕条以达成目标比例。原生字幕不重绘、不人为统一原视频中本就不同的字号。
## 固定机位源与 `--hero-zoom`
优先选多机位、景别有变化的视频。固定单机位源(大学大师课、网课式录制)是高风险素材:六张主图只差表情,整组看起来像同一张图。
确需使用时,用 `--hero-zoom` 给每张卡设不同的主图缩放,例如 `--hero-zoom 1.0,0.9,0.95`,按卡循环,范围 0.8–1.0,默认不启用。它只裁掉更多主图画面再放大,字幕条、文字、条间距和六句卡几何不变;原生模式下裁切窗口不会进入字幕条。注意:这是裁切后放大,源视频清晰度不足时主图会更模糊,不等于真实清晰度提升。
## 呼吸缝与分隔线
版式默认主图与字幕条硬边相接、条间距为 0。手机上觉得拥挤时可用 `--strip-gap 2`–`4`(条间黑色缝隙)和 `--hero-divider line`(2px 分隔线)。它们是插入的背景像素,不叠加在画面上,所以不会盖住原生字幕;渐变会改动主图下缘的字幕像素,因此不提供。与 `--six-line-card` 不兼容。
## 字幕区域
### 单行字幕
从 `--band-top 0.78 --band-bottom 0.96` 开始预览。目标是:
- 保留完整文字、描边和标点;
- 字幕上下有少量呼吸空间,但不会出现大块无文字背景;
- 缩放到最终条高后仍然清楚;
- 不切进播放器进度条或画面底部黑边。
### 两行字幕或位置偏高
不要继续使用窄裁切硬切第二行。先通过 `band` 预览,再按实际位置扩大,例如 `0.62–0.96` 或 `0.68–0.97`。两行字幕会提高字幕条本身的信息密度,需要检查是否仍适合 4 条拼接。
### 字幕位置变化
同一视频至少抽查开头、中段、结尾。若节目在不同段落改变字幕位置,不能只用一张预览推断整期;换片段或为不同组分别渲染。
## 主画面选择
主画面承担第一眼吸引力,优先级高于第一句文字是否最完整:
1. 主体面部、手势或关键物体清楚;
2. 人物不闭眼、不处于口型或动作的尴尬过渡;
3. 麦克风、前景物体和画面边缘不异常切断主体;
4. 背景明暗和主体分离,字幕描边能够读清;
5. 第一条字幕位于画面下部,不压脸、不贴底;
6. 避免转场、黑帧、广告、播放器控件、通知和无关 UI。
主画面可以与后续字幕条来自同一场景,但帧本身必须比普通字幕条更完整、更有表现力。
### 主图构图检查清单
渲染器不识别人脸,也不校验构图;以下由 Agent 在渲染后逐张目测成品主图(固定比例 `--fit crop` 时看裁切后的画面),比例都是近似参考值:
| 检查项 | 参考值 | 常见问题 |
|---|---|---|
| 头顶留白 | 头顶到主图上缘约 ≥8% 主图高度 | 切掉头顶或发际线 |
| 下巴与下缘 | 下巴到主图下缘(第一条字幕条上沿)约 ≥5% 主图高度 | 下巴贴着字幕条,像被字幕压住 |
| 脸中心垂直位置 | 主图高度约 35–60% | 脸太低像在往下掉,太高顶住上缘 |
| 脸中心水平位置 | 主图宽度约 35–65% | 脸挤在一侧,另一侧大片空背景 |
不适用:主体不是人脸(产品、手势、屏幕演示)时,按同样思路检查关键物体是否完整、不贴边。用户明确要特写、侧脸或刻意偏置构图时以用户要求为准。
不达标时按顺序处理:
1. 只换主图时间点:用 `sample 视频 --start T-1.5 --end T+1.5 --interval 0.3`(T 为原时间点秒数,start 不小于 0、end 不超过视频时长)在原时间点前后约 1.5 秒内重找,挑满足清单且不闭眼、不模糊的帧;
2. 固定比例裁切切到人物两侧时,调整 `--crop-center`;它只移动水平裁切窗口,解决不了头顶留白、下巴贴条这类垂直问题,垂直问题只能靠换时间点;
3. 仍找不到时用最接近的一帧出图,在交付说明中写明第几张主图哪一项不达标,不无限微调。
## 字幕条节奏
- 四条字幕应像连续段落,而不是四张独立海报。
- 每条只保留一个稳定字幕单位;不要在一条里留下上一句残影。
- 相邻字幕语义递进,避免同义重复和长铺垫。
- 背景变化可以增加节奏,但不能以字幕难读、人物异常或画面杂乱为代价。
- 明暗差异很大的条可以保留,这是原视频真实画面;不要额外加纯色背景统一它们。
- 原生模式不重新绘字、不改字体、不人为增加行距,不用文章标题替换视频字幕。
- 脚本模式使用已审核单行台词,白字黑边、水平居中;字号过小时拆句,不通过放大字幕条来补救。
## 常见失败及修正
| 现象 | 原因 | 修正 |
|---|---|---|
| 台词之间像隔着大段空白 | 主图比例固定过小,少量字幕条被平均拉高 | 使用自动主图比例,不显式传过小的 `--hero-fraction` |
| 每条字幕上下背景太多 | 字幕裁切区域过高 | 单行字幕从 `0.78–0.96` 重新预览 |
| 第一条字幕很大,后续字幕很小 | 主图与字幕条分别填满不同形状的区域 | 先拼源像素,再整图统一缩放;原生模式不用 70% 硬填主图 |
| 字幕条之间有黑缝或白缝 | 额外边距、画布未贴合或源黑边被裁入 | 条间距保持 0,并收紧字幕区域 |
| 文字被切边 | 为追求紧凑直接套用窄裁切 | 以完整字幕为硬条件,扩大 `band` 后重新预览 |
| 固定 3:4 上下黑边很厚 | 横屏拼图比 3:4 宽,又用了纯留边 | 保持默认 `--fit crop`;字幕太宽裁不动时,减少过宽的句子或接受部分留边 |
| 两侧裁切切到人物 | 主体偏离画面中心 | 用 `--crop-center` 把裁切窗口移向人物;仍不行时改用 `--fit pad` |
| 五句话不连贯 | 只按画面挑帧,没有先做语义选段 | 回到文字稿重选连续表达,不靠换帧硬拼 |
| 主图人物被切脸 | 时间点或裁切窗口不合适 | 只换第一时间点,必要时调整主图比例 |
| 切头顶、下巴贴字幕条或脸偏一侧 | 选帧只看表情,没看构图 | 按「主图构图检查清单」在前后约 1.5 秒内重找;找不到就在交付中说明 |
## 最终视觉验收
交付前在原尺寸和缩略总览两个尺度检查:
- 缩略图中主画面明显占主导,四条字幕形成紧凑节奏;
- 原尺寸中每个字、描边和标点完整;
- 每张主图都过了「主图构图检查清单」,不达标的已在交付中说明;
- 脚本固定布局主画面约 68–72%、字幕条合计约 28–32%(默认 4 条时);原生模式检查同源字号没有因各块缩放而变大变小;
- 条与条之间没有额外像素间距;原生固定画布为保留完整内容而出现的外侧留边不算条间距;
- 没有一条因为无文字背景过多而显得“松”;
- 没有为了紧凑牺牲两行字幕完整性;
- 原生模式的台词都来自真实视频像素;脚本模式的台词与已审核 JSON 一致;两者时间顺序都正确;
- 若成品仍显得松散,先收紧 `band`,再检查时间点数量,最后才手动调整主图比例。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |