抖音视频自动蒸馏

要解决什么问题

做抖音类口播视频时，常见做法是「对着一条爆款逐镜抄」，既容易踩原创边界，也很难把最终配音当成唯一时间轴来剪。参考片往往是竖屏，而你要交付的是横屏成片；口播稿还在改的时候就开始分镜，后面 ASR 一校正，字幕和画面全要返工。这个技能把流程拆成阶段一（蒸馏改稿）和阶段二（按音频成片），并在没有确认稿与最终音频时明确停手，避免半成品视频。

技能如何工作

阶段一会检查参考视频与音轨，提取选题、钩子、论证顺序、节奏和 CTA，把画面概括成信息密度与镜头功能，而不是逐镜复刻方案。交付物是「参考视频拆解」和可直接口播的原创中文稿；用户锁定参考钩子时，只保留结构与顺序，措辞与案例默认重写。可选 humanizer-zh 做口语化；涉及安装/命令类内容时，默认 CTA 指向粉丝群资料包（除非你另有要求）。

阶段二在收到 MP3、M4A、WAV 或你指定的源视频音轨后启动。流程包括：安全提取与 ffprobe 验证、按真实语音转写时间戳（优先 HyperFrames）、对照确认稿处理增删错读、执行默认视觉链（design-taste-frontend → impeccable），再按语义与时间戳做原创横屏分镜。渲染前必须交付 HyperFrames 关键帧与动态预览；只有你明确回复「渲染」类确认后才输出最终 MP4，并完成 H.264 / AAC / 字幕同步等完整校验。

边界与注意点

• 默认 1920×1080、16:9、30fps；参考片是竖屏也不会自动继承比例。
• 可以复用选题、公开事实、论证结构与节奏；独特措辞、品牌、镜头顺序、字幕样式等未出现在最终音频里的内容必须重做。
• 拒绝「逐句逐镜复刻」或专门规避查重的要求，会改为原创近似方案。
• 锁定稿里的 GitHub 星标等数字以口播为准，脚本锁定后不得静默换成实时数据。