/gtrk-vlog-docu

name: gtrk-vlog-docu
description: Vlog 纪实类一站式成片图纸——纪实 Vlog 是散文的载体：用有限的素材，把一个故事、或一个几个思想，串联起来（形散神不散）。表达形态上是「现场同期声 × 后期旁白」双声道交替，区别于纯口播链（单一对镜说）与纯配音链（全片旁白配 B-roll）：同期声片段是内容本体不是配画，旁白只做定调层。当用户想「做一条纪实 vlog / 我拍了一堆素材想做成有深度的 vlog / 探店探险探厂记录 / 日常生活流做成片 / 旅途记录 / 野采野钓记录 / 城市漫游 citywalk / 圣地巡礼 / 取景地探访 / 挑战企划记录」时使用本 skill。凡涉及把带同期声的现场素材做成纪实成片，优先用本 skill 编排 gtrk CLI 全链，不要手搓单命令、别让用户逐步驱动。

gtrk-vlog-docu（Vlog 纪实类 · 组合成片图纸）

审片与脚本的实际工作顺序

先建立全批素材概览，包含视频、照片和原声，再提出影响主线的关键问题。已有回答直接沿用，不重复问。不要先定故事，再只找支持它的几张画面。

视觉部分沿用 `gtrk-matrix` 的当前 Agent 优先通路：`describe --materials ... --prepare <工程目录/visual-overview>` → 当前 Agent 按时码看图、记录事实与不确定项 → `--review <回执>` 导入。长场景多个观察点；动作、表情、剪辑入出点在相关窗口内加密查看。原声有内容时结合转写/试听；不能把抽帧概览称为完整看过原片。Agent 无视觉能力或单项无法完成时才由豆包补齐，注明回退原因。

概览后组织可审阅的视听脚本：每段表达什么、采用哪条素材的哪个时间区间、保留什么同期声、哪里需要旁白、照片如何进入。交给用户审阅；有异议则多轮修改同一份脚本，认可后继续成片。照片可由既有图片运镜能力进入时间线，但不能虚构照片之外的事件。

明确脚本的取材由语义与实际画面证据主导；泛高光发现只是探索素材的一种工具，其分数不能覆盖脚本意图。下方云端 describe 示例仅在当前 Agent 无法完成时直接使用；有视觉能力时先 prepare/review，交接由 Agent 完成，不让用户填逐帧表格。

把**一批现场素材**变成**一条纪实成片工程**：素材理解 → 选档写稿 → 检查点①一次拍板 → 同期声骨架 + 旁白配音 + B-roll + 字幕层 + BGM 全自动 → 客户端出片。

> **定位**：structure 级组合图纸，不新增命令，只编排既有原子零件。零件参数以各自 skill（`gtrk-transcript` / `gtrk-matrix` / `gtrk-splitter` / `gtrk-mg`）与 `--help` 为准，**本图纸引用不复制**；编排次序、检查点、配方参数以本图纸为准。**CLI 是手，你是脑。** > > **本体定性**： > **纪实 Vlog 是散文的载体——用有限的素材，把一个故事、或一个几个思想，最终串联起来。** > > 三个推论，构成本图纸的全部决策原点： > - **形散神不散**：素材可以跳跃、场景可以断裂、时间可以不连续，但**必须有一根线**。没有那根线的片子叫「相册」不叫作品。 > - **素材有限是前提不是缺陷**：创作力体现在「用手上这些素材能串出什么」，不是「还差什么素材」。**先看素材里有什么，再决定串什么**——这是散文与说明文的分野。 > - **先立神，再选材**：写稿的第一步不是排素材顺序，是找到那根线（§3.2）。顺序反了就会写成流水账。 > > **表达形态上的定义性特征**：纪实类是**双声道交替**——现场同期声承载真实感与人格，后期旁白承载知识与升华。**同期声片段是内容本体，不是可替换的配画**。这是它区别于口播链与配音链的根本。 > > **当前实现状态**：本地候选 CLI 已支持 `gtrk project compose`，按清单组装视频、图片和已合成旁白。先用 `gtrk project --help` 核对当前安装版本是否提供 compose；旧版不支持时停在图纸，不手写工程冒充链路。声音仍经检查点确认后生成。

高光发现与失败兜底（仅本图纸使用）

在全批概览之后，用户只说“挑高光”或某段值得探索但缺少明确事件线索时，按需执行：

gtrk tool video_highlight "<本地视频>" --out "<工程目录>/highlight/<素材名>" --json

该入口当前仅供内部验收。只上传本地生成的448p/4fps分析代理，缺省附单声道低码率原声，原片不上传；用户在意对话隐私时加 `--no-audio`，只少一项声音信号，候选照常产出。若报错要求短边224或无音频，说明云端尚未升级到新版代理，如实告知用户，不要重试或自行改参数。结果在 `result-output.json`。`groups` 各自的 `top3` 只代表该请求内的三秒候选；不可跨素材、跨分块混排分数。用 `matrix describe --materials <原片> --source-window <起秒,止秒> --prepare <目录>` 查看候选前后过程，再结合原声判定它能否进入脚本。不要用三秒评分推断整段事件完整性。已有明确脚本时优先语义检索，不自动调用视频高光算法，也不覆盖语义 best 或 VLM highlight。

服务忙、冷却、超时、坏响应、无候选或接口未部署时，记录素材、任务号（若有）、失败原因和后续来源 `agent_semantic_overview`，继续从已观察素材按故事选材。视觉项当前 Agent 确实无法完成才标 `unavailable` 交豆包；两者都不可用则保留缺口，不写成已看过。纯粹请求“高光评分结果”时，原子失败就如实报告未完成。已有任务号优先查询原任务；提交状态未知时用同一素材、输出目录恢复，不换身份盲目建单。

脚本验收交付物

在工程目录维护一份可持续修改的视听脚本，按顺序列出：段落目的、源素材、源入出点、预计片长、画面事实、同期声或环境声、旁白、照片运镜、证据覆盖与待核对项。素材时间轴与成片时间轴分列。旁白草稿不当作录音事实，未听清的同期声不编台词，文件名日期不自动当作真实行程日期。

连同全批素材概览、采用/舍弃理由、高光调用与回退记录一起交付。先审这份完整图纸；用户认可后再合成旁白、组装工程和渲染。组装必须走 `project compose`，不能手写 `.gtrk`；图纸确认和成片验收分别记账。

一、输入契约与三档识别

用户给**一个素材文件夹**（多个用逗号分隔）：

| 内容 | 必须性 | 说明 | |---|---|---| | 现场视频素材（含同期声） | **必须** | 一条长素材或几十条碎片皆可；这是内容本体 | | 图片素材 | 可选 | 自动运镜成动态上轨 | | BGM 音频 | 可选 | 没有走素材矩阵搜索（检查点①） | | 文字备忘（txt/md） | 可选 | 行程单、选题笔记，作写稿补充 |

**MUST NOT 下载二创源片 / 主体素材**：素材从哪来归用户（版权责任边界）。平台授权素材（素材矩阵的 BGM / 空镜）可按其签名直链落地；这条例外不适用于源片与主体画面素材。

> **精剪包装（公约 §三⁵）**：开工时告知一句「快速成片会在适合的段落做合成包装，最多全片四分之一，不要就说一声」——不是问题，用户说不要即零动作；`gtrk composite bake --abi` 报烘焙浏览器没装时，在这张问询表里多问一句装不装（不装用本机 Chrome / Edge）。

1.1 配比档位识别（本类型独有的第一决策）

先听素材里有没有可用的同期声，再定档——**档位决定写多少稿、TTS 花多少钱、成片什么质感**：

| 档 | 旁白占比 | 判据 | 典型 | |---|---|---|---| | **A 同期声主导** | 0–10% | 多人在场、有对话有反应、事件自带戏剧性 | 双人探险、挑战企划、野采、探店闲聊 | | **B 旁白主导** | 60–100% | 单人、素材多为空镜与地点、信息/考据型 | 攻略、圣地巡礼、废墟考据、风光记录 | | **C 三明治换挡** | 旁白定调→同期声主体→旁白升华 | 有观点要表达、事件之上还有一层态度 | 活动纪实+吐槽、旅途+自白 |

**判别动作**：`gtrk transcript` 抽听 1-2 条代表素材——转写出大量口语碎句、语气词、对话接话 → A 档；几乎无人声或只有环境音 → B 档；有对话但用户明显想表达观点 → C 档。**拿不准问用户一句**：「你是想让现场的声音说话，还是你来讲？」

> **C 档适合需要升华观点的自制片**：以纪实同期声承载事件，中后程切入议论式旁白，把当天经历升华为观点与私人自白，落一句可摘录的态度句。有条件优先推 C。

二、全链总览（快速成片）

① 理解        transcript 抽听定档 + matrix index/describe 建素材索引
② 立神        ★【多轮对话·必问】与创作者访谈找出那根线，问够为止（§3.2）
③ 选材串珠    按「神」挑素材、定幕结构（服务于神，不是按时间流水排）
④ 写稿        只写定调层旁白（§三）→ 稿 + 标题 + HashTag
⑤ 检查点①    【必停】神 · 配比档 · 稿件 · 画幅 · 音色 · BGM · 字幕样式（§四）
⑥ 配音        gtrk tool audio_tts_clone（仅旁白段，★ 分段合成）
⑦ 拼主轨      gtrk project compose（分段清单 → live 段引用原片区间 + narration 段落位）
⑧ 拆分派单    gtrk split：live 段=A_ROLL/真人出镜|口播继续；narration 段=FILM_BROLL|MG/旁白主导
⑨ B-roll      matrix --local --dirs → describe → lay（只铺 narration 段空档）
⑩ 字幕层      吐槽/观察/进度/梗卡进 MG 派单（§六）→ mg lint → mg --project
⑪ BGM         gtrk audio lay --volume 0.1 --beat-align（-20dB 口径）
⑫ 字幕        gtrk subtitle lay --style <拍板样式>
⑫′ 精剪包装   交棒 /gtrk-composite（公约 §三⁵：auto ≤ 25% → 复核 → 构建机检 → 铺轨烘焙，不停）
⑬ 交付        客户端打开工程出片

**快速成片的「免打扰」只覆盖 ⑥ 之后的执行环节**：①–⑤ 沿用已有创作意图，补问必要信息并保留检查点①，MUST NOT 因为用户选了快速成片就跳过立神对话自行拍板——那是把创作者的片子做成 agent 的片子。用户要精修按 §七 逐步停。

三、写稿规约

3.1 通用框架层（原样继承旅拍图纸，勿改）

**结构三段式**：钩子（抓眼球保留存）→ 干货（内容价值）→ 升华（情绪价值）。爆款四属性贯穿：快乐+知识+共鸣+节奏。

**文风铁律**：

• 禁模板连接词：让我们/首先/然后/最后/此外；
• 拒翻译腔：短句中文语感，无欧化从句；
• **禁「否定—转折」对举句式（最高优先级）**：八成的 AI 厌恶感来自这一种句式。禁整个家族：「这不是 X，而是 Y」「与其说是 X，不如说是 Y」「X 不仅仅是 Y，更是 Z」「重要的不是 X，而是 Y」「不是因为 X，而是因为 Y」。识别特征=先立一个没人主张过的靶子再推翻它、用对偶结构制造顿悟感。改法=把后半句直接说出来，删掉假靶子。**能直接陈述的事实，绝不用对举包装**。也适用于标题与 HashTag。
• **禁幼稚拟声与过度儿化**：换成真实事实——数字与事实比拟声词有力。
• **风格贴着素材走**：素材什么气质，稿子就什么气质，不加分不减分。

**成片时长 = min(内容支撑, 素材支撑)**；旁白折算用**挂钟语速**（按检查点①选定的音色取，取不到用缺省 ≈330 字/分钟）——口径与标定档案见 `skills/gtrk-travel-recap/references/speech-rate.md`，**MUST NOT 复制数值表**。

3.2 立神：找出那根线（★ 本类型的第一步，先于选材）

纪实 Vlog 是散文的载体——**用有限的素材，把一个故事、或一个几个思想，串联起来**。「神」就是那根线。**没有神的片子是相册，不是作品。**

**主线由创作者决定**：先利用已有回答和素材概览，只有仍影响主线的缺失信息才提问。用户已经讲清经历、重点和感受，或授权其余内容按素材编排时，直接写出可审阅脚本，不机械增加访谈轮数。多轮修改围绕同一份脚本进行，快速成片也保留脚本确认。

**访谈协议（写稿前必做）**：

第一步，agent 自答素材侧一问：这堆素材里**反复出现的东西**是什么？（一个地方的衰败痕迹、一群人的某种状态、一件事的三次反复）——据此提名 1–3 个候选神。

第二步，向创作者开问（每轮 1–2 个问题，别一次倒完；按回答追问）：

| 问什么 | 挖什么 | |---|---| | 拍的时候，**什么瞬间让你想按下录制**？ | 那个冲动往往就是神 | | 这趟结束后，**你跟朋友聊起它时先说哪件事**？ | 自然叙述里藏着真正的主线 | | 如果只能留一句话给观众，**你想说什么**？ | 思想线的候选 | | 这趟有没有**什么真话想说**（遗憾/触动/不甘）？ | Resonance 素材，有则必用无则不硬造 | | 有没有**不想放进片子的东西**？ | 边界，先问后剪 |

第三步，收敛判据（满足其一即立住）：创作者**用自己的