/clip-montage
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。
$ npx -y skills add JimLiu/baocut --skill clip-montage --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/clip-montage
Context preview
The summary Claude sees to decide when to auto-load this skill.
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。
SKILL.md
clip-montage.SKILL.mdname: 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。
version: 1.2.0
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。
Read more
name: 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。 version: 1.2.0
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。
BaoCut: an AI video agent with an editable timeline. Transcribe, subtitle, translate, dub, cut and animate.

