نبذة على المشروع
lanshu-create-ai-presenter-video هو Skill عام موجّه لـ Codex لصناعة فيديوهات بشخصيات رقمية. غير عطيو موضوع ولا نص كامل، وزيدو صورة مرجعية مرخّص استعمالها فيها شخص بالغ وواضح، وغادي ينظّم أهم مراحل صناعة الفيديو بالشخصية الرقمية.
المسار الكامل كيشمل ترتيب النص، التعليق الصوتي، إنشاء الشخصية، معايرة حركة الفم، الترجمة، المؤثرات الحركية ديال الكلمات المفتاحية، المونتاج، الرندرة والتحقق من الجودة. المشروع كيعتمد على اختيار القدرات المتاحة، وكيكمّل المهمة باستعمال الأدوات الموجودة فالبيئة الحالية، بلا ما يربط فالمصدر بمزوّد خدمة معيّن ولا بأسماء نماذج ولا بواجهات خاصة.
هاد Skill ماشي نموذج مستقل لتوليد الفيديو. خاصو يخدم داخل Codex ولا بيئة Agent متوافقة مع Skills المحلية، وكيعتمد على قدرات توليد الفيديو، توليد الصوت ومزامنة حركة الفم اللي يمكن استدعاؤها من البيئة.
المميزات الرئيسية
- مستقل على المزوّدين: سير العمل ما مرتبطش بنموذج ولا منصة ولا API خاصة بعينها.
- مسار إنتاج كامل: من فحص المدخلات، والسكريبت والتعليق الصوتي، حتى المونتاج، الترجمة، الغلاف، التصدير والتحقق، كل مرحلة عندها المسار ديالها.
- مرجع زمني موحّد: التعليق الصوتي الكامل هو المحور الزمني ديال الفيديو كامل، وكيتم على أساسه تحديد فيديو الشخصية، الترجمة، اللقطات، الكلمات المفتاحية والانتقالات.
- تحميل المراجع حسب المرحلة: Codex كيقرأ الوثائق المرتبطة غير ملي كيدخل للمرحلة المعنية، باش ينقص استهلاك السياق.
- التحكم فالتكلفة: كيبدا بتجربة منخفضة التكلفة للشخصية، وكيحدّد معلومات التوليد المؤدى عنه، الحد الأقصى لإعادة المحاولة وقواعد الاستئناف بعد التوقف.
- قيود الأمان والخصوصية: خاص التأكد من الترخيص قبل رفع صور الأشخاص ولا استنساخ الأصوات، والمستودع ما كيخزّنش مفاتيح API ولا رموز الولوج ولا مواد المستخدمين.
- تسليم موحّد: الهدف هو إخراج نسخة أصلية، نسخة للمشاركة وتقرير QA.
تحضير المدخلات وبيئة التشغيل
المدخلات الدنيا
- موضوع ديال الفيديو ولا نص كامل.
- صورة مرخّص استعمالها فيها شخص بالغ وواضح.
تقدرو حتى تزيدو عينة صوت، تسجيل الشاشة، صور، B-roll، مواد العلامة التجارية، المنصة المستهدفة، مدة الفيديو، النسبة الأفقية أو العمودية، الأسلوب البصري، العلامة المائية والخاتمة الموجّهة. عينة الصوت ما يمكنش تستعمل لاستنساخ الصوت إلا من بعد الحصول على الترخيص المناسب.
متطلبات البيئة
- بيئة Codex ولا Agent متوافقة مع Skills المحلية.
- Python
3.9+. FFmpegوffprobe.- Bash و
jqوawkوsed. - على الأقل قدرة وحدة متاحة للاستدعاء من البيئة الحالية لتوليد الفيديو، توليد الصوت ومزامنة حركة الفم.
قبل بداية المهمة، خاص التأكد من أن هاد الأوامر وقدرات التوليد خدامة ومتاحة فالبيئة الحالية. تقدروا تشوفو مستودع المشروع فـ GitHub.
تثبيت Skill
شغّلو الأمر التالي باش تستنسخو المستودع فمجلد Skills ديال Codex:
git clone https://github.com/cclank/lanshu-create-ai-presenter-video.git \
~/.codex/skills/lanshu-create-ai-presenter-videoمن بعد التثبيت، خاص المسار يكون:
~/.codex/skills/lanshu-create-ai-presenter-videoالتعرّف على بنية المجلدات
lanshu-create-ai-presenter-video/
├── SKILL.md
├── README.md
├── agents/
│ └── openai.yaml
├── assets/
│ └── job.template.json
├── references/
│ ├── generation.md
│ ├── editing.md
│ └── qa-recovery.md
└── scripts/
├── init_job.py
├── preflight.py
└── finalize_delivery.shكل وحدة من وثائق المراجع الثلاثة مخصّصة لمرحلة مختلفة من الإنتاج:
generation.md: كيتكلف بفحص المدخلات، النص، الصوت، اختيار القدرات، التوليد المؤدى عنه، عبارات وصف الشخصية والثبات ديالها.editing.md: كيتكلف بالمحور الزمني، البداية والنهاية، إعدادات الترجمة، مؤثرات الكلمات المفتاحية الجانبية للشخصية، الغلاف والتصدير.qa-recovery.md: كيتكلف بالتحقق التقني، التحقق اليدوي وإصلاح الأعطال الشائعة.
الطريقة الأولى: إنشاء الفيديو مباشرة فالمحادثة
أسهل طريقة للاستعمال هي تستدعاو Skill بوضوح فمحادثة Codex، وتعطيو فالنفس الوقت النص، صورة الشخصية ومتطلبات الفيديو النهائي. مثلا:
استعمل $lanshu-create-ai-presenter-video وحوّل هاد النص وصورة الشخصية لفيديو شرح بشخصية رقمية بنسبة 16:9، مدتو 30 ثانية، وفيه ترجمة مباشرة.من الأحسن توضحو مع الطلب مكان المواد، المنصة المستهدفة، المدة، نسبة الصورة، شكل الترجمة، الأسلوب، العلامة المائية والخاتمة الموجّهة. إلا ما كانتش عينة صوت مرخّص استعمالها، غادي يتختار صوت مناسب من الأصوات الجاهزة، وما غاديش يتستنسخ الصوت بلا إذن.
الطريقة الثانية: تهيئة مجلد مهمة موحّد
بالنسبة للمشاريع اللي خاصها فحص الإعدادات، الاحتفاظ بسجل المهمة ولا التنفيذ على مراحل، تقدروا فالأول تستعملو سكريبت المستودع باش تنشئو مجلد مهمة موحّد.
الخطوة الأولى: تحديد مسار Skill
SKILL_DIR=~/.codex/skills/lanshu-create-ai-presenter-videoالخطوة الثانية: تهيئة المهمة
python3 "$SKILL_DIR/scripts/init_job.py" \
--job-dir ~/Videos/my-presenter-video \
--presenter-image ~/Pictures/presenter.png \
--topic "موضوع الفيديو" \
--duration 60 \
--aspect 9:16 \
--rights-confirmed \
--adult-presenter-confirmedهاد المثال كينشئ مهمة مدتها 60 ثانية وبنسبة 9:16. الخيار --rights-confirmed كيعني أنكم تأكدتو من حق استعمال صورة الشخصية، والخيار --adult-presenter-confirmed كيعني أنكم تأكدتو أن الشخص اللي فالصورة المرجعية راشد.
ما تستعملوش معاملات التأكيد إلا من بعد ما تكونو فعلا كملتو التحقق من الترخيص ومن حالة الشخص. وحتى قبل الرفع عن بُعد، خاص مراجعة معلومات الترخيص فإعدادات المهمة.
الخطوة الثالثة: إكمال job.json
من بعد التهيئة، دخلو لمجلد المهمة وراجعو job.json اللي تخلق. كمّلو عناصر الفحص اليدوي والترخيص بالرفع عن بُعد حسب الحالة الفعلية للمهمة. ما تبعثوش صور أشخاص ولا عينات صوت ولا مواد أخرى ما عندكمش ترخيصها للخدمات البعيدة.
الخطوة الرابعة: تشغيل الفحص القبلي
python3 "$SKILL_DIR/scripts/preflight.py" ~/Videos/my-presenter-video/job.jsonالفحص القبلي كيتستعمل قبل التوليد الرسمي باش يراجع إعدادات المهمة. خاص تصلحو المشاكل اللي يلقاها الفحص قبل الدخول لمراحل توليد الفيديو أو الصوت أو مزامنة حركة الفم اللي ممكن تكون بمقابل.
فهم مسار الإنتاج الكامل
- استقبال الموضوع أو النص وصورة الشخصية: التأكد من صلاحية المواد، ومراجعة ترخيص الصورة وحالة الشخص الراشد.
- تثبيت النص والتعليق الصوتي الكامل: تحديد المحتوى النهائي أولا، ومن بعد توليد التعليق الصوتي للفيديو كامل.
- صناعة تجربة منخفضة التكلفة للشخصية: التحقق من نتيجة الشخصية والمسار التقني قبل التوليد المؤدى عنه على نطاق كبير.
- توليد المادة الرئيسية المتواصلة للشخصية الرقمية: إنشاء المشاهد الرئيسية اعتمادا على التعليق الصوتي وإعدادات الشخصية اللي تم تأكيدها.
- المونتاج على نفس المحور الزمني للصوت: جعل فيديو الشخصية، الترجمة، اللقطات، الكلمات المفتاحية والانتقالات كاملين على نفس المرجع الزمني.
- إضافة الترجمة، مؤثرات الكلمات المفتاحية والغلاف: تقوية المعلومة وإكمال تجهيزات النشر.
- تنفيذ التحقق من الجودة: فحص حركة الفم، ثبات الشخصية، جودة الصوت والصورة.
- إكمال التسليم: إخراج النسخة الأصلية، نسخة المشاركة وتقرير QA.
التعليق الصوتي الكامل هو المرجع الأساسي فالمسار. ملي كيتثبت الصوت أولا، ومن بعد كيتنظّم الفيديو والترجمة على أساسه، كتقل مشاكل انحراف حركة الفم والربط بين المقاطع المختلفة.
إعدادات الإخراج الافتراضية
إلا ما تعطاتش متطلبات أكثر تحديدا، كيستعمل سير العمل التوجهات الافتراضية التالية:
- فيديو عمودي
9:16، بدقة1080×1920وبمعدل30fps. - الفيديوهات المتولدة انطلاقا من موضوع كتكون غالبا بين 45 و75 ثانية.
- إلا ما كانتش عينة صوت مرخّص استعمالها، كيستعمل صوت مناسب من الأصوات الجاهزة.
- البنية غالبا فيها بداية واضحة، من 2 حتى 4 إيقاعات للمحتوى وخاتمة مختصرة.
- الموسيقى والتوجيه التجاري كيتزاد حسب الحاجة.
- الهدف التقريبي لشدة الصوت هو
-16 LUFS.
إلا كان الهدف فيديو أفقي، خاص تحديد 16:9 بوضوح بحال مثال المحادثة؛ وإلا كان المطلوب محتوى لمنصات الفيديوهات القصيرة، تقدروا تخليو الإعداد الافتراضي 9:16 ولا تحددوه صراحة عند تهيئة المهمة باستعمال --aspect 9:16.
تقنيات متقدمة للاستعمال
ثبتو التعليق الصوتي أولا، ومن بعد رتبو جميع العناصر البصرية
ما تديروش محاور زمنية منفصلة وما مرتبطةش للترجمة واللقطات ومقاطع الشخصية. ولّدو التعليق الصوتي الكامل وأكدو عليه أولا، ومن بعد خلّيو الترجمة، فيديو الشخصية، مؤثرات الكلمات المفتاحية والانتقالات كاملين متزامنين مع نفس الصوت، باش يتحسن الانسجام العام.
ديرو تجربة قبل التوليد المؤدى عنه
قبل أول توليد بمقابل، خاص توضيح المحتوى اللي غادي يترفع، مدة التوليد، أساس تحديد الثمن، خطة التجربة والحد الأقصى لإعادة المحاولة. التجربة منخفضة التكلفة كتبيّن بكري مشاكل مظهر الشخصية، حركة الفم ولا توافق الأدوات، وكتفادي ضياع الموارد فإنتاج فيديو كامل مباشرة.
من بعد التوقف، استأنفو المهمة الموجودة أولا
إلا توقفت المهمة البعيدة، ما تعاودوش الإرسال مباشرة. خاص أولا البحث على معرّف المهمة الموجود والتأكد واش ما زالت خدامة ولا خرجات منها نتيجة، باش تتفاداو الاقتطاع المزدوج. من بعد فشل ثلاثة مرشحين مؤدى عنهم متتابعين، خاص توقفو التوليد وتلخّصو المشاكل.
فرّقو بين التحقق التقني والتحقق اليدوي
الفحص التقني يقدر يغطي الأعطال المرتبطة بالملفات والوسائط، أما الفحص اليدوي فخاصو يركّز على واش حركة الفم طبيعية، واش الشخصية ثابتة، واش الصوت مناسب، واش الترجمة مقروءة، وواش الصورة مستوفية لمتطلبات النشر. قواعد التحقق واسترجاع الخدمة كاينة فـ references/qa-recovery.md.
حافظو على سجلات المهمة وخصوصية المواد
- ما تكتبوش مفاتيح API ولا رموز الولوج ولا عناوين التحميل الموقّعة فالمستودع.
- قبل إرسال سجلات الطلبات الخاصة بالمهمة، حيدو بيانات الاعتماد وعناوين URL المؤقتة.
- الفحص القبلي وتقارير التسليم خاصها تحتافظ غير بأسماء الملفات، بلا المسارات المطلقة ديال جهاز المطوّر.
- تأكدو من حق استعمال صورة الشخصية قبل الرفع عن بُعد.
- تأكدو من ترخيص الصوت قبل استعمال قدرة استنساخ الصوت.
الخلاصة
lanshu-create-ai-presenter-video كيفرّق صناعة فيديوهات الشخصيات الرقمية لمراحل موحّدة قابلة للفحص والاستئناف، وكيستعمل محورا زمنيا موحّدا للتعليق الصوتي باش ينقص مشاكل حركة الفم والربط فالمونتاج. من بعد تثبيت Skill، تقدروا تبداو المهمة مباشرة فمحادثة Codex، ولا تهيئو أولا job.json وتديرو الفحص القبلي، باش تتحكمو بشكل أدق فالترخيص، التكلفة، عملية التوليد والجودة النهائية.
هاد المشروع مرخّص بموجب MIT License، وكيخلي الاستعمال والتعديل والتوزيع أحرار. تقدروا ترسلو ملاحظات الاستعمال عبر GitHub Issue، وتساهمو فتحسين سير العمل، التوافق وفحوصات الجودة عن طريق Pull Request.