如何使用 heditor 将出镜讲解视频转换为竖屏 Reels

什么是 heditor？

heditor 是一个基于开放式 SKILL.md 的 Agent Skill，可将面对镜头的拍摄素材转换为竖屏 Reels、Shorts 和 TikToks。它支持 Claude Code、Codex、OpenCode、Cursor 和 Hermes 等代理。

你无需手动完成每个剪辑，只需向代理提供视频和剪辑方向。heditor 会分析录制内容、识别说话者、以词级时间精度转录音频、选取约 30 到 70 秒的完整片段，并创建 1080×1920 的竖屏合成画面。

该工作流在本地运行，结合了帧级精确剪切、人声处理、同步字幕、动态图形、音效、音乐和自动检查。视觉合成使用 HTML 和 GSAP 构建，并通过 HyperFrames 渲染。

主要功能

• 适用于 Reels、Shorts 和 TikToks 的 1080×1920 竖屏输出。
• 与词语同步的字幕和感知语音的剪辑。
• 帧级精确的镜头与语音剪切，并缩短无效停顿。
• 围绕语义设计的动态图形和场景切换。
• 以人声为优先的音频混音，音乐和音效保持在背景中，目标响度为 −14 LUFS。
• 自动进行质量检查，包括代码检查、测试、预览、安全边距、响度、真实峰值、最终音频转录和 40 帧联系表。
• 11 种命名样式：cinema、ruptura、impacto、game、thriller、ide、aeroporto、chat、documentario、podcast 和 missao。

选择剪辑模式

固定样式

固定样式会应用既定的视觉语言，同时根据具体视频重新构建场景。例如，你可以要求代理使用 aeroporto 样式剪辑片段。成片会使用控制塔概念、雷达元素、出发信息牌字体和类似无线电的字幕，但不会把该样式当作僵化模板。

创意模式

在创意模式下，代理会研究视频，创建 6 到 8 个格式概念，查找参考资料，选择最出人意料且符合语音内容的概念，并构建定制的视觉世界。该工作流旨在频繁改变画面，大约每 1.5 到 2 秒一次，同时让音效配合屏幕上的动作。

带参考素材的创意模式

你可以提供游戏、动漫开场、新闻节目或自然纪录片等参考。例如，要求使用 GTA 6 风格的创意模式。heditor 会研究参考素材的色彩、字体、界面元素、运动方式和声音语言，然后在不使用受保护的标志、角色、品牌或音乐的前提下，创作出可安全授权的致敬作品。

将参考素材作为创意方向，而不是复制受保护资产的请求。

安装与设置

推荐安装程序

安装程序会检测受支持的代理，将技能链接到每个代理中，准备本地环境，并运行诊断命令。

curl -fsSL https://raw.githubusercontent.com/pycodebr/heditor/main/install.sh | bash

设置过程中，heditor 可以通过受支持的软件包管理器安装缺失的工具，例如 FFmpeg、Node.js 18 或更高版本、Python 3.10 至 3.13、Git 和 curl。它还会在 ~/.heditor/venv 创建 Python 环境，准备 HyperFrames 和 Chrome，下载所需的模型与资源，创建 ~/.heditor/env.sh，并安装 heditor 命令。

安装程序支持选择代理、复制而非链接、跳过音频资源或跳过设置等选项：

bash install.sh --agent claude
bash install.sh --agent all
bash install.sh --copy
bash install.sh --no-audio
bash install.sh --no-setup

通过 Skills CLI 安装

你也可以使用 Vercel Skills CLI 安装该技能，然后运行其设置脚本。

npx skills add pycodebr/heditor -g
bash ~/.agents/skills/heditor/scripts/setup.sh

手动安装

git clone https://github.com/pycodebr/heditor.git
cd heditor
bash install.sh --agent claude

或者，将 skills/heditor 目录复制到代理使用的技能目录中。

配置你的品牌

heditor 会从 ~/.heditor/brand.json 读取品牌设置。使用此文件定义剪辑中使用的名称、账号、标志、语言、行动号召文本和视觉颜色。

{
  "name": "Your Brand",
  "handle": "@yourprofile",
  "logo": "/path/to/logo.png",
  "lang": "en",
  "follow": "Follow",
  "following": "Following",
  "comment": "Tell us in the comments",
  "colors": {
    "bg": "#050a14",
    "bg2": "#081626",
    "accent": "#edc580",
    "accent2": "#7dd3fc",
    "alert": "#ff3d57",
    "ok": "#7dffb0"
  }
}

设置与内容受众相匹配的语言和行动号召字段。标志路径应指向本地计算机上可用的图像。

通过代理使用 heditor

安装完成后，用自然语言描述源视频和所需的剪辑方向。例如：

使用 documentario 样式编辑 /videos/class-03.mp4。使用我谈论职业转型的片段。

创意模式：把这期播客的第 12 分钟制作成一个 Reel，给我一个惊喜。

针对这段关于本周新闻的视频，使用带新闻节目参考的创意模式。

从这段视频中剪出三个版本，每个版本使用不同的格式。

该代理会根据所选模式完成分析、转录、编辑计划、构图、渲染、音频混音和质量检查。

直接使用 CLI

你也可以显式运行各个处理阶段。首先加载环境：

. ~/.heditor/env.sh

分析并转录源素材

使用 probe 生成帧，用于查找说话者；使用 transcribe 创建带词级时间戳的转录。

heditor probe lesson.mp4 5 60 300
heditor transcribe lesson.mp4 0 3600 qa/asr.json

创建并准备剪辑

创建新的剪辑目录，然后准备语音和镜头编辑。

heditor new cuts/c01 lesson.mp4
heditor prepare cuts/c01

新剪辑包含 prepare.py、build.py 和 DESIGN.md 等工作文件。准备阶段会移除无效停顿，并创建组装后的语音和镜头素材。

检查停顿和词语

heditor gaps cuts/c01
heditor words cuts/c01

gaps 命令可帮助确认组装后的语音中没有超过 0.45 秒的停顿。words 命令会显示与准备好的剪辑相关的词语。

生成、验证并渲染

生成构图和混音，然后在渲染最终文件前运行质量检查。

heditor produce cuts/c01 music:955 30
heditor lint cuts/c01
heditor preview cuts/c01 0.1,2,5,9,14,20
heditor test cuts/c01
heditor render cuts/c01
heditor finalize cuts/c01 c01-1080x1920.mp4
heditor asr-check cuts/c01

preview 命令会采样指定时间戳，以便进行视觉检查。最终的 ASR 检查会转录渲染后的音频，帮助你确认最终混音仍与预期语音一致。

了解内置样式

• cinema 为每个语音段落使用视觉隐喻，搭配电影感字幕，并在论点转折处切换场景世界。
• ruptura 以最有力的短语开场，将镜头转化为隐喻，并以排版设计收尾。
• impacto 围绕关键短语协调排版、声音和缩放。
• game 将视频呈现为复古 RPG，包含 HUD、对话框字幕、物品栏和继续界面。
• thriller 采用监控摄像头风格，包含 REC 指示器、心跳元素、失真、黑屏和重启效果。
• ide 呈现代码编辑器屏幕录制，配有摄像头气泡、输入式评论字幕和终端号召行动。
• aeroporto 采用控制塔概念，包含雷达、出发信息牌和无线电传输字幕。
• chat 将语音转化为轻量消息应用中的消息，并使用视频通话构图呈现镜头。
• documentario 使用胶片颗粒、电影感黑边、衬线章节标题和片尾字幕。
• podcast 打造高饱和度的谈话节目环境，包含 ON AIR 标志、响应式波形和大型卡拉 OK 字幕。
• missao 借鉴开放世界游戏风格，包含霓虹日落、任务卡、GPS 路线、属性界面、完成界面和移动端号召行动。

详细的样式定义请参见样式参考目录。

高级技巧

让语音驱动设计

heditor 的设计目标是围绕每段新录音的含义重建场景。使用固定样式时，请指定要强调的主题或段落，以便代理选择连贯的推理片段，而不是任意摘取内容。

保存成功的创意概念

如果创意模式的结果特别出色，可以要求该技能将其保存为命名样式。相关流程记录在 adding-styles.md 中。

检查质量关卡

对于生产视频，不要跳过 lint、预览、测试、响度、安全边距和最终转录阶段。该工作流旨在发现视觉布局问题、音频问题、字幕不匹配，以及垂直画面顶部附近的不安全放置。

规划本地资源

支持 Linux 和 macOS，也可通过 WSL2 使用 Windows。推荐设备配备四核 CPU 和 8 GB RAM。安装大约需要 1.5 GB 磁盘空间，60 秒视频在常见 CPU 上通常需要 5 至 15 分钟渲染。

检查素材许可

代码和文档以 MIT 许可证发布。项目使用 HyperFrames、GSAP、faster-whisper、MediaPipe、Google Fonts、Lucide 和 Mixkit 素材，这些内容分别遵循各自的许可证。音乐和音效会在安装过程中从 Mixkit 下载，不会在代码仓库中重新分发。发布商业作品前，请查看项目的许可证参考。

结语

heditor 为 AI 编码代理提供了结构化工作流，可将普通的正面讲话录制内容转化为精 polished 的竖屏视频。安装该技能，配置品牌信息，选择命名样式或创意模式，描述源素材，并使用 CLI 检查来审核结果，然后再进行渲染。由于整个流程在本地运行，并会根据每个语音片段调整视觉世界，因此它适合可重复的视频生产，而不会迫使每个视频都套用同一个模板。