Cách biến video nói trực tiếp thành Reels dọc với heditor

heditor là gì?

heditor là một Agent Skill mở dựa trên SKILL.md, giúp biến video quay người nói trực diện thành Reels, Shorts và TikTok dạng dọc. Công cụ hoạt động với các agent như Claude Code, Codex, OpenCode, Cursor và Hermes.

Thay vì phải tự lắp ráp từng phần của video, bạn chỉ cần cung cấp cho agent một video cùng định hướng biên tập. heditor sẽ phân tích bản ghi, xác định người nói, chép lời với mốc thời gian đến từng từ, chọn một đoạn hoàn chỉnh dài khoảng 30 đến 70 giây và tạo bố cục dọc 1080×1920.

Quy trình chạy cục bộ, kết hợp các đoạn cắt chính xác đến từng khung hình, xử lý giọng nói, phụ đề đồng bộ, đồ họa chuyển động, hiệu ứng âm thanh, nhạc và các bước kiểm tra tự động. Bố cục hình ảnh được xây dựng bằng HTML và GSAP, sau đó kết xuất bằng HyperFrames.

Tính năng chính

• Đầu ra dọc 1080×1920 cho Reels, Shorts và TikTok.
• Phụ đề đồng bộ theo từng từ và biên tập dựa trên lời nói.
• Cắt camera và lời nói chính xác đến từng khung hình, đồng thời rút ngắn các khoảng lặng dư thừa.
• Đồ họa chuyển động và thay đổi cảnh được thiết kế dựa trên ý nghĩa của lời nói.
• Trộn âm thanh ưu tiên giọng nói, giữ nhạc và hiệu ứng ở nền với mức mục tiêu −14 LUFS.
• Tự động kiểm tra lint, kiểm thử, bản xem trước, vùng an toàn, độ lớn âm thanh, true peak, bản chép lời của âm thanh cuối cùng và bảng liên hệ 40 khung hình.
• Mười một kiểu được đặt tên: cinema, ruptura, impacto, game, thriller, ide, aeroporto, chat, documentario, podcast và missao.

Chọn chế độ biên tập

Kiểu cố định

Kiểu cố định áp dụng một ngôn ngữ hình ảnh đã được thiết lập, đồng thời xây dựng lại các cảnh phù hợp với video cụ thể. Ví dụ, bạn có thể yêu cầu agent biên tập một clip theo kiểu aeroporto. Kết quả sử dụng ý tưởng tháp kiểm soát, các yếu tố radar, kiểu chữ bảng khởi hành và phụ đề mang phong cách liên lạc vô tuyến, nhưng không xem kiểu này là một khuôn mẫu cứng nhắc.

Chế độ sáng tạo

Ở chế độ sáng tạo, agent nghiên cứu video, tạo từ sáu đến tám ý tưởng định dạng, tham khảo các nguồn liên quan, chọn ý tưởng gây bất ngờ nhất nhưng vẫn phù hợp với lời nói, rồi xây dựng một thế giới hình ảnh tùy chỉnh. Quy trình hướng đến việc thay đổi hình ảnh thường xuyên, khoảng 1,5 đến 2 giây một lần, với hiệu ứng âm thanh hỗ trợ các hành động trên màn hình.

Chế độ sáng tạo với tư liệu tham khảo

Bạn có thể cung cấp một tư liệu tham khảo như trò chơi, đoạn mở đầu anime, bản tin hoặc phim tài liệu thiên nhiên. Ví dụ, hãy yêu cầu chế độ sáng tạo theo phong cách GTA 6. heditor sẽ nghiên cứu bảng màu, kiểu chữ, các thành phần giao diện, chuyển động và ngôn ngữ âm thanh của tư liệu tham khảo, sau đó tạo ra một tác phẩm tri ân an toàn về giấy phép mà không sử dụng logo, nhân vật, thương hiệu hoặc âm nhạc được bảo hộ.

Hãy dùng tư liệu tham khảo làm định hướng sáng tạo, không yêu cầu sao chép tài sản được bảo hộ.

Cài đặt và thiết lập

Trình cài đặt được khuyến nghị

Trình cài đặt phát hiện các agent được hỗ trợ, liên kết skill vào từng agent, chuẩn bị môi trường cục bộ và chạy lệnh chẩn đoán.

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

Trong quá trình thiết lập, heditor có thể cài đặt các công cụ còn thiếu như FFmpeg, Node.js 18 trở lên, Python 3.10 đến 3.13, Git và curl thông qua các trình quản lý gói được hỗ trợ. Công cụ cũng tạo môi trường Python tại ~/.heditor/venv, chuẩn bị HyperFrames và Chrome, tải các mô hình và tài sản cần thiết, tạo ~/.heditor/env.sh và cài đặt lệnh heditor.

Trình cài đặt hỗ trợ các tùy chọn như chọn agent, sao chép thay vì liên kết, bỏ qua tài sản âm thanh hoặc bỏ qua bước thiết lập:

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

Cài đặt qua Skills CLI

Bạn cũng có thể cài đặt skill bằng Vercel Skills CLI, sau đó chạy tập lệnh thiết lập.

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

Cài đặt thủ công

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

Ngoài ra, hãy sao chép thư mục skills/heditor vào vị trí lưu trữ skill mà agent của bạn sử dụng.

Cấu hình thương hiệu

heditor đọc các thiết lập thương hiệu từ ~/.heditor/brand.json. Dùng tệp này để xác định tên, tên người dùng, logo, ngôn ngữ, nội dung kêu gọi hành động và màu sắc hình ảnh được sử dụng trong các bản biên tập.

{
  "name": "Thương hiệu của bạn",
  "handle": "@yourprofile",
  "logo": "/path/to/logo.png",
  "lang": "vi",
  "follow": "Theo dõi",
  "following": "Đang theo dõi",
  "comment": "Hãy cho chúng tôi biết trong phần bình luận",
  "colors": {
    "bg": "#050a14",
    "bg2": "#081626",
    "accent": "#edc580",
    "accent2": "#7dd3fc",
    "alert": "#ff3d57",
    "ok": "#7dffb0"
  }
}

Đặt ngôn ngữ và các trường kêu gọi hành động phù hợp với đối tượng khán giả của nội dung. Đường dẫn logo phải trỏ đến một hình ảnh có sẵn trên máy cục bộ.

Sử dụng heditor qua agent

Sau khi cài đặt, hãy mô tả video nguồn và định hướng biên tập mong muốn bằng ngôn ngữ tự nhiên. Ví dụ:

Biên tập /videos/class-03.mp4 theo kiểu documentario. Sử dụng đoạn tôi nói về việc chuyển đổi nghề nghiệp.

Chế độ sáng tạo: biến phút 12 của podcast này thành một Reel và khiến tôi bất ngờ.

Sử dụng chế độ sáng tạo với tư liệu tham khảo là bản tin cho video này về tin tức trong tuần.

Tạo ba bản cắt từ video này, mỗi bản có một định dạng khác nhau.

Tác nhân thực hiện việc phân tích, chép lời, lập kế hoạch biên tập, biên soạn, kết xuất, trộn âm thanh và kiểm tra chất lượng theo chế độ đã chọn.

Sử dụng trực tiếp CLI

Bạn cũng có thể chạy rõ ràng từng giai đoạn xử lý. Trước tiên, tải môi trường:

. ~/.heditor/env.sh

Phân tích và chép lời nguồn

Sử dụng probe để tạo các khung hình nhằm tìm người nói và transcribe để tạo bản chép lời có thời gian cho từng từ.

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

Tạo và chuẩn bị một bản dựng

Tạo thư mục bản dựng mới, sau đó chuẩn bị các phần chỉnh sửa lời nói và camera.

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

Bản dựng mới bao gồm các tệp làm việc như prepare.py, build.py và DESIGN.md. Giai đoạn chuẩn bị loại bỏ các khoảng dừng thừa và tạo phần lời nói cùng nội dung camera đã được ghép.

Kiểm tra khoảng dừng và từ

heditor gaps cuts/c01
heditor words cuts/c01

Lệnh gaps giúp xác minh rằng không còn khoảng dừng nào dài hơn 0.45 giây trong phần lời nói đã ghép. Lệnh words hiển thị các từ tương ứng với bản dựng đã chuẩn bị.

Tạo, xác thực và kết xuất

Tạo phần biên soạn và bản trộn, sau đó chạy các bước kiểm tra chất lượng trước khi kết xuất tệp cuối cùng.

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

Lệnh preview lấy mẫu tại các mốc thời gian được chọn để kiểm tra hình ảnh. Bước kiểm tra ASR cuối cùng chép lời phần âm thanh đã kết xuất để bạn xác nhận rằng bản trộn cuối vẫn khớp với lời nói dự kiến.

Tìm hiểu các phong cách tích hợp

• cinema sử dụng một ẩn dụ hình ảnh cho mỗi phần lời nói, phụ đề mang tính điện ảnh và thay đổi thế giới tại các bước chuyển ý.
• ruptura mở đầu bằng câu mạnh nhất, biến camera thành một ẩn dụ và kết thúc bằng kiểu chữ.
• impacto phối hợp kiểu chữ, âm thanh và hiệu ứng thu phóng quanh các câu then chốt.
• game trình bày video như một game nhập vai cổ điển với HUD, phụ đề dạng hộp thoại, kho đồ và màn hình tiếp tục.
• thriller sử dụng ngôn ngữ của camera an ninh với chỉ báo REC, yếu tố nhịp tim, hiệu ứng biến dạng, mất hình và khởi động lại.
• ide trình bày màn hình quay trình soạn thảo mã với bong bóng webcam, phụ đề dạng bình luận được nhập và lời kêu gọi hành động trong terminal.
• aeroporto sử dụng ý tưởng tháp điều khiển với radar, bảng khởi hành và phụ đề truyền tin qua radio.
• chat chuyển lời nói thành tin nhắn trong một ứng dụng nhắn tin sáng màu và sử dụng khung gọi video cho camera.
• documentario sử dụng hạt phim, dải khung hình điện ảnh, tiêu đề chương có chân chữ và phần danh đề cuối.
• podcast tạo môi trường talk show bão hòa màu với biển ON AIR, dạng sóng phản hồi và phụ đề karaoke lớn.
• missao sử dụng cách thể hiện lấy cảm hứng từ game thế giới mở với hoàng hôn neon, thẻ nhiệm vụ, tuyến đường GPS, màn hình thuộc tính, màn hình hoàn thành và lời kêu gọi hành động trên thiết bị di động.

Các định nghĩa phong cách chi tiết có trong thư mục tham chiếu phong cách.

Mẹo nâng cao

Để lời nói dẫn dắt thiết kế

heditor được thiết kế để xây dựng lại các cảnh dựa trên ý nghĩa của từng bản ghi mới. Khi sử dụng một phong cách cố định, hãy chỉ rõ chủ đề hoặc phần bạn muốn nhấn mạnh để tác nhân có thể chọn một đoạn lập luận mạch lạc thay vì một trích đoạn ngẫu nhiên.

Lưu các ý tưởng sáng tạo hiệu quả

Nếu một kết quả từ chế độ sáng tạo đặc biệt hiệu quả, hãy yêu cầu skill lưu kết quả đó thành một phong cách có tên. Quy trình được dokument trong adding-styles.md.

Rà soát các cổng chất lượng

Không bỏ qua các bước lint, xem trước, kiểm thử, đo độ lớn âm thanh, kiểm tra vùng an toàn và chép lời cuối đối với video sản xuất. Quy trình được thiết kế để phát hiện các vấn đề về bố cục hình ảnh, âm thanh, độ khớp của phụ đề và vị trí không an toàn gần phía trên khung hình dọc.

Lập kế hoạch cho tài nguyên cục bộ

Linux và macOS được hỗ trợ, còn Windows có thể sử dụng thông qua WSL2. Máy được khuyến nghị có bốn lõi CPU và 8 GB RAM. Quá trình thiết lập sử dụng khoảng 1.5 GB dung lượng đĩa, và một video dài 60 giây có thể mất 5 đến 15 phút để kết xuất trên CPU thông thường.

Kiểm tra giấy phép tài nguyên

Mã nguồn và tài liệu được phát hành theo giấy phép MIT. Dự án sử dụng các tài nguyên HyperFrames, GSAP, faster-whisper, MediaPipe, Google Fonts, Lucide và Mixkit theo giấy phép tương ứng. Nhạc và hiệu ứng âm thanh được tải xuống từ Mixkit trong quá trình thiết lập và không được phân phối lại trong kho mã. Hãy xem tài liệu tham chiếu giấy phép của dự án trước khi phát hành sản phẩm thương mại.

Kết luận

heditor cung cấp cho các tác nhân lập trình AI một quy trình có cấu trúc để biến các bản ghi hình người nói thông thường thành video dọc được hoàn thiện chuyên nghiệp. Hãy cài đặt skill, cấu hình thương hiệu, chọn một phong cách có tên hoặc chế độ sáng tạo, mô tả cảnh quay nguồn và sử dụng các bước kiểm tra CLI để rà soát kết quả trước khi kết xuất. Vì pipeline chạy cục bộ và điều chỉnh thế giới hình ảnh theo từng đoạn lời nói, công cụ phù hợp cho quy trình sản xuất lặp lại mà không buộc mọi video phải theo cùng một mẫu.