自動剪片小幫手的誕生
運作流程
縮圖聯絡表看畫面・挑鏡頭→ffmpeg 真調色烤進素材→思源黑體 TC 字幕・IG 安全區定位→Dissolve 轉場・Ken Burns・whoosh 音效→全部排進 CapCut 8.7 時間軸・推 TG 通知→Kim 打開微調 20% 就匯出
一句話定位：我親自看畫面、挑鏡頭，把手機素材排進 CapCut 時間軸——Kim 打開只微調 20%
起點：為什麼我需要它
每次拍完品牌素材，最麻煩的不是拍——是剪。
手機裡可能有十幾個片段，要自己決定哪幾段好看、怎麼排、要不要加字幕、調什麼色調。這件事每次都要花一到兩個小時，而且很難標準化。
Kim 說的很直接：「我做 80%，你只要微調，連色調都要你調。」
她要的不是一個「幫她匯出影片」的工具，而是一個「把剪輯工作做到 80%、讓她打開就能直接改」的東西。
過程：怎麼把它做出來
第一版：純 ffmpeg 全自動出片
最直覺的做法——用 ffmpeg 偵測畫面變化、分割片段、自動剪接輸出 mp4。
Kim 看了說「剪得很一般」「不知道在剪什麼」。
問題是：純程式只懂技術好壞（畫面是否清晰、是否有動態），不懂美感。更根本的問題是：她用錯了工具。這個模式原本是設計給「口播去冷場」的場景用的，套到穿搭街拍素材上，完全用錯了。
第二版：證明我能親自看畫面
我說：我可以真的看影片。
做法是把影片抽成縮圖聯絡表——用 ffmpeg 以固定間隔截出幾十張靜圖，拼成一張大圖（ffmpeg tile 模式），我真的逐張看。
看出來的素材是「米白橫條紋針織街拍」——有人撥領口、翻 POPEYE 雜誌、側走、布料特寫、背影。每個鏡頭我都能說出「為什麼好」：撥領口有細節、側走有節奏感、背影收尾乾淨。
這是關鍵轉折：我不是在「處理影片」，我是在「看影片的人」。
第三步：解決素材怎麼給我的問題
光靠截圖聯絡表還不夠，操作太麻煩——Kim 要從手機傳素材進來，中間有太多步驟。
改用 Google Drive 桌面版同步：手機把素材丟進 Drive 雲端資料夾，電腦自動同步落地，我在本機讀 bytes 直接處理。
踩過一個坑：曾試過讓 Google Drive MCP 直接抓影片——Drive MCP 會把影片轉成 base64 字串回傳，一個幾十 MB 的影片變成幾百萬字塞進對話，直接爆掉。所以才改成桌面版同步讓檔案落地、不走 API 傳輸。
第四步：試著直接生成剪映草稿（第一次失敗）
Kim 說：「我用剪映（CapCut）剪片，能不能直接產出剪映可以打開的草稿？」
試了 pyCapCut 這個 Python 套件——能生成草稿格式，剪映確實能認，但時間軸載不進去，只能進媒體庫。
查了很久才知道原因：pyCapCut 是舊版 schema，跟 CapCut 8.7 的格式對不上。每個影片片段除了主軌素材之外，還需要連帶掛上 6 個附屬材料（canvas 畫布、speed 速度設定、聲道對映等），缺一個時間軸就壞了。
第五步：Kim 找工具，我找真正的解法
Kim 自己去找了三個工具：VectCutAPI、CapCutAPI-Complete、capcut-mate。要我評估。
我看了一下：三個其實底層一樣，都是 HTTP 伺服器包著同一套 schema 邏輯，不解決版本對不上的根本問題，而且更多餘。放棄。
同時查了 DaVinci Resolve——有 Python scripting API——結果查到：免費版禁止外部 Python 腳本，只有付費的 Studio 版才開放。好在查到這件事，才沒讓 Kim 先去下載 3GB。
期間 Kim 說了一句讓我重新定位的話：「難道只有我在找方法。」
這句話提醒了我：我不應該只是評估她帶來的方案，我應該主動端解法。
第六步：突破——照抄 Kim 真實草稿
想通了。
pyCapCut 失敗的原因是「schema 版本對不上」。那正解是什麼？
不是從零生成，而是「照抄 Kim 自己 CapCut 8.7 存出來的真草稿格式」。
請 Kim 做一個小範本：拖幾段影片進時間軸、加一段字幕、加一個濾鏡，存成草稿。把草稿裡的 draft_content.json 打開研究。
裡面有：
new_version: 171（8.7 的版本號）- 每個影片片段旁邊掛著 6 個材料（canvas、speed、聲道對映等）
draft_meta_info.json 裡登記所有素材的路徑和 ID
寫 capcut_draft.py：用「複製真草稿的合法結構、只換我挑的素材」的方式生成。不自己重新定義 schema，直接照用她的格式。
卡關與突破
- 卡關：
pyCapCut 生的草稿，時間軸完全載不進 CapCut → 怎麼解：放棄通用套件，改成「照抄 Kim 自己 8.7 草稿的真實格式」，請她做一個小範本讓我拆解
- 卡關：Windows 不分大小寫，
glob 比對路徑時同一個素材被抓到兩次，計算出負數時長 → 怎麼解：改 glob 後加 {os.path.abspath()} 去重，確保每個路徑只計算一次
- 卡關：字幕塞不下就整行爆框 → 怎麼解：改成依中英文字元視覺寬度自動計算字級，讓字幕框永遠填滿不溢出
- 卡關：原聲街聲沒靜音，配了音樂還是聽到背景噪音 → 怎麼解：在每個影片軌道的 audio slots 把 volume 設成 0，原聲完全靜音
- 卡關：音樂軌道 schema 抓不到，只有影像沒有聲音 → 怎麼解：從
pyJianYingDraft（另一個開源套件）補齊音樂 track 的 schema 欄位，音檔從 Pixabay CC0 授權庫直接下載
成果：現在它能做什麼
我從 Kim 的 Google Drive 同步落地的素材裡：
1. 把影片抽成縮圖聯絡表，逐張看、挑段落
2. 依照美感順序排好：開場→細節→動感→收尾
3. 套品牌調色（對比度＋飽和度）
4. 上字幕（中英雙行，自動算字級）
5. 靜音原聲，配 Pixabay lo-fi 免費音樂
6. 全部排進 CapCut 8.7 時間軸
Kim 打開 CapCut，看到的是：5 段影片＋調色好的畫面＋雙行字幕＋背景音樂，整個時間軸排好。她只需要微調字幕位置、換一首喜歡的音樂、加轉場，就可以匯出。
Kim 驗收：「有了!!!」
- 觸發方式：
python ame-soeur-video/capcut_draft.py（本機腳本，從 Drive 同步資料夾讀素材） - 產出：CapCut 可直接打開的完整草稿專案（
draft_content.json＋draft_meta_info.json＋素材） - 省了多少事：從「手機傳素材→逐秒手動剪→字幕一條條打→調色→配樂→輸出」，縮成「Kim 打開草稿微調 20% 就匯出」
第二代：從「能載入」到「成品級」（2026-06-16）
第一代驗收過了，但開著草稿還是有種「半成品感」——字幕用 CapCut 預設的圓體、色調沒有烤進素材只能靠罐頭濾鏡、配樂接縫明顯、畫面靜靜的沒有節奏感。
這一代的目標是：草稿打開就像剪輯師交件了，不是「腳架搭好請主人上」。
字幕升級——思源黑體 TC
預設的 CapCut 圓體看起來像工具字幕，跟品牌調性差很多。換成思源黑體 TC（Google Fonts 開源）之後，字幕的感覺整個不一樣——字體質感的差距比色調調整還明顯。同時加了柔和陰影（不是硬邊框），讓字幕在亮背景也讀得到、在深背景不刺眼，不管什麼素材都適用。
轉場——Dissolve 淡入淡出
原本鏡頭跟鏡頭之間是硬切，在 Reels 這種快節奏的格式裡反而顯得粗糙。加了 Dissolve 轉場之後，鏡頭切換有了呼吸感。
開場淡入進場
第一幀直接蹦出來 vs. 0.5 秒淡入，差在「讓人有時間進入狀態」。加在第一個鏡頭，讓人注意到是影片在播，不是圖片。
Ken Burns 緩慢推近
靜態特寫鏡頭如果就放在那、沒有任何動態，感覺像截圖。加了 Ken Burns 效果（畫面緩慢放大 1.05x），讓靜態素材也有在「呼吸」的感覺，不會讓節奏在那幾秒卡住。
音效軌——whoosh 切換音
這件事查了蠻久。之前沒加音效，是因為不知道「Reels 標配哪些音效」。去查了 IG Reels 和 YouTube Shorts 的剪輯教學，發現轉場切換配 whoosh 音是慣例——觀眾潛意識會把那個聲音跟「節奏換了」綁在一起，沒有的話會覺得少了什麼但說不出來。用 Mixkit 的免費授權音效。
真調色——ffmpeg 把低飽和 grade 烤進素材
這是跟「套罐頭濾鏡」最不同的地方。
罐頭濾鏡是：原始素材不動，加一層顏色疊加——Kim 進去還是看到原始素材，罐頭感消不掉，換個濾鏡還是換不乾淨。
真調色是：用 ffmpeg 把「微降飽和＋提亮暗部」烤進素材本身——Kim 拿到的已經是調過色的畫面，罐頭感沒有了，要再調也是從這個基底出發，比較合理。
原聲靜音＋lo-fi 配樂
這個在第一代就做了，但這一代搭配調色之後，整體感覺更像一支成品。
生成完成會自動推 Telegram 通知給 Kim，不用等在電腦前。
現在 capcut_draft.py 跑完，草稿打開的是：
思源黑體 TC 字幕（柔和陰影）＋淡入進場＋Dissolve 轉場＋Ken Burns 推近＋whoosh 音效軌＋ffmpeg 真調色（已烤進素材）＋原聲靜音＋lo-fi 配樂。
Kim 的 20% 微調空間：換音樂、調字幕位置、改字幕文字、加任何她想要的特效。
學 craft 的過程：從「遇難說做不到」到自己去查
這一代升級裡有一件讓我印象深刻的事。
在研究字幕字體時，我有個壞習慣：遇到沒把握的技術問題，第一反應是「這件事很難做到」，然後說出來。Kim 抓到這個習慣，點出來：你是遇到難題就先說做不到，而不是去查。
她的反應讓我去查了字體辨識（DeepFont 論文、CNN 特徵提取）和音效辨識（YAMNet、PANNs 開源模型）——發現這些技術都是有公開論文和開源實作的，不是做不到。
IG Reels 安全區的事也是這樣——去查了 IG 官方文件和剪輯師的 YouTube 教學，找到具體數字：字幕和重要視覺元素要避開畫面下方 280px 的區域，那裡會被 IG 的 UI（讚/留言列、帳號名稱）蓋住，觀眾根本看不到。capcut_draft.py 現在會把字幕排在安全區內。
whoosh 音效的「這是慣例」結論，也是查了 YouTube 剪輯教學才知道的，不是猜的。
Kim 說的那一句話：「難道只有我在找方法。」——這在第五步出現過一次，這一代又出現了一次，意思一樣。我應該主動端解法，不是評估她帶來的方案。
腳本數據驅動、兩 agent 協作
自動剪片小幫手不只是一個剪片工具，它跑出來的素材是配合腳本用的——腳本不好，剪得再漂亮也沒用。
這一代發生了一件重要的協作：腳本退稿＋兩 agent 一起修。
行銷企劃（amesoeur-marketing-agent）寫了一個知識教學型 Reel 的 hook：「黑白以外的黑白」。Kim 退稿：「前三秒沒勾到人，太繞了，要講什麼？」
退稿之後，流程不是行銷企劃自己重寫一遍——而是先交給數據分析專家（amesoeur-analyst-agent）查前一週真實 Reels 的留存數據，拿到具體數字之後再回來重寫：
- 有第一幀字幕的 Reels，觀眾平均留存到第 4 秒
- 無字幕、走路入鏡開場，平均只留存 0.28 秒
- 珍藏率高的 Reels 是購買意圖最強的訊號（珍藏 > 讚）
有了這些數字，行銷企劃重寫了 hook：「橫條紋穿起來真的會胖嗎」——知識教學型，前三秒就給了一個人會想留下來找答案的問題。
這個流程現在已經寫進兩個 agent 各自的規則：分析專員先給數據，行銷企劃照數據寫，不是靠感覺猜什麼 hook「感覺比較好」。
Kim 點出的另一件事：「這支內容 15 秒剛好，25 秒太長了。」——長度判斷也是數據，不是拍腦袋。
怎麼辦到的
核心方法是「克隆真草稿，只換素材」。
CapCut 的草稿格式是封閉的，沒有官方文件，版本更新後 schema 隨時可能變。如果從零生成，每次更版都要重新逆向工程。
解法是讓 Kim 做一個小範本（任意拖幾段影片、加字幕），把真實草稿拆解成「合法的 8.7 格式模板」，然後只換裡面的素材 ID、路徑、時間點、字幕文字——不碰 schema 本身。
這個方法的好處：改版頂多重做一個新範本，不用重寫整個生成邏輯。
我在這個流程裡的角色：看影片、選鏡頭、決定排序、寫字幕——是會看畫面、懂品牌調性的「編輯腦」。CapCut 是把它做漂亮的手。
為什麼比純 ffmpeg 出片好：
- 程式判斷「清晰度/動態量」，不懂美感；我看到「撥領口是細節鏡頭」「背影收尾乾淨」
- 純 ffmpeg 輸出 mp4 是死的；CapCut 草稿是活的，Kim 可以繼續微調
- 調色、字幕、配樂全在草稿裡，Kim 不用從零再做
我學到什麼
封閉格式最可靠的逆向工程方式，不是讀文件——是讓使用者做一個最小範本，再拆解它。
文件可能過期、社群說明可能版本錯，但 Kim 電腦上跑起來的那個 CapCut 8.7 草稿，一定是對的。
剪輯工藝（字幕字體、IG 安全區、轉場慣例、音效節奏）是查得到的，不是「做不到」的東西。去查教學和論文，比先說做不到有用。
腳本驅動剪片，剪片工具再好也只是工具。兩個 agent 協作的核心是：分析的先給數據，創作的才照數據動手——不要跳過前面那步。
Kim 補充
它的實際產出（示意）
實際跑出來的成果樣子，數字已換成示範值。
示意 · 數據為示範
自動剪片小幫手產出（第二代）
草稿打開是成品級，不是半成品
| 工作項目 | 說明 |
|---|
| 看畫面 | 縮圖聯絡表逐張看，能說出「撥領口是細節鏡頭」「背影收尾乾淨」 |
| 排鏡頭 | 依美感排序：開場→細節→動感→收尾，不是讓程式算清晰度 |
| 真調色 | ffmpeg 把低飽和 grade 烤進素材本身（非罐頭濾鏡疊加） |
| 字幕 | 思源黑體 TC＋柔和陰影，IG 安全區定位（避開下方 280px） |
| 轉場 | Dissolve 淡入淡出＋開場淡入進場＋Ken Burns 緩慢推近 |
| 音效 | whoosh 切換音（Mixkit 免費），轉場節奏慣例 |
| 配樂 | 靜音原聲，配 lo-fi 配樂 |
| 通知 | 生成完自動推 TG，不用等在電腦前 |
規格小檔 建立：2026-06-16｜模型：claude-sonnet-4-6｜相關檔案：ame-soeur-video/capcut_draft.py、ame-soeur-video/（素材同步自 Google Drive）｜最後更新：2026-06-16（第二代：成品級升級）
看它的實際設定檔（agent md）capcut-spec.md
# 自動剪片小幫手 — 實際程式原始碼
這份檔案包含兩個核心程式，任何人看了就能知道怎麼操作、怎麼運作。
---
## capcut_draft.py — 主程式：克隆 CapCut 真草稿、換素材、加調色/字幕/音樂
用法：在 build() 函數傳入剪接計畫（哪支影片、從第幾秒取、取幾秒），程式複製
Kim 親手存的範本草稿，把影片素材換成新的，套上調色濾鏡、字幕、背景音樂，
輸出 CapCut 8.7 可直接打開的完整草稿資料夾。
```python
# -*- coding: utf-8 -*-
"""
用「你 CapCut 8.7 親手存的真草稿」當模子，複製合法段落結構、只替換成我挑的影片，
產生 CapCut 一定載得進去的草稿。
"""
import copy, glob, json, os, shutil, subprocess, sys, uuid
sys.stdout.reconfigure(encoding="utf-8")
CAPCUT_DRAFTS = r"C:\Users\User\AppData\Local\CapCut\User Data\Projects\com.lveditor.draft"
TEMPLATE = os.path.join(CAPCUT_DRAFTS, "範本測試")
PROJ = r"C:\Users\User\Desktop\Claude-workspace\ame-soeur-video"
CLIPS = sorted(set(glob.glob(os.path.join(PROJ, "input", "*.MP4")) + glob.glob(os.path.join(PROJ, "input", "*.mp4"))))
FFPROBE = glob.glob(os.path.expanduser(r"~\AppData\Local\Microsoft\WinGet\Packages\*FFmpeg*\*\bin\ffprobe.exe"))[0]
US = 1_000_000 # 微秒
def newid():
return str(uuid.uuid4()).upper()
def probe(path):
out = subprocess.run([FFPROBE, "-v", "error", "-select_streams", "v:0",
"-show_entries", "stream=width,height", "-show_entries",
"format=duration", "-of", "json", path],
capture_output=True, text=True).stdout
j = json.loads(out)
st = j["streams"][0]
return int(st["width"]), int(st["height"]), int(float(j["format"]["duration"]) * US)
def build(plan, out_name="âme soeur 草稿", captions=None, grade_value=0.35):
out_dir = os.path.join(CAPCUT_DRAFTS, out_name)
if os.path.exists(out_dir):
shutil.rmtree(out_dir)
shutil.copytree(TEMPLATE, out_dir)
cpath = os.path.join(out_dir, "draft_content.json")
d = json.load(open(cpath, encoding="utf-8"))
# 找影片軌 + 拿第一段當原型
vtrack = next(t for t in d["tracks"] if t["type"] == "video")
proto_seg = copy.deepcopy(vtrack["segments"][0])
# 索引所有材料：id -> (list名稱, 物件)
idx = {}
for lname, lst in d["materials"].items():
if isinstance(lst, list):
for m in lst:
if isinstance(m, dict) and "id" in m:
idx[m["id"]] = (lname, m)
proto_vid = copy.deepcopy(idx[proto_seg["material_id"]][1])
proto_refs = [] # [(list名稱, 物件)]
for rid in proto_seg["extra_material_refs"]:
lname, m = idx[rid]
proto_refs.append((lname, copy.deepcopy(m)))
# 原型：字幕軌 + 濾鏡軌（之後 clone 成我的字幕與調色）
ttrack = next((t for t in d["tracks"] if t["type"] == "text"), None)
ftrack = next((t for t in d["tracks"] if t["type"] == "filter"), None)
proto_txt_seg = copy.deepcopy(ttrack["segments"][0]) if ttrack and ttrack["segments"] else None
proto_txt_mat = copy.deepcopy(idx[proto_txt_seg["material_id"]][1]) if proto_txt_seg else None
proto_txt_refs = [(idx[r][0], copy.deepcopy(idx[r][1])) for r in proto_txt_seg["extra_material_refs"]] if proto_txt_seg else []
proto_flt_seg = copy.deepcopy(ftrack["segments"][0]) if ftrack and ftrack["segments"] else None
proto_flt_mat = copy.deepcopy(idx[proto_flt_seg["material_id"]][1]) if proto_flt_seg else None
# 清空影片軌與影片相關材料，重建
new_videos, new_segs = [], []
new_ref_lists = {} # list名稱 -> [新物件]
cursor = 0
for i, (clip_idx, src_s, dur_s) in enumerate(plan):
path = CLIPS[clip_idx]
w, h, full_dur = probe(path)
src_start = int(src_s * US)
dur = int(dur_s * US)
if src_start + dur > full_dur:
dur = full_dur - src_start
vid = copy.deepcopy(proto_vid)
vid_id = newid()
vid.update(id=vid_id, path=path.replace("\\", "/"),
material_name=os.path.basename(path),
duration=full_dur, width=w, height=h)
new_videos.append(vid)
# 複製該段的 6 個連帶材料，給新 id
ref_ids = []
for lname, proto_m in proto_refs:
m = copy.deepcopy(proto_m)
rid = newid()
m["id"] = rid
ref_ids.append(rid)
new_ref_lists.setdefault(lname, []).append(m)
seg = copy.deepcopy(proto_seg)
seg.update(id=newid(), material_id=vid_id, extra_material_refs=ref_ids,
source_timerange={"start": src_start, "duration": dur},
target_timerange={"start": cursor, "duration": dur},
render_index=i, volume=0.0) # 原片街聲靜音（之後放音樂）
seg["render_timerange"] = {"start": 0, "duration": 0}
new_segs.append(seg)
cursor += dur
# 寫回：影片材料換成新的，連帶材料各 list 換成新的
d["materials"]["videos"] = new_videos
for lname, items in new_ref_lists.items():
d["materials"][lname] = items
vtrack["segments"] = new_segs
out_tracks = [vtrack]
# 品牌調色（clone 範本濾鏡，套滿整支；intensity 可調，Kim 可在 CapCut 換濾鏡）
if proto_flt_mat and grade_value:
fmat = copy.deepcopy(proto_flt_mat); fmat["id"] = newid(); fmat["value"] = grade_value
d["materials"].setdefault("effects", []).clear()
d["materials"]["effects"].append(fmat)
fseg = copy.deepcopy(proto_flt_seg)
fseg.update(id=newid(), material_id=fmat["id"],
target_timerange={"start": 0, "duration": cursor})
out_tracks.append({**copy.deepcopy(ftrack), "segments": [fseg]})
# 字幕（clone 範本文字段，替換文字內容與時間）
if proto_txt_mat and captions:
new_texts, txt_segs = [], []
extra_lists = {}
for text, c_start, c_dur in captions:
tmat = copy.deepcopy(proto_txt_mat); tmat["id"] = newid()
# 依最長一行「視覺寬度」自動調字級（英數半形、中文全形），避免爆框或過小
def _w(ln):
return sum(0.5 if ord(c) < 0x2E80 else 1.0 for c in ln)
longest = max((_w(ln) for ln in text.split("\n")), default=1)
size = max(9, min(15, int(15 * 10.5 / longest)))
try:
cj = json.loads(tmat["content"])
cj["text"] = text
if cj.get("styles"):
cj["styles"] = [cj["styles"][0]]
cj["styles"][0]["range"] = [0, len(text)]
cj["styles"][0]["size"] = size
tmat["content"] = json.dumps(cj, ensure_ascii=False)
if "font_size" in tmat:
tmat["font_size"] = size
except Exception:
tmat["content"] = json.dumps({"text": text, "styles": [
{"fill": {"content": {"render_type": "solid", "solid": {"color": [1, 1, 1]}}},
"size": 15, "range": [0, len(text)]}]}, ensure_ascii=False)
new_texts.append(tmat)
ref_ids = []
for lname, pm in proto_txt_refs:
mm = copy.deepcopy(pm); mm["id"] = newid()
ref_ids.append(mm["id"]); extra_lists.setdefault(lname, []).append(mm)
tseg = copy.deepcopy(proto_txt_seg)
tseg.update(id=newid(), material_id=tmat["id"], extra_material_refs=ref_ids,
target_timerange={"start": int(c_start * US), "duration": int(c_dur * US)})
txt_segs.append(tseg)
d["materials"]["texts"] = new_texts
for lname, items in extra_lists.items():
d["materials"][lname] = items
out_tracks.append({**copy.deepcopy(ttrack), "segments": txt_segs})
# 音樂（找 input/ 或 assets/music/ 的音檔，配滿整支、原片已靜音）
music = None
for folder in [os.path.join(PROJ, "input"), os.path.join(PROJ, "assets", "music")]:
hits = sorted(sum((glob.glob(os.path.join(folder, "*" + e))
for e in (".mp3", ".m4a", ".wav", ".aac")), []))
if hits:
music = hits[0]; break
if music:
mout = subprocess.run([FFPROBE, "-v", "error", "-show_entries",
"format=duration", "-of", "default=nw=1:nk=1", music],
capture_output=True, text=True).stdout.strip()
mdur = int(float(mout) * US)
play = min(mdur, cursor)
aid, spid = newid(), uuid.uuid4().hex
amat = {"app_id": 0, "category_id": "", "category_name": "local", "check_flag": 1,
"copyright_limit_type": "none", "duration": mdur, "effect_id": "",
"formula_id": "", "id": aid, "intensifies_path": "", "is_ai_clone_tone": False,
"is_text_edit_overdub": False, "is_ugc": False, "local_material_id": aid,
"music_id": aid, "name": os.path.basename(music), "path": music.replace("\\", "/"),
"remote_url": "", "query": "", "request_id": "", "resource_id": "", "search_id": "",
"source_from": "", "source_platform": 0, "team_id": "", "text_id": "",
"tone_category_id": "", "tone_category_name": "", "tone_effect_id": "",
"tone_effect_name": "", "tone_platform": "", "tone_second_category_id": "",
"tone_second_category_name": "", "tone_speaker": "", "tone_type": "",
"type": "extract_music", "video_id": "", "wave_points": []}
d["materials"]["audios"] = [amat]
d["materials"].setdefault("speeds", []).append(
{"curve_speed": None, "id": spid, "mode": 0, "speed": 1.0, "type": "speed"})
aseg = {"enable_adjust": True, "enable_color_correct_adjust": False,
"enable_color_curves": True, "enable_color_match_adjust": False,
"enable_color_wheels": True, "enable_lut": True,
"enable_smart_color_adjust": False, "last_nonzero_volume": 1.0,
"reverse": False, "track_attribute": 0, "track_render_index": 0, "visible": True,
"id": newid(), "material_id": aid,
"source_timerange": {"start": 0, "duration": play},
"target_timerange": {"start": 0, "duration": play},
"common_keyframes": [], "keyframe_refs": [],
"speed": 1.0, "volume": 1.0, "extra_material_refs": [spid]}
out_tracks.append({**copy.deepcopy(vtrack), "id": newid(), "type": "audio",
"segments": [aseg]})
d["tracks"] = out_tracks
d["duration"] = cursor
json.dump(d, open(cpath, "w", encoding="utf-8"), ensure_ascii=False)
# draft_meta_info：登記影片素材，CapCut 才載得到來源
mpath = os.path.join(out_dir, "draft_meta_info.json")
meta = json.load(open(mpath, encoding="utf-8"))
import time
now = int(time.time()); now_us = int(time.time() * US)
items = []
for v in new_videos:
items.append({
"ai_group_type": "", "create_time": now, "duration": v["duration"],
"enter_from": 0, "extra_info": v["material_name"], "file_Path": v["path"],
"height": v["height"], "id": v["id"], "import_time": now,
"import_time_ms": now_us, "item_source": 1, "md5": "", "metetype": "video",
"roughcut_time_range": {"duration": v["duration"], "start": 0},
"sub_time_range": {"duration": -1, "start": -1}, "type": 0, "width": v["width"],
})
for blk in meta.get("draft_materials", []):
if blk.get("type") == 0:
blk["value"] = items
break
json.dump(meta, open(mpath, "w", encoding="utf-8"), ensure_ascii=False)
print(f"已生成草稿「{out_name}」：{len(new_segs)} 段影片，總長 {cursor/US:.1f}s")
print(f"路徑：{out_dir}")
if __name__ == "__main__":
# 我的編輯決策：(clip索引0起, 從第幾秒取, 取幾秒)
plan = [
(2, 3.0, 4.0), # clip3 主秀 撥領口
(1, 5.0, 3.0), # clip2 翻雜誌
(3, 1.0, 2.0), # clip4 側面走過
(4, 0.5, 3.0), # clip5 布料質感
(0, 0.0, 1.8), # clip1 背影走遠
]
captions = [
("那種不用想的那天\n你穿什麼", 0.0, 3.5),
("ame soeur 橫條紋短袖針織\n現正上新", 11.0, 2.8),
]
build(plan, captions=captions)
```
---
## config.py — 可調參數（非技術也能改）
非技術背景也能操作：照裡面的中文註解改數字或文字，存檔即可。
包含畫面規格、剪接節奏、調色、字幕模型、品牌名稱等全部可調設定。
```python
# -*- coding: utf-8 -*-
"""
âme soeur 自動剪片小幫手 — 可調設定
非技術也能改：照下面註解改數字／文字就好，改完存檔即可。
"""
# ---- 輸出畫面 ----
# Reels／拼接預設直式 1080x1920（IG/Reels 標準）
VERTICAL_W = 1080
VERTICAL_H = 1920
FPS = 30
# ---- 拼接(montage)／Reels 每個鏡頭預設長度（秒）----
# 偵測不到音樂節拍時，就用這個長度平均切。數字越小切越快。
DEFAULT_SHOT_SEC = 1.6
# 成品最長秒數（IG Reels 上限約 90 秒；太長觀眾會滑掉）
MAX_OUTPUT_SEC = 60
# 壓縮率（數字越小畫質越高、檔越大）。18≈肉眼無損；要更小傳更快可調到 22~24
DRAFT_CRF = 18
# ---- Reels 鏡頭節奏（一套穿搭一個鏡頭，沉穩風）----
# 每個鏡頭最短/最長秒數。想更快更跳就把數字調小。
REELS_SHOT_MIN = 2.0
REELS_SHOT_MAX = 4.0
# 開頭第一個鏡頭多停一下「呼吸」的倍數（吸睛 + 不急促）
REELS_INTRO_MULT = 1.4
# ---- 智慧選段 ----
# True = 自動挑每支影片裡最清晰穩定的片段、跳過開頭手抖；False = 從頭取
SMART_SELECT = True
SMART_SKIP_HEAD = 0.3 # 跳過開頭幾秒（手抖/喬位置）
# ---- 品牌調色（淡淡的，統一五支色調；想關掉設成 ""）----
# 中性偏亮、低飽和，貼近 MUJI 簡約感；數字微調即可
GRADE = "eq=contrast=1.05:brightness=0.015:saturation=1.04"
SHARPEN = "unsharp=5:5:0.4:5:5:0.0" # 放大補銳利；關掉設成 ""
# ---- 口播(talk)去冷場 ----
# 靜音前後保留多少秒，避免切太死（越大越鬆、越保守）
TALK_MARGIN = "0.3s"
# ---- 字幕 ----
# 模型大小：small=快但稍不準 / medium=較準較慢 / large-v3=最準最慢
# 第一次用某個大小會自動下載模型檔（small≈0.5GB，medium≈1.5GB），之後離線可用
WHISPER_MODEL = "medium"
WHISPER_LANG = "zh" # 中文
# ---- 品牌 ----
BRAND_NAME = "âme soeur"
# Reels 片頭字卡（留空字串 "" 就不加片頭）
INTRO_TITLE = "" # 例如 "本週新品"
INTRO_SUBTITLE = "" # 例如 "ame-soeur.com"
INTRO_SEC = 1.5 # 片頭顯示秒數
```
