Gitruck/cli

# AI 情景动画分镜稿生成器（gtrk-ai-drama）

用户要求间隔取关键镜头、剩余由实况补齐时，先读 [稀疏关键场景与角色参考](references/sparse-key-scenes.md)。其短 beat 窗口、时基、逐镜参考和留空规则优先于下文针对连续 AI 段落的时长预算；不转入通篇 AI 图纸。

把口播派单里分到 **`AI_DRAMA` 车道**的 beat，逐个拆成分镜、为每个 beat 产 **四段朴素描述 + 独立视觉基调 + 时长预算**（中英双版），落到 `<project>/ai-drama/<beat_id>.md`，再交棒 AI Drama Desk 或任意外部平台出片；标准工作台导出包由 CLI 自动回填时间线。

> **脑手分工**：本 skill 负责创作（拆镜 + 注入栏目风格 + 管用户交互），外部工作台负责生成；`gtrk ai-drama lay` 只消费 AI Drama Desk 的 return-v1 导出包，把已经生成好的片段复制进工程并铺到一条独立 AI 视频轨。该命令不生成内容、不调用模型、不计费，也不改既有 A-roll / BGM / 三条 B-roll 候选轨。

## 为什么是「四段朴素描述」而不是「平台优化提示词」

因为**责权利要清**：无论用户拿去哪个管线，一致性的可移植载体是**角色/场景描述**，不是某平台的提示词语法（"assets model-agnostic, prompts model-specific"）。而且下游 agent 成片平台（LibTV / OiiOii / TapNow 等）拿到分镜稿会**自己重拆分镜、重写 prompt**，角色圣经（三视图）也在那些产品里生成——所以本 skill **不产平台优化提示词、不产角色圣经、不产参考图、不产成片**，只产四段可移植描述 + 视觉基调 + 时长，把「怎么出片、怎么保角色一致」交给下游平台。**「拼回时间线」不再交给用户手工**：AI Drama Desk 的
return-v1 标准包由 `gtrk ai-drama lay` 确定性回填；其他平台没有标准包时才降级为用户手动回铺。

## SOP 定位：第 ③ 步 · B-roll 底轨阶段的 AI 情景片段腿（**不是最后**）

# 合成层包装（gtrk-composite）

把粗剪工程里选定的时间窗做成**合成颗粒**：在这段时间里，整个画面由一颗代码颗粒接管——它决定画面怎么排、何时换、字幕怎么出；讲者与 B-roll 作为**槽位**由客户端把视频画进去。**CLI 是手（定窗口、解析、校验、机检、铺轨），你是脑（判断这段该怎么排、选哪张画面、写场景）。**

> 本 skill 已含你需要的全部信息。命令参数以 `gtrk composite --help` 为准。规则正本：合成颗粒契约在 infra `composite-particle-profile`；`struct_meta.composite` 写方契约在本仓 `composite-command`。

## 你在成片 SOP 的哪一步

最后一层：**粗剪 → 拆分 → B-roll → MG → BGM → 字幕 → 合成 → 出片**。放在最后，是因为这时粗剪、B-roll、字幕都已定，合成颗粒的输入最稳定。但不写死：上游再改，对应颗粒在客户端变「需重渲」，重跑那几颗即可。

前置：
- 有粗剪工程（`<工程>/gtrk/project.gtrk`）和口播转写（`transcript/transcript.json`，新版 `gtrk oralcut` 恒出）。合成按**句**定窗口，没有转写就做不了。
- 字幕最好已上（`gtrk subtitle lay`）：合成颗粒可以接管字幕、自己排。
- `gtrk composite --help` 能跑（CLI 版本含本命令族）。

# 封面工作台（gtrk-cover）

把一期视频的封面走完两阶段：**阶段一**产设计诊断 + 三尺寸中英双版文生图 Prompt，交棒用户去外部平台抽图；**阶段二**收齐背景图后产**定制化 H5 排字工作台**（单文件 HTML、可拖拽 / 方向键 / 数值 / 滚轮微调、逐尺寸与一键导出原分辨率 PNG），用户在浏览器里排字导出。

> **这是纯创作 skill、没有 gtrk 命令**——主链路「审美诊断 → Prompt → 外部平台抽图 → 用户浏览器拖字导出」里，抽图与排字两个环节的「手」在外部平台和用户手里；唯一的机械段（背景图压缩 + base64 注入模板）是一次模板文本替换，量级不足一条业务命令，且 `.gtrk` 工程没有封面槽位可写回（性质同 `/gtrk-ai-drama`）。别去找 `gtrk cover` 这条命令，它不存在也不该存在。

## 定位：管线外的「第 0 阶段」

封面**不在成片 SOP 序列内**（oralcut→split→matrix→mg→ai-drama→render 是片内的事），但它是观众看到的第 0 帧——**封面与标题共同组成完整的钩子**。随时可做，建议在成片定稿、标题确定之后做（互文检验需要标题）。封面产物不进渲染管线、不进派单，闭环 = 用户从工作台导出 PNG、自行投放。

## 三条铁律（先记死）

1. **业务分离：通用工艺归本 skill，栏目审美从配置解析。** 本 skill 只持对任何栏目都通用的封面工艺（两阶段交付、T1 字数/结构→布局路由、Prompt 槽位骨架、工作台引擎与自检）。**栏目专属的封面审美（色板与情绪轴、字体选型、概念→意象对照、T1 语气样本、材质与回避清单）从有效栏目配置解析注入**（见下节），**绝不硬编某栏目风格**。未绑封面风格资产的栏目 → 用中性默认兜底。
2. **两阶段不能合并。** 用户还没抽图就端出工作台 = 盲排（不看背景图排字，等于退回指令稿时代）；工作台的价值就在「因势象形地就着背景图排字」。阶段一交付后**停下等图**。

# gtrk-food-recap（美食解说 · 解说链垂类示例）

把**探店/密着纪实长片**（或自拍探店素材夹）与**做饭流程记录**提炼看点，重述成一条中文美食解说成片工程。

> **定位**：解说链（`gtrk-narration` 正本）的垂类示例，与 `gtrk-travel-recap` 平级。链级条款
> （时序三档铺排/引用段/出处对齐/开工问询）以正本为准，本图纸只持**美食要素层**。
> **菜谱知识类**（讲营养学/做法原理、素材只是插画）按判据出链走 `gtrk-voiceover`。
> **承诺面只有快速成片**（垂类示例单模式，公约 §一 分层）；个性化出路见 §六。**CLI 是手，你是脑。**

## 一、两种形态与输入契约

| 形态 | 输入 | 时序档位（正本 §三） |
|---|---|---|
| **探店 · 密着** | 一条纪实长片（二创；带字幕文件的直接当台词锚，无则转写）或自拍探店素材夹 | 软窗档缺省：进店→点单→出品→吃→人的故事，流程线单调、允许蒙太奇跳 |

# gtrk-live-slicing（直播切片 · 组合成片图纸）

把**一场直播回放**（1–4 小时）变成**一批可编辑的逐 clip 粗剪工程**：五问定策略 → 分段 → 逐段选段 → **选题清单必停** → 出工程。

> **定位**：第三张 **structure 级组合图纸**（前两张=`gtrk-travel-recap` 旅拍解说、`gtrk-vlog-docu` Vlog 纪实）。不新增任何命令，只编排既有零件。参数细节以 `gtrk-long2short` 与 `--help` 为准，**本图纸引用不复制**；**编排次序、分段规约、检查点**以本图纸为准。**CLI 是手，你是脑。**

## ⚠<U+FE0F> 定位铁律（先读这条，后面全部服从它）

**本图纸产的是「粗剪工程」，不是成片。**

由此推出一条贯穿全文的边界：**MUST NOT 对源片做任何像素级改动。**

- ❌ 不去水印、❌ 不去烧录贴片、❌ 不做画面清理美化、❌ 不调色不裁切
- 源片长什么样，切片就长什么样。要不要动那些元素，是**用户在客户端二次编辑时的决定**，不是你的。

# 长剪短（gtrk-long2short）

把用户的一条长视频，用 `gtrk` CLI 跑通「**本地抽音频/720p 代理（毛片永不上传）** → 云端语义选段+跳剪（可选分屏）→ 逐 clip 拉回 gtrk/剪映/PR 三方工程」，再把产物目录回给用户。**CLI 是手、你是脑。**

> 与智能剪口播（gtrk-oralcut）同一心智模型；差异是**一次任务出 N 条短片**，各自一份工程组落 `clip{i}/` 子目录。

> **⚠<U+FE0F> 源片是「直播回放」？先去 `/gtrk-live-slicing`。** 直播回放有本 skill 不处理的场景约束：
> **单次提交超 2 小时会被服务端直接拒**（`6019`，必须先分段）、选题必须经用户确认再出工程、
> 按画面形态分段配分屏、源片自带的烧录贴片如实告知不动它。那张图纸编排完这些，
> 最终仍然回到本 skill 的命令上——**它是场景图纸，这里是链路手册，配合用不冲突。**

> **⚠<U+FE0F> 先确认用户要工程还是要成片。** 本 skill 是**粗剪**——出的是**可编辑工程**（gtrk + 剪映 + PR），
> 给人二次精修用，毛片不上传。如果用户只要**能直接发布的成片**、不打算再剪，那该走**精剪**：
> `gtrk tool video_long2short_pro`（走 `/gtrk-tools`，整片上传、云端渲染、计费约为粗剪两倍）。

# B-roll 检索铺轨编排手册（gtrk-matrix）

把素材检索铺轨当**乐高**：CLI 提供原子零件（index / search / describe / plan / lay），你按场景裁定怎么编排——本手册给你六个起手配方、三条裁定判据、零件参数总表、plan 编辑口径与计费速查。**CLI 是手（检索/理解/下载/铺轨/写回），你是脑（裁定用哪个配方、管用户检查点、遇差调参补空）。**

> **本 skill 已含你需要的全部信息**，照它做即可，不用也无法去查外部文档。（`gtrk matrix --help` 也随时列全部 flag。）

## 四层架构与三条铁律（先立规矩）

```
裁定层（你）：按题材/素材形态/文稿有无/用户偏好，选配方或自创编排
配方层（本手册 §配方库）：原子命令的调用序列——只是起手式，可变奏可自创
原子层（gtrk CLI）：index / search(--local/--source-window) / material / describe / matrix(plan) / lay / tool image_move
服务层（云端）：embed 端点 / material_describe / 检索 2×2 四口（剪辑向×通用三态 × 公开×成员） / image_move
```

# MG 动态图铺轨（gtrk-mg）

把 `gtrk split` 派好的 **MG 槽位**（`dispatch.mg`），先由**栏目的 MG 生产 skill** 产成 html-particle 动态图颗粒，再交给 `gtrk mg` 命令 lint + 铺进 `.gtrk` 工程的 `beat_track`——**叠在已经定稿的底轨之上（B-roll 三源全落齐、构图已核）**。**CLI 是手（lint / 铺轨 / 写回），你是脑（认 SOP 位置、驱动栏目生产 skill、管用户检查点、判 lint 该不该硬铺）。栏目生产 skill 只产纯净颗粒、不知 gtrk 命令，由你驱动。**

> **本 skill 已含你需要的全部信息**（SOP 位置、业务分离、逐槽位工作流、命令参数、lint 铁律、排错、交棒）。命令参数细节以 `gtrk mg --help` 为准；颗粒的视觉/内容规范**不在这里**——那是栏目资产，由栏目 MG 生产 skill 全权负责。

## 你在成片 SOP 的哪一步（先认位置，别抢跑）

成片是**有序 SOP + 用户检查点**，不是并行一次铺完。全序：

> ① `/gtrk-oralcut`（剪口播）→ ② `/gtrk-splitter`（拆分派单出 `dispatch.json`）→ **③ B-roll 底轨全铺齐**（`/gtrk-matrix` 铺影视/本地素材 + `/gtrk-ai-drama` 产稿→外部出片→用户手动回铺，**两条腿同一阶段**）→ **④ 全局抽帧检查画面构图（用户确认）** → **⑤ 本 skill：MG（含 ov）最后叠上** → `gtrk subtitle lay` 上字幕（快速成片模式必做）→ `gtrk render` 收口（**会对未命中缓存的颗粒云渲、有计费**，见末节）

**你是第 ⑤ 步、也是最后一层。** MG 颗粒是**唯一的叠加层**——底下那整层底轨必须先定死（**三源全落齐**），否则你的排版避让是对着一个不完整的画面做的。

# 音乐可视化（gtrk-music-visualizer）

把用户的一首歌，用 `gtrk` CLI 跑通「**主音频上传（+可选背景/封面各自上传）** → 云端出频谱可视化成片 → 拉回本地」，再把产物目录回给用户。**CLI 是手、你是脑。**

> **本 skill 已含你需要的全部信息**（参数、取值、执行、排错），照它做即可。具体模板 id 与参数细节以云端 API 文档为准（本地不冻结模板列表）。

## 前置：CLI 装没装 + 体检

先跑 `gtrk doctor`：
- **`gtrk` 找不到 / command not found** → 让用户装 `npm i -g @gitruck/cli@latest`（需先有 Node.js），再重试。
- 报「缺 API Key」→ 让用户先跑一次 `gtrk init`（一次性配 Key，交互式、需真终端，你别替他跑）。
- 全绿就往下走。

## 一条命令

# gtrk-narration（通用解说 · 解说链正本图纸）

把**一个很长的东西**——旅行素材夹、影视长片、游戏实况、探店/做饭流程记录——提炼梗概、高光、看点，用精简叙述重讲成**一条解说成片工程**。

> **定位**：解说链的**正本图纸**（structure 级，不新增命令，只编排零件）。旅拍解说
> `gtrk-travel-recap` 是先行垂类实例；通用框架层（三段式写稿规约/文风铁律/自校验）
> 正本在旅拍图纸 §三，双模式与决策前置公约见仓内《成片型图纸公约》。**CLI 是手，你是脑。**

## 一、解说链判据（先想清楚这个再开工）

**解说的充要条件 = 素材语料自带叙事时序，且成片必须尊重它。** 旅行有时间线、电影有剧情线、游戏有进程线、探店/做饭有流程线。

由此推出两条边界：

# 口播剪辑（gtrk-oralcut）

> **⚠<U+FE0F> 用户要的是「完整包装的成片」而非只剪干净？先去 `/gtrk-talking-head`（口播链图纸）。**
> 那张图纸把本命令接进全链：外录音轨对轨换声 → 多段拼接 → 本命令粗剪 → 拆分/B-roll/字卡/BGM/字幕 → 客户端出片。
> 本 skill 是**命令手册**（怎么跑 oralcut），那张是**场景图纸**（怎么串全链），配合用不冲突。

把用户的口播毛片，用 `gtrk` CLI 跑通「**检查独立口播音频 →（如有）先对轨换声 → 本地抽音频/720p → 只传抽出物（毛片永不上传）** → 云端智能口播剪辑 → 拉回三方工程文件 →（可选）**本地 ffmpeg 渲染成片**」，再把产物目录 + 三端打开方式回给用户。**CLI 是手、你是脑。**

> **本 skill 已含你需要的全部信息**（参数、取值、执行、读报告、排错），照它做即可，不用也无法去查外部文档。（源仓库另有一份更全的工具无关版 `AGENT.md`，那是给在仓库里开发的人看的，与你无关。）

## 前置：CLI 装没装 + 体检

先跑 `gtrk doctor`（它顺带验证 `gtrk` 命令本身在不在）：
- **`gtrk` 找不到 / command not found** → CLI 没装 → 让用户装 `npm i -g @gitruck/cli@latest`（需先有 Node.js），再重试。

# gtrk-ref-reading · 参考片精读

你是读片的人。目标不是「描述这条片子」，而是产出一份**能指导复刻**的理解：
这片想让观众得到什么、靠哪些视觉 / 声音系统做到、每个系统在**哪句话**上做了什么、
换成用户的人 / 产品 / 画幅 / 语言时，哪些作用要保留、哪些形式要重做。

## 这个 skill 不做什么 → 找谁

- **不产栏目 skill、不写栏目配置** → 读完交 `/gtrk-style-maker`（精读结论作为「作品逆向」的证据，见文末）。
- **不剪片、不铺轨、不出 MG 颗粒** → 成片管线（`/gtrk-talking-head`、`/gtrk-splitter`、`/gtrk-mg` 与栏目 MG skill）。
- **不下载链接**：只读用户本地的视频文件。给的是链接 / 平台 ID 时，请用户先自行合法取得、放到本地。

## 硬边界

# 视觉拆分派单器（gtrk-splitter）

把一条**已经剪好的口播工程**（`gtrk` 工程文件 + `transcript.json` 句级词表），拆成一份可直接派工的 **beat 级视觉拆分稿**，再交给 `gtrk split` 校验落地，产出机器可消费的派单清单。**CLI 是手（投影/校验/落地/写时码），你是脑（切 beat、选 lane、写 handoff）。**

> **本 skill 已含你需要的全部信息**（流程、字段契约、枚举、拆分方法论、铁律）。字段细节与升级规则读 `references/field-schema.md`；模仿文档形态读 `references/example-visual-split.json`（《过拟合》20-beat 金样，机器 JSON）与 `references/example-visual-split.md`（同一金样的人读版式参照）。

## 三条铁律（先记死，再动手）

1. **只引用视图里存在的 utterance id**：beat 的文稿范围 = `span:{from:"u0007", to:"u0011"}`（utterance id 区间）。id 必须来自 `gtrk split --project` 导出的投影视图，**不许臆造**（`u9999` 一定被硬拒）。
2. **绝不抄原句文字作定位**：原文片段会诱发幻觉、也会和实拍漂移。一律用 utterance id 区间。
3. **绝不自造/推算任何时码**：拆分稿里**不写任何秒级时码字段**。轨道时码由 `gtrk split` 落地时现场投影写入 `struct_meta.split` / `dispatch.json`。你只管语义（lane / 叙事功能 / handoff），时间线交给 CLI。

## ★ MG 槽位的视觉职能 `visual_job`（必填）

# gtrk-style-maker · 造你自己的视觉 skill

你（AI）现在是一位**风格助产士**。用户是某个视频栏目的创作者，你的任务不是给他一套风格，而是**帮他把他脑子里已有但说不清的视觉语法接生出来**，落成他自己的 skill。

## 铁律（先读，贯穿全程）

1. **问证据，不问维度。** 你永远不出示任何「风格维度清单/表单」让用户挑选或填空。不假设他有叙事结构、有主题系统、视觉分动画/实拍——**每一个组织维度都必须从用户自己的话里长出来**。你问的是证据（作品、反例、工序、禁忌），维度是你从证据里帮他命名的，且命名要用他的词。
2. **卡壳追问 ≤3 条，且每条必须有触发语。** 用户说不清时，你可以用开放式追问，但：单次访谈此类追问不超过 3 条；每条必须引用用户已说的具体内容作为触发（「你刚才说 XX——那 YY 呢？」），并在访谈记录里标注触发语。**禁止**按任何预设清单逐项顺次遍历（疑问句版表单也是表单）。
3. **种子是案例，不是模板。** `references/seeds/` 里的种子演示「产出长什么样」，结构随栏目而异。用户的栏目跟种子不像时，从零引导，绝不套种子结构。
4. **产出必须可执行。** 最终交付的是标准 skill 目录（新会话即可触发干活），不是一份风格描述文档。
5. **管线接口全权威。** 产物要进同合云管线的（命中 handoff 类型且有契约的），生成的 skill 必须引用对应契约——查 `contracts/handoff-contracts.json` 映射表（随本 CLI 分发），**不要**自己记映射。
6. **生产 skill = 纯生产者，零包工头职责。** 你产的栏目 skill 只做一件事：按栏目视觉语法**产内容**（颗粒 HTML / 分镜提示词 / 检索偏好…）。它**绝不写 gtrk 命令、绝不「产完接着跑 gtrk mg / 铺轨」、绝不知道 dispatch / struct_meta / SOP 次序**——那些「什么时候跑哪条命令、怎么交棒」是框架 CLI 驱动器（`/gtrk-mg`·`/gtrk-matrix`·`/gtrk-ai-drama` 等）的活。**CLI 驱动栏目 skill，不是反过来**；栏目 skill 独立触发时也只产内容、不假设有工程/派单上下文。理由：把编排焊进栏目 skill = 业务耦合 + 不通用（换个栏目又得重焊），且违背「框架对审美零预设」的对偶——**审美归你、编排归框架**。你只暴露产物**经 `style.skills[].produces` 绑定到哪条车道**，让框架据此调用。

## 访谈工艺 · 七招

# gtrk-talking-head（通用口播 · 组合成片图纸）

把**真人出镜的口播毛片**（一条或一组）变成**完整包装的可出片工程**：双轨换声 → 拼段 → 粗剪 → 检查点① → 拆分 → B-roll → 字卡 → BGM → 字幕 → 精剪包装（合成）→ 客户端出片。

> **定位**：第四张 **structure 级组合图纸**。本图纸自身不新增命令，只编排零件（audio align / oralcut / split / matrix / mg / audio lay / subtitle lay——其中对轨零件 `gtrk audio align` 与本图纸同批交付）。零件参数细节以各自 skill（`/gtrk-oralcut`、`/gtrk-splitter`、`/gtrk-matrix`、`/gtrk-mg`）与 `--help` 为准，**本图纸引用不复制**；编排次序、检查点、双轨与多段规约以本图纸为准。**CLI 是手，你是脑。**

**与另外三张图纸的分野**（先对号入座再开工）：

| 图纸 | 内容从哪来 | 产物 |
|---|---|---|
| 旅拍解说 | 素材 + **AI 写稿 + TTS 配音**（无真人出镜） | 完整包装工程 |
| 直播切片 | 直播回放，**只粗剪不包装** | 一批粗剪工程 |
| **口播链（本图纸）** | **真人已把内容讲完**，AI 只做剪与包装 | 完整包装工程 |

# gtrk 工具族（gtrk-tools）

飞书使用教程统一入口：[gtrk CLI 使用教程](https://hocassian.feishu.cn/wiki/HCFpwoF7SivIFbkKosgcFMcEnxk)。

`gtrk tool <name> [输入...]` 是 gtrk 的**单点能力**族：一个工具 = 单发单收（给一份输入、出一份产物；多文件图片工具的「一份输入」是一组图片路径，顺序即拼装顺序），没有成片 SOP 次序；视频去水印必须先完成下文的用户模式选择——与成片管线的车道命令（`oralcut` / `split` / `matrix` / `mg`）是两回事。本 skill 是这个族的**统一调用向导**：认清有哪些工具、按纪律驱动 `gtrk tool` 命令、把产物和计费如实回给用户。

> **本 skill 已含你需要的全部信息**（工具清单、调用纪律、恢复语义、排错话术）。工具清单以 `gtrk tool list --json` 为**唯一真相**——本文件与它漂移时以命令输出为准并回来修本文件。参数细节以 `gtrk tool --help` 为准。

## 工具清单（与 `gtrk tool list` 同源）

| 工具名 | 触发语（用户可能怎么说） | 输入要求 | 产物形态 | 计费 | 可用状态 |
|---|---|---|---|---|---|
| `image_move` | 「把这张图做成运镜视频 / 让图动起来 / 图转视频 / 往右推镜 / 拉远」 | 单张图片；可选 `--motion` 指定 26 种运镜之一（见下文枚举表） | 运镜视频 | 运行前实时查询 | 已上线 |
| `image_matting` | 「给图片抠像 / 抠出主体 / 去背景 / 出透明 png」 | 单张图片（带 EXIF 方向的手机照片自动摆正后上传） | 透明背景 png | 运行前实时查询 | 已上线 |

# gtrk 视频/音频转文字稿

飞书使用教程统一入口：[gtrk CLI 使用教程](https://hocassian.feishu.cn/wiki/HCFpwoF7SivIFbkKosgcFMcEnxk)。

本 Skill 驱动一级命令 `gtrk transcript`，最终只交付一个 Markdown：总结、带 `[00:01:23]` 时间戳的可读文字记录、完整纯文本。

## 音频输入与 transcript.json（自备配音时码化兜底）

- 输入白名单已放开音频：wav/mp3/flac/m4a/aac/ogg 等本地音频文件可直接转写（音频无「抽音频」步——已是音频，仍本地转 16k 单声道后只传转码衍生物，原文件不动）。
- `--json` 除机读 stdout 外**另产 `<名>-transcript.json`**（`utterances[]{id,text,st,ed}` + `material_id` + `text_hash` + `duration`，结构与 `gtrk split` 消费契约逐字段对齐）；结果 JSON 的 `transcriptJson` 字段给出路径，可直接被 `gtrk project init --audio <配音> --transcript <该文件>` 兜底路消费。
- **定位注记（MUST 遵守）：TTS 主路勿走本零件**——`gtrk tool audio_tts_clone` 产的配音自带句级 segments（时码直出、零成本零误差），建工程直接 `gtrk project init --tts-task <task_id>`；对 TTS 产物再跑一遍 ASR 转写=重复计费零收益。本零件只服务**自备配音**（用户自录旁白等无时码音频）场景。

## 硬边界

# gtrk-travel-recap（旅拍解说 · 组合成片图纸）

把**一个旅拍素材文件夹**变成**一条中文解说成片工程**：理解素材 → 三段式写稿 → 检查点①一次拍板 → 配音/建工程/拆分/B-roll/字卡/BGM/字幕 全自动 → 客户端出片。

> **定位**：本 skill 是第一张 **structure 级组合图纸**——它不新增任何命令，只编排既有原子零件（transcript / matrix / project init / split / mg / audio lay / subtitle lay / TTS 工具）。零件的参数细节以各自 skill（`gtrk-matrix` / `gtrk-splitter` / `gtrk-mg` / `gtrk-transcript`）与 `--help` 为准，**本图纸引用不复制**；但**编排次序、检查点、配方级参数**以本图纸为准。**CLI 是手，你是脑**：写稿、切 beat、挑候选信号、产字卡颗粒、管检查点，都是你的活。
>
> **家族归位**：本图纸是**解说链**（`gtrk-narration` 正本）的旅拍垂类实例。时序铺排、引用段、出处对齐等链级条款以 `gtrk-narration` 为正本；本图纸只补充旅拍要素层（贵大奇多钩子、攻略 tips、升华笔法）。素材无自带时序的题材（科普/情感/带货）走 `gtrk-voiceover`。
>
> **本 skill 已含跑通全链需要的编排信息**。

## 一、输入契约与双场景识别

用户给**一个素材文件夹**（或多个，逗号分隔传 `--dirs`）：

# gtrk-vlog-docu（Vlog 纪实类 · 组合成片图纸）

## 审片与脚本的实际工作顺序

先建立全批素材概览，包含视频、照片和原声，再提出影响主线的关键问题。已有回答直接沿用，不重复问。不要先定故事，再只找支持它的几张画面。

视觉部分沿用 `gtrk-matrix` 的当前 Agent 优先通路：`describe --materials ... --prepare <工程目录/visual-overview>` → 当前 Agent 按时码看图、记录事实与不确定项 → `--review <回执>` 导入。长场景多个观察点；动作、表情、剪辑入出点在相关窗口内加密查看。原声有内容时结合转写/试听；不能把抽帧概览称为完整看过原片。Agent 无视觉能力或单项无法完成时才由豆包补齐，注明回退原因。

概览后组织可审阅的视听脚本：每段表达什么、采用哪条素材的哪个时间区间、保留什么同期声、哪里需要旁白、照片如何进入。交给用户审阅；有异议则多轮修改同一份脚本，认可后继续成片。照片可由既有图片运镜能力进入时间线，但不能虚构照片之外的事件。

明确脚本的取材由语义与实际画面证据主导；泛高光发现只是探索素材的一种工具，其分数不能覆盖脚本意图。下方云端 describe 示例仅在当前 Agent 无法完成时直接使用；有视觉能力时先 prepare/review，交接由 Agent 完成，不让用户填逐帧表格。

把**一批现场素材**变成**一条纪实成片工程**：素材理解 → 选档写稿 → 检查点①一次拍板 → 同期声骨架 + 旁白配音 + B-roll + 字幕层 + BGM 全自动 → 客户端出片。

# gtrk-voiceover（通用配音 · 配音链快速成片预设）

把**一段文字**（你写的或 AI 代写的）变成**一条配好画面的成片工程**：稿 → 检查点①一次拍板 → 配音 → 建工程 → 配画面 → 字卡 → BGM → 字幕 → 客户端出片。

> **定位**：配音链的快速成片预设（structure 级图纸，不新增命令）。**素材为叙事服务**——
> 画面是插画，纯语义匹配，无时序义务；素材自带时间线的题材（旅拍/影视/游戏/探店）按判据
> 属解说链，转 `gtrk-narration`。通用框架层（三段式写稿规约/文风铁律/自校验）正本在
> `gtrk-travel-recap` §三，原样继承；双模式与决策前置见《成片型图纸公约》。**CLI 是手，你是脑。**

## 一、输入契约与开工五问

**输入**：稿件（txt/md，可无——AI 代写）± 本地素材夹 ± BGM 音频。

| # | 问 | 怎么取证 | 决定什么 |