解说混剪

解说混剪是一种形式，不是一种题材：旁白在讲，底下永远有真实画面在动（采访、发布会、录屏、新闻画面、照片），当事人的话让当事人自己说，推文、引语、日期、数字是压在画面上的一层。一条新闻、一段八卦、一个产品的来历、一个人的故事、一个趋势的盘点，都可以这样做；一条讲解片或口播里也可以插一段。

这种片子好不好看，几乎只取决于一件事：观众的眼睛有没有事做。一张卡片停在屏幕上十几秒、旁白在念，就是幻灯片；同样的旁白底下换成当事人的脸、那天的现场、那条推文弹出来又走，就是片子。本 skill 给的是判断、手法与工具，不是流程模板；下面的顺序照常理排，哪一步和这期不合就换。

1. 认清这期是不是这种形式，和用户对齐（第 1、2 节）。
2. 读蓝本，列人物、事件与问题（第 3 节）。
3. 找素材与写稿并行，互相喂养（第 4 节，细则 references/sourcing.md）。
4. 画面：每一拍底下都有东西在动（第 5 节）。
5. 稿子、结构、原声与声音（第 6 节，可选手法在 references/structure.md）。
6. 在 BaoCut 里摆出来（第 7 节，细则 references/assembly.md）。
7. 量一遍、看一遍，交付（第 8 节）。

1. 是不是这种形式

• 一个快的判断：把这期最重要的三句旁白写出来，问每一句该配什么画面。答案是「说这句话的那个人」「那天的现场」「那条推文」「那个产品的演示」，就是这种形式；答案是「一个能动的模型」「一张随旁白长出来的图」，是讲解片（explainer-video）；答案是「用户自己对着镜头说」，是剪口播（talking-head-cut）。
• 用户说「做个视频讲讲这条新闻 / 这件事 / 这个八卦」「把这篇文章做成视频」「某某是怎么来的」「找点素材拼一下」「纪录片」「盘点」，默认是这种形式；拿不准时在给用户看稿前说一句选了什么、为什么。
• 在别的成片里用一段：讲解片里讲到真实的发布会、口播里要插一段当事人原话、短视频要开头三秒抓人，都是这种形式的一段。只做那一段时照第 4、5、7 节，不必整片换形式。

2. 先和用户对齐

缺什么问什么，已说明的不再问：

• 蓝本是什么（链接、文件、几句话的事），成片语言，横版还是竖版。
• 时长：不限时按信息量定。一条新闻或八卦 2–5 分钟，一个产品或人物的来龙去脉 8–20 分钟；按旁白的字数与实测语速算（narration 第 1 节），不凑整。
• 素材从哪来：用户的视频库、网上、用户手里的文件；三处都可以就都找。网上的视频下载前要用户点头（第 4 节）。
• 用户点名的风格与禁忌（「紧凑有悬念」「不要做成幻灯片」「不要配乐」）记下来，贯穿全程。

3. 读蓝本，列清单

把蓝本完整读一遍，列三张表，写进工作目录：

• 人物表：每个有名有姓的人，身份，在故事里的关键时刻，蓝本里引的原话（保留原文语言，便于在转写里搜）。
• 事件表：按时间顺序，每个事件的日期、可能有画面的地方（官方频道、发布会、新闻、录屏）。
• 问题：全片要回答的一个核心问题，和每一段要回答的小问题；没有问题的段落多半是在复述资料。
• 事实、日期、引述逐条核实到来源，不确定的在稿子里标出来；生成的图与重演只做示意并标明，绝不合成某个真人说话的声音或画面。

4. 找素材与写稿并行

两件事互相喂养：找到了当事人亲口说的那句话，那一拍就改成原声；某个事件找不到任何画面，就重写那一拍或换一种讲法。做法在 references/sourcing.md，要点：

• 三个来源按顺序：用户的视频库（按意思跨视频搜，库里有的不上网找）；网上（BaoCut 的素材检索与下载，视频要转写才能切原声）；用户给的文件与截图。
• 网上的视频许可多半不明：下载前把要用的几条（标题、频道、链接）列给用户，由用户决定；每段用上的素材记下来源，交付时列成清单。X 只读：搜索、浏览、读，不点赞、不转发、不发帖。
• 原声的起止用转写里的字时间定到 0.1 秒，再看画面确认说话的人在镜头里。
• 素材多时派子代理分头找人物与事件，结果写文件不写回复。

5. 画面：每一拍底下都有东西在动

这一节是整个 skill 最要紧的部分。

• 像幻灯片的根源只有一个：一张卡片（标题、引语、要点、对比表）停在屏幕上几秒、十几秒，画面里没有东西在动。底色加动效、加粒子救不了它，底下有真实画面才救得了。
• 底层永远是动的：每一拍旁白底下都有一段实拍、录屏或照片（照片要缓慢推拉或平移，3–6 秒走完一个方向），不留纯色底。真没有画面的几秒做成有意的留白（黑场上几行「思考」的字、光标在闪），而不是让卡片顶上来。
• 卡片压在画面上，不代替画面：日期、下横栏（姓名职务）、引语、推文、数字、术语、章节标题都是叠层；底下的画面压暗一点继续动。一张卡片一个信息，停够读两遍就走（中文按每秒 5–6 字估）；整片卡片占屏通常两三成，超过一半多半已经是幻灯片。
• 卡片是什么就画成什么：推文画成推文（头像、名字、日期、原文与译文），引语画成引语（谁说的、什么场合），终端画成终端（光标闪、字在打），聊天画成聊天。不把它们都画成同一种「标题 + 正文」的框。画法照 motion-graphics。
• 镜头 3–6 秒一换，切在词上：旁白说到那个名字、那件事的瞬间画面正好是它（用旁白对齐出的字时间）；一段画面连用十几秒以上，要么它自己在讲（原声），要么换个角度或推一下。
• 素材不重复：同一段画面最多出现两次，第二次要有新的用意（「讲完再看一遍」）。观众认出重复的画面，片子就显得素材不够。
• 真实画面讲真实的事：生成的图、动画重演只做示意并标明；压暗、去色、慢放表达情绪是常规手法，但不改变原意；来源标在角上，片尾列清单。
• 拍不到的用一两处代码画面讲（流程、规模、时间线、几样东西的对比），也是透明叠层，不铺满整屏接管整段。
• 人物第一次出镜配下横栏；事件第一次出现配日期；同一时刻只有一张信息卡；原声期间不叠别的卡片。

6. 稿子、结构、原声与声音

• 稿子一拍一句，每句下面另起一行写这一拍该看到什么（画面意图）与原声放在哪，配音前就知道每一拍底下是什么；意图行用 @ 开头，配音时跳过。语速、字数、音色与重配照 narration。
• 原声让当事人自己说：最关键、最有情绪的话（决定性的一句、一个承认、一个预言）不转述。旁白引出，原声接上，旁白接着原声说的往下讲，不复述原声的内容；每段 5–20 秒，带双语字幕与下横栏。
• 结构按题材挑：一条快讯开门见山就够；一个故事才用冷开场、预告、章节钩子、「思考」过场与时间锚。这些手法与稿子的写法在 references/structure.md，是可选项，不是步骤。
• 声音：低而稀疏的音乐垫底、按章节起伏、原声时压低；切换与卡片出现用轻的音效点一下，整片同一套；旁白语气平静、带一点悬念，音色全片不变。

7. 在 BaoCut 里摆出来

细则在 references/assembly.md。要点：

• 轨道从下到上：实拍（含照片与录屏）铺在最下面的视觉轨当底；卡片打成透明代码包放在它上面；再上面是水印；旁白一条音频轨，原声跟着实拍片段走（开它的内嵌音频），旁白在那里留白；音乐一条。
• 旁白先配好、对齐拿到字时间，画面再按字时间切；改一段只重配、重摆那一段。
• 没有命令行环境也能做：全部走工具（下载、转写、导入、edits_apply、代码包导入、字幕层、导出）。有命令行环境时同样的事走 baocut CLI，流水线自己写；本 skill 不规定流水线的形状。

8. 量一遍、看一遍，交付

• 量一遍时间线（用 skills_read 读 production-scripts，用它的 coverage.mjs）：实拍、代码画面、空白各占屏多少；镜头数与中位长度；最长一段没有实拍；素材重复使用；带原声的片段。这种形式的成片通常实拍八九成、卡片两三成、中位镜头 3–6 秒、没有超过 20 秒没实拍的段落；差得远，多半是卡片当了底，回到第 5 节补画面。它只报数，不判对错。
• 静音看一遍：画面自己能不能把故事讲下去。只听不看一遍：原声和旁白的接缝顺不顺、音乐有没有压过人声。
• 核对每条卡片上的日期、数字、引语与稿子一致；每段原声的字幕是原话。
• 交付：成片（或审片链接）、片长与章节、每段原声与每条素材的来源清单（来源、链接、发布者、入点出点、署名）、哪些是示意、已知问题。要发布文案时照 titles-and-description。

参考文件

文件	什么时候读
references/sourcing.md	找素材、定原声起止、登记来源之前
references/structure.md	写稿之前；要用冷开场、预告、章节钩子这类手法时
references/assembly.md	在 BaoCut 里摆轨道、放原声、做卡片、建字幕之前

脚本

本 skill 不带脚本。有命令行环境、旁白按段配时，配音、对齐、摆时间线、剪实拍、量画面占比的现成脚本用 skills_read 读 production-scripts；它是一条省事的路，形态不合时照第 7 节用 BaoCut 的工具自己摆。