知识讲解视频

好的讲解视频没有标准形状。讲清楚天空为什么是蓝的，可以是一个在家就能做的小实验，可以跟着一束阳光穿过大气走一趟，也可以先把「天空映着大海」这个误解摆上台再推翻；讲一条刚发生的新闻，主角可能是几段实拍加一张随旁白长出来的对比表，一个动画都不用。好不好只看一件事：观众有没有真的懂、愿不愿意看完、能不能讲给别人听。这份 skill 记的是做讲解时值得想的问题、常用的手法和容易踩的坑，帮你把自己的判断做好：里面的结构、风格与数字都是起点和参考，这期的内容和受众需要别的讲法时，照你的判断来，交付时说一句为什么这样选。

建视频、出画面、配旁白、混音、导出这些制作步骤照 video-production 与 narration，这里不重复。开始前用 skills_read 读 video-production；写稿、配旁白时用 skills_read 读 narration。

「东西本身就是解释」、画面与读数由同一份事实驱动、像审片人一样先放大看这几条思路，参考了 Ryan 的 Anatomy skill（https://github.com/wheresryan22/anatomy），按线性视频与大众观众改写。

1. 什么样算讲得好

拿来检验想法、稿子和画面，不必逐条套用：

1. 从观众出发。 讲他们感兴趣、关心、用得上的，不讲这个主题「应该」讲的。没说受众时，默认是聪明但没有背景知识的普通人（大约高中毕业水平）：他们靠认出熟悉的东西来理解新东西，所以例子、主体、用词都要是他们见过的；指定了受众，这些都跟着换。
2. 第一句就让人想听下去。 和观众自己有关，很快立起一个想知道答案的问题。
3. 接到见过的东西上。 陌生的概念先找一个观众见过的东西来接。
4. 一次一步。 一次只引入一个新东西，后一步踩在前一步上。
5. 回答观众真想问的。 包括答案是「不行」「不确定」「目前做不到」的。
6. 看完有收获。 观众能用自己的话复述给别人听。
7. 画面自己在讲道理。 让看不见的东西看得见；最好的画面是一个能动的东西，它怎么运作就是这期要讲的道理，旁白只是在操作它。两个距离都要成立：缩成手机小图扫一眼知道在讲什么，暂停在任何一帧，画面上的每样东西都完整、都对。
8. 事实要准。 可以简化，不能说错；画面上的数、动画里的量、旁白说的数来自同一份事实。

2. 弄清要讲什么

• 从对话里取：主题、资料或新闻、受众、看完能做到什么、时长、画幅、成片语言、风格偏好。能推断的不问，缺的按 video-production 第 1 节合成一轮问。没说时长时按内容定：一个点讲透通常一两分钟，完整讲一个概念几分钟；装不下时先删，不靠念快。用户放宽了时长（「时间不限」）就按内容需要来，不再按惯常的长度劝删。
• 涉及新闻、产品、数据、政策的，读一手来源（官方公告、论文、文档），二手报道只用来找线索；用户给了资料的以资料为准。用到的数字、日期、引述记下出处，交付与正文要用。核实与简化的分寸：用 skills_read 读本 skill 的 references/script.md 第 1 节。
• 把真数字要到手，整理成一份事实表：讲一个机制时，它有几个、多快、多大、阈值在哪、什么时候触发；讲一件事时，发生在何时、谁说的、量是多少。每条带出处与做了哪些简化。这份表之后同时供稿子、画面与发布正文用（第 5 节），不让三处各记一套数。资料没给、观众又想知道的，按 references/script.md 第 3.1 节自己粗算，标明是粗算。
• 分档报成本：一个点讲透的短片直接做；完整讲一个概念、带生成的角色与场景的，先说一句大致的工作量；要 3D、要大量实拍剪辑、要两种语言两种画幅的，先把成本（烘焙时长、额度、等待）告诉用户，提议一个保留核心的较小版本，用户选了再做大的。不管哪一档，先做出能看的开头样段（video-production 第 5 节），再往深里做。

3. 先定这期的形态

动笔之前先回答几个问题，形态从答案里长出来，不从上一期沿用：

• 这期讲的是什么性质的东西？ 一个机制怎么运作、一件刚发生的事、一个常见的误解、一段发现的历史、一组数据与趋势、一个方法或做法、几样东西的差别。性质不同，讲法、主体与画面来源都不同。
• 观众看完要能做什么？ 复述一个道理、看懂一条新闻、做一个判断、动手试一次。它决定讲到多深、收在哪里。
• 贯穿全片的主体是什么？ 一个能动的模型、一段实拍里的东西加动画重演、资料自带的一张图、两样东西并排、一个实验、一条时间线、一个人的一天……主体怎么选见第 5 节。
• 画面主要由什么承担？ 代码画的模型与图解、生成的插画与场景、实拍与截图、资料的原图、3D、幻灯式的要点。按主体与素材定，不是每期都是动画。

同一个大主题，答案常常不同：讲注意力机制是怎么算的，主体是一个能动的模型，观众看它一步步运作；讲某家公司发布了什么，主体是演示里的那个东西，实拍证明真的发生了，动画只讲一两个「为什么」，再答「跟我有什么关系」；讲「它会不会取代某个职业」，没有机制可画，主体可以是一个人的一天，或一张随旁白长出来的对比表。工作流随形态定：代码画面为主的按第 6 节的脚本分段做；实拍为主的照 references/footage.md 与 video-production；幻灯式、截图为主的照 video-production 逐镜做。同一系列连着几期，别每期都落到同一个形态。

4. 找讲法、写稿

• 先替观众提问。 站在受众的位置把他们会问的问题列出来，挑出最想知道、答案最具体的几个；用户点名的都答。这份清单是调研工具，决定这期要答什么、不答什么，也值得给用户看；它不规定结构：可以做成问答式的片子，也可以把答案埋进一趟旅程、一个实验或一段故事里。
• 再选讲法。 讲法从内容里长出来：从一个误解讲起、跟着一个东西走一趟、一个小实验、一段发现的故事、一连串追问……references/script.md 第 3 节列了几种常用的，可以混用，也可以另起炉灶；第 3.1 节是论证里让观众服气的几样工具（排除法、一级一级搭上去、自己粗算一笔……），按问题挑着用，不排成固定的段落表。同一系列连着几期，别每期都落到同一个顺手的结构。
• 旁白是操作主体的那只手。 定了主体之后，每句旁白对它做一件事：加一个、拿走一个、切开、换角度、放慢、把错的那种画出来再否掉。写稿时在每行旁边记一句主体此刻的状态，画面节拍就从这里来；一行旁白找不到对主体做的动作，多半是这句在旁边讲、不在片子里讲。
• 稿子按句分行，一行一个画面节拍；长度按 narration 第 1 节的实测语速估，首稿用 skills_read 读 baocut-catalog-voice-language-rates。钩子、讲解与朗读的写法：用 skills_read 读本 skill 的 references/script.md 第 2–6 节。
• 配音前给用户看稿：旁白、预计时长、形态与主体、每段想回答观众的哪个问题、来源与做了哪些简化。能出画面时附上风格样张、封面与几段按估算时长取的样帧：只看文字，用户很难说出「开头太难」「例子太少」这类具体的意见。配音与出画面都花时间与额度，稿子一改就得重做；用户说过「直接做」时不停下，把这些附在交付里。
• 「直接做」之后用户又追加或小改（加一段、改几句）：只重做受影响的段落（重配、重新对齐、重新导入那几段），直接做完，不再停下来确认；改动动到了讲法、结构或风格时，先说一声再做。

5. 画面：一个贯穿全片的主体

画面的通用做法（选风格、封面与版式、效果的轻重、生成的图片与代码一起用、竖版与横版）在 video-production 的画面细则里：用 skills_read 读 video-production，按它第 2 节「画面设计」一条读。讲解片在上面多想几件事：

• 东西本身就是解释。 给这期找一个具体的、观众认得出的东西，它的运作方式和要讲的概念一一对应：限流是一个会自动补币的投币口，缓存是一张贴在抽屉上的「上次算过」的便签。旁白操作它，观众看它变化，道理就在画面里，不靠旁边的标签解释。两种常见的失败：太抽象（框、箭头、标签，什么也不像），太装饰（吉祥物、贴图、粒子好看但不承载逻辑）。主体怎么选、怎么检验、没有机制可画时怎么办：用 skills_read 读本 skill 的 references/subject.md。
• 一份事实驱动全部：画面上的数、动画里的量（几个、多快、多大）、旁白说的数都从第 2 节的事实表取；代码里把机制写成一个小的纯函数，读数、动画与节拍都从它算，旁白说到那个数的瞬间画面上就是那个数。示意的数要说是示意。
• 资料自带的图优先：来源里已经有一张把道理排清楚的图（流程图、分层图、时间线），这部分就用它的结构做主线，画面按它重画，讲解跟着它一步步走。主体只用来帮观众接上其中一两个陌生的环节，不把整段硬套进去；主体和原图讲的顺序不一样时，跟原图走。用户给了原文配图的，构图（竖着叠还是横着排、谁在前谁在后）先照原图。
• 说到哪亮到哪：一屏一个重点，一个时刻只点亮一样东西；一种颜色全片只代表一样东西（对的、错的、关键数字各一种）。画面上的字是旁白的提炼，整句留给字幕。分段的片子可以在角上留个小页眉（「第 2 部分｜……」「问题 2｜……」），观众随时知道在哪。
• 把误解画出来再推翻：直觉上的错误答案先认真画出来，再用一个动作否掉（扫掉、划掉、碎掉），比只用嘴说更让人记住。
• 细节来自结构，不来自装饰：画面丰富是因为每样东西都在讲道理（主体的部件、读数、对照物），不是因为粒子、发光和边框；所有变化都有缓动，事件有起落，没有东西在一帧之内凭空出现或消失；重的冲击只留给最关键的结论，落在旁白说出那个词的时刻。
• 比喻、角色与贴图按需：主体里本来就有角色与物件（一个小光子、一枚硬币、一位讲解员）时，用图片生成画成一套贴图，在代码里换姿势、移动、变形，图解、数字与要读的字仍由代码画；主体是一台机器、一张表或一段实拍时就不加。带路的角色一期一个就够。
• 风格从主题和受众里来，同一系列连着几期别落到同一套顺手的样式；也别把某一种画法（等轴测的仪器、黑底发光、扁平信息图）当成每期的默认。
• 主题是立体的（东西怎么动、力往哪个方向、里面藏着什么）时用 3D：一个主体讲到底，给看不见的东西一个固定的画法，原地透视讲内部，字与数画在上面的 2D 层。思路与常见的坑用 skills_read 读本 skill 的 references/3d.md。

6. 制作

照 video-production 第 4–6 节做。讲解片常用到的：

• 整镜整段由代码画时，按 video-production 第 5 节「代码画面」一条读它的代码场景细则（按段打包导入、确定性、字体与图层）；生成的角色、物件与底图放进代码包里动起来。短的标注、关键词、大数字按 motion-graphics。
• 讲真实的产品、人物、事件、地点时用真实画面、截图或用户的素材；生成的图只画比喻、示意与想象的场景，不冒充真实。手里有原始画面时，实拍证明「真的发生了」，动画讲「为什么」：怎么分工、衔接（先看再问、讲完再看一遍、读数当证据、当事人原声与旁白留白）、实拍连成块少来回切、整屏切还是放成画中画、转场只在动画与实拍的边界上、老画面怎么放、标来源，用 skills_read 读本 skill 的 references/footage.md。
• 主体的画法写成可复用的部分：以原点为中心、带缩放、状态与文字由调用方传入，同一个主体能在不同镜头、画幅与语言的版本里复用。
• 节拍跟着真实语音走：旁白量好、对齐拿到字时间后，画面元素的出场时刻取对应的词被说到的时刻，不按估算的比例；重新配音后按新的字时间重排。改稿后核对每个节拍用的关键词仍在对应那句旁白里（「it is」改成「it's」、换了个说法都会让它对不上），对不上的报出来改掉，不悄悄退回估算的位置。
• 分段做、分段改：旁白按段配、按段对齐，代码画面按场景切包，每段的成果都留着。改一段或插入一段时只重做这一段（重配、重新对齐、重新导入那个包），没改的段落沿用原来的录音、字时间与画面，不整片重来。代码画面为主、有命令行环境时用本 skill 的 scripts/：配音、对齐、打包、摆上时间线（某段变长变短时连字幕一起挪后面的片段）、建字幕五步都写好了，另有预览页配置、实拍片段与水印两个可选步骤，内容相关的设定放在一份配置里，拷进工程就能用；用法、配置字段与改一段的做法用 skills_read 读本 skill 的 references/production-scripts.md。其他形态照 video-production 的步骤手动做。
• 读音核对：用 transcribe 转写旁白素材（模型选法同 narration 第 4 节：词时间为 native、收提示的那只；语言断言为稿子的语言，提示里放专名），把识别出的字与稿子逐句比对。同音字、标点、数字写法的差异是识别器的问题；专名、外文词、数字、多音字对不上的，可能是真读错：在稿子里改成读法写法（narration 第 2 节）或换 seed 重配那一句，再核一次。换第二个识别器再转一次时，先用 artifacts_save 把旁白素材存成文件，再 transcribe 给 file 与 noVideo（只出文稿，不新建视频、不替换对齐用的文稿）。两三次识别都不同的词，在交付里写明时刻，请用户听。读对了、只是字认错的（同音字、专名的写法），建字幕前用 edits_apply 的 updateWords 把这份转写文稿改回稿子的写法（只传改过的词，时间不动；做法用 skills_read 读 baocut-catalog-subtitles 的「润色写回」），字幕从改好的文稿建，别拿识别出的错字上屏。
• 烘焙前先给用户看会动的画面：配好旁白、对齐之后，导入之前，把各段做成一个本机预览页给用户看（做法见 video-production 代码场景细则第 7 节「自检」：用 skills_read 读 video-production，再按它第 5 节「代码画面」一条读细则）。讲解片的意见多半落在某一段讲得清不清楚，在页面上改好再烘焙，比烘完整片再改快得多。用户说过「直接做」时照做，预览页附在交付里。
• 第一帧就是封面（主 skill 的通用规则）：0 秒时标题、一个观众的问题与这期的主体都已在位，缩成手机上的小图也看得清标题。字幕默认比每条的第一个字早出现约半秒（字幕样式的 displayTiming.leadIn），旁白在开头一秒内就起时，第一条字幕会压在封面上：封面先静止约 1 秒再起旁白，或把第一句旁白往后挪到标题读完，或用 edits_apply 的 trimItem 把从 0 秒起的那个字幕片段的起点裁到第一个字（scripts/captions.mjs 会做）。
• 署名与品牌只照用户给的做：固定的片头、片尾口播、角标或水印逐字逐样照用户给的，不自己发明栏目名、口号或水印。BaoCut 没有自动插片头片尾口播或片尾卡的工具：固定口播写进稿子里当固定段，自己合成、自己做片尾卡。

7. 像审片人一样看一遍

先导出预览按正常速度看一遍，当自己是第一次看、不知道答案的观众：哪一句没跟上、哪一下不知道该看哪里、哪个数不知道是什么。再用 compositions_preview 按段落取帧拼起来逐帧看：拿每一帧和你想让观众这一刻看到、读到的东西比，问「观众这一秒看得懂吗」，别只看好不好看。videos_frames 取的是最上层片段的素材帧，字幕与叠加的元素不在里面（结果的 composited 为 false）：要看字幕的位置、压不压画面上的字，用 export 给 purpose: preview 与 range 导一小段，从导出的文件里抽帧看。改过一轮之后，同一处和上一轮的帧并排比，确认改好了、没把别处改坏；量过的（时长、字时间）不算看过，看过的才写「看过」。讲解片里常见的问题，供你对照：

• 封面不完整：标题、问题或主体没到位，缩小后看不清。
• 字和底色太近：浅底上的白字、浅色字，深底上的深色字，半透明的字糊在底上。
• 空着的卡片、格子与条；依次出现的一组出齐后，最后一帧少了几项。
• 字太小、出了安全区、压到字幕；竖版挤在上半屏、下半屏空着。
• 数字和稿子、来源对不上（滚动的数字看终值）；画面上的量和旁白说的数不一致（说「五枚」画了八枚）。
• 换段时闪一下旧内容；一个画面很久一动不动，观众开始走神；东西在一帧之内凭空出现。
• 画面上出现的数字（参数量、层数、百分比）旁白没解释它是什么。
• 同一时刻亮着两三样东西，不知道该看哪里；同一种颜色在不同段代表不同的东西。
• 主体只在开头和结尾出现，中段换成了框和箭头。
• 字幕把一个词从中间断开（「修程｜序崩溃」）：切条已经按词边界断（拉丁字母的单词整词走，中文按词典分词，到宽度上限时延长到词尾），还会断开的是词典不认识的专名、新词，或长到超出余量的词。看到了就改那一条的断句，或在转写文稿里那个词前面加个逗号（updateWords，时间不动）再重建字幕，或在稿子里把这句写短。
• 烧进画面的字幕一条超过一行（竖版约 9–10 个汉字）会折成两行：折点先找标点、空格与中文词边界，各行尽量一样长，词典不认识的词（专名、新词）仍可能被折开。export 的 maxCharsPerLine 只管字幕文件，不管画面。想要每条只占一行，在转写文稿里给长句加标点，或改句。
• 生成的图里冒出字、水印、变形的手与脸；同一个角色前后不像；抠图带着底色边。
• 冲击效果太多，真正的结论反而不突出。
• 实拍盖住了该看的图解；来源标签压到主体或字幕上；切到实拍时观众认不出和动画里是同一样东西。3D 画面的常见问题见 references/3d.md 第 5 节。
• 另一种语言的版本里混进原文字、长词超宽被截断。
• 和上一期像一个模子出来的。

读回与三栏报告照 video-production 第 7 节。

8. 发布文案

发布稿是交付物之一（第 9 节）：标题、简介、正文与资料来源写在一个 Markdown 文件里，用户说不要才不给。标题与简介用 skills_read 读 titles-and-description 写，正文用 skills_read 读 video-blog（作者视角）写。讲解片的几个讲究：

• 标题给一个推荐的，最多附两个备选：说清这期讲什么，再留一个让人想点开的问题或反差，通常是封面大标题加一个观众的疑问；关键词放前面。有限定条件的结论不在标题里说成普遍事实。
• 简介第一句能单独成立（很多平台只显示前一两行）：由头 → 这期讲明白了什么 → 回答了哪几个问题 → 一句话收获；写给还没看的人，不剧透全部答案；资料来源放在正文末尾。字数按发布平台，用户没说时中文约 300 字、英文约 100 词以内。
• 正文以旁白为底稿，没看视频的人读完得到同样的信息：指向画面的话改写，只在画面上出现的信息（图表里的数、对比的结果）用文字补出来；为朗读写的读法改回书面写法；去掉固定开场、结尾的口播；按内容加小标题，问答部分直接用观众的问题做小标题；视频里简化掉的限定条件可以写完整，但不与视频矛盾；文末列资料来源（名称、发布方、日期、链接）。

9. 交付

每一版交付三样，用户说不要哪样才不给：

• 成片：导出的视频文件，路径取导出结果 outputs 里的 path。
• 封面图：就是成片的第 0 帧（第 6 节），画幅、尺寸与成片相同，存成 PNG 放在成片旁边，文件名是成片名加「-封面」（英文版加 -cover）。第 0 帧是代码画面时，用 compositions_preview 取第一段代码包 0 秒的帧：无损，字和印章的边缘清楚；不从导出的成片里截，那是压缩过的。开场是实拍或截图时，从成片取第 0 帧。超过 2 MB 时另存一份 JPG（不少平台的缩略图上限是 2 MB）。封面图嵌在回复里给用户看。
• 发布稿：按第 8 节写的标题（推荐一个，最多两个备选）、简介、正文与资料来源，一个 Markdown 文件，和成片放在一起；标题与简介同时贴在回复里。

再照主 skill 的「交付」写任务总结。讲解片的用户要靠这些判断片子能不能发：回答了哪些观众问题、事实来自哪里（用户给的资料也写明）、做了哪些简化、有没有没核实的说法（有就单独列出哪一句）；再说选的形态、讲法、主体与风格，为什么这样选，哪些画面是生成的，用了谁的实拍画面、各多长。读音只靠转写反推时写明「没有人耳听过」，列出仍可疑的词与时刻。发布稿说明正文字数。

10. 另一种语言或画幅的版本

用户要两个版本（例如一个竖版、一个横版，或两种语言）时：

• 先做主版本（简报里的语言与画幅），交付、用户确认后再做另一版，用户在主版本上提的修改带进另一版。用户一开始就说两版都直接做时，照用户的。
• 另一种语言要针对那种语言的观众重写，不是逐句翻译：事实、结论、回答的问题与主体不变；钩子、身边的例子、句子节奏按那种语言的观众重写，只对原语言观众有意义的内容删掉或换成对等的（换的同样要核实）。写法与自查读 references/script.md 第 7 节。
• 另一种画幅要重新构图；另一种语言的画面也要重排（字宽不同、标签换成短词）。按 video-production 画面细则里竖版与横版、另一种语言的两节排。
• 两版共用：风格、主体的画法与贴图、音色与语气说明、事实表与资料来源。另一版建成一部新视频，主版本不动。
• 另一版同样交付自己的成片、封面图与发布稿（第 9 节），封面上的字按那种语言重排；交付时说明它和主版本哪里不一样（换了的例子、删掉或新增的内容）。