把一条对着镜头说话的视频，自动剪成带字卡的成片——你只管讲，AI 配字、排版、出片。
抽音轨 → 转录 → AI 读你的文字稿、自己决定切几张卡、每张讲什么、配什么视觉 → 直接写成 HTML 卡片 → 拼装 → 渲染成可发布的竖屏 / 横屏 MP4。
仓库：https://github.com/derek-zhuolin/interflow-video-cut · Interflow AI 出品（俱乐部维护的开源 Agent Skill）
input.mp4
→ 抽音轨 (ffmpeg) → 转录 (ElevenLabs，带词级时间戳)
→ 修订文字稿 → AI 规划 storyboard（切几张卡 / 每张内容）
→ AI 逐张手写卡片 HTML → 拼装一条 GSAP 主时间轴
→ 本地预览（热重载，秒级看） → 满意后渲染 output.mp4
- 卡片从内容里长出来，没有套路模板——AI 读你真实说了什么，再决定怎么排。
- 16 种精选视觉风格 × 多种布局 × 3 种边框，自由组合，每种都是自包含可复制的 HTML 卡。
- 自动配视觉：读源视频的明暗 / 冷暖，自动选浅色（白天）或深色（黑夜）风格，可手动覆盖。
- 先预览再渲染：预览是热重载网页、秒级看效果；满意了才渲染，不白等。
- 输出 9:16 / 16:9 / 4:5，适配抖音 / 小红书 / YouTube / Instagram。
- 结尾自带俱乐部落款，一键可换成你自己的品牌。
# clone 进 Agent skills 目录，文件夹名必须是 interflow-video-cut（要和 SKILL.md 的 name 一致）
cd ~/.claude/skills # 或 ~/.agents/skills
git clone https://github.com/derek-zhuolin/interflow-video-cut.git interflow-video-cut装好依赖后，在对话里说「用 interflow-video-cut 剪这条视频 /path/to/video.mp4」即可。
依赖：ffmpeg/ffprobe（brew install ffmpeg）· python3（系统自带，做自动配色）·
Node.js + npx（跑 vtake / hyperframes，首次自动下载）。字体和 GSAP 已打包在 assets/，无需另装。
转录默认走 ElevenLabs 代理模式：不用配 key、开箱即跑（限流：每 IP 每分钟 3 次）。 量大想绕限流就
export ELEVEN_API_KEY=你的key直连。
调用后 skill 先问你 5 个视觉决策（都有自动推荐，可直接「默认」）：
- 画幅 — 16:9 / 9:16 / 4:5（自动匹配源视频比例）
- 布局 — split 左右 / stack 上下 / pip 画中画 / overlay 全屏浮层 / deck 3D 轮播 / showcase 陈列墙
- 风格 — 见下表（自动按视频明暗推浅 / 深色）
- 卡片数量 — 按时长 + 密度自动推断，或自定义
- 运镜 — 固定人像（稳）或起伏运镜（人像大 → 缩 PiP → 全屏 highlight → 切回，有张力）
然后它设计 storyboard、逐张写卡、拼装，先开本地预览给你看，满意了才渲染成片。
先在两大家族里定方向：要「排版讲清楚」走歸藏家族，要「视觉先抓人」走视觉特效类。
| 家族 / 大类 | 风格（中文名 · key） |
|---|---|
| 视觉特效类 · 暗调电影感 黑底·高级·有动态 |
暗夜星河 nebula-glass（旗舰：黑底双星粒子 + 玻璃）· 玻璃拟态 glass（两色渐变 + 磨砂玻璃）· 暖玻 HUD glass-hud（暖玻面板浮在口播上 + 章节条 + 双语字幕，口播枚举专用）· 暖光太空 spatial（黑底暖橙光）· 撞色大字 geom（亮色块超大字） |
| 视觉特效类 · 炸裂族 ⚡ 竖屏社媒·吸睛 |
霓虹网格 neon-grid-hud（炸裂档默认：真人霓虹窗口 + 网格 + 粒子，特效在人后不糊脸）· 流光极光 liquid-aurora · 全息虹彩 holo-iridescent · 电影光影 cinematic-bloom · 动态巨字 kinetic-megatype · 纵深视差 depth-parallax |
| 简洁排版类 · 歸藏家族 / Swiss 支柱 讲解·数据·权威 |
瑞士网格 swiss（暖白 + 12 列网格 + 越大越细 + IKB 蓝）· 黑白极简 minimal（纯黑白巨字 + 大留白）· 代码终端 terminal（黑底绿字代码风） |
| 简洁排版类 · 歸藏家族 / Editorial 支柱 叙事·编辑·有温度 |
杂志印刷 editorial-print（serif 承重 + 暖墨纸 + 硬投影，素材排成杂志跨页）· 柔光浅色 pastel-aura（象牙底 + 冷 aurora + 现代 sans，白天日常） |
歸藏家族（共 5 款）由一套 DNA 纪律统管——字号字重耦合 + 预设调色板（禁自定义色）+ 组件库 + 模块化网格，规范见
references/styles/guizang-dna.md，交付前可跑node scripts/validate-clean-card.mjs自检。横屏走简洁、竖屏走吸睛：长内容 / 桌面播放优先歸藏家族（信息清楚、耐看）；抖音 / 小红书优先炸裂族（3 秒抓住划走的拇指）。
完整词库、布局 / 边框矩阵、组合建议见 references/DESIGN_INDEX.md。每种风格都是自包含 HTML 参考卡，可直接复制改写；想加自己的风格，往 references/styles/ 丢一个就多一种选择。
结尾卡默认是 Interflow 俱乐部落款（约 3.5 秒，节奏放慢让收尾「安顿」）。结构：一句视频回扣 → wordmark → 一句延伸 → tagline。打开 SKILL.md 的 card-cta 模板（Step 8）改文案即可，动效不用动：
- 视频回扣「你只管讲，成片交给我们」→ 改成这条视频的核心一句（让结尾是内容收束，不是干贴 logo）
- wordmark「Interflow」、延伸句「让每个想法，都有更好的呈现」、tagline「Interflow AI 出品」→ 换成你的
- 不想要任何品牌？删掉 wordmark 那段，结尾就是干净收尾。
token 全花在「设计卡片 + 写 HTML」这一步，两头的抽音轨 / 转录 / 渲染是 CLI 工具、不花 token。所以卡切得越碎、视频越长，token 越多——想省就 storyboard 阶段一次想清楚、卡片数量克制。
最耗时的是渲染，不是 AI。 渲染由「时长 × 帧率」决定，macOS 开 PRODUCER_BROWSER_GPU_MODE=hardware 明显更快。所以第 10 步强制「先预览再渲染」，避免渲完才发现要改。
全程 CLI 驱动，意味着它能无人值守 / 远程触发 / 批量跑：
- 远程出片：接飞书 / Lark CLI、Telegram bot——人在外面往群里丢一条视频 + 一句「剪成竖屏」，本机自动跑完回传成片。
- 换本地 Whisper：转录是唯一的「外部引擎」插槽（Step 4）。换成
whisper.cpp/faster-whisper，只要输出同结构的transcript.json（含词级时间戳），后面全不动——换来离线 / 省 API 额度 / 隐私不出本机。（注意：省的是 ElevenLabs 额度，不是 Claude token。） - 批量矩阵：配自有 key 跳过限流后写个脚本循环喂多条，一次出一批（适合账号矩阵）。
本仓库整体以 MIT 授权——SKILL.md、参考卡、脚本、README、视觉特效类风格等，可自由使用、修改、商用。
⚠️ 一处例外（商用前必读）：「歸藏家族」那套简洁排版的视觉 DNA 文件 （references/styles/guizang-dna.md、guizang-clean.css、guizang-checklist.md）提炼自设计师 歸藏 的 guizang-ppt-skill，该项目是 AGPL-3.0。 为尊重其 copyleft，这些文件单独以 AGPL-3.0 分发（不随仓库 MIT），swiss/minimal/terminal/editorial-print/pastel-aura 5 款风格内嵌了它们、就该视觉系统部分同样受约束。AGPL-3.0 是「传染性」copyleft——个人 / 学习 / 非商用随便用；商用（尤其对外网络服务）时通常需把对应衍生也以 AGPL-3.0 开源。完整边界说明见
references/styles/NOTICE-guizang-family.md，AGPL 全文见LICENSE.AGPL-3.0.txt。商用前请确认合规，或联系歸藏获取另行授权。
打包的第三方资源各自遵循原始许可：GSAP（GreenSock 标准许可）· 字体 Inter / Caveat / LXGW WenKai TC（SIL OFL）· Virgil（MIT）· @notedit/vtake、hyperframes（各自 npm 许可）。密钥（如 ELEVEN_API_KEY）只走环境变量，别提交进 git。
致谢
- vtake by Leo Xiang（@notedit）—— 先跑通「用 Claude Code 一键剪口播」这条路；本 skill 底层调用他的
@notedit/vtake做转录与抽取。 - 歸藏（@op7418） —— 「歸藏家族」简洁排版的视觉 DNA 来源（字阶 + 网格 + 预设配色 + 组件），取自 guizang-ppt-skill（AGPL-3.0）；是他把这套克制、高信息密度又高级的排版美学在中文设计圈带火。
Built on vtake by Leo Xiang (@notedit). The 歸藏 (clean-typography) design DNA is derived from guizang-ppt-skill by 歸藏 (@op7418) — licensed AGPL-3.0; review it before commercial use.
本 skill 由 卓霖（Derek）原创开发。要交流、合作，或一起把视频做得更好更快，欢迎加微信：
💬 微信号：
zhuolin25—— 我们是互通有无 AI 俱乐部（上海），目标很简单：一起做出好视频、更高效地做视频。
⏳ 前期模型 / 渲染可能跑得慢，还在持续优化，欢迎耐心等等、随时来聊。
Made by Interflow AI · 口播 → 成片，你只管讲。