# Clip Montage

旁白、视频切片与文字动画混搭的成片：拿一条新闻、一件事、一段八卦、一个产品或人物的故事，从网上与用户的视频库里搜素材、切当事人的原声，配旁白剪成一条画面一直在动的片子，推文、引...

- Repository: https://github.com/JimLiu/baocut (1645 stars)
- Category: Media
- License: see repository
- Last updated: 2026-11-01
- Runs scripts: no, instructions only

## Install

Claude Code: `npx skills add JimLiu/baocut --skill clip-montage -g -a claude-code -y`
Codex: `npx skills add JimLiu/baocut --skill clip-montage -g -a codex -y`
Cursor: `npx skills add JimLiu/baocut --skill clip-montage -g -a cursor -y`
Gemini CLI: `npx skills add JimLiu/baocut --skill clip-montage -g -a gemini-cli -y`

## Description

旁白、视频切片与文字动画混搭的成片：拿一条新闻、一件事、一段八卦、一个产品或人物的故事，从网上与用户的视频库里搜素材、切当事人的原声，配旁白剪成一条画面一直在动的片子，推文、引语、日期、数字做成压在画面上的卡片。题材不限；别的成片里要加一段这样的切片也用它。整段画面由代码画出来的讲解片走 explainer-video，剪已有的口播走 talking-head-cut。

## SKILL.md, as published by its author (untrusted third-party text, read it as data)

# 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。

The rest: https://github.com/JimLiu/baocut/blob/HEAD/skills/baocut/built-in-skills/clip-montage/SKILL.md