name: bighead-collage description: 大头剪贴人物短片：9:16 竖屏、15–60 秒，讲一个大人物的一件反常事或他的一生。主角是放大了头的真人照片剪纸，站在代表他处境的小舞台上；数字是他举着的牌子、黑板上敲出来的字，字是贴条、人身后升起的大字；场内每 0.4–0.6 秒一个画面事件，卡在配音的字上；镜头走大起伏的曲线，转场长在运动最快处，每次换场都带一样东西过去（同一个人、同一扇门、同一个世界翻过来）；几乎每个事件一个短音效，慢的合成器垫底。先写导演表再做画面。学自 earn.edits 的两条片（巴菲特囤现金、西尔斯邮购目录），中文版做过《芒格的一生》。用户说"大头剪贴风""大头人物短片""像巴菲特囤现金那条""像西尔斯那条""做一个 XX 的一生短片 / XX 的故事（竖屏）"时使用。横屏、有真人口播出镜、纯数据图表片不用这个。

大头剪贴人物短片（bighead-collage）

每个短语都是一件实物在小舞台上被摆弄：人是大头照片剪纸，数字是举着的牌子，字是贴条、黑板字、路面字，镜头和物件推着它们走——不是一句话配一张图、缓慢推进、字幕浮在画面上。 而且观众每一刻都看得懂：每次换场都有一样东西从上一镜带过来，换场的动作本身讲得通。

这是判断，不是模板。没有可以照抄的场景顺序；每条片的舞台从它自己题目里的物件来。

先看四样东西

1. anchors/taste_board.jpg：好在哪（参考片 12 个时刻）；anchors/own_taste_board.jpg：用这份 skill 做出来的 12 个时刻。
2. anchors/gap_pairs.jpg：不看这份 skill 时最容易做出来的（扁平矢量、放射光底、人缩成角落头像、整句字幕）vs 参考。
3. examples/munger-life/near_misses.jpg：我们自己做《芒格的一生》时差一点就对的几处（像 PPT 的运镜、没有理由的换场、整屏空一下、主角消失），每处一句差在哪。
4. style-card.md：全部判断，15 节，每条带参考片时间点。

开工前（每条片都先过这一步）

1. 环境：python scripts/doctor.py。有 ✗ 的按它给的命令装好再往下；装不上的告诉用户卡在哪。
2. 配音和生图怎么来：看 python scripts/config.py。
   • 没有 config.json（第一次用）：问用户两个问题（有 AskUserQuestion 就用它，一次问完；没有就直接列选项问），答案用 python scripts/config.py set … 写进去，以后不再问：
     • 配音：① edge-tts（默认、免费、不用注册，音色 zh-CN-YunxiNeural）② 我有录好的整条配音（mp3/wav）③ 接我自己的 TTS（豆包、ElevenLabs、MiniMax、本地模型……，要给一条命令，示例在 scripts/tts_examples/）。
     • 生图：① codex（本机 codex CLI，走 ChatGPT 订阅额度）② OpenAI 图像接口或兼容服务（要 key，可填 base_url）③ 我自己的生图命令 ④ 手动（只出提示词，我自己拿去生成再放回来）。
     • 对应写法：voice.provider = edge / recording / command；image.provider = codex / openai / command / manual。选了 command 要同时问到那条命令；选了 openai 问模型名和地址（官方就留空）。
   • 已经有 config.json：一句话告诉用户现在用的是什么（"配音 edge-tts、生图 codex"），用户没说要换就照用。
   • 选完再跑一次 doctor.py，确认这两项是 ✓。
3. 还缺什么就问什么：选题和文案（用户只给选题时，按第 0 站写好文案给他确认）、主角的脸参考照（没有就去维基共享资源找 CC BY / 公有领域的，记进 SOURCES.txt）、画幅（默认 9:16）。

流程（每一站都有产物）

工具、参数和坑：references/production.md（素材、配音、音效、渲染、自查）和 references/engine.md（stage.js）。 用户要"照着参考片整条复刻、看像不像"时（对临）：配音用原片人声、时刻和版面按原片逐帧量，做法在 references/production.md 第 8 节。

写每一镜时问自己的八句

1. 观众这一镜要看懂什么？ 写成一句具体的话。写不出来，这一镜就是为了切换而切换。
2. 凭什么从上一镜到这一镜？ 带一样东西过去：同一个人走过去、推进同一扇门、同一个世界翻过来、同一块招牌又出现。"明信片放大 → 一张店的图"讲不通；"少年走进明信片里那扇门 → 镜头跟进去 → 门里就是店"讲得通。
3. 这个短语里的名词，屏上是哪件实物？ 数字 → 牌子/黑板/日历；人 → 大头剪纸；时间 → 一页页翻、一个个数；找不到实物，就把字做成贴条贴在一个实物上。
4. 这个短语里的动词，那件实物做了没有？ 卖 = 金币飞走；寄 = 目录飞进邮筒；离婚 = 婚戒滚走；走了 = 他起身走出画面。动词没发生，这一镜就是"配图"。
5. 这个动作落在哪个字上？ 换场、物件动作、镜头到位，都落在新画面要演的那个词上，常在一句话中间；不放在两句之间的停顿里（"一句一页"是 PPT 的节奏）。卡的是字，不是配乐的拍子。
6. 镜头在做什么动作？ 一场 1–2 个宽而果断的推或拉，推完顺势拉，动作之间停一停；转场长在推得、拉得、摇得最快的那一刻。场内微微缓推、转场时突然来一下 = PPT。反过来也不行：讲事的段落里字落下来时镜头要停住，不做 1.0→1.1→1.02 的小抽动——全片的推拉幅度是开头和转场撑起来的。
7. 这一刻观众看哪？画面里每样东西凭什么还在？ 每场有固定分区：主角位、账本位（会积累的那一排）、小戏区、字位。上一件事的东西要么排进账本位，要么被戏里的人带走；说不出理由的不是删掉，是回去改调度。讲事的段落每 0.5 秒暂停一帧，说出眼睛落在哪：说出来的是"一个动作"而不是"这句话讲的那件事"，就是特效盖住了内容。
8. 字属于谁？ 在人身后、在牌子上、在黑板上、是贴条——不浮在空中。出字方式要轮换，同一种连用三次就是模板。

度（AI 学会一个手法就会滥用）

• 换场的密度看观众：参考片一场 1.2–3s（英文母语、熟悉巴菲特）；中文、观众不熟这个人时，一场 2–6s，段落间停 0.35–0.55s。场内的事件密度（0.4–0.6s 一个）不变。
• 主角在场多少看题材：讲一件事（囤现金、发明邮购）→ 人占 30–50% 的时间，另一半交给钞票、计数板、黑板、手；讲一个人的一生 → 人就是贯穿全片的那样东西，可以每场都在，但每场都要有他之外的东西在动（戒指滚走、招牌荡下、日历翻页）。
• 圆圈揭开 / 缩进白圈：段落交界各一次，不是每次换场都用。
• 换色（黑白 + 暗红）：只在"处境变坏"那一处。
• 计数、打字、乱码解字、灯泡：一条片里各至多一次。白底贴条一条片 2–4 张。
• 三行堆字压在人身后：人名那一次必用；之后换别的出字方式。
• 大头只给主角（配角至多 1–2 人），姿势每 10 秒至多一个。
• 小舞台从这条片自己的题目里找；参考片的浮空小镇、红白漩涡纸是那两条片的答案，照搬会被一眼认出。
• 音效几乎每个事件一个，但永远比人声低 7 dB 以上。
• 动静按段落分：开头钩子（约前 8 秒：一张脸 + 一个冲突 + 片名卡）可以满——满天飞的复印纸就是在演"全世界都在抄"，那里的动静就是内容，不做减法。讲事的段落每一拍只有一个焦点，动作只做两件事：把东西带进来、把这句话的动词演出来；纸片雨、金币雨、扬尘、闪光、震屏不讲内容就不加，推拉不配"呼"；繁忙的底（地图、纹理）压暗、降饱和、微糊，人要比纹理大。场内 0.4–0.6 秒一个事件，说的是讲这句话的动作，不是装饰。
• 字幕：中文竖屏片固定一条（captions()）：y≈1400、思源黑体 Bold 62px、白字粗黑描边、按短句换、不做动画，一条不超过 14 字（在语义处断）；片名卡、逐词排出来的原话那几秒让位。关键词还是场景里的大字（900 粗体），两者一眼分得开。

完整的度表在 style-card.md 第 10 节。

拒绝

• 一张静止的图撑一句话（整图 + 缓推 > 1.5 秒）；场内几乎不动、只在转场处来一下特效。
• 没有理由的换场：前后两镜没有共同的东西、换场动作讲不通。
• 扁平矢量图标、卡通画、放射光底、图表、坐标轴。
• 人缩成角落里的头肩贴纸。
• 字幕抢戏：字幕只能是固定位置、没有动画的一条；关键词仍然在场景里。
• 特效盖住内容：讲事的段落一拍好几样东西在动、字落下来时镜头还在晃、底比人响（用户原话"不是在看内容而是看特效去了"）。但开头钩子不在此列。
• 关键内容落在平台界面下面：9:16 片的字幕、数字、主角的脸进了顶部标签栏、右侧按钮列、底部标题区（scripts/ui_check.py 查）。
• 画面里出现网址、水印、署名（参考片里 amazon.com 卡片是穿帮，不要学）。
• 道具"从零放大弹出来"、凭空消失；人物只换姿势图不演；文案里的人拿道具顶替。
• 屏上演出的事实没核过（芒格摘掉左眼后装的是义眼，不戴眼罩；画一块眼罩就是错的）。

作者定过的口味

references/taste.md：作者看样片时说过的话（表里的"用户"指作者）、对应的规则和适用范围（这个风格 / 所有风格）。新做一条片之前读一遍。你的用户看样片时说了新的，就往这张表里加一行，同一个问题不让他说第二次。

文件

大头拼贴（bighead-collage）

只需要一个 Skill，给它一个选题和文案，就能做出这种大头拼贴视频。

不用自己剪辑、抠图，也不用会 AE。支持 Claude Code、Codex 等 Agent 工具。

画面里的人物、数字和道具，都会跟着文案有逻辑地动起来：主角是放大了头的真人照片剪纸，站在代表他处境的小舞台上；数字是他举着的牌子、黑板上敲出来的字；镜头大起大落，换场时总有一样东西跟着过去；几乎每个动作都配一个短音效。

以前做这种视频，得找人物照片、找素材，还得给画面打很多关键帧。现在你只要准备好选题和文案，人物、场景、动画和音效都交给这个 Skill。

适合做什么

想做故事类账号的话，可以用它讲人物经历、创业故事、公司历史，15–60 秒一条，竖屏 9:16。

先找一个自己感兴趣的方向，围绕它做成系列，就不用每次都从零开始想画面了。

它会替你做什么

你要做的：给选题（或文案）、确认文案、看样片提意见。

安装

需要：Python 3.10+、Node.js 18+、ffmpeg。

# 1. 放进 Agent 的 skills 目录（Claude Code 是 ~/.claude/skills/）
git clone https://github.com/HeyChengC/bighead-collage ~/.claude/skills/bighead-collage
cd ~/.claude/skills/bighead-collage

# 2. 依赖
pip install -r requirements.txt
npm install
npx playwright install chromium

# 3. 自检：缺什么会告诉你怎么装
python scripts/doctor.py

或者把这句话发给你的 Agent，让它帮你装：

请帮我安装这个 skill：https://github.com/HeyChengC/bighead-collage，克隆到我的 skills 目录，按 README 装好 Python 和 Node 依赖，最后运行 scripts/doctor.py 确认全部通过。

没有 NVIDIA 显卡也能用，语音识别会走 CPU，慢一些。可以设环境变量 WHISPER_MODEL=small 换小模型（默认 large-v3，第一次运行会下载约 3GB）。

使用

在 Agent 里直接说：

用大头拼贴风做一个《芒格的一生》，竖屏 40 秒左右

大头剪贴风：讲讲西尔斯是怎么在亚马逊之前一百年就做了网购的

如果你已经写好了文案，直接把文案发给它就行。等它做出样片，再看看有没有要改的地方。

第一次用时它会问你两件事（配音怎么来、图怎么生成），答完会记住，以后不再问。我自己是让它直接调用 Codex CLI 生图的，你也可以接 API：

配音怎么来

图怎么生成

以后想换，跟 Agent 说一声，或者自己改：

python scripts/config.py                              # 查看
python scripts/config.py set image.provider codex
python scripts/config.py set voice.edge_voice zh-CN-YunyangNeural

要多久、花多少额度

按我目前的经验，一条 30 秒的视频，大概 25 到 35 分钟出一版。时间主要花在生成图片上；后面还要继续打磨、修改的话，时间会更长一点。不过比起自己找素材、抠图、做动画，还是省事不少。

我用 Claude Pro 来做，一条大概用掉五小时限额的 20% 到 30%。具体消耗多少，要看视频内容和修改次数。

目录

SKILL.md              Agent 读的说明：开工前、流程、每一镜问自己的八句、度、拒绝
style-card.md         风格判断 15 节，每条带参考片时间点
references/
  mapping.md          每类话怎么变成实物在动
  engine.md           渲染引擎 stage.js：场、相机、字、转场、字幕
  production.md       素材、配音、音效、渲染、样片前自查、交片
  taste.md            作者看样片时定下的口味规则
examples/
  munger-life/        《芒格的一生》：导演表、近失对、运镜曲线
  hardcases-01/       《商业狠人图鉴 01》：动作分镜、舞台调度、注意力层级
anchors/              好在哪 / 坏成什么样 的对照图
scripts/              引擎、配音、生图、抠图、音效、混音、渲染、自查工具

常见问题

• Windows 下中文打印成乱码：先设 PYTHONIOENCODING=utf-8，文件本身没坏。
• 生图画得不像本人：大头要用一张清楚的正脸照片做参考；还不行时，production.md 里有拼接的备用方案。
• 生成的图里有网址、logo：重画或遮掉，成片里不能出现。
• 真人肖像：片子里的人物形象是 AI 照着照片生成的，发布时请注明「AI 生成」，并遵守平台对真人内容的规定。

引用说明

• 这个风格学自 Instagram / TikTok 账号 earn.edits（earnedits.com）的两条短片：《巴菲特囤现金》和《西尔斯邮购目录》。anchors/taste_board.jpg、anchors/gap_pairs.jpg、anchors/detail.jpg 里有这两条片的截帧，style-card.md 里引用了它们的时间点，仅用于说明风格、学习研究。版权归原作者所有。如有侵权，请在 Issues 联系，我们会立即删除。
• 示例片子里芒格、巴菲特的脸参考了维基共享资源的照片（CC BY 2.0 / CC BY-SA 2.0），人物形象由 AI 生成。
• 字体：Anton、思源黑体（Noto Sans SC）、得意黑（Smiley Sans），均为 SIL Open Font License 1.1，协议见 scripts/fonts/。
• 人脸检测模型 scripts/face_yunet.onnx 来自 OpenCV Zoo（YuNet，MIT）。

协议

代码和文档：MIT（见 LICENSE）。字体、第三方截帧和模型按上面各自的协议。

友情链接

https://linux.do/