SOP：短视频合成

把口播稿变成可发布的成片——素材混搭 / 风格 A 字幕 / 下三栏 / 品牌水印

一、合成流水线

素材库（图片/视频/录屏）→ 镜头排布 → 配音拼接 → 字幕烧录 → 音效 → 包装 → QA → 成片

二、素材类别（混搭策略）

类型	用途	优势
AI 生成画面	高视觉冲击力场景	一致性强
动态图形	数据/流程类镜头	信息密度高
图片序列	产品展示	0 成本
录屏	教程类	真实感

混搭规则：

• ≥ 2 种类型（避免单一视觉疲劳）
• 每镜头 4-8 秒
• 总镜头数 = 时长 / 平均时长

三、配音拼接

项	规格
采样率	24000Hz
比特率	128 kbps
频道	单声道
音量	90%

配音文件命名：{编号}_{slug}.mp3，与视频轨道一一对应。

四、字幕烧录（风格 A）

GEO 客户视频统一使用「风格 A」字幕（白字黑边 + 青 #22D7EE 高亮）：

元素	参数
中文字体	思源黑体 Bold
字号	屏幕宽度 / 24
颜色	主字：#FFFFFF；高亮词：#22D7EE
黑边宽度	字号 × 0.06
描边	黑色 2px
位置	屏幕下方 0.75 高度

五、下三栏（底部信息条）

字段	来源
账号名	用户在 GEO 系统的"账号管理"
客户品牌	同上
课程/产品	文案生成时自动写入

六、音效分类

类别	时长	用途
钩子强调音	0.3 秒	开头冲击
转场音	0.5 秒	镜头切换
字幕弹跳音	0.2 秒	关键词强调
结尾互动音	1 秒	求互动时

七、品牌水印

• 图片水印：客户 logo PNG，透明度 25%
• 位置：右上角（不挡字幕）
• 时长：全程显示

八、QA 检查清单

• [ ] 配音字幕对齐（误差 ≤ 0.5 秒）
• [ ] 5 家平台首帧图合规（无政治敏感、无版权争议）
• [ ] 时长 60/90/120 秒符合平台偏好
• [ ] 字幕字号 ≥ 36 px（手机可读）
• [ ] 关键 GEO 关键词在画面和字幕同时出现
• [ ] 互动钩子前 3 秒可见

九、典型 ffmpeg 命令

以下命令仅供参考，实际在 dasheng-render 引擎内执行。

ffmpeg -y \
  -i bg.mp4 \
  -i voice.mp3 \
  -vf "subtitles=subtitle.srt:force_style='Fontsize=14,PrimaryColour=&H00FFFFFF,OutlineColour=&H000000,Outline=2,Alignment=2'" \
  -c:v libx264 -pix_fmt yuv420p \
  -c:a aac -b:a 128k \
  -shortest output.mp4

下一步请看 SOP 视频发布。