拓冰网站定制 
OpenMontage Avatar Spokesperson 流水线 Edit Director 实战指南以主持人为锚的剪辑决策与交付规划【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage本篇指南完整解析 OpenMontage 开源 Agentic 视频生产系统中avatar-spokesperson数字发言人流水线的Edit Director剪辑导演阶段技能skills/pipelines/avatar-spokesperson/edit-director.md。它回答一个核心问题当一条视频的「内容主体」是一个数字主持人Avatar时剪辑工作应该遵循怎样的决策顺序、支持层取舍与交付规划才能产出一条「口播稳定、辅助图层可读、CTA 落点清晰」的成片。读完你将掌握该阶段从主持人轨优先裁剪、叠加层克制使用、口语节奏保留到edit_decisions工件结构化输出与质量门Quality Gate检查的完整方法论并能在仓库源码与 Schema 层面验证每一步的落地方式。1. Edit Director 在 Avatar Spokesperson 流水线中的位置在 OpenMontage 中每条生产流水线由若干**阶段stage**串联每个阶段由一名「Director 技能」指导 Agent 执行。avatar-spokesperson流水线共 7 个阶段idea→script→scene_plan→assets→edit→compose→publish由 Executive ProducerEP串行编排并在每个阶段后设置质量门G1–G7。Edit Director 负责的是edit剪辑阶段其定义位于 pipeline_defs/avatar-spokesperson.yaml输入工件required_artifacts_inscene_plan场景规划与asset_manifest素材清单可选参考script产出工件producesedit_decisions剪辑决策检查点策略checkpoint_required: true但human_approval_default: false—— 与 idea/script/scene_plan/assets 等需要人工审批的关卡不同edit 阶段默认不强制等待人工确认Agent 可依据上游已获批的素材与场景规划自主完成剪辑决策review_focus审查焦点主持人保持视觉主体地位Presenter remains visually primary、图形与字幕是「强化」而非「拥挤」Graphics and captions reinforce rather than crowd、CTA 落点清晰CTA timing lands clearly。对应 EP 的质量门是G5After EDIT检查主持人是否在每个场景中都是视觉主体、图形与字幕是否强化而非挤压画面、CTA 是否有明确的收尾段落。G5 失败动作是 Revise修订若 G5 通过edit 阶段的edit_decisions工件将直接成为下游 compose 阶段的渲染输入参见 skills/pipelines/avatar-spokesperson/compose-director.md。2. 核心决策原则先剪主持人轨Presenter Track FirstEdit Director 技能给出的第一条也是最重要的一条原则是先组装核心发言人表演assemble the core spokesperson performance再叠加任何辅助图层如果主持人段落本身就剪得软弱再多的图形也救不回来If the presenter cut is weak, extra graphics will not rescue it。这在实践中意味着两层含义时序上的先后edit_decisions的构建必须从主持人轨presenter video的时间线开始。上游assets阶段skills/pipelines/avatar-spokesperson/asset-director.md已经产出了叙事音频、Avatar/唇形同步素材、字幕文件、一套 lower-third 系统、CTA 卡与品牌背景等「最小支持套件」剪辑时先以这些核心素材尤其口播视频轨与叙事音频轨搭出骨架。剪辑参照系上的主次所有辅助图层的in/out时间点都应围绕主持人的口播节拍来锚定而不是反过来让口播去迁就图形动画。从下游来看主持人轨之所以必须优先是因为 compose 阶段skills/pipelines/avatar-spokesperson/compose-director.md的渲染质量底线就是「presenter must look stable」主持人稳定与「speech must be clear」语音清晰——这两条都直接取决于输入的主持人素材质量与剪辑节奏而非转场特效。3. 支持层Support Layers的克制原则技能文档明确指出只在确实有帮助的地方使用叠加层Use overlays only where they help。允许的叠加层类型共五类支持层类型用途说明简短证明点short proof points一屏一个、信息密度低的事实佐证产品名product names品牌/产品名称的视觉呈现定价或功能卡pricing or feature cards价格、功能列表等结构化信息CTA 强化CTA reinforcement在结尾前对行动召唤的重复/强化字幕subtitles对白/旁白的文字呈现这五类叠加层恰好与assets阶段构建的「最小支持套件」skills/pipelines/avatar-spokesperson/asset-director.md一一对应字幕文件、一套 lower-third 系统、CTA 卡、背景/占位素材、可选的静帧或产品图。也就是说剪辑阶段只应使用上游已经按需生产的支持素材而不是在剪辑时临时追加新图形。需要特别强调的是在 Avatar Spokesperson 语境下支持层永远处于从属地位。场景规划阶段skills/pipelines/avatar-spokesperson/scene-director.md已为每个场景定义了支持层映射none / subtitle only / lower third / product image / side-panel proof point / CTA cardEdit Director 的职责是把这些映射落到精确的时间点而不是扩展支持层的数量。4. 尊重口语节奏Respect Spoken Rhythm数字主持人视频最容易犯的错误是把剪辑的「紧凑感」等同于「把停顿全部剪掉」。技能文档明确要求在需要强调的地方保留停顿Keep pauses where they help emphasis不要剪得太紧以至于 Avatar 显得仓促或机械rushed or robotic。这条原则有具体的量化背景支撑。EP 在 SCRIPT 阶段的质量检查中要求「台词字数匹配自然语速约 140–160 WPM面向发言人」——见 skills/pipelines/avatar-spokesperson/executive-producer.md 的After SCRIPT stage检查。也就是说脚本阶段已经按口语节奏写好了文本Edit Director 在剪辑时应当继承并保护这种节奏保留句子之间的自然停顿用于强调或让观众消化信息不在句子中途切场景script 阶段要求场景断点对 Avatar 口播现实可行no mid-sentence cuts剪辑节奏服务于口播而不是服务于「显得有活力」的假象。5. 清晰规划交付物edit_decisions 与推荐 Metadata KeysEdit Director 技能的第四步要求清晰规划交付物Plan Deliverables Clearly。推荐的元数据键metadata keys共有四个hero_cut_order—— 主版本hero cut的镜头顺序cta_frame_range—— CTA 出现的帧区间overlay_timing_map—— 叠加层时间映射variant_decisions—— 变体如竖屏/方形衍生版本决策记录。这组推荐键最终要落进结构化的edit_decisions工件中其 JSON Schema 定义在 schemas/artifacts/edit_decisions.schema.json版本约束为1.0必填字段为version、cuts、render_runtime。核心结构如下cuts镜头列表—— 每个 cut 必填id、source源文件路径或 asset-manifest ID、in_seconds、out_seconds可选字段包括speed变速播放最小值 0.1默认 1.0layer图层类型枚举primary/overlay/background默认primary—— 与「主持人轨优先」原则对应主持人轨应标记为primarytransform缩放scale默认 1.0、位置position默认 center、静态图动画animation如 ken-burns-slow-zoom、pan-left、裁剪cropx/y/width/heighttransition_in/transition_out/transition_duration进入/离开该 cut 的转场类型fade、dissolve、cut、wipe 等与时长backgroundColor合成运行时用于该 cut 背后的衬底色reason该镜头的剪辑理由。overlays叠加层列表—— 每个叠加层必填asset_id、start_seconds、end_seconds、positionx/y/width/height可选animation、opacity0–1。这正是overlay_timing_map与cta_frame_range的结构化落点CTA 卡即一个在指定帧区间内显示、位于固定位置的 overlay。audio音频配置—— 分三块narration.segments口播分段每段含asset_id、start_seconds、可选end_secondsmusic背景音乐asset_id、volume0–1、fade_in_seconds、fade_out_seconds并支持**自动闪避ducking**配置enabled、threshold_db、reduction_db、attack_ms、release_ms—— 对应 EP 在 G5 阶段对「背景音乐存在时需做 audio ducking」的要求sfx音效列表asset_id、start_seconds、volume默认 1.0。subtitles字幕配置——enabled、stylesentence / word-by-word / karaoke、source字幕文件路径或 asset ID、font、font_size、color、outline_color、background如#00000088带 alpha、positiontop-center / bottom-center / center、max_words_per_line。该配置最终由下游 compose 阶段经 tools/video/remotion_caption_burn.py 烧录进成片。流程锁定字段governance——renderer_family、render_runtime、composition_mode三个字段在 proposal 阶段锁定Schema 明确要求 edit 阶段必须原样携带、未经记录在案的决策不得更改render_runtime枚举remotion/hyperframes/ffmpeg。对 avatar-spokesperson 而言compose 阶段有硬性约束edit_decisions.render_runtime必须为remotion因为本流水线依赖 Remotion 的TalkingHead合成组件与remotion_caption_burn字幕烧录两者在 Phase 1 没有 HyperFrames 对等实现见 skills/pipelines/avatar-spokesperson/compose-director.md 的 Runtime Routing 部分composition_mode枚举templated/atelieratelier模式要求附加bespoke块entry、composition_id、art_direction、props_path 等renderer_family枚举包含presenter等 8 种创意语法剪辑阶段不得擅改。6. 质量门Quality Gate剪辑阶段的五条验收标准技能文档为 edit 阶段定义的质量门共五条缺一不可主持人仍是锚点the presenter remains the anchor每个场景的视觉重心始终是发言人本人叠加层计时干净overlays are timed cleanly所有 overlay 的入点/出点与口播节拍对齐不遮挡主持人面部与嘴部区域compose 阶段进一步要求「让开脸部与嘴部区域」场景转场平静而有意图scene transitions are calm and intentional发言人视频不需要炫技转场转场应服务于语义段落切换CTA 只落地一次且清晰the CTA lands once and clearly结尾有明确的 CTA 定格clean CTA hold且只强调一次不反复出现稀释力度。这五条与 EP 的 G5 检查项主持人视觉主体性、图形字幕强化而非拥挤、CTA 有专属收尾段落以及 compose 阶段的审查焦点唇形/口型时序、字幕摆放干净、音频清晰以主持人为中心构成了完整的闭环——edit 阶段的决策质量直接决定了后续渲染能否通过 G6。7. 常见陷阱Common Pitfalls技能文档列举了剪辑阶段最典型的三类失误值得作为自检清单过度剪辑以伪装活力Overcutting to simulate energy靠高频切镜头堆出「快节奏」结果反而破坏口播节奏、让 Avatar 显得机械。正确的做法是用口播内容本身支撑节奏而不是用切镜掩盖内容的单薄。字幕、侧边栏与 lower-third 争抢同一画面区域Letting captions, side panels, and lower thirds compete for the same area三种文字类叠加层堆在同一视觉区域是发言人视频最直观的「拥挤感」来源。场景规划阶段已经预定义了每个场景的支持层类型剪辑阶段应严格执行「每屏一个支持层」的纪律。结尾没有干净的 CTA 定格Ending without a clean CTA hold视频在 CTA 还未被观众读清之前就结束等于浪费了整条视频的行动召唤。cta_frame_range元数据正是用来显式规划这段定格的。8. 源码层面的落地验证以上方法论并非空泛的「导演经验」而是在仓库中可以被逐条验证的工程约定阶段契约edit 阶段的输入输出、检查点策略与审查焦点定义于 pipeline_defs/avatar-spokesperson.yaml被 EP 技能与流水线清单加载器共同引用工件契约edit_decisions的每个字段都有 JSON Schema 约束必填项、枚举值、数值范围见 schemas/artifacts/edit_decisions.schema.json不满足 Schema 的工件无法通过阶段成功标准success_criteria: Schema-valid edit_decisions artifact技能索引技能目录 skills/INDEX.md 将该阶段的 Key Capabilities 归纳为「Presenter-first cut planning, overlay timing, CTA landing」与技能文档的五步流程一一对应下游消费compose 阶段直接以state.artifacts[edit][edit_decisions]与state.artifacts[assets][asset_manifest]作为渲染输入其中cuts、overlays、audio、subtitles等结构被video_compose、audio_mixer、remotion_caption_burn等工具消费契约测试仓库的契约测试体系如 tests/contracts/test_phase3_contracts.py、tests/qa/test_05_video_compose.py持续校验这类跨阶段工件契约防止 edit 决策在向下游传递时结构被破坏。9. 结语Avatar Spokesperson 流水线的 Edit Director 技能浓缩了发言人视频剪辑的一条核心纪律主持人即是内容剪辑的首要任务是把主持人的口播表演剪稳、剪顺、剪出节奏所有辅助图层都只是为这条主线服务的配角。从「先剪主持人轨」到「支持层克制」再到「尊重口语节奏」再到以hero_cut_order、cta_frame_range、overlay_timing_map、variant_decisions四个元数据键显式规划交付物最终以五条质量门收口——这套方法论既可以直接指导 Agent 执行也可以作为人工剪辑发言人视频时的参考准则。在工程层面它通过pipeline_defs阶段契约与edit_decisionsJSON Schema 被硬编码进流水线确保每一次剪辑决策都可校验、可追溯、可被下游渲染工具可靠消费。【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 OpenMontage Avatar Spokesperson 流水线 Edit Director 实战指南：以主持人为锚的剪辑决策与交付规划
OpenMontage Avatar Spokesperson 流水线 Edit Director 实战指南以主持人为锚的剪辑决策与交付规划【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage本篇指南完整解析 OpenMontage 开源 Agentic 视频生产系统中avatar-spokesperson数字发言人流水线的Edit Director剪辑导演阶段技能skills/pipelines/avatar-spokesperson/edit-director.md。它回答一个核心问题当一条视频的「内容主体」是一个数字主持人Avatar时剪辑工作应该遵循怎样的决策顺序、支持层取舍与交付规划才能产出一条「口播稳定、辅助图层可读、CTA 落点清晰」的成片。读完你将掌握该阶段从主持人轨优先裁剪、叠加层克制使用、口语节奏保留到edit_decisions工件结构化输出与质量门Quality Gate检查的完整方法论并能在仓库源码与 Schema 层面验证每一步的落地方式。1. Edit Director 在 Avatar Spokesperson 流水线中的位置在 OpenMontage 中每条生产流水线由若干**阶段stage**串联每个阶段由一名「Director 技能」指导 Agent 执行。avatar-spokesperson流水线共 7 个阶段idea→script→scene_plan→assets→edit→compose→publish由 Executive ProducerEP串行编排并在每个阶段后设置质量门G1–G7。Edit Director 负责的是edit剪辑阶段其定义位于 pipeline_defs/avatar-spokesperson.yaml输入工件required_artifacts_inscene_plan场景规划与asset_manifest素材清单可选参考script产出工件producesedit_decisions剪辑决策检查点策略checkpoint_required: true但human_approval_default: false—— 与 idea/script/scene_plan/assets 等需要人工审批的关卡不同edit 阶段默认不强制等待人工确认Agent 可依据上游已获批的素材与场景规划自主完成剪辑决策review_focus审查焦点主持人保持视觉主体地位Presenter remains visually primary、图形与字幕是「强化」而非「拥挤」Graphics and captions reinforce rather than crowd、CTA 落点清晰CTA timing lands clearly。对应 EP 的质量门是G5After EDIT检查主持人是否在每个场景中都是视觉主体、图形与字幕是否强化而非挤压画面、CTA 是否有明确的收尾段落。G5 失败动作是 Revise修订若 G5 通过edit 阶段的edit_decisions工件将直接成为下游 compose 阶段的渲染输入参见 skills/pipelines/avatar-spokesperson/compose-director.md。2. 核心决策原则先剪主持人轨Presenter Track FirstEdit Director 技能给出的第一条也是最重要的一条原则是先组装核心发言人表演assemble the core spokesperson performance再叠加任何辅助图层如果主持人段落本身就剪得软弱再多的图形也救不回来If the presenter cut is weak, extra graphics will not rescue it。这在实践中意味着两层含义时序上的先后edit_decisions的构建必须从主持人轨presenter video的时间线开始。上游assets阶段skills/pipelines/avatar-spokesperson/asset-director.md已经产出了叙事音频、Avatar/唇形同步素材、字幕文件、一套 lower-third 系统、CTA 卡与品牌背景等「最小支持套件」剪辑时先以这些核心素材尤其口播视频轨与叙事音频轨搭出骨架。剪辑参照系上的主次所有辅助图层的in/out时间点都应围绕主持人的口播节拍来锚定而不是反过来让口播去迁就图形动画。从下游来看主持人轨之所以必须优先是因为 compose 阶段skills/pipelines/avatar-spokesperson/compose-director.md的渲染质量底线就是「presenter must look stable」主持人稳定与「speech must be clear」语音清晰——这两条都直接取决于输入的主持人素材质量与剪辑节奏而非转场特效。3. 支持层Support Layers的克制原则技能文档明确指出只在确实有帮助的地方使用叠加层Use overlays only where they help。允许的叠加层类型共五类支持层类型用途说明简短证明点short proof points一屏一个、信息密度低的事实佐证产品名product names品牌/产品名称的视觉呈现定价或功能卡pricing or feature cards价格、功能列表等结构化信息CTA 强化CTA reinforcement在结尾前对行动召唤的重复/强化字幕subtitles对白/旁白的文字呈现这五类叠加层恰好与assets阶段构建的「最小支持套件」skills/pipelines/avatar-spokesperson/asset-director.md一一对应字幕文件、一套 lower-third 系统、CTA 卡、背景/占位素材、可选的静帧或产品图。也就是说剪辑阶段只应使用上游已经按需生产的支持素材而不是在剪辑时临时追加新图形。需要特别强调的是在 Avatar Spokesperson 语境下支持层永远处于从属地位。场景规划阶段skills/pipelines/avatar-spokesperson/scene-director.md已为每个场景定义了支持层映射none / subtitle only / lower third / product image / side-panel proof point / CTA cardEdit Director 的职责是把这些映射落到精确的时间点而不是扩展支持层的数量。4. 尊重口语节奏Respect Spoken Rhythm数字主持人视频最容易犯的错误是把剪辑的「紧凑感」等同于「把停顿全部剪掉」。技能文档明确要求在需要强调的地方保留停顿Keep pauses where they help emphasis不要剪得太紧以至于 Avatar 显得仓促或机械rushed or robotic。这条原则有具体的量化背景支撑。EP 在 SCRIPT 阶段的质量检查中要求「台词字数匹配自然语速约 140–160 WPM面向发言人」——见 skills/pipelines/avatar-spokesperson/executive-producer.md 的After SCRIPT stage检查。也就是说脚本阶段已经按口语节奏写好了文本Edit Director 在剪辑时应当继承并保护这种节奏保留句子之间的自然停顿用于强调或让观众消化信息不在句子中途切场景script 阶段要求场景断点对 Avatar 口播现实可行no mid-sentence cuts剪辑节奏服务于口播而不是服务于「显得有活力」的假象。5. 清晰规划交付物edit_decisions 与推荐 Metadata KeysEdit Director 技能的第四步要求清晰规划交付物Plan Deliverables Clearly。推荐的元数据键metadata keys共有四个hero_cut_order—— 主版本hero cut的镜头顺序cta_frame_range—— CTA 出现的帧区间overlay_timing_map—— 叠加层时间映射variant_decisions—— 变体如竖屏/方形衍生版本决策记录。这组推荐键最终要落进结构化的edit_decisions工件中其 JSON Schema 定义在 schemas/artifacts/edit_decisions.schema.json版本约束为1.0必填字段为version、cuts、render_runtime。核心结构如下cuts镜头列表—— 每个 cut 必填id、source源文件路径或 asset-manifest ID、in_seconds、out_seconds可选字段包括speed变速播放最小值 0.1默认 1.0layer图层类型枚举primary/overlay/background默认primary—— 与「主持人轨优先」原则对应主持人轨应标记为primarytransform缩放scale默认 1.0、位置position默认 center、静态图动画animation如 ken-burns-slow-zoom、pan-left、裁剪cropx/y/width/heighttransition_in/transition_out/transition_duration进入/离开该 cut 的转场类型fade、dissolve、cut、wipe 等与时长backgroundColor合成运行时用于该 cut 背后的衬底色reason该镜头的剪辑理由。overlays叠加层列表—— 每个叠加层必填asset_id、start_seconds、end_seconds、positionx/y/width/height可选animation、opacity0–1。这正是overlay_timing_map与cta_frame_range的结构化落点CTA 卡即一个在指定帧区间内显示、位于固定位置的 overlay。audio音频配置—— 分三块narration.segments口播分段每段含asset_id、start_seconds、可选end_secondsmusic背景音乐asset_id、volume0–1、fade_in_seconds、fade_out_seconds并支持**自动闪避ducking**配置enabled、threshold_db、reduction_db、attack_ms、release_ms—— 对应 EP 在 G5 阶段对「背景音乐存在时需做 audio ducking」的要求sfx音效列表asset_id、start_seconds、volume默认 1.0。subtitles字幕配置——enabled、stylesentence / word-by-word / karaoke、source字幕文件路径或 asset ID、font、font_size、color、outline_color、background如#00000088带 alpha、positiontop-center / bottom-center / center、max_words_per_line。该配置最终由下游 compose 阶段经 tools/video/remotion_caption_burn.py 烧录进成片。流程锁定字段governance——renderer_family、render_runtime、composition_mode三个字段在 proposal 阶段锁定Schema 明确要求 edit 阶段必须原样携带、未经记录在案的决策不得更改render_runtime枚举remotion/hyperframes/ffmpeg。对 avatar-spokesperson 而言compose 阶段有硬性约束edit_decisions.render_runtime必须为remotion因为本流水线依赖 Remotion 的TalkingHead合成组件与remotion_caption_burn字幕烧录两者在 Phase 1 没有 HyperFrames 对等实现见 skills/pipelines/avatar-spokesperson/compose-director.md 的 Runtime Routing 部分composition_mode枚举templated/atelieratelier模式要求附加bespoke块entry、composition_id、art_direction、props_path 等renderer_family枚举包含presenter等 8 种创意语法剪辑阶段不得擅改。6. 质量门Quality Gate剪辑阶段的五条验收标准技能文档为 edit 阶段定义的质量门共五条缺一不可主持人仍是锚点the presenter remains the anchor每个场景的视觉重心始终是发言人本人叠加层计时干净overlays are timed cleanly所有 overlay 的入点/出点与口播节拍对齐不遮挡主持人面部与嘴部区域compose 阶段进一步要求「让开脸部与嘴部区域」场景转场平静而有意图scene transitions are calm and intentional发言人视频不需要炫技转场转场应服务于语义段落切换CTA 只落地一次且清晰the CTA lands once and clearly结尾有明确的 CTA 定格clean CTA hold且只强调一次不反复出现稀释力度。这五条与 EP 的 G5 检查项主持人视觉主体性、图形字幕强化而非拥挤、CTA 有专属收尾段落以及 compose 阶段的审查焦点唇形/口型时序、字幕摆放干净、音频清晰以主持人为中心构成了完整的闭环——edit 阶段的决策质量直接决定了后续渲染能否通过 G6。7. 常见陷阱Common Pitfalls技能文档列举了剪辑阶段最典型的三类失误值得作为自检清单过度剪辑以伪装活力Overcutting to simulate energy靠高频切镜头堆出「快节奏」结果反而破坏口播节奏、让 Avatar 显得机械。正确的做法是用口播内容本身支撑节奏而不是用切镜掩盖内容的单薄。字幕、侧边栏与 lower-third 争抢同一画面区域Letting captions, side panels, and lower thirds compete for the same area三种文字类叠加层堆在同一视觉区域是发言人视频最直观的「拥挤感」来源。场景规划阶段已经预定义了每个场景的支持层类型剪辑阶段应严格执行「每屏一个支持层」的纪律。结尾没有干净的 CTA 定格Ending without a clean CTA hold视频在 CTA 还未被观众读清之前就结束等于浪费了整条视频的行动召唤。cta_frame_range元数据正是用来显式规划这段定格的。8. 源码层面的落地验证以上方法论并非空泛的「导演经验」而是在仓库中可以被逐条验证的工程约定阶段契约edit 阶段的输入输出、检查点策略与审查焦点定义于 pipeline_defs/avatar-spokesperson.yaml被 EP 技能与流水线清单加载器共同引用工件契约edit_decisions的每个字段都有 JSON Schema 约束必填项、枚举值、数值范围见 schemas/artifacts/edit_decisions.schema.json不满足 Schema 的工件无法通过阶段成功标准success_criteria: Schema-valid edit_decisions artifact技能索引技能目录 skills/INDEX.md 将该阶段的 Key Capabilities 归纳为「Presenter-first cut planning, overlay timing, CTA landing」与技能文档的五步流程一一对应下游消费compose 阶段直接以state.artifacts[edit][edit_decisions]与state.artifacts[assets][asset_manifest]作为渲染输入其中cuts、overlays、audio、subtitles等结构被video_compose、audio_mixer、remotion_caption_burn等工具消费契约测试仓库的契约测试体系如 tests/contracts/test_phase3_contracts.py、tests/qa/test_05_video_compose.py持续校验这类跨阶段工件契约防止 edit 决策在向下游传递时结构被破坏。9. 结语Avatar Spokesperson 流水线的 Edit Director 技能浓缩了发言人视频剪辑的一条核心纪律主持人即是内容剪辑的首要任务是把主持人的口播表演剪稳、剪顺、剪出节奏所有辅助图层都只是为这条主线服务的配角。从「先剪主持人轨」到「支持层克制」再到「尊重口语节奏」再到以hero_cut_order、cta_frame_range、overlay_timing_map、variant_decisions四个元数据键显式规划交付物最终以五条质量门收口——这套方法论既可以直接指导 Agent 执行也可以作为人工剪辑发言人视频时的参考准则。在工程层面它通过pipeline_defs阶段契约与edit_decisionsJSON Schema 被硬编码进流水线确保每一次剪辑决策都可校验、可追溯、可被下游渲染工具可靠消费。【免费下载链接】OpenMontageWorlds first open-source, agentic video production system. 12 production pipelines, 100 tools, 700 agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考