Fred Remake logo

Fred Remake

Community
njrhts2kvv-star
fred-remake

Fred 场景实现。根据已授权的参考视频、首尾帧或真实截图实现 Remotion,或只修复指定片段。整份稿子到完整视频的日常制作由 fred-remotion-output 负责;本 Skill 提供精确场景实现、字体几何、交接诊断与局部返修专项能力。

Overview

Publishernjrhts2kvv-star
RepositoryFredTalk
Skill namefred-remake
Stars
189
Forks
13
Bundled files
20
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • 20 bundled files

    Scripts, templates, and references the model can read while it works. Files are read-only and never executed.

  • Open source

    Published by njrhts2kvv-star on GitHub. Read the source before you install it.

Installation

Install the Fred Remake AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/njrhts2kvv-star/FredTalk/tree/main/skills/fred-remake
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/njrhts2kvv-star/FredTalk.git /tmp/FredTalk
mkdir -p .claude/skills
cp -r /tmp/FredTalk/skills/fred-remake .claude/skills/fred-remake
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Fred Remake in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Fred Remake on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Fred Remake is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

本 Skill 保留为准确参考场景实现与局部返修模块。用户要求从稿子制作完整视频时,主入口是 Fred 的 Remotion 视频输出;按需读取这里的实现方法,不重新启动旧 H3 或 Deck 全流程。

Fred 场景实现

适用前提:使用自有素材或已获得适用授权的参考;本模块不授予对参考作品的版权或再分发许可。

目标:把参考里的视觉关系和运动逻辑变成可控、可复现的视频,而不是根据一句提示词重新设计一个相似主题。先保住用户已经认可的部分,再准确修复点名问题。用户最新明确要求优先于旧样片、旧合同和本 Skill 的默认建议。

用户要求接近 1:1、逐帧/像素级场景实现,或反馈字体、粗度、字号、框形与运动质感不对时,先执行 字体、逐帧与像素级场景实现:字体不符就重新找候选并做同字对照;按源原生帧量测对象与镜头;统一坐标和时间做像素/边缘与运动对照。不要用固定字体、统一缓动或“看着类似”替代具体依据。

批量任务按用户节奏先整批出片、前端集中对照,再只重渲有问题的条目。初稿明确标记,不等待每条完全校准才提交下一条。整体获认可后锁定成片及源码版本,只针对新意见局部修复;技术、还原度、动态观看与用户认可分别记录并绑定当前文件 hash。

1. 先确定场景实现范围

  • 用户给视频:实际查看开头、动作交接和结尾,不以文件名或单张 contact sheet 推断全过程。
  • 用户只给图片:可以重建清晰的文字、几何和图片舞台,但图片不能证明动作曲线。说明哪些动作是据图设计,不能声称与未提供的视频 1:1 一致;无需强迫用户先生成一条 AI 视频。
  • 用户说“其他都挺好”:列出 preserve 与 change,默认只做一版局部修复。两方案仅在用户要求时提供,不继承某一期“每句两份”的历史要求。
  • “场景实现并优化”:分别记录 fidelity 基线和允许偏离点。不能把所有差异都解释为优化。
  • FredTalk、第 86 期等只在当前任务指定时作为审美参照。必须找到并观看可用参考;找不到则说明缺口,不把这些名称当作已验证的质量证据。

选择并明确记录 implementationMode:

模式选择条件交付口径
full-remotion用户要求全片代码重建、文字需可编辑,或参考内部存在广泛错误全片 Remotion 重建;列明仍使用的真实图片/视频素材
hybrid-repair用户认可后半段,只要求局部清理或替换;保留参考片段能忠实维持效果Remotion 重建指定区间,其余沿用参考片段,明确边界和音轨策略
image-driven只有首帧/截图和确定文案根据图片重建并设计动效;不是已验证的视频 1:1 场景实现

没有源实现时不能承诺像素级全片场景实现。有源组件时先读并复用结构、素材、字体和 timeline,不先另写近似版。用户明确要全片重建时,不用播放原视频冒充实现;需要混合路线必须先说明差别并获得必要的用户选择。

2. 输入与事实源

后续 Remotion 分镜、组件选择和偏好复用先读 Fred 已选参考入口,查询项目 assets/preferred-motion/catalog.json。默认只推荐 keep 与精确视频区间,备选单独查,排除项和旧库全部集合不回流为默认。按内容选动作,保留准确版本、源码与依赖,避免每期重复同一模板。

定位当前 episode,不从旧任务猜路径。FredTalk 项目优先使用项目内 Skill 和本地 runtime;先读项目执行规则,再按需要读取:

  • Remotion 实现:skills/remotion-best-practices/SKILL.md 及涉及的动画、图片、字体、视频规则;项目缺失时才读全局 Remotion Skill 文档。
  • 正式出片:skills/fredtalk-deck-motion-pipeline/references/preflight-stage-gates.md,复用现有门禁脚本,不另建宽松通道。
  • 整期制作、封装与最终 QC:交给 skills/fred-remotion-output/SKILL.md;已有音频和 SRT 的口误粗剪、字幕纠错:交给 skills/audio-subtitle-roughcut/SKILL.md。外录同步、ASR、母版处理等既有 pipeline 工具按当前任务需要使用保留的内部依赖,不恢复已归档的视频剪辑 Skill。独立动画不自动套紫色竖版框、不自动添加字幕、BGM 或统一关注结尾。
  • 飞书源文本在当前任务中属于事实源时,用对应飞书 Skill 读取当前版本;若只修已确认视频的局部画面,不额外重写整期文案。

制作过程放 00_每期项目/<episode>/03_制作过程/remotion-remake/<clip-id>/<version>/;唯一最终 MP4 放本期 02_最终输出/。保留已确认版本,不覆盖源素材。下载/剪贴板文件进入本地输入或受控资产目录,记录原路径和 SHA256,避免依赖会消失的临时路径。

先确认 runtime 的实体 node_modules 和素材可读,正式 still/render/QC 前运行:

bash
node skills/fred-video-editing/scripts/verify-local-assets.mjs

不把旧 episode 的 node_modules、模型、Logo 或临时缓存变成新任务的公共依赖。素材不自动上传;不自动注册云端生成任务。

3. 先看清楚,再写代码

读取 references/visual-reconstruction.md,完成以下轻量记录:

  1. reference-analysis.md:源尺寸、真实 fps、时长、音轨、画幅、首尾状态;整段动作概述;关键帧时间表。
  2. reproduction-contract.json:唯一首帧来源、准确文字、字体/几何、素材职责、运动 cue、preserve/change、实现模式、音轨与 fps 策略。
  3. manifest.json:唯一运行时数据源。页身份、sourceBeatIds、时长和准确文案与生产合同一致;不在组件里再手写第二套页数据。

连续分句把“上一段当前成片的尾帧 → 本段首帧”登记为带 checksum 的依赖;上一段更新时只让受影响的开头与接缝验收失效,不顺手重做已认可后段。具体见视觉拆解参考的“分句连续性”。

第一性原则检查:这一刻观众应该看什么?运动传达了什么变化?上一个状态的内容去了哪里?结尾留下的结论是什么?不能回答的装饰先不加。

参考视频先全片疏采样,再对入场、滚动、换词、合并和接缝密采样并播放检查。实际第一帧用 -frames:v 1 单独提取;fps=1 contact sheet 首格未必就是 t=0。

可使用随 Skill 附带的只读源视频审计工具,产物必须写入新的过程子目录:

bash
node skills/fred-remake/scripts/media-audit.mjs --input "/absolute/reference.mp4" --out "/absolute/process/reference-audit" --sheet

脚本只核对媒体与抽帧,不判断美观,不替代门禁或用户认可。若发现前 1–2 秒混入键盘、输入框等,先定位最后污染帧和可安全接入帧,再决定重建区间,不简单删时长打乱音轨。

4. Remotion 实施与返修

设备/网页画面单调、镜头推进失衡、模块提前出完或需要提升连续讲解质感时,读 设备镜头与内容接力:区分舞台镜头、设备外壳和内部内容;以口播触发、可读停留及相对锚点组织变化。它是可选方法,不是固定电脑模板或新增已批准组件。

完整提示词讲解、逐项高亮、原图对比或单处/多处特写时,读 提示词聚焦与图片局部特写:把口播短语绑定真实文字或图片 ROI,先建立全貌,再连续转移焦点;阅读时停稳,同轮几何一致,透明底与内容共同运动。设备到全屏的几何交接仍由设备镜头参考负责。

同类细节反复出现或希望加快整期制作时,读 稳定质量的执行入口:先检查代表状态,再扩展同类组件;局部字阶、背景几何、蒙版生命周期和动作起点要在实际短样中成立。

FredTalk横版解释动画沿用既有右上角品牌规范;录屏/实拍/生成视频作为主内容播放时不叠加右上角角标,混合场景按实际播放区间显隐;纯B-roll、第三方严格场景实现、其他画幅和明确无角标任务不自动添加。启用时读取 已认可角标规范 和 精确参数,沿用尺寸、位置、局部底色对应素材和单次缩放规则。该角标规范已获跨期复用授权,正文仍按本期内容设计。

涉及人物或整期人物镜头规划时,先读 references/character-motion-planning.md。已验证路线是保留原始人物动效视频,在 Remotion 中合成,并用代码重建文字和模块;不是凭代码重新生成人物。可复用人物实体依赖见 assets/characters/manifest.json,使用前运行 node scripts/verify-characters.mjs。整期先基于完整逐字稿和录音规划,人物少量、分散、动作不重复,不能逐条随机添加。

用户点名字重、局部闪光、内部缩放或要求像素级差异时,先读 references/fine-detail-repair.md:逐对象密采样、文字 ROI 测量、连续区间碰撞与同一对象交接,再做局部诊断和完整样片。测量值不是全片相似度,不将单期参数固化为模板。

  • 所有动作由 useCurrentFrame() 和明确 fps 驱动;不用 CSS animation、随机值、真实时钟或渲染期间变化的数据。
  • 图片使用 Remotion Img,确保字体加载完成后渲染;共享图片/字体节点稳定,不用反复卸载或随机 key 制造闪屏。
  • 字体先匹配 family、weight、实际字形,再匹配字号、行高、字距和 bbox。不要默认 Heavy、紧字距或用横向拉伸凑宽。准确文字需可编辑时使用真实字体;沿用图中字形须披露是位图,不能声称矢量可编辑。
  • 真实截图保持纵横比。固定媒体容器,只改变需要的 transform;检查 object-fit、裁切和高亮状态能否看清内容。
  • Logo 使用用户认可或官方资产,以可见轮廓而不是 PNG 外框比大小。在白、灰、黑测试背景复查白边、透明边缘、孔洞和阴影。不随意用全局阈值抠白,避免吃掉 Logo 白色结构。
  • 用户指定纯白背景时,新建画布使用 #fff,排查噪点、刻度、边角碎片和底纹;不能因铺了白底就声称原视频内部也已纯白。清理源图使用当前可用且合规的图像工具;用于视频裁切/遮罩时明确作用范围,保护内容。
  • 默认不擅加鼠标、点击圈、关系线、假 UI 或按钮。源参考已有且用户认可的交互可以忠实保留;用户明确要求新增才设计。
  • 文字交接先让旧内容完全退出阅读区,再进入新内容;不要用透明度叠字或压缩字形掩盖冲突。非循环叙事不为了稳定末帧而退回开场。
  • 局部修改留在单独版本。字号变化重验上方空间和相邻卡片,边框变化重验内边距、圆角与图片裁切;不要顺手改音轨、开头或已确认结尾。
  • 滚动需要明确方向、当前位置和焦点接力;用户要求更灵动时才加入克制的错峰、纵深、抬升与缓入缓出。延迟和幅度按舞台调整,不把某一期数值当固定配方。
  • 用户要求无框白纸/悬浮文档时,按视觉拆解参考的“文档表面与标题”处理,不只把黑框改细。滚动缩放中闪帧时,按渲染异常参考的“文档缩放的细字抖动与层级跳变”区分采样、遮挡和丢帧;修复测试通过不等于根因已全部证明。

混合修复必须按 references/visual-reconstruction.md 的接缝规范执行。保留参考片段区间的时间映射与音轨时钟,检查源 fps 与 composition fps 的差异,不凭某个 Video API 名称猜时间单位。

录音/SRT 驱动重排、字幕避让或指定音效禁用时,读取 references/speech-and-subtitle-repair.md。时间映射、外加字幕安全区和音效来源分别验证;只改位置时锁住已认可 cue,检查共享组件、冻结首态及下一场复用,不能只搬当前页的静态文字。

出现首帧空白、碎块/频闪、文字被高亮挤动、内部缩放不明显或导出后异常时,读取 references/render-failure-checks.md。先区分设计差异与渲染异常,不把一次绕过现象的方法当作已确认根因。

5. 样片确认与正式导出

正式生产验收前读取 references/gates-and-delivery.md。顺序为 direction → motion → render → 用户确认 → formal。局部任务可以只有一个 active page,但不能把尚未通过的项目门禁写成已通过。用户要求先整批初稿时,按 批量出片与独立验收 先渲染全部可运行条目并放到前端,不要求每条先完成 motion 校准或逐条请用户确认;初稿仍做编译与技术检查,明确未授予 formal 或视觉通过。

先输出完整 1080p 样片;不要只交静态图代替运动验收。逐项看:首态建立、信息接替、连续状态、稳定终态,以及用户点名的问题。技术 PASS 与视觉自检 PASS、用户认可分别记录。

正式规格按用户当前要求;Fred 指定 4K60 时,横版 3840×2160、竖版 2160×3840,非标准画幅先明确保比例方案。参考片段 24fps 转 60fps 容器不会自动增加真实运动帧,放大也不等于原生 4K;不默认做光流插帧。

只有用户明确认可样片后才记录 approvedBy=user;“请开始制作”不是样片通过。默认确认后只改导出规格,内容/节奏/几何变更须重新验收。若用户已明确认可完整样片,并点名有限修改且明确要求“改完直接最终导出、不再确认”,按其最新指令完成指定修改和内部复检,不重复索要确认;分别记录真实已看样片、授权修改范围和免再次确认的原话,不能声称用户看过修改后的版本。授权范围外的新设计仍须确认,详见交付参考。

交付前对最终 MP4 做全片解码、尺寸/fps/时长/音轨检查、首帧与接缝密采样和结尾检查。可复用审计工具:

bash
node skills/fred-remake/scripts/media-audit.mjs --input "/absolute/final.mp4" --out "/absolute/process/final-audit" --width 3840 --height 2160 --fps 60 --decode --sheet

正式成片交付前还须按 全帧异常检查 扫描每一解码帧的异常空场与亮度突变,复核候选帧及相邻帧。不得以低频抽帧、首尾正确或解码成功代替这一步;media-audit.mjs --decode --sheet 本身不做全帧画面异常判定。未解释的候选阻塞交付。

生成 qc-report.md 与 render receipt,包含最终路径和 checksum、实现模式、保留参考片段区间、音轨策略、fps 转换方式、已知限制和批准记录;全帧扫描另记帧数覆盖、候选帧/PTS、判定依据及处理结果。最终只给用户最关键的修改与视频链接;不把技术检查当作“完全一样”的证明。

H3 与认可组件复用

结合认可参考、H3 与录音制作新内容时,按需读 口播驱动与参考协作。复用内容判断与动作关系,每期按语义选择构图、载体和节奏;不套整期外观、不强制用齐组件。准确场景实现及局部返修仍以用户指定保留范围为准。

H3 生成后还原、共享对象跨片交接或从认可库提取组件时,读 H3 动态交接。按项目内 认可库 的准确源版本查视频、源码和依赖;正文、波形、表面与图标选择共用 内容对象。用户认可的是原版参考,提取/适配组件与新成片各自验证。

正文选中、波形定位、无描边白表面、对象交接、概念解释、上下文强调或文档差异需要原生实现时,按需读取 内容与运动组件。基础适配组件有独立状态验证;组合用法需按当前内容实施和审看,不能冒充新增已验证组件、原版像素一致或用户已看过的新样片。

6. 公共 Skill 与单期案例的边界

公共 Skill 只保留通用方法、脚本和验收规则。不复制单期成片、截图、文案、Logo、批准合同或未经授权的用户素材进公共 assets,也不把单期样片宣称为所有后续任务的默认基线。用户明确授权的跨期原始人物动效作为实体依赖保存在 assets/characters/,登记来源与 checksum;不夹带单期文字。用户明确授权跨期复用的成套动效原版、代码与依赖可进入公共批准库,原文和数据仅作参考效果,不成为新项目默认内容。未授权的单期素材、案例复盘与制作日志仍放对应 episode。

全局注册为 fred-remake,显示名为「Fred 场景实现」;项目镜像为 skills/fred-remake/。修改后同步两份并验证 SHA 一致。调用示例:用 Fred 场景实现处理这个视频,只改开头,其他保留。

Bundled files

The model reads these on demand while the skill is loaded. They are exposed as readable files and are never executed.

Frequently asked questions

What does the Fred Remake AI skill do?

Fred 场景实现。根据已授权的参考视频、首尾帧或真实截图实现 Remotion,或只修复指定片段。整份稿子到完整视频的日常制作由 fred-remotion-output 负责;本 Skill 提供精确场景实现、字体几何、交接诊断与局部返修专项能力。

Why use Fred Remake on TypingMind?

Because you install it once and use it with any model. Fred Remake is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Fred Remake in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/njrhts2kvv-star/FredTalk/tree/main/skills/fred-remake. TypingMind reads its SKILL.md and bundles its files and installs it as a skill you can enable per chat.

Which AI models can use Fred Remake?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Fred Remake?

As many as you like. As long as a model supports skills, you can use Fred Remake with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Fred Remake AI skill free?

Yes. It is published on GitHub by njrhts2kvv-star under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇