Fred Remotion Output logo

Fred Remotion Output

Community
njrhts2kvv-star
fred-remotion-output

Fred 的视频制作唯一日常入口。用于最终音频、逐字稿、字幕和素材到组件匹配、逐段前端建议、真实关键帧、完整 Remotion 视频及局部返修;包含正文文字动效与按需技术参考;Fred 授权时也负责按固定设计规则新做可复用组件并入库。Fred选方向、修改确认关键帧后,由助手内部检查动态、声音和接缝并交付。参考视频忠实复刻与云端执行使用各自独立入口。

Overview

Publishernjrhts2kvv-star
RepositoryFredTalk
Skill namefred-remotion-output
Stars
189
Forks
13
Bundled files
215
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.

  • 215 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 Remotion Output 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-remotion-output
  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-remotion-output .claude/skills/fred-remotion-output
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Fred Remotion Output 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 Remotion Output 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 Remotion Output 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.

FredTalk 2.5

公开版以本仓库 library/catalog.json 为当前组件事实源,不读取作者私人目录和音乐。32 条历史返修版公开;64 条新组件/场景按本批 14 天专属会员窗口下载。

Component source and download access

Read component download access when downloading or publishing components. For a downloaded official source ZIP, use the latest public FredTalk checkout and default to python3 scripts/assets.py import --zip <local-path>; no token configuration is needed. Automatic token downloads are optional. Public previews and source availability are separate; verify installed source before selecting an executable component.

先验收组件,再交付建议或关键帧

2026-10-03 Fred确认:Remotion画面只能准确复用已认可组件,或基于已认可组件二创。默认禁止脱离组件库原创。 只有当次明确授权原创才可例外;“直接输出”“不用等我确认”不等于原创授权。此规则覆盖历史资料中“没有合适参考可原创”的旧默认。

2026-10-13 Fred确认:默认允许“场景级定制”。 113、114 期能做到 90–95 分,靠的是为本期内容重写场景,而不是把组件原样串起来。“二创”的范围据此明确为:

  • 默认允许:每段场景代码为本期重写;把已认可组件拆开,只取它的动作、对象关系或几何,改时序、删掉它自带的开场和收尾,为接缝重新衔接;多个组件的动作组合成一段。底层(kit 的字体、颜色、阴影、缓动、光标、字幕、角标、音效、坐标映射)必须照用,不手写近似值。每个场景文件第一行注释写明动作来自哪个组件。
  • 仍然禁止:纯大字页、通用模板、找不到任何来源动作的新视觉风格、违反 DESIGN.md 的写法。这些仍需当次授权。
  • 公共组件入库仍需 Fred 认可。本期场景只服务本期;同类需求再次出现,才按新做组件流程提炼成公共组件。
  • 怎样做出这种质量见整期编排第 0 节。

给出逐段建议前、交付真实关键帧前,必须分别通过组件库交付门禁。先检索并看准确参考,再选型和实现;不先写通用模板、后补参考编号。二创要保留可辨认的核心构图、对象关系或动作逻辑,不能只借字体/颜色/圆角。没有合适组件就报告“待选组件”及缺口,不擅自退成原创文字页。

验收由助手内部完成,不新增Fred审批。建议检查真实候选和表达匹配;关键帧另检查来源源码→本期函数→真实调用→输出画面。两阶段均记录具体审看结论与当前文件证据;技术可用不替代视觉验收。library_gate.py未PASS不得交付对应建议或关键帧;公共生成器自动拦截,自定义前端和聊天建议也必须运行同一门禁。真实录屏/图片/已有视频、B-roll独立流程、固定字幕角标及明确录屏占位不受原创限制,但不能用这些类别掩盖新Remotion设计。旧成片不追溯改造;今后重新出建议/关键帧时按当前实际范围验收,不刷新旧认可。

把逐字稿讲清楚,延续 Fred 已认可的动画质量。先判断当前阶段,只读该阶段与当前场景资料;完整说明和历史规则留到审计/维护时看。

正文组件/正文文字动效、项目Remotion技术参考与旧Deck总编排已收为内部模块,不再作为独立日常制作入口。只用一份当前Manifest和同一前端;复刻、云端渲染保持独立。视觉库与制作检索共用六类制作用途、多用途标签和独立来源筛选。references.py --use explain --source ep107 可按任务与来源检索;单场景包带出实际输入、动作、原片时长与适配范围。前端默认先看视觉库;字体与字阶绑定真实字体与职责。先核对准确视频、接口及依赖,再保留本期需要的完整动作。

每段先看候选,再定画面

Codex/助手常见问题是只用熟悉的两三个组件、或直接写大字页。每个需要画面的段落按下面顺序做,不跳步:

  1. 在 Manifest 写 componentPlan.query:本段画面里看得见的对象和动作(例如“两个工具价格并排对比、数字落定”),不是照抄旁白。
  2. 运行 scene.py --manifest <path> --scene-id <id> --candidates-only:给出按画面描述检索的 5 个候选,以及按旁白检索的 narrationCandidates。同类型不足时会跨类型补位并标注 sameSceneType。
  3. 逐个看候选的准确视频或核心帧(references.py --id <id> --full),再按内容决定。前 3 个候选必须在 componentPlan.candidates 记录 selected/rejected 和具体理由;library_gate.py --stage suggestion 会重算并拦截漏记。原创授权段也要先比较。
  4. 候选都不合适:先换个说法再查(拆成对象+动作、换 --use),仍没有就报告缺口,不退成纯大字页。

按内容先查哪里(起点,不是固定搭配):

口播在讲先试
一句结论、关键词--query 关键词 一句话;多篇新闻反复出现同一个词用 NMC01
列举几个要点、能力--query 要点 列表、--query 卡片 分类
步骤、流程、因果、架构--query 流程 步骤、--query 分支 关系
两者对比、以前和现在--query 对比 区别、--query 版本
输入提示词、聊天、回复INT03(Codex 操作)、INT04(可编辑微信)、CAM04;--query 输入 发送
截图或文章里的某句话INT01(荧光笔)、INT02(蒙版聚焦);--use recording-focus
真实录屏操作CAM01–CAM05、--use video-entry;全屏播放用默认大播放组件
作品、多图、结果图--use images
数字、价格、图表--use data、--query 数据 增长;这类组件很少,没有合适的就如实报告缺口
章节、转场、下一段--use handoff、--query 转场

默认协作顺序

稿件/可选录音 → 助手逐段图文建议 → Fred选方向 → 真实组件关键帧 → Fred提意见并确认 → 助手内部检查动态 → 完整视频 → 按意见局部返修。

  • 第一版页面就给有内容的建议:这句准备怎样讲、为什么适合、参考图片或可播放片段。能用准确库组件表达时先展示真实效果;需要新构图才生分镜图,不把空白设计任务交回 Fred。
  • 方向确定后先实现足以渲染的真实组件,用本期文字/媒体和适用的角标/字幕出关键帧。关键帧用于改排版、主次、尺度、可读性和遮挡;随后内部看短动画、声音与接缝,再出完整视频。默认不额外等待一轮用户动态样片批准。
  • 同一前端持续展示建议、关键帧与视频,保留版本和意见。默认用公共审看模板的初始化/更新/启动脚本,只换本期Manifest和媒体;音频模块沿用音频Skill公共台,不逐期重写页面。assets/review-example-ep108/START.py可直接打开108前7段61.47秒真实内容示例,含口播、字幕、关键帧及视频;它是可替换的示例数据,非固定每期画面方案。数量由内容决定,不固定九宫格、140张、组件配额或切镜频率。完整工作方式和字段见路线、关键帧与确认。
  • 已有明确方向/关键帧确认不重复问;局部返修只处理受影响内容。当前直出授权可覆盖用户审看步骤,记录真实来源与未审看范围;内部技术检查和必要动态检查仍执行,不把输出授权写成样片认可。出关键帧还是直接出片,按 Fred 当次要求执行,不额外提醒或劝阻(2026-10-12 Fred 明确);没有说明时按上面的默认顺序先出关键帧。
  • 把组件串成整期(分段工程、录屏包装、段间交接表、全片去重、强调方式、渲染前动态自检)按整期编排执行。给写分段代码的子任务的简报必须带上它的第2–7节和本期交接表。工程结构直接用整期骨架(时间轴、段外壳、交接几何、分块渲染、音频和 BGM、推前端);交付前按整期编排第 12 节检查。

做一整期视频:最短路径

Fred 说“直接做视频”“直接出片”时,按下面这条路做。它是把 116–121 期的做法整理出来的(成对样例、readability_audit 和骨架里的 episode-kit 是 2026-10-15 才补上的)。开头“先验收组件”一节的门禁照常执行,一步都不省;但门禁只证明来源合规,不证明画面好,质量要靠第 1、3、5、6 步:

  1. 先看好坏成对样例:同一句口播做对和做错各长什么样。
  2. 工程从整期骨架拷,共享件直接用骨架的 src/components/episode-kit/(真实比例 Codex 框、黑胶囊、毛玻璃、章节头与章节过渡、大播放窗片段),只换本期常量。
  3. 写整期简报:按简报模板逐句填动作表(对象 → 变化 → 证据在哪 → 观众看哪 → 交给谁)和交接表,过完五条自查再写代码。整期简报(分段方案、交接表、全片规则)的范例:120 期、121 期。
  4. 逐段选组件并过门禁:按上面“每段先看候选,再定画面”写 componentPlan,跑 scene.py --candidates-only,library_gate.py 在建议阶段和关键帧阶段都必须 PASS。
  5. 场景为本期重写:拆已认可组件的动作,每个场景第一行注释写动作来源;范例场景在 templates/examples/scene-*.tsx(只供阅读)。
  6. 先做一段对照,再铺全片;每段出关键帧和中间态,自己逐张看图,问题写到段号和秒数。
  7. 1080p 预览后跑 motion_audit.py 和 readability_audit.py,接缝每 4 帧拼一张图看;视觉验收和技术验收分开写。
  8. 按整期编排第 12 节做交付前检查,再出 4K60。

把用户要求带到每个实际镜头

组件适配的共享字体、全文原位强调及媒体接替见复用图谱。scene.py 会带出本段 componentAdaptation,实施前核对同组字阶、内容职责、全文检查状态和对象级保护;准确参数来自当前内容,不固定单期字号、行数或组件组合。

用户已给出的镜头、文字、材质和保留要求是当前执行输入,不要求用户每期再写一篇详细提示词。先按制作默认值存入同一 Manifest 的 designContract 与受影响场景;实现时用 scene.py --manifest ... --scene-id ... 读取,确认整片要求、当前动作、素材和角标一起到达。修方向时同步更新旧动作描述,不能只改图片或版本号。

动作实现与返修按具体状态检查核对连续轨迹、内容就绪再扩容、真实阅读窗口和同载体交接;版式已成立时优先按口播交换焦点,不自动重做布局。静态通过、技术通过和动态认可仍分别记录。

备料按全稿的信息职责区分现成效果示例、本期讲解素材与实际操作证据;返修按已认可的维度保护准确版本。“在上面基础上加蒙版/组件”按实际末态交接继承媒体、滚动和相机状态,不重新开场。

需要委派或从短指令接手时使用制作执行摘要,填入本期路径、当前授权和保留范围;它引用当前事实源,不新增一套审批。代表镜头要验证“与要求和参考相比是否保住表达与质感”,技术 PASS 不能替代这一步。

完整视频的BGM默认

完整成片默认按背景音乐执行:Fred本机使用已调好音量的私人音乐,从0秒开始、内部选段补足长度,原声欣赏区间静音且音乐时钟继续,整片混音一次再封装。正常BGM轨线性音量1,不再次降分贝;最终总线按实际AAC峰值必要保护。本机绑定及音乐实体不分发、不自动上传;他人用--bgm自备音乐,仍可使用同样的延长/静音/混音能力。已经含BGM的成片和剪映回传音轨不重复添加,单独口播与组件诊断不默认加音乐。执行入口为scripts/bgm.py,能力包由scripts/package_bgm.py生成。

固定配音与整期组件分配

Fred后续自己的每期完整视频默认在自然断点复用一次Skill/组件库过渡配音:只固定音频,动画每期更换,使用Fred当期提供或指定的画面,不自动复用109期动画。新稿录音正文不再重复这四句;从manifest读取当前纯配音的真实采样时长,与当期动画安排时间轴(当前5.540秒,旧6.016秒混音只留历史),字幕样式和画面衔接按当期要求处理。本期已有相同配音时不重复加,不固定旧视频的362帧或插入镜号。插入前核对纯配音/动画SFX混音身份,整条及内部各句响度按音频Skill检查,必要时只做本期局部匹配,不叠加旧处理。

建议前同时做整期组件分配检查,不能只验收单镜头。library_gate.py的suggestion阶段已拦截缺少具体整期比较的重复组;保留连续对象、同职责外壳和有意呼应,不用次数配额强行换差的组件。相似但不同来源仍需实际视觉总览。

始终保留

全部已认可组件集合(Library 复刻、各期精选、新增精选、交互组件、3D 运镜、新闻快闪等)的编号、说明与入库/发布记录统一见组件集合索引。默认检索已覆盖全部集合,不需要逐个记住集合名。

  1. 最新用户要求优先。锁定原文和实际素材;无录音可估时构思,最终录音/SRT到位后更新受影响动作、字幕和音效,不能只换音轨。没有最终录音时只做到关键帧,不出整片;时长不够时加组件或剪短,不用慢推、定格凑时长。
  2. 只有一份当前 Manifest,pages/stableId记录语义段。场景资料带入已选方向、实现模式、当前素材、反馈、保留范围和相邻交接。制作/审看/交付各自绑定准确版本。
  3. 按设计语言适配已认可组件,允许场景级定制(见开头“先验收组件”一节);全新视觉风格须Fred当次明确授权。视觉、排版、字体、动效、呈现、音效、内容的固定值见 DESIGN.md 第 2 节,代码层统一用 templates/component-kit 的 kit,不在各场景手写近似值。组件能力先查复用图谱。先决定观众要理解的变化,再选组件。完整成熟模块适合就直接复用,保留实际动作关系、字阶、几何和质感,不能只挂参考ID或复制一个胶囊。无准确方案先报告缺口,不自动原创。实现模式和归因见从内容到组件。
  4. 后续16:9主视频全屏/大窗播放默认实际调用108期大播放组件:4K窗口3600×2027.11、圆角48、阴影0 32px 50px #0002,1080逻辑舞台用半值,避免二次缩放。当前明确覆盖和其他用途按对应职责处理。FredTalk横版讲解的解释动画沿用固定右上角品牌层,按局部背景选既有版本;录屏、实拍作为主内容播放时不叠加右上角角标;Fred 人物 B-roll 动画全屏播放时加角标(2026-10-12 Fred 明确;版本按 fred-remake corner-branding.md 核对)。混合场景按实际播放区间显隐,不能在整片最外层无条件挂品牌层。需要烧录字幕时复用得意黑模块,关键帧阶段就带入;关键前景在字幕实际窗口内避让。单独交付的纯B-roll、其他画幅与当前例外按原范围处理。
  5. 默认独立16:9,1080p预览、4K60正式;当前规格与已认可工程优先。按已授权方式本地/云端渲染。估时、静态认可、动态检查、用户认可、技术通过分别记录。保护非目标画面、音轨和素材,不自动上传、付费或对外发送。烧录字幕小改只重渲受影响cue及必要接缝,再合并;豆包工作的拟人代词用「她」,按真实指代核对。

当前做什么,就从哪里进入

当前工作读取与执行
已有音频+SRT+稿件,只做粗剪/字幕纠错先用音频和字幕粗剪,完成全篇长字幕、句内重说与停顿检查,按音频工作流核对真峰值、剪切/字幕联动与新旧源时间对齐;本次已处理录音按要求只剪切,不自动进入整片制作
接稿、提整组图文建议路线与确认、首次新设计读设计语言与字体职责,再按制作默认值和拆稿安排;读全文理解责任与承接,不通读整库
开始当前场景先 scene.py --manifest <path> --scene-id <stableId> --candidates-only 选组件,再去掉 --candidates-only 读完整场景包(决定、字体、相邻首尾);首次类型选择用 scene.py --list
找准确组件与依赖references.py --query <对象与动作> --limit 5(可加 --scene-type、--use);同分按来源批次轮转;集合清单见组件集合索引;使用与视觉库同源的用途标签,查看matching理由;排序是候选相关度,仍核对真实动作、容量、cue和接口。首次建工程读依赖和实现
新做可复用组件(Fred 当次授权)新做组件流程:component_kit.py new/add 建工程,lint、sheet 自查,cloud-script 云渲,preview 交 Fred 挑,intake 入库;固定规则见 DESIGN.md 第 2 节,质量标杆是 T05c
现有组件表达不了、需要探索探索、分镜图;若调用 ChatGPT Pro,按Pro 分镜探索与 Remotion 复刻记录 prompt、会话、hash、认可范围。已选多状态/九宫格先按口播取舍,再实现持续对象、动作与阅读;可用动作规划模板写回当前Manifest;已选方向不擅自替换
产出真实关键帧供Fred看路线与确认及审看片;带实际最长文字、字幕、品牌、运动中间态和接缝前后
设计对象让位/文字呈现对象过渡或文字呈现;按需查 T/W 局部动作
处理具体Remotion技术或维护既有Deck内部模块;固定本期runtime,按问题读取技术rules;Deck点击/比例等合同只在明确维护或复现既有Deck时适用
参考 Library 原片编排镜头Library 镜头语言;先定观看任务和对象来源/去向,再查对应原片区间与组件
编排录屏或其他任务给的生成视频先按整期编排的录屏包装规则(可读、镜头跟随、交互演出、纯滚动≤2秒);主视频全屏播放先用默认大播放组件;媒体与蒙版及路线文档的外部视频交接;保留媒体身份、时钟、声音和首尾
内部检查动作/声音/连续性内容与质感审看、音效、scene.py --stage joining;渲染分段后跑 scripts/motion_audit.py 查慢推、纯滚动和定格,见整期编排
渲染、下载、完整交付渲染与交付和阶段门禁;此时读云执行和最终文件检查
局部返修scene.py --stage revision+受影响场景;同时读备注与结论,不能把“可用但要改”当整段批准
用户要求沉淀维护;只提取可复用判断,保留本期修法与长期偏好的边界

执行工具和检查边界

新一期在当前 Manifest 设置 workflow.profile: fred-video-v2、workflow.componentMatching: v1。按选型到调用记录场景componentPlan,实际选型与referenceChoices一致,实现时用callSite.callee绑定本期适配函数;语法调用检查后仍对照真实输出。用户方向和关键帧记录按路线文档保存,旧片限改不补造新字段。生产阶段仍为 planning → implementation → representative → formal:实现前规划检查;真实关键帧确认与短动画内部检查后进入代表镜头门;最后校验实际最终文件。具体命令只在阶段门禁维护,旧片不为采用新工作方式而整片重规划。

sceneGuide记录类型、实际附加项及本场景决定/检查。类型选择依据要解释的内容;人物、设备、关系线、毛玻璃按需加入,不是布局模板。品牌与字幕根设置会随场景资料传入,字幕规则仅在实际启用时读取。

原文/时序检查用 validate_storyboard.py --require-scene-guides --require-production-contract;工作方式检查用 workflow.py;技术门禁不能判美观,参考文件存在不能证明动作被使用,静帧不能证明中间动态顺畅。对照当前真实画面和所选源片的对应区间,具体评估内容、可读性、动作、质感与交接。

项目依赖只用本地 skills/ 实体。新工程在本期 03_制作过程/remotion/<version>/,最终唯一文件在 02_最终输出/,更新当前交付入口。冻结硬链接先复制再适配。B-roll素材生成、复刻、云渲染继续承担专项职责,旧Deck流程不自动成为创意前置。

素材来源和媒体替换按视觉库素材来源核对,不能用本地路径、改名或旧取舍代替来源与新输出验收。

Bundled files

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

and 140 more files.

Frequently asked questions

What does the Fred Remotion Output AI skill do?

Fred 的视频制作唯一日常入口。用于最终音频、逐字稿、字幕和素材到组件匹配、逐段前端建议、真实关键帧、完整 Remotion 视频及局部返修;包含正文文字动效与按需技术参考;Fred 授权时也负责按固定设计规则新做可复用组件并入库。Fred选方向、修改确认关键帧后,由助手内部检查动态、声音和接缝并交付。参考视频忠实复刻与云端执行使用各自独立入口。

Why use Fred Remotion Output on TypingMind?

Because you install it once and use it with any model. Fred Remotion Output 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 Remotion Output in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/njrhts2kvv-star/FredTalk/tree/main/skills/fred-remotion-output. 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 Remotion Output?

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 Remotion Output?

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

Is the Fred Remotion Output 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 👇