phim-multicam

Imported from wincreator3012/xuong-phim-claude (skills/phim-multicam/SKILL.md). Install upstream with npx skills add wincreator3012/xuong-phim-claude --skill phim-multicam. Copyright stays with the author.

name: phim-multicam description: Dựng clip ngang từ 2-3 góc quay của cùng một buổi trong thư mục xưởng (gốc repo xuong-phim-claude): đồng bộ các góc bằng đối chiếu âm thanh (multicam-khop.py), nhận diện người nói và đề xuất chuỗi chuyển góc theo thực hành podcast và multicam (multicam-dan.py), chia buổi dài thành session ngăn bằng thẻ chữ, dựng bằng assemble.py với audioSrc. Kích hoạt khi user nói "multicam", "nhiều góc quay", "podcast hai người", "góc cận góc toàn", "ghép các góc", "chuyển góc", "cắt một buổi podcast thành nhiều clip", hoặc nguon có nhiều thư mục con mỗi thư mục một máy quay.

Multicam: khớp các góc rồi chuyển góc có chủ đích

Mở rộng của phim-dung-bai (áp dụng toàn bộ: Bước 0 nền tảng, transcript và cổng nghiệm thu transcript, đồ họa từ preset, bản nháp, nghiệm thu máy bắt buộc). Skill này thêm hai lớp: đặt mọi file của mọi góc lên MỘT trục thời gian chung bằng âm thanh, và quyết định người xem NHÌN góc nào ở từng quãng. Cơ sở và bảng luật đầy đủ ở references/dan-goc-multicam.md (bản gốc trong skills-nguon/phim-multicam/).

Hai dạng buổi:

• Podcast / đối thoại: mỗi người một máy cận (mic gần), thêm một máy toàn. Góc = người đang nói; xen phản ứng người nghe; hai người nói chồng thì về toàn.
• Bài giảng một người nhiều góc: góc chính thẳng mặt ~60%, góc phụ nghiêng ~30%, toàn ~10%; đổi góc tại ranh giới câu, mỗi góc giữ 12-25 giây; đổi cỡ cảnh theo hướng vào (toàn → cận) dễ chịu hơn hướng ra.

Nguyên tắc chung: tiếng là một dòng liên tục duy nhất (track chủ), hình đổi trên nền tiếng đó; mọi điểm cắt hút về khoảng lặng; giữ một góc tối thiểu 3 giây, tối đa ~30 giây; đổi góc vì nội dung (ai nói, phản ứng, nhấn ý), không đổi cho "đa dạng" vô cớ.

Bước 0 - nguồn và cách quay

Cấu trúc bắt buộc: du-an/<tên>/nguon/<góc>/<các file của máy đó>. Tên thư mục quyết định loại: chứa toan là góc toàn; bắt đầu bằng tieng là file tiếng riêng (không hình); còn lại là góc cận và tên thư mục là tên người (podcast: an, khach, minh...; bài giảng: chinh, nghieng...). Một máy tự tách nhiều file (IMG_1, IMG_2) vẫn để chung một thư mục, tool tự xếp từng file lên trục chung kể cả khi có khoảng nghỉ giữa các file.

Nhắc user khi có dịp (ghi trong references): góc toàn quay liên tục không ngắt (làm trục chuẩn); mỗi máy tự thu tiếng (dù chỉ là tiếng scratch); vỗ tay một cái đầu buổi khi mọi máy đã chạy; podcast thì mic gần từng người và hai máy cận đặt đối xứng cùng tầm mắt; cùng cân bằng trắng và cùng 25/30 fps.

Bước 1 - đồng bộ bằng âm thanh

python3 tools/multicam-khop.py "du-an/<tên>" [--chu toan] [--tron-tieng]

Ra du-an/<tên>/multicam.json: trục chuẩn, từng file mỗi góc có offset (mốc bắt đầu file trên trục chung), dur, tin_cay (đỉnh/đỉnh phụ), khop_r (Pearson đường bao), drift_ppm, snr_db; đoạn phủ và khoảng trống của mỗi góc; tieng_chu_de_xuat là góc có SNR cao nhất. --tron-tieng (podcast) trộn tiếng các mic gần đã căn offset thành nguon/tieng-chu.wav làm track chủ. Trục chuẩn mặc định là góc toan nếu chỉ một file, không thì góc ít file nhất; góc chuẩn có nhiều file bị xếp nối tiếp giả định không nghỉ (tool cảnh báo) nên luôn ưu tiên --chu là góc quay liên tục.

Đọc kết quả trước khi đi tiếp: file có tin_cay < 1.1 hoặc khop_r < 0.2 là nghi ngờ (lời nói cùng phòng thường r 0.4-0.8); drift_ppm > 200 nghĩa là hai máy trôi rõ (tool đã hiệu chỉnh tại giữa mỗi segment nhưng segment > 60 giây nên tách đôi). Với file nghi ngờ, KIỂM BẰNG MẮT: trích một khung ở mốc trục chung T từ hai góc (-ss = T - offset của mỗi file) tại một khoảnh khắc có cử động rõ (vỗ tay, gật đầu, miệng mở) rồi ghép cạnh nhau và nhìn; hoặc cắt 3 giây tiếng của hai file tại cùng mốc trục, trộn và nghe xem có vọng đôi không. Sai thì soạn tay multicam.json (truyền --cau-hinh) hoặc bảo user báo mốc vỗ tay.

Nguồn 4K nặng (mỗi file hàng chục GB): khớp Bước 1 trên file gốc, rồi tạo proxy 1080p ĐÃ CĂN SẴN và làm mọi bước sau trên proxy (đo chuyển động, dàn góc, dựng nhanh hơn nhiều lần; file gốc không bị đụng tới):

python3 tools/multicam-proxy.py "du-an/<tên>" [--ra "du-an/<tên>/proxy"] [--tu A --den B]

Chạy lặp đúng lệnh tới khi báo "✓ Xong" (mỗi lượt ~150 giây, mảnh 120 giây đã xong được giữ; tham khảo: 4K sang 1080p khoảng 0,4 lần thời gian thực mỗi góc trên VM 4 lõi). Tool ghi multicam.json của proxy (mọi góc offset 0, tiếng chủ nguon/tieng-chu.wav) nên KHÔNG chạy lại multicam-khop trên proxy (proxy chỉ có hình). --tu/--den cắt bỏ phần chờ đầu và cuối buổi; mốc trục proxy = mốc trục gốc trừ --tu (ghi trong PROXY.json). Kiểm dung lượng trước (df -h): proxy khoảng 1-1,5 GB mỗi góc cho 20 phút; không sao chép file gốc sang chỗ khác. Ổ thư mục xưởng không đủ chỗ thì đặt --ra trong thư mục nhà của VM: nhanh nhưng mất khi phiên kết thúc và người dùng không thấy, nên bản dựng xong luôn ghi ra xuat-hoan-chinh/ trong thư mục xưởng và timeline, kế hoạch overlay chép về dự án. Bản xuất từ proxy là 1080p.

Bước 2 - transcript của tiếng chủ

Chạy transcribe.py trên nguon/tieng-chu.wav (nếu đã trộn) hoặc file góc chuẩn, --out-dir du-an/<tên>/transcript, rồi nghiem-thu.py transcript như phim-dung-bai. Mốc transcript theo trục chung vì tiếng chủ chính là trục chung (tiếng trộn bắt đầu từ 0 của trục; nếu dùng --tieng là một file góc có offset khác 0 thì multicam-dan tự dời mốc transcript và audioIn theo).

Bước 3 - dàn góc, chia session (chốt duyệt cùng phương án cắt)

python3 tools/multicam-dan.py "du-an/<tên>" --transcript "<tên transcript không đuôi>" \
    [--che-do auto|podcast|bai-giang] [--chinh <góc chính>] [--phut 8] [--khong-session] \
    [--nguoi-noi auto|hinh|luot-noi.json] [--khoa khoa-overlay.json] [--cua-so A-B --hau-to clipN]

auto chọn podcast khi có từ 2 góc cận trở lên: bài giảng một người nhiều góc PHẢI truyền --che-do bai-giang --chinh <góc>. Ra du-an/<tên>/multicam/: nguoi-noi.json (ai nói khi nào, từ so năng lượng mic gần), session.json (ranh giới, từ khoá, câu mở), DAN-GOC.md (bảng duyệt), timeline-multicam-nhap.json, job-session.json.

Ba cờ thêm cho podcast (2026-09-29, rút từ một podcast ba góc mà mọi góc cùng thu một nguồn tiếng):

• Người nói theo hình: --nguoi-noi auto (mặc định) so năng lượng mic gần từng người; khi các góc cùng mang một tiếng (mic cài chung ghi vào góc toàn, hoặc tiếng lọt đều), gần như mọi quãng ra chong và dàn góc vô nghĩa. Tool tự nhận ra (trên 30% thời gian nói là chong) và chuyển sang so CHUYỂN ĐỘNG mặt và tay ở các góc cận (--nguoi-noi hinh để ép; cache trong multicam/.chuyen-dong/, báo ⏸ thì chạy lại đúng lệnh). Luôn đối chiếu nguoi-noi.json với transcript: ai đặt câu hỏi, ai gọi tên người kia mời nói, câu "cảm ơn anh/chị" thường mở lượt mới. Lượt lật ngắn 4-8 giây giữa một lượt dài thường là người nghe cười hoặc gật mạnh, không phải đổi người nói. Sai thì soạn tay luot-noi.json ([{"start","end","ai"}], trục chung) và truyền --nguoi-noi luot-noi.json.
• Nhiều clip từ một buổi: chia buổi theo chủ đề trên transcript (mỗi clip trọn một ý, điểm chia tại câu chuyển ý thật), chạy một lần cho mỗi clip với --cua-so A-B --hau-to clipN --khong-session. Mỗi clip có intro riêng, bảng tên hiện lại ở lượt nói đầu của mỗi người TRONG clip đó (người xem clip 2 chưa chắc đã xem clip 1), outro dùng chung.
• Khoá overlay khi dàn góc: lập kế hoạch pill và bảng tên TRƯỚC khi dàn góc, ghi khoa-overlay.json ({"overlay": [{"src", "at", "dur", "goc"}]}, at TUYỆT ĐỐI trên trục chung, goc chỉ đặt cho bảng tên để bảng tên luôn nằm trên cận đúng người) rồi truyền --khoa khoa-overlay.json. Tool dời mọi điểm cắt ra khỏi vùng overlay cộng trừ 0,25 giây (overlay không được vắt qua điểm cắt), đổi cú xen sang đúng người cho bảng tên, chèn lại cú xen khi cận người nói bị kéo quá 32 giây, và gắn sẵn overlay (at tương đối) vào segment. Mục "Cảnh báo overlay" trong DAN-GOC-*.md phải về 0 trước khi dựng. Một nguồn chân lý: kế hoạch overlay (mốc, thời lượng, chữ) giữ trong do-hoa/, job đồ họa và khoa-overlay.json đều sinh ra từ đó, không gõ tay hai lần.

Việc của Claude trên bản nháp này, trước khi trình user:

1. Đặt TÊN từng session từ từ khoá và câu mở, đối chiếu transcript; tên là ý chính người nghe mang về, cỡ 3-7 từ, sentence case. Session dưới 3 phút gộp với session kề; buổi dưới 12 phút thường không cần session (--khong-session).
2. Đọc cột "Lý do" của chuỗi cắt và soi các chỗ tool không biết nội dung: lượt nói dài của một người mà có câu hỏi tu từ, kể chuyện xúc động, hay người nghe rõ ràng phản ứng (cười, "ồ") thì đặt phản ứng đúng chỗ đó thay cho chỗ tool đặt máy móc; đoạn cả hai cùng cười, cùng nói thì toàn; câu chốt của session để cận người nói, không để toàn.
3. Kiểm tỉ lệ góc ở đầu DAN-GOC.md: podcast cận host và cận khách nên gần cân xứng với thời gian nói của mỗi người, toàn 10-20%; bài giảng theo 60/30/10. Lệch nhiều thì sửa.
4. Chỗ góc bị trống (file máy đó ngắt) tool đã thay góc khác; kiểm cột "File góc" quanh ranh giới file.

Trình bảng dàn góc và tên session CÙNG bảng phương án cắt và overlay của phim-dung-bai cho user duyệt một lần (SendUserMessage nếu đang giữa chuỗi tool). Tối đa 2-3 cú cắt tay do user: dùng mốc trục chung, Claude quy về in/out của file góc bằng offset trong multicam.json.

Bước 4 - đồ họa session và timeline

Điền tên session vào multicam/job-session.json (mỗi job là một SectionTitle 4 giây, subtitle "Phần N" hoặc bỏ), render bằng node tools/render-do-hoa.mjs multicam/job-session.json --studio <studio> như phim-do-hoa (script tự đo file, thoát mã 1 là có file sai), commit về du-an/<tên>/do-hoa/ngang/session-NN.mp4. Buổi không chia session thì bỏ bước này và bỏ các insert trong bản nháp.

Ghép timeline.json: segments từ timeline-multicam-nhap.json sau khi chỉnh theo bảng đã duyệt, giữ nguyên audioSrc/audioIn (tiếng chủ theo trục chung) và snap: false (điểm cắt đã hút về khoảng lặng; bật snap sẽ làm hình và tiếng lệch nhau vì snap chỉ dịch in/out của hình). Các khoá _goc, _ly_do, _truc chỉ để đọc, assemble bỏ qua. Thêm intro/outro từ preset, hook trước intro nếu có, overlay pill và chapter như phim-dung-bai; B-roll đè lên quãng nào thì tiếng chủ vẫn chạy. Cắt bỏ một quãng lời (ậm ừ, lạc đề) thì cắt cả hình và tiếng: bỏ hẳn quãng đó khỏi trục, tức tách segment và dịch audioIn theo, không chỉ dịch hình.

Yêu cầu: assemble.py đã có trường audioSrc/audioIn (bản trong repo đã có; --kiem-tra báo "audioSrc" không hợp lệ nghĩa là assemble.py bị thay bằng bản cũ, lấy lại từ repo). Kiểm rồi dựng: --kiem-tra → --preview → duyệt → bản chính.

Bước 5 - nghiệm thu

Như phim-dung-bai Bước 6 (cổng nghiem-thu.py video bắt buộc, ảnh lưới, mối nối theo map.json), thêm ba kiểm riêng của multicam:

1. Khớp hình-tiếng qua góc: chọn 3 cú cắt xa nhau (đầu, giữa, cuối, ưu tiên cú cắt sang file thứ hai của một góc), trích 1 khung ngay sau cắt và nghe 2 giây tiếng quanh đó; miệng mở đúng lúc có tiếng, không có cảm giác tiếng trước hình. Nếu lệch một phía cố định → offset file đó sai; lệch tăng dần về cuối → drift, tách segment ngắn hơn.
2. Nhịp cắt: đọc map.json, không có part hình < 3 giây trừ khi cố ý (phản ứng 2.5-3.5 giây), không có part > 35 giây trong podcast; mở mỗi session bằng toàn.
3. Thẻ session: đúng tên đã duyệt, đủ 4 giây (manifest đồ họa), chapter khớp mốc.

Báo kết quả kèm tỉ lệ góc (ví dụ "cận người dẫn 47%, cận khách 38%, toàn 15%, 42 cú cắt, trung bình 18 giây/cú") và dòng "nghiệm thu máy: ĐẠT".

Sau khi giao, nếu user đăng YouTube: soạn mô tả chuẩn tìm kiếm cho từng clip. Mốc chương tính bằng tool, không cộng tay:

python3 tools/chuong-youtube.py --map "du-an/<tên>/xuat-hoan-chinh/<video>.map.json" \
    --chuong "du-an/<tên>/chuong-clipN.json" --ket "Lời mời ..."

chuong-clipN.json là [{"t": <giây trục chung>, "ten": "..."}], lấy thẳng từ mốc pill trong kế hoạch overlay; tool quy về mốc video đã dựng qua audio_in của map, tự áp luật YouTube (chương đầu 0:00, mỗi chương từ 10 giây, tối thiểu 3 chương; chương quá sát bị gộp và báo lại) và thêm chương outro. Mô tả gồm: 1-2 câu đầu chứa từ khoá chính (phần hiện trong kết quả tìm kiếm), những điều người xem nhận được, chương, khách mời với chức danh nguyên văn, lời mời kèm link, một câu hỏi mở mời bình luận, 3-8 hashtag; thêm danh sách tags cho ô Tags. Chi tiết transcript không chắc (tên người kể một câu chuyện, tên riêng nghe không rõ) thì viết trung tính và báo user kiểm, không đoán.

Ghi nhớ

• Một podcast 20 phút ba góc 4K đã chạy trọn quy trình: khớp → proxy → transcript → người nói theo hình → kế hoạch overlay → dàn góc có khoá → dựng hai clip → mô tả YouTube; mỗi bước chạy lặp được trong lượt gọi 180 giây nhờ cache, không cần tiến trình nền.
• Đổi luật cắt (ngưỡng lượt nói, khoảng giữ, tần suất phản ứng): sửa hằng trong plan_podcast/plan_lecture của tools/multicam-dan.py; đổi thuật toán khớp: tools/multicam-khop.py; mọi mốc đều trên trục chung, chỉ to_segments mới quy về file góc.
• Podcast có 3 người trở lên vẫn chạy: mỗi người một thư mục cận; góc toàn càng cần khi nhiều người chồng lời.
• Clip ngắn dọc cắt từ buổi multicam: dùng phim-clip-ngan với src là góc cận người nói và audioSrc tiếng chủ như trên, cropFocus theo người.
• Khi đề xuất cập nhật skill, description là mô tả kích hoạt, không chứa dấu ngoặc nhọn, không ghi changelog.