name: video-talkcraft description: 终极口播视频 skill：中文口播稿 + 成品配音 → CPU 字级时间戳 → SHOTBOOK 层矩阵分镜 → Remotion 电影感成片（横屏默认/竖屏）。当用户要"做口播视频"、"解说/科普视频"、"把文案变成视频"、"给配音配画面动效"时使用。TTS 合成与数字人生成技术不在本 skill 内（配音和人物素材是输入）。含统一视觉语言（Apple 范式）、79 张动效配方卡、镜头三面分层工作单、七层镜头反PPT系统（CameraRig/视差/让位/环境）、六式运动承接转场（每式一卡）、长镜头世界画布、anime.js+three.js 桥、自动静止检测 + 独立 subagent 评估循环。

video-talkcraft — 口播视频 skill

三大来源合体：管线（配音→字级时间戳→Remotion，实测跑通）+ 词汇（79 张动效配方卡：23 调研 + 8 实战★ + 9 真实视频挖掘◆ + 18 remocn 适配◇ + 20 参考图复刻◈ + 1 社区贡献，全配可播 demo）+ 镜头（七层模型反 PPT 系统，多轮调试验证）+ 视觉语言（Apple 范式默认版）。

核心范式：解说词驱动画面，每句都要有活的画面响应（相机乐句/idle/已有元素的变化），但新元素只在语义拍边界进场，禁止机械的"一句一个新元素"（一句一元素是堆积型凌乱的制度根源， 2026-08-28 用户定版；分镜按语义段落切，排版预算见 cinematography.md §4）； 一个节拍只有一个主角，说完就让位；字幕句边界 = 全片时间锚点。

流程

① 文案 → ② 配音输入+时间戳(本机CPU) → ③ 素材 → ④ SHOTBOOK 层矩阵 → ⑤ 实现(全局系统先行)
                                → ⑥ 渲染 → ⑦ 三重验收（机器闸全过 + 1 轮审片修 P0/P1）→ ⑧ 交付（可选续审 ≤3 轮）

⓪ 画幅与视觉语言（开工先定，全流程引用）

画幅默认横屏 1920×1080（用户偏好）；明确要发抖音/竖屏渠道才用 1080×1920
视觉语言：用户明确点了风格就按用户的来（整套 token 替换）；没点时才走默认的 references/design-language.md（Apple 范式：一个强调色/一个投影/底色交替分幕/两档字重/ 默认幕底 pastel mesh），派生本片 token 落成 theme.ts。对任何风格都成立的只有一条：禁止逐场景随手取色

① 口播稿

每句一个信息点，钩子在第一句（数字/冲突）；13 句 ≈ 95s
数字一律汉字（时间戳按文本逐字锚定，197747 无法与"十九万七千"的读音对位）；英文品牌词直接写（中英混合对齐已验证）
先调研核实事实，列"事实红线清单"（不可说错的数字/未验证数据不引用）

② 配音输入 + 字级时间戳（本机 CPU）

配音是输入，不是本 skill 的产物（2026-08-28 定版）：真人录音或任何 TTS 皆可， skill 不含合成技术。输入 = 一条完整配音（wav/mp3）+ 与之逐字一致的口播稿。

pip install zhconv pypinyin sherpa-onnx soundfile numpy   # 默认后端 FireRedASR2-CTC int8 的全部依赖
# 首次：下载模型 767MB（model.int8.onnx + tokens.txt）放 ~/.cache/koubo/<模型名>/，地址见脚本头注释
python3 scripts/timestamps_cpu.py audio/full.wav script.json audio/timestamps.json
# 备选（免手动下模型）：pip install faster-whisper 后加 --backend whisper（首跑自动下载 460MB）
python3 scripts/make_timing.py audio/timestamps.json remotion/src/timing.json

timestamps_cpu.py：ASR 词级时间戳 → 与口播稿字符级对齐（CJK 是可靠锚点，匹配键=繁简归一+无声调拼音，同音字不算错；拉丁词各家 ASR 都常拼错，在锚点间插值）→ 每句 match 质检，<0.90 标出人工听核。2026-08-28 四配置横评（110s 中英混合，对照 GPU ForcedAligner 真值）：FireRed 尾部最稳（字级 |Δ| 最大 200ms=6帧、零误报，24s）＞ whisper small（中位 20ms 但最大 413ms + 2 句边缘误报，26s）＞ Qwen3-ASR-0.6B+Aligner （p95 60ms 最优但 5GB 体积 + torch，78s）——数据与模型下载地址见脚本头注释。
timestamps.json schema：{sr, total, sentences:[{i,text,start,end,match,ok,words:[{text,start,end}]}]} ——words 为 CJK 逐字 + 拉丁整段 token（标点跳过）；满足此 schema 的任何对齐工具都可替换。
make_timing.py：转成 timing.json（chars 与文本逐字符 1:1，标点零时长），供 tSay/msSay 锚点查询
配音自查（耳听）：无爆音/截断/误读；句间留 ~0.3s 气口，时间锚点更稳

③ 素材

先给每个镜头标素材模式（多选，可组合，2026-08-28 定版）：B-roll（实录空镜）/ 截图（证据画面）/ 纯动效——如"B-roll 打底 + 截图证据卡"。新闻/信息类话题证据优先：Playwright 实时截图比泛用 B-roll 更有信息量
真图硬规（2026-08-30 定版）：话题存在可截的真实页面（产品官网/GitHub/文档/画廊）时，成片中的浏览器/页面类镜头禁止用代码 mock 冒充截图——卡片 demo 里的灰条假 UI 是占位物，成片必须按卡片"复用指引"整块换成 <img> 真图；mock 只允许表现无真实对应物的示意 UI，且 SHOTBOOK 逐镜标注"为何无真图"。引申（2026-08-31 用户定版）：口播讲"这样的成片/效果"时，示例画面必须是真成片片段（<OffthreadVideo> 内嵌已有成片/真机内录裁切，muted）；讲"长页面/看板/参数页"时用 Playwright 全页长截图（放大镜/巡航类动效直接吃真图坐标）。 真图上的标注坐标一律机器实测，禁目测（2026-09-01 定版）：页面元素用 DOM getBoundingClientRect、成图用逐像素量测——目测偏 ±30px 曾把停靠环框到标题下方的缩略图上，返工两轮；会滚动/移动的真图，标注（环/框/pill）必须钉在内容坐标系上随内容动，钉屏幕固定位就是错位根源
标了 B-roll 的镜头列 2–3 个英文视觉概念词跑 Pexels + Pixabay API 双源并行，候选落 assets/broll/；源分层与授权红线（只用免署名源）见 references/broll-sources.md
调研记账：承载关键事实的来源页逐一截图存档，sources.md 里链接与本地截图一一对应（禁止只存链接不留证据）；成片引用时优先用存档截图当画面证据 + micro 阶来源行
有 B-roll/截图 + 对应口播的人物素材（录播/数字人成品）时：人物一律降级成角标常驻—— 圆形头像章（host-shrink-to-chip◆）或 segmentation 抠人贴角；不许切走人、不许人物占满画幅。 两路都必须落在左下或右下角（chip 圆心在画面下 1/3 带内），不许飘在中高位（2026-08-27 用户定版）。选型与硬约束见 references/host-footage.md「人物与 B-roll 同屏」，镜头预设见 shot-design.md §2⑦
Manim 图表：--transparent --format=mov 后必转 VP9 webm（-c:v libvpx-vp9 -pix_fmt yuva420p）
全部落盘 public/，禁止渲染时拉远程

④ SHOTBOOK（必产出，实现前评审）

先用 references/shot-design.md 给每个镜头填三面分层工作单（背景面/主体面/文字面 + 各面动效

七种镜头类型预设），再按 references/cinematography.md §4 展开成层矩阵，范例 references/shotbook-example.md。每场景：一句意图 + 主体接力线 + 逐节拍层矩阵（节拍锚定字级时间戳；每行动作必须答得出"配合谁"）。 节拍必须机器可验（2026-08-30 定版）：每条画面重音落成 remotion/beats.json （{t, anchor, sentence, what}，t 一律由 timing.json/atChar() 查得，禁止手敲近似秒数—— 手敲曾把"啪、啪、啪"的画面做早 2 秒，静帧 QA 根本看不见），SHOTBOOK 节拍表与 beats.json 一致，机器闸用 scripts/beat_lint.py 对 timestamps.json 校验 |Δ|≤0.1s。 未到拍不显形（2026-08-31 用户定版）：词锚未到的数字/图形必须完全不可见（opacity 0），禁止压暗/灰显"预告"——"78 提前摆好只压暗"与"七个 chips 25% 灰显蹲点"都被用户抓过；行内数字要连同其后继字符一起 gate（「就 __ 类」的空洞挂 5 秒同样是缺陷）。 开镜不空台（2026-08-31 用户定版）：镜头开场到第一个动效锚点 >1.5s 的空窗必须有承载画面（真实 b-roll / 上一镜元素延续 / 真素材墙），"空画布干等词锚"是被用户抓过的缺陷。 镜尾保护带（2026-09-01 定版）：词锚动效落点距镜头出点 <0.7s 的，要么提前、要么挪进下一镜—— 落点会被转场吞掉（"第四条评论只活 0.2s""停靠环只可辨 0.3s"是同一类翻车的两案）； beat_lint.py --shots shots.json 机器查 ≥0.5s 硬底线。 幕级转场事件同样入 beats.json（2026-09-01 定版）：shape wipe/换幕的遮挡峰值时刻也由词锚生成入表——手敲绝对秒的转场事件表游离在机器可验体系外，曾把「一扫」做早 0.55s、 whoosh 落在已静止的画面上，静帧 QA 与 beat_lint 都看不见。 排版预算（2026-08-28 用户定版，细则 cinematography.md §4）：分镜按语义段落切、每镜一个 primary visual job；枢轴句（"但这次不是X"式转折/设问）的动效归它开启的下一镜，上清过场的舞台；任一时刻同屏主体组 ≤3 （降权留守的元素计入）、每镜至少留一个空象限；人物在场先跑 scripts/face_bbox.py 定人脸安全区。动效词汇从 79 张配方卡 里选：references/taxonomy.md 索引 → references/cards/<slug>.md 参数与坑 → template/cards/<slug>.tsx 自包含 Remotion 源码（实现以它为准，复制进工程改 CONFIG 即用）；demos/<slug>/index.html 是同画面的 HTML 预览（open gallery/index.html 一屏浏览、demo 滚入即自动播放；带★实战卡的生产母本另在 template/motion-systems|components）。 保真铁律（2026-08-30 实战教训）：每张用到的卡在工程里必须真实存在 src/cards/<slug>.tsx （自 template 复制改 CONFIG）——只读 md 文档就凭卡名手写"神似"简化版，是已发生过的最大翻车（回弹/拍击/密度全丢、取景框括号方向画反、名片变色块），机器闸用 scripts/card_lint.py 逐 slug 校验存在性与相似度（≥0.55，改 CONFIG/文案在容忍内）。三段式铁律（模板工业共识）：入场 0.2~0.8s → hold（必须带 idle 微动）→ 出场 0.15~0.5s；入场永远比出场用力；同屏重音同一时刻只能有一个。 选了动效就要带上它的音效：每张卡在 demos/_lib/sfx-map.js 有 cue 表（{t, name, vol, rate?, clip?}，t 为卡内相对秒）—— SHOTBOOK 选卡时把 cue 抄进该镜头的层矩阵（换算成绝对秒；vol 按成片口径重标 ≤0.35， demo 库的 0.65 上限是试听口径不是成片口径）。实现时按 ⑤ 的 sfx 步骤落地。覆盖口径（2026-08-28 用户反馈修订）：主要动效入场全覆盖，对齐 demo 库密度（每卡 2~6 记 ≈ 0.4 记/s，100s 的片约 40~50 记）——"少而准"管的是单点不叠双记、音量克制（≤0.35）、连续揭示类（缓拉/对焦/逐字升起）与金句纯文字卡、logo 落幕留白、转场只配蓄势不配落点、不要收尾叮当与重砸；不是砍覆盖面。真采样（pk- 前缀）优先。 cue 的 file 名以 ls public/sfx/ 为准（pk: 键名里的冒号导出成 pk-，个别键自带前缀会出现 pk-transition-transition-soft 这类双段名——名字错了渲染直接 404 失败）。

⑤ 实现（Remotion）

先装四套全局系统再写场景（代码 template/motion-systems/，用法见 cinematography.md §2）：

G1 CameraRig：每场景一条连续相机曲线 + 重音脉冲（加法叠加不重置）；路径表驱动（shots.ts）
G2 Plane 视差：背景 0.5 / 主内容 1.0 / 前景 1.2
G3 Live/Defocus：idle 微动 + 让位状态机（retireAt=下一主体锚点）
G4 Environment：呼吸 vignette + 扫光 + 分幕色温 + 曝光脉冲（四张事件表按片配置）

每个镜头边界必须有明确转场处置，禁止裸切：运动承接六式（lead/tail 重叠 12–16 帧 + ShotFade，代码 template/motion-systems/transitions.tsx）或 caret/shape-wipe 轻量式，选型见 cinematography.md §3；一个边界只用一式。空间/流程叙事段落可改用长镜头世界画布（longtake.tsx，cinematography.md §3.5）。 template/components/ 是即取即用件：Subtitles 整句硬现版（chunks 由 props 注入）/FlowerWord 花字/SmashWord 砸字/HighlightSweep 荧光笔/PencilDraw 铅笔手绘/Mascot 吉祥物/NumberRoll。 底部字幕素排铁律（2026-08-27 用户定版）：底部跟读字幕不加任何动效——整句硬现、素排，两个组件（components 版 / motion-systems/Subtitles.tsx 素排版）都遵守。唯一例外是 keyword-pop-highlight 关键词弹出，且同一个视频最多 3 次，除非用户明确要求更多（motion-systems 版的 keywords prop 有此上限自检）。 字幕文本无标点（2026-08-28 用户定版）：句读全去掉，长句停顿靠拆卡；唯一例外是数字/型号间的半角点号——细则 design-language.md §5。 音效落地：node scripts/sfx_dump.mjs remotion/public/sfx 把库里采样解码成 mp3 → SHOTBOOK 抄来的 cue 表落成一张 sfx.ts（绝对秒），场景里 <Audio src={staticFile(...)} startFrom/volume> 逐条摆；音效电平比人声低 ~12dB、同帧最多一条 cue。 anime.js v4 / three.js 走 anime-remotion.ts / three-anime.ts 桥（seek-safe，工程铁律见 cinematography.md §6：零 Math.random、初始 opacity:0、lead 补偿收敛一处）。

布局红线（按画幅，详表见 design-language.md §5）

横屏（默认）：字幕 bottom 100、maxWidth 66%、字号 44/600（>24 字降 38）；内容主列 ≤1440px 居中；边距 action-safe 96px / 标题 160px；常驻件任一下角
竖屏（抖音）：字幕 bottom 350、maxWidth 90%、>15 字缩字号；吉祥物/常驻件放左下（右缘是抖音点赞栏）
通用：切镜后 ≤10 帧必须有主视觉入场；深色场景隐藏全局顶部标题；文字不叠截图文字（加白底卡）；卡片文字防裁切（预留 padding）
人物在场：人脸安全区用 scripts/face_bbox.py 实测 bbox 定（不目测、不用亮度阈值猜），任何文字/卡片/字幕及其背景全时刻不得进入；主信息面板放人物对侧（2026-08-28 用户定版）

⑥⑦ 渲染 + 三重验收（机器闸全过 → 1 轮审片 → 交付，制度见本节末）

⑥-0 渲染前静态预检（零渲染成本，2026-09-02 定版）——两张清单把返修拦在渲染前（竖屏 v4 的 3 处返修全部属于这两类可预测缺陷，每处多付一轮全渲）：

python3 scripts/beat_gap_check.py remotion/beats.json remotion/shots.json   # 空台预检（advisory）
# 每条 WARN 都要答得出"这窗里什么在动"：补 idle 层（呼吸层必须带位移 ±5px/底色脉动，
# 纯透明度呼吸过不了 freezedetect——2026-09-01 实测）或 --ok 声明该镜有持续运动

清单二·状态切换窗：人物轨道每个 half↔chip 切换点、每个 wipe 时刻 ±0.5s 列入静帧抽样点—— 字幕带换位与人物几何过渡的穿越冲突（黑字压黑衣）只藏在这种窗口里，句级/锚点抽帧都错过（R1 实录）。 字幕带换位必须等几何过渡完成再切（half→chip 延后 ~0.45s 落位）。

⑥-1 静帧抽样（批量渲染器：一次 bundle 循环渲，43 张 ~1min；npx remotion still 逐张重打包要 11min，2026-09-02 实测）：

# 两个 node 渲染脚本都必须在工程 remotion/ 目录下执行（Remotion 模块从工程自己的 node_modules 解析，
# 并自动加载工程的 remotion.config.ts——webpack alias / publicDir / browserExecutable 与 CLI 渲染一致；
# 吃 inputProps 的合成给 --props @props.json；素材是符号链接时 --public-dir 指向解引用同步后的目录）。
# 首跑没装浏览器会联网下载 Chrome Headless Shell（~95MB）；离线机先 npx remotion browser ensure
node <skill根>/scripts/render_stills.mjs --times 2.0,7.2,...   # 抽样点=每镜入/出+关键锚点+状态切换窗

⑥-2 分段渲染母版制（2026-09-02 定版，代替整片渲染）——按镜头切段、段内单进程连续渲（段内光栅自洽，防多 tab 相位抖动病：conc=4 整渲实测帧差 1.4→3.1→4.0→0.9 周期振荡， 2026-08-31 用户肉眼抓到后定版单进程），段边界都是切镜点，K 段并行：

# 在工程 remotion/ 目录下执行。首渲：29 段并行4 + 拼装 + 整条音轨 + 混音 ≈ 9min（201s 片实测；整渲 13min）
node <skill根>/scripts/render_shots.mjs --shots shots.json --all --parallel 4 \
     --concat out/assembled.mp4 --audio out/full-mix.wav --mux out/vN.mp4
# 改一个镜头 → 只重渲该段±邻段（lead/tail 交叠波及邻镜边缘）再拼装，53s 出新片（实测）
node <skill根>/scripts/render_shots.mjs --shots shots.json --changed s14 \
     --concat out/assembled.mp4 --audio out/full-mix.wav --mux out/vN+1.mp4
npx remotion render src/entry.ts <Comp> out/sfx-solo.wav --props='{"sfxSolo":true}' --codec=wav

音画对齐三条硬纪律（脚本内建断言，缺一必错位）：音轨整条不分段（视频段全 muted，音轨单渲一次交付时混入——每段各带 AAC 再拼，段头 ~2112 采样编码器前导延迟拼一次错一次）； 段边界取整与 Sequence 同规则（差 1 帧=画面节拍整体偏 33ms）；帧数断言（每段实数帧+ 拼装总帧数精确相等，不等即 FAIL）。音轨缓存过三关才复用：时长 == 合成时长、素材/inputProps/时序配置文件（beats.json、cues.json、src/sfx.ts 等文件名含 sfx|cue|beat|audio|sound|timing）三项指纹未变、非半截临时文件；指纹看不见的改动（音量常量写在组件里）用 --force-audio。验证口径（上线前已做过一次全套对照，2026-09-02）：分段拼装 vs 整渲全帧 PSNR 均值 42.6dB、低分帧不聚段边界（纯编码噪声）；sfx_check --mix 的 FFT 人声延迟测量 = 音画整体位移探测器； motion_check 确认段边界无光栅相位问题。 修复验证同理只渲受影响段过闸（freezedetect 单段可跑），不整渲。

# —— 关卡 1 机器闸：五条命令一次跑完，全 PASS 才进关卡 2 人工评审 ——
python3 scripts/motion_check.py out/vN.mp4        # 画面健康双判定：静止段 + 并发光栅抖动
python3 scripts/sfx_check.py out/sfx-solo.wav cues.json                  # 音效在场（峰值 ≥−45dBFS）
python3 scripts/sfx_check.py --mix out/vN.mp4 audio/full.wav cues.json   # 音效可听（掩蔽分级）
python3 scripts/card_lint.py remotion/src <slug,slug,...>                # 卡片保真（复制自 template/cards）
python3 scripts/beat_lint.py remotion/beats.json audio/timestamps.json --shots remotion/shots.json
                                                  # 词落点 |Δ|≤0.1s + 镜尾保护带 ≥0.5s
# 评审材料抽帧：每句 2 帧 + 动效锚点帧（anchors.json 从 beats.json 导出）
# 连拍三帧对只抽 anchors.json 里标了 "burst": true 的锚点——状态切换（两态翻转/换场/砸入落位）
# 与高风险区域必须标；其余锚点只抽定妆帧（全抽=270 张占材料 2/3 却极少产出新缺陷，2026-09-01 实测）。
# motion_check 的抖动闸只量 ≤12 个 18s 间隔的固定裁剪窗、快速运动窗还跳过——窗外的短闪烁它看不见，
# 所以连拍不是可选项；--bursts 全抽只在抖动闸报警需人眼定位时用。同一份 anchors.json 也喂给 motion_check
python3 scripts/qa_extract.py out/vN.mp4 audio/timestamps.json /tmp/qa_vN 540 anchors.json
python3 scripts/motion_check.py out/vN.mp4 --anchors anchors.json   # 锚点 t+0.6s 各加一窗，结尾打印实际覆盖窗数
# 评审拼图：帧目录拼 3×4 网格（评审先整版浏览、可疑帧再回原目录单张放大——
# 逐张读 160 帧 ≈ 16 万 token/21min，拼图 ≈ 4 万/7min，2026-09-01 实测）
python3 scripts/contact_sheet.py /tmp/qa_vN /tmp/qa_vN_sheets

制作者自己的首轮版式过目也委托子代理（把静帧/拼图路径给它，只回文字缺陷清单）—— 几十张图的图像 token 不进主上下文。机器闸口径备忘：音效两查要求工程主音轨支持 {!getInputProps().sfxSolo && <Audio .../>}；可听度 MASKED>50% 或 UNMASKED 少于 max(3, 片长/30s) 即 FAIL——"81/81 在场但全被人声掩蔽" 是已发生过的翻车，良品口径（v4 实测）：转场/边界 cue 落句间 ~0.3s 气口出声； shots.json = 分镜表导出的 [{"id","start","end"}]（与 shots.ts 同源）。关卡 2（必须派独立 subagent，不许制作者自评——做的人对自己的画面有盲区，2026-08-27 用户定版）。 独立 = 全新上下文（2026-08-30 硬化）：禁止 fork/复用制作对话当"评审"、禁止对同一评审做 followup 复审——fork 出来的评审继承制作者视角，对照物又是制作者自己写的 SHOTBOOK，形成自证闭环（P0/P1/P2 全零、成片却一身病，翻车实录）。评审材料四件套（缺一不可）：① SHOTBOOK + 评审拼图（contact_sheet.py 产物，整版浏览）

原帧目录路径（可疑帧回去单张放大）；② 原版卡对比帧——SHOTBOOK 每个 slug 从 gallery/media/<slug>.mp4 抽 2 帧与成片对应镜头帧并排，评审逐 slug 判"这是同一张卡的实现吗" （保真不进评审视野就永远查不出来）；③ 词落点核对表——beats.json 每条锚点的定妆帧 + 锚字 + 应落时刻，核"该词说出口时画面是否恰好在响应"；④ 音效可听度报告—— sfx_check.py --mix 的输出（评审没有耳朵，机器报告就是它的耳朵）。 subagent 按 rubric（可读性/构图/信息传达/质感/事实一致 + 保真/词落点）出 [P0/P1/P2] 缺陷清单（提醒它：入场中间态不是缺陷）。 缺陷分级定义（2026-08-30 补，此前无定义）： P0 = 观众必然察觉且伤害理解——事实/文字/字形错误、不可读、声画错位、元素相撞遮正文、标注指错目标； P1 = 违反硬规则或明显走样——错峰残影、词落点偏差 >0.3s、整镜头音效缺席、与原版卡对比帧明显不符； P2 = 质感瑕疵——密度/留白/样式，记录但不挡验收。修完 P0+P1 才算过关。自查盯的是成片质量缺陷，不是规则合规（规则项在关卡 3）：元素重叠/覆盖/堆积、动效位置不准（标注没落在目标上、强调错位、元素出画）、画面噪点/压缩伪影/渲染残影、非有意的抖动或闪烁、文字贴边裁切、排版凌乱（同屏主体组 >3、无空象限的满盘布局、画面文字与字幕整句重复双份、人脸安全区被文字或其背景侵入、多个 hero 造型互相抢戏）。 只按句抽帧看不见的三类缺陷，必须给对应材料（v4 实战教训，2026-08-28）：

短命动效的错位（标注/箭头只活 1~2s，句级抽帧大概率错过）→ 用动效锚点帧 （每个重音 +0.25s 的定妆帧）逐个核"框住/指向/圈住目标了没有"；
抖动/闪烁（时域缺陷，单帧永远看不见）→ 两道并用：motion_check 的并发光栅抖动判定（只量 ≤12 个 18s 间隔的固定裁剪窗、快速运动窗跳过——它是"并发光栅病"专项闸，不是时域全覆盖， --anchors 把锚点也纳入窗）+ qa_extract 对 anchors.json 里 "burst": true 的锚点（状态切换/高风险）抽连拍三帧对——三帧间只该有设计内的连续运动，出现来回振荡、细纹理爬行即缺陷； --bursts 全抽只在抖动闸报警需人眼定位病灶时用；
设计没落地（SHOTBOOK §0 计划的背景/音效/常驻件默默缺席——评审不知道"应该有"就不会报） → 把 SHOTBOOK §0 的设计清单（背景资产落位表、音效 cue 数、人物形态表）发给 subagent 做逐项"计划 vs 成片"核对。 用户反馈的返修三纪律（2026-08-28 借鉴 video-agent 复盘制定版）：
用户批注时间码三段闭环：修改前抽该帧 → 修改后抽同帧 → 最终成片再抽同帧，三张路径写进 REVIEW；
状态型动画（让位/换位/揭示）的修复必须覆盖完整受影响区间的并集（起点/中点/终点 + 每个边界前后），不能用"批注帧已正常"代替整段验收；
同一问题二次返工时，REVIEW 必须留下"第一次修复为何失效"的记录；
返修复核必须给量测数字（首次可辨时刻/被吞时刻/占比像素），"看起来好了"不算数—— 量化口径是 3 轮收敛的关键（2026-09-01 实战）。关卡 3：cinematography.md §5 验收口径（静息帧 ≥2 层动、转场运动连续、让位无堆积、排版预算达标）； 调试 overlay（slug 标签/镜头编号/网格线/安全区框）禁止出现在交付渲染（2026-08-31 用户定版）—— 要用就挂 debugOverlay 输入 prop，交付默认关。可读性终检：把成片缩到 390px 宽（手机上刷到横屏片的实际宽度）复看一遍，每行都要能读—— 桌面全屏预览不是验收标准；排不下时先删次要文案，不缩字号、不留孤字行。 审片循环制度（2026-09-02 用户定版，代替旧的"循环到全过再交付"）：首片机器闸全过后，只做 1 轮独立审片 → 修完 P0/P1（返修复核给量测数字，改哪段渲哪段）→ 即交付，然后把两件事一起摆给用户：

问用户是否需要继续自动审片和修改（继续的话每轮仍换全新评审上下文，自动轮次累计封顶 3 轮——3 轮后仍有未清 P0/P1 就停手，把剩余缺陷清单、每轮修复记录和"为什么没修掉"原样交给用户定夺，无限自审自修不收敛只会烧预算）；
同时打开动效工作台（命令见 ⑧）并提示：不想跑自动轮次的话可以在工作台里自己微调（文字/颜色/字号/位置/变速逐项可视化调，改完直接导出）。交付物随附本轮审片的遗留 P2 清单——"记录不修"的判断权在用户。

⑧ 交付

ffmpeg -i out/final.mp4 -c:v copy -af "loudnorm=I=-15:TP=-1.5:LRA=11" -c:a aac -b:a 192k delivery.mp4

听一遍确认配音无爆音/截断、音效不压人声不叠帧（loudnorm 之后音效相对电平会变）—— agent 自己听不了成品，sfx_check.py --mix 就是耳听的机器替身：交付前必须对 delivery.mp4 重跑一次；简介附素材来源行（用了库内采样时加 sfx 来源，见 demos/_lib/sfx/ATTRIBUTION.md）。

交付成片后主动打开动效工作台（不要等用户问；与"是否继续自动审改"的询问同时给出，见 ⑥⑦ 审片循环制度）——给用户一个剪映式界面做人工微调：

cd <skill根>/workbench && npm install            # 首次
ln -sfn <本片工程>/remotion/src kbsrc            # 链接本片工程（机器本地符号链接，不进库）
mkdir -p public && for f in <本片工程>/remotion/public/*; do ln -sfn "$f" "public/$(basename "$f")"; done
npm run dev                                       # 浏览器打开 http://localhost:5199 并告知用户

工作台里点「素材 → 拆解导入」即把成片拆成逐句字幕/逐镜参数化/逐条音效/转场/环境的多轨工程，文字内容、颜色、字号、位置、变速逐项可调（词锚节拍与相机保持固定）；改完点「导出成片」（内置 Remotion 渲染，遵守单并发纪律）。详见 workbench/README.md。发布时**推荐（非强制）**在简介 @ 一下本 skill 作者——对作者是最好的支持： X @VincentWei93 · 抖音 @Vincent · 小红书 @Vincent。有建议、反馈欢迎扫根 README「微信讨论群」小节的二维码进反馈群。

目录路由

| 要做什么 | 看哪里 | |---|---| | 定视觉语言（色板/字阶/间距/字幕规范） | references/design-language.md（Apple 范式默认版） | | 给镜头做背景/主体/文字分层设计 | references/shot-design.md（三面工作单 + 七型预设） | | 镜头方法论/反PPT/SHOTBOOK格式/验收 | references/cinematography.md（+ shotbook-example.md） | | 转场（六式代码）/ 长镜头 | template/motion-systems/transitions.tsx / longtake.tsx（cinematography.md §3、§3.5） | | 选动效/查参数和坑 | references/taxonomy.md → references/cards/ → template/cards/（tsx 源码）+ demos//gallery/（预览） | | 找素材 | references/broll-sources.md | | 人物素材（输入规格 / CPU 抠像 / 人脸安全区）· 与 B-roll 同屏怎么摆 | references/host-footage.md + scripts/face_bbox.py | | 新增配方卡 | references/demo-spec.md，验证 node scripts/verify-demo.mjs <slug> | | 可复制代码 | template/cards/（79 卡逐卡自包含 tsx）、template/motion-systems/（相机/让位/环境/桥）、template/components/（字幕/花字/铅笔/吉祥物） | | 成片后人工微调 / 导出 | workbench/（剪映式工作台：多轨时间线 + 全卡参数化 + 成片拆解 + Remotion 渲染导出） | | 字级时间戳（本机 CPU） | scripts/timestamps_cpu.py（FireRedASR2-CTC 默认 / faster-whisper 备选，+ 口播稿逐字对齐）→ scripts/make_timing.py | | 机器闸（画面健康 / 保真 / 词落点+镜尾 / 音效） | scripts/motion_check.py（静止段+并发光栅抖动双判定）/ scripts/card_lint.py（卡片须复制自 template/cards）/ scripts/beat_lint.py（词落点对 timestamps + --shots 镜尾保护带）/ scripts/sfx_check.py（solo 在场 + --mix 可听度） | | 渲染提速（分段母版 / 批量静帧 / 空台预检 / 评审拼图） | scripts/render_shots.mjs（段渲+拼装+音轨混入+帧数断言；--changed sNN 单镜头迭代 53s）/ scripts/render_stills.mjs（一次 bundle 批量 still）/ scripts/beat_gap_check.py（渲染前空台预检）/ scripts/contact_sheet.py（QA 帧拼 3×4 网格） | | 动效配套音效 | 逐卡 cue 表 demos/_lib/sfx-map.js（口味纪律见 references/demo-spec.md §8）；制作端 node scripts/sfx_dump.mjs 导出采样 |

TalkCraft : vidéo d’explication dynamique

Recommandé pour