Azure12355/weilanx-claude-videos

关键词 → 一期像素风口播动画

用户给一个关键词，按第 0～5 步一口气做完。中途不等用户确认；每步做完用一两句话同步进度，最后在 Studio 里交给用户预览。不导出成片，不提交 git，除非用户另外要求。

动手前先读工程根目录的 CLAUDE.md 和 src/library/README.md。所有 npm、npx、node 命令前都要先执行 export NODE_OPTIONS=--max-old-space-size=4096。

依赖（开源版说明）

这个工作流原本串起了作者的几个私人 Skill，仓库里没有带。换成你自己的工具即可，接口只要求「输入文本 / 音频，输出文件」：

步骤	作者用的私人 Skill	换成
写口播稿	weilanx-creator-spoken-script（作者的写稿风格）	自己写，或让 Agent 按「强钩子开头、句子连贯、不用冒号括号」写
配音	weilanx-doubao-voice-clone（豆包复刻音色）	任何 TTS 或真人录音，输出 wav / mp3
字幕	weilanx-doubao-voice-srt（豆包录音识别）	任何语音识别工具，输出 SRT

字幕导入、出片、导出这些工程内的步骤都不依赖它们。

0. 定期数和目录

• 看 src/episodes/ 里最大的期号，新一期用下一个号。作品 ID 写成 epNN-英文短名，比如 ep06-context，下面统一记作 <期>。
• 如果 materials/ 里已经有同主题的目录（例如之前写过稿子），就沿用它，不要重复建。
• 素材放 materials/<期>/，代码放 src/episodes/<期>/，音频放 public/audio/<期>/。
• 选题候选池在 materials/选题候选池.md。用户说“从候选池挑一个”时，优先选 ⭐ 的；开工时把那一行改成 🎬，导出后改成 ✅ 并填上期号。用户给的关键词不在池子里，就在“已做”表里补一行。

1. 写口播稿

调用 weilanx-creator-spoken-script Skill，把关键词交给它。

• 用户没说时长，默认成片 1 分半到 2 分钟，也就是 600～800 字。
• 稿子存到 materials/<期>/口播稿.txt。只存能直接念的正文，参考来源这类不念的内容不能写进去。
• 在回复里贴出全文，并说明字数，以及需要用户核对的事实。然后直接进入下一步。

2. 配音并加速 1.2 倍

调用 weilanx-doubao-voice-clone Skill。

1. python3 scripts/voice.py status 确认音色可用。
2. 合成：

   python3 scripts/voice.py synthesize --text-file <工程>/materials/<期>/口播稿.txt --output <工程>/materials/<期>/<期>-口播-中文标准版.mp3
   

3. 加速 1.2 倍，保持音高，输出 48kHz 16-bit：

   ffmpeg -i materials/<期>/<期>-口播-中文标准版.mp3 -filter:a atempo=1.2 -ar 48000 -c:a pcm_s16le materials/<期>/<期>-口播-1.2x.wav
   

3. 转 SRT

调用 weilanx-doubao-voice-srt Skill，识别已经加速的 <期>-口播-1.2x.wav，不要再加速一次。

• 用口播稿校对用字。每行一个完整意思，6～16 字，去掉标点。
• 输出 materials/<期>/字幕.srt 和 字幕稿.md，文件名固定用这两个，导出时会用到字幕稿。
• 识别结果和稿子对不上的地方，通常是 TTS 读错了，记下来，最后告诉用户去听。

4. 建工程并剪辑

照 CLAUDE.md 的“做新一期的流程”来做。画面一律竖屏 3:4（1080×1440），首帧放封面。 参照 ep06 的竖屏版：src/episodes/ep06-context/Ep06ContextTall.tsx（配置）、tall/part1.tsx、tall/part2.tsx（场景）、tall/Cover.tsx（封面）。新一期不用再做横屏版，场景直接放在 scenes/ 下。

1. 人声：先用 ebur128 测响度，再用 volume=<增益>dB,alimiter=limit=0.8:level=false 调到 −16 LUFS 左右（±0.5 以内），转成 48kHz 立体声 16-bit，存为 public/audio/<期>/voice.wav。
2. 字幕：npm run cues -- materials/<期>/字幕.srt src/episodes/<期>/cues.json。cues.ts 里的 VOICE_SECONDS 取人声时长加 0.3～0.5 秒，而且必须不短于最后一条字幕的结束时间。
3. 配乐：新建 audio/episodes/<期>.mjs 写段落表，只跑 node audio/episodes/<期>.mjs，不跑 npm run audio，免得把其他期重新生成一遍。
4. 场景：新建 src/episodes/<期>/，包括 Ep*.tsx、cues.ts、scenes/part1.tsx、part2.tsx、scenes/Cover.tsx、index.ts。
   • 版式：w: 1080, h: 1440，stage: {top: 120, h: 1080}，subY: 1250，chapter: {y: 34, align: 'center'}，look: 'sticker'，keywords 放本期要在字幕里高亮的词。舞台是 1080×1080 的正方形，内容上下排列，字号比横屏大：大标题 80～140，便签 40 左右，正文不小于 34。
   • 风格：只有 CC 和 AI 小人是像素风（根组件包 <CharStyle.Provider value="pixel">），字体、卡片、背景都用手绘贴纸风，不要用像素字体。
   • A-roll 用 HostTall（竖屏演播室，主持人居中，上方 960×360 放标题）；B-roll 里主持人用 PiP 放在右下角：{x: 950, y: 1050, s: 0.7}。
   • 钩子场景要把钩子画出来，比如测验、反差、宣言；过渡和收尾用 A-roll 演播室 Host；正文用 B-roll，主持人 PiP 站在右下角。
   • 每个概念都要配一个看得懂的图解，关键时刻加强调效果：Burst、FocusLines、jolt、红色贴纸大字。每个场景都要配音效。
   • 皮肤只用 headphones、santa、cowboy、chef、detective，而且场景之间要轮换。CC 没有嘴。
   • 示意用的数字要在画面上标“示意”，不能编造真实数据。
5. 封面：写 scenes/Cover.tsx，在配置里挂 cover: {C: 封面组件, frames: 第一句字幕开始帧 − 5}，这样封面会在前几帧整屏显示，再用 6 帧淡出，赶在第一句口播画面出来之前。版式照 ep06-context/tall/Cover.tsx：
   • 左上角斜贴标签：“一分钟看懂 AI”，不写期数
   • 大标题两行：第一行白字，第二行更大的红字，放钩子里的问题
   • 核心词横幅放到最大：居中黄色横幅，中文 80 号 + 英文 120 号白色描边大字，比如“上下文 context”“智能体 Agent”
   • 中间放本期最有代表性的画面：像素 AI 小人、CC，加上本期的道具
   • 底部黑色横条写一句“这期能带走什么”，比如“3 个做法，让它重新变聪明”
   • 渲染第 0 帧另存一张图：npx remotion still src/index.ts <期> materials/<期>/封面-3x4.png --frame=0
6. 注册和测试：在 src/Root.tsx 注册作品，仿照 tests/episodes/ep05-token.test.ts 加测试，然后 npm run typecheck 和 npm test 都要通过。
7. 抽帧自查：第 0 帧（封面）和封面淡出的那几帧必看，每个场景至少抽一帧，关键动画的中间状态也要抽，用 ffmpeg hstack/vstack 拼成图，看有没有重叠、越界、出现得太晚。发现问题就修，修完再抽帧确认。

容易踩的坑

• cw(n, '词') 如果挂在句尾的词上，贴纸刚出来场景就切走了。笑点要挂在更早的词上，或者让下一个场景晚几帧开始。
• 有章节标签的场景，舞台上的标题要从 y ≥ 30 开始，否则会压住标签；右下角 x ≥ 820、y ≥ 860 的区域留给主持人。
• 竖屏舞台只有 1080 宽，两个窗口不要左右并排，改成上下排，或者旧的滑出去、新的滑进来。
• 这台机器的 shell 是 zsh，for fr in $FR 不会按空格拆开，要用 bash -c '…'。remotion still 一次只渲一帧、按顺序跑，同时跑太多个会卡死。
• 不要对整个文件跑 prettier，工程没有 prettier 配置，会把整个文件重排一遍。
• $TMPDIR 里的识别中间文件可能被系统清掉，需要时重新跑识别。
• 不要在 src/library/ 里 import src/episodes/。新做的组件如果以后还能用，挪进素材库，并更新 README.md。

5. 写发布文案，打开 Studio 交给用户

• 调用 dbs-xhs-title Skill，按本期内容给出标题：主标题 1 个、备选 2 个，每个都注明用的是公式库里的第几号公式，标题含标点不超过 20 字。
• 描述照 out/ep07-agent/发布文案.md 的写法：第一句用钩子，然后是本期的要点清单和观众能用的做法，最后一行是话题标签。数据只写口播里讲过的。
• 存为 materials/<期>/发布文案.md，导出时会自动复制到 out/<期>/。
• 用 lsof -i :3000 -sTCP:LISTEN 看 Studio 有没有在跑。在跑就直接用，它会自动热更新；没在跑就在后台启动 npm run studio。
• 把预览地址 http://localhost:3000/<期> 给用户，不要执行 npm run export。
• 最后汇报：
  • 口播字数和时长
  • 人声响度
  • 字幕条数
  • 封面：第 0 帧的样子和 封面-3x4.png 的路径
  • 发布文案：主标题和两个备选
  • 场景表（每个场景的时间和画面内容）
  • 需要用户确认的事实、TTS 可能读错的地方、示意数据
  • 提醒用户：听感只能靠用户自己听
• 用户确认之后，再按第 6 步导出。

6. 导出（用户确认之后）

npm run export -- <期> 会生成：

out/<期>/
├── <期>.mp4        成片，音轨已按分轨重新混音限幅
├── stems/          voice.wav、bgm.wav、sfx.wav
├── 封面-3x4.png     首帧封面的单独图片，平台要单独上传封面时用
├── 字幕稿.md        完整中文字幕稿
└── 发布文案.md      标题（带公式编号）、备选标题、描述、话题

• 封面图、字幕稿和发布文案由 scripts/export.sh 从 materials/<期>/ 自动复制过去。所以第 3 步转字幕时，文件名必须是 字幕稿.md。如果中途重做过字幕，最新版也要叫这个名字，旧版改名为 字幕稿-v1.md 等。
• 导出后检查：成片时长、1080×1440、首帧是封面、整体响度约 −16 LUFS、峰值低于 −1 dBFS，封面-3x4.png、字幕稿.md、发布文案.md 都已在 out/<期>/ 里。
• 同时把成片复制一份到 materials/<期>/。