dlazy-ai/ai-product-video

ai-product-video：电影感产品视频制作

一个自包含的制作能力库：152 张镜头配方卡（附 demo 实现源码）、一支已验收的 完整宣传片模板、可复用组件与音频资产、六阶段工作流。 当前 focus 是 web/桌面产品宣传片，但镜头卡本身是通用动效词汇—— 也可以单独抽卡做任意视频里的单个镜头。

调用时先判断模式

完整宣传片有三种互不合并的模式。在开始素材采集、分镜或实现前，先判断用户 是否已经明确选择；已经选择时直接执行，不重复询问，也不要改成另一种模式。

1. 直接使用模板：保持 Ink Press 原有替换流程。读 template/TEMPLATE.md， 按既有镜头结构替换目标产品的截图、文案和品牌信息。
2. 自主自由创作：读 references/pipeline.md。Agent 根据用户已有要求和项目 内容，自主决定视觉方向、镜头映射、分镜、素材和音频，连续推进到成片；不在 产品简报、styleframe、镜头映射或分镜阶段暂停等待用户确认。
3. 共同创作：读 references/guided-free-creation.md。Agent 先提出有依据的 判断和方案，由用户依次确认产品简报、需求决策、视觉方向、镜头映射和最终 分镜；分镜放行后再进入 references/pipeline.md 的最终素材采集与制作阶段。

用户提供了项目路径、网址、录屏或页面截图但尚未选模式时，先做一次最小、 只读的产品检查：了解产品定位、主要功能、页面视觉、可展示状态和素材风险； 不修改业务项目、不采集敏感数据、不写视频代码。检查后给出三种模式，并说明：

• Ink Press 是否适合该产品、适合与不适合的具体依据；
• 自主自由创作与共同创作各自是否适合、预计会保留哪些产品视觉线索；
• Agent 推荐哪一种模式及其依据和取舍。

然后明确询问：“根据上面的产品检查，我推荐使用 ×× 模式。要按这个模式继续吗？” 同时告知用户：152 张镜头卡都在 references/shots/ 下，按 camera / typography / transition / ui-entrance 等类别分目录，可以直接翻目录挑镜头。

用户尚未提供可检查的项目或页面时，简要介绍三种模式再询问；不要仅因 Ink Press 是现成模板就默认推荐它。

• 用户选择模板：完整阅读 template/TEMPLATE.md，按原模板流程执行。
• 用户选择自主自由创作：完整阅读 references/pipeline.md，Agent 自主推进，不逐阶段等待确认。
• 用户选择共同创作：完整阅读 references/guided-free-creation.md，按其中的确认节点协作。
• 用户尚未决定：停在此处等待选择；不要默认替用户选择，也不要开始制作。

例外一：用户已点名 Ink Press 模板时，视为模板模式已选定。 例如“用 Ink Press 模板给我的产品做宣传片”。此时不要再询问，直接完整阅读 template/TEMPLATE.md 按模板路线执行。

例外二：用户已明确指定要使用或参考某些镜头卡时，镜头约束已经选定。 例如“用 deck-deal-flyin 和 row-embed 做这支视频”或“参考 spotlight-hero-card 的效果”。此时不要介绍模板、也不要询问是否使用模板； 按镜头卡名称解析规则确认指定镜头，完整阅读每张卡，并按卡片的“参考实现” 定位准确 demo 源码。单镜头可在目标素材明确后执行；完整宣传片若尚未说明采用 自主自由创作还是共同创作，只询问这两种模式，指定镜头作为后续制作约束，不自动 等同于共同创作。

四种用法

1. 完整宣传片（模板路线）：想要和模板片高度相似的效果 → 读 template/TEMPLATE.md，按“换产品复现指南”替换素材逐镜头适配。
2. 完整宣传片（自主自由创作）：要新风格并授权 Agent 自主决定 → 读 references/pipeline.md，从产品理解连续推进到终检，中途不逐阶段等待确认。
3. 完整宣传片（共同创作）：要参与关键决策 → 读 references/guided-free-creation.md，确认产品简报、需求决策、视觉方向、 镜头映射和最终分镜；放行后从流水线的最终素材采集继续。
4. 单镜头/单动效：从 references/shots/ 选卡（可让用户直接翻类别目录挑）， 读卡全文并按“参考实现”定位准确 demo 源码，适配到目标素材。

自主自由创作与共同创作的边界

自主自由创作把创意和工程决策交给 Agent。Agent 从项目内容动态推导产品重点、 视觉方向、镜头映射、分镜、素材处理与音频方案，记录关键判断后直接执行；除非缺少 无法安全推断的必要输入，否则不提问、不逐阶段暂停，也不要求用户确认中间产物。 用户已有的明确要求始终是约束，不能被 Agent 的默认选择覆盖。

共同创作才使用逐阶段确认。默认读 references/guided-free-creation.md，每轮只问 1–3 个最能减少返工的问题，并在产品简报、需求决策、视觉方向、镜头映射和最终分镜 处暂停等待用户确认。用户确认业务与创意方向；Agent 自主完成采集方式、实现参数、 SFX 钉帧、Remotion 工程、渲染和技术 QA。

共同创作中，用户明确说“你全权决定”或“跳过确认直接做”时，切换为自主自由创作 并记录这一选择；不要一边声称自主推进，一边继续要求逐阶段确认。

功能到镜头的映射只是“选用哪些运动语法”，不是完整分镜。共同创作确认映射后， Agent 必须继续给出镜头顺序、时长、具体画面、页面状态、素材来源、字幕、转场和 SFX；只有完整分镜确认后才进入最终素材采集。用户给出镜头名时，只需提供卡名 或“卡名 · 样式名”，Agent 负责读取本地配方卡和 demo 源码。

核心理念

1. 复刻既有页面必须用真实截图；手搓 UI 限非复刻场景，且质量与表达 明确性是硬门槛。 表现产品真实页面时第一步就起本地 dev server， 用无头浏览器截全页 2x 纹理 + 元素级抠图 + layout.json 坐标表。 非复刻场景（抽象开场/品牌段/独立展示组件）允许手搓 UI，但达不到 出版级质感或观众看不懂它表达什么，就回截图路线。页面数据按风险处理： 公开演示数据只有在产品简报明确确认后才可保留；客户、个人、内部、密钥、 实时或其他敏感数据必须用虚构或脱敏内容，且在采集前冻结。

2. 整支视频的视觉语言必须从产品自身生长，不能另造一套不相干的 “宣传片皮肤”。 做 styleframe 前，先从产品/网站的设计系统、源码或 computed styles 中提取并写入设计 spec：字体家族与字重、字号层级、 行高/字距，栅格、间距、对齐、信息密度与圆角，以及背景/表面/正文/ 强调/状态色、渐变和材质。片中所有标题、字幕、数字、字卡、版式、 转场、粒子、光效和其他动效配色都必须复用或克制扩展这套 tokens， 同时匹配产品的调性、品味和质感。走模板或镜头卡路线时，只继承其 镜头结构、运动语法、节奏和已调参数；字体、排版、配色与材质必须按 目标产品重新蒙皮。若因叙事需要偏离产品视觉，共同创作先说明理由并让用户 确认；自主自由创作把理由与取舍写入设计 spec 后继续。

3. 电影感来自运镜、光影、节奏与声音的配合，不来自炫技动画。 被反复认可的是：单主角完整动作弧（聚光→推近→悬浮→归位）、 物理隐喻驱动的加速度（发牌）、侧斜机位 orbit 环绕特写、 riser→impact→sparkle 的声音句式。批量元素入场靠运动本身， 不靠逐个发光——装饰性 glint/泛光群发即廉价，单点高质量光效可做。

4. 每个镜头只讲一个动效；关键信息落定后必须呼吸。 一种动画手法（飞入/堆叠/翻页）全片只当一次主角，重复镜头、重复 tagline 一律删。节奏偏好是单向的：历史反馈全部指向"放慢/停留"， 从未有一次"太慢了"——品牌字标落定 hold ≥1s、批量动效收尾留 0.5s 静止、开场主体动作给足 3s。排时间线时预先给 hold/rest 留帧预算。

5. 强节奏 BGM 的片子，所有转场和动效必须卡在拍上。 BGM 用 dlazy search_audio 取（本库不再内置曲库，见 ## dlazy 工具链）。 用户已选好音乐 → 开工前先做节奏分析（librosa 网格拟合求真实 BPM/相位 + kick/snare/hihat 三分类鼓点定位），网格按瞬态覆盖率 验收通过后才分镜；时间线用拍号 beatF(n) 写，稀疏重音钉真实 瞬态而非网格插值点，渲后从成片抽音轨回测切点误差 ≤3f。 方法论见 references/music-beat-sync.md。 配了 BGM 的片子终渲固定交付两版：带 BGM 版 + 无 BGM 版（保留 SFX）， 靠 bgm inputProp 从同一时间线渲出，方便用户后期自配音乐。

6. 用镜头卡动效必须先定位准确的 demo 实现代码。 先在 references/shots/ 下确认卡名与卡内样式名，再按卡片文档的 “参考实现”定位具体 TSX。配方卡给的是语义和参数表，准确的 demo 源码 才是调校过的参数真相（缓动、时值 配比、摘罩时机、已知坑的规避写法）。允许适配性改动，但卡上 "已知坑/命门"标注的参数不得降档——质量标准只升不降。凭卡名和 理解新写＝放弃全部调校积累。

7. 共同创作把廉价确认物前置，自主自由创作把同样的判断留作执行记录。 产品简报→需求到执行决策表→文字方向→styleframe→镜头映射→分镜的顺序不变； 共同创作逐级交给用户确认，自主自由创作由 Agent 自主选定并连续推进。两种模式 都不应在方向未定时进入逐镜头实现。

8. 验收贯穿全程 + 交付前独立审查。 阶段 5 起每个镜头用 npx remotion still 出静帧自检、每轮修改后整片渲染 + ffmpeg 抽帧回看；交付前必须派一个干净上下文的 subagent 做独立终检。审查输入 包含成片、关键帧、产品简报、需求到执行决策表、当前模式确认或记录的视觉方向/styleframe、功能到镜头映射、 镜头卡名/变体、准确 demo TSX、最终分镜、选中的镜头卡和 审美准则；按 references/final-review.md 同时检查方案一致性、功能完整性、镜头还原度、视觉/音频技术质量和数据安全， 逐条出带帧号证据的报告。制作者对自己的产出有确认偏差，首检永远不能交给用户。

9. 确定性渲染：禁 Date.now()/Math.random()，一切伪随机固定 种子（mulberry32/哈希，seed 从 index 派生），逐帧可复现。

工作流

自主自由创作按 references/pipeline.md 从阶段 0 连续执行，不逐阶段等待用户确认。 共同创作先按 references/guided-free-creation.md 完成阶段 0–3 的产品理解、视觉方向、 镜头映射和分镜确认，再从流水线阶段 4 的最终素材采集继续，不得重复提问或重新设计。 阶段 2–3 扫 references/shots/ 各卡 frontmatter 按能量曲线选镜头；阶段 5–7 持续 对照 references/aesthetic-rules.md 自检；阶段 6 读 references/sound-design.md；卡点片全程贴 references/music-beat-sync.md。

dlazy 工具链

画面由 Remotion 生成，音乐、补充音效、旁白、字幕和 B-roll 走 dlazy CLI —— 一条命令覆盖多家模型，不用自己对接各家 API。

准备

npm install -g @dlazy/[email protected]
dlazy login      # 设备码流程，远程终端也能用；key 自动写入 ~/.dlazy/config.json
dlazy -h         # 列出当前账号可用的全部工具

也可以不全局安装：npx @dlazy/[email protected] <command>。 已有 API key 时用 dlazy auth set <key>（在 https://dlazy.com/dashboard/organization/api-key 获取）。

速查

用途	命令
BGM（本库不内置曲库）	dlazy search_audio --query "<mood>"
补充音效（自带 149 个不够时）	dlazy search_audio --query "<sfx>" 或 dlazy keling-sfx -h
旁白 TTS	dlazy -h → 选，再 dlazy <tts-tool> -h
字幕逐词时间轴	dlazy fun-asr --audio_url <wav> --format json（或 dlazy elevenlabs-stt），读返回的 data.words[]
补充图片	dlazy search_image --query "<关键词>" 或文生图工具（dlazy seedream-5.0 -h、dlazy jimeng-t2i -h、dlazy banana2 -h）
B-roll 真实运动镜头	dlazy -h → 选一个视频生成工具，再 dlazy <tool> -h

首次付费调用前先 dlazy <tool> -h 确认工具名与参数——可用工具随账号而变， 不要凭印象拼模型名。多个独立生成（多镜头、多变体、多音色）并发跑，别串行等。

旁白（可选，默认不加）

产品宣传片的默认形态是画面 + 字幕 + 声音设计，不配人声——旁白会挤掉运镜和 节奏的表现力。只有用户明确要旁白，或片子承担"讲清楚一件复杂事"的任务 （功能讲解、教程向）时才加，且必须在阶段 3 分镜放行前定下来（旁白长度直接 决定镜头时长，事后补配等于重排时间线）。要加就走：

1. 选 TTS：dlazy -h 看可用音色工具，跨语言优先多语种模型；先 -h 确认参数。
2. 先试 2 句再全量：拿分镜里最长和最短的两句渲一遍确认语速音色， 再渲全篇存 public/narration.wav。
3. 真实时长回写分镜：TTS 实际长度几乎不等于估算值——按它重排镜头帧预算， 不要让画面先做完再迁就音频。
4. 字幕：dlazy fun-asr --audio_url public/narration.wav --format json 拿逐词 时间轴（媒体字段支持本地路径，CLI 会自动上传），取返回的 data.words[] （每项含 start/end/text）喂给 assets/lib/Caption.tsx。
5. 混音：有旁白时 BGM 压到 0.12–0.18（无旁白是 0.34），SFX 避开人声句子 的起止帧。

不加旁白的片子照旧用画面字幕承担解说，别留哑巴段落。

何时读哪个文件

时机	读
项目启动且模式未定	最小只读检查，然后提供三种完整宣传片模式并推荐
自主自由创作	pipeline.md（Agent 自主完成阶段 0–7，不逐阶段等待确认）
共同创作	guided-free-creation.md（确认阶段 0–3），再从 pipeline.md 阶段 4 继续
用户已选 BGM	music-beat-sync.md（先分析再分镜）
走模板路线	template/TEMPLATE.md 全文
分镜设计	sequences/ 桥段模板（全片骨架先填空）；shots/ 全部 frontmatter；选中的卡读全文
逐镜头实现	该镜头卡全文 + 按“参考实现”定位的准确 demo 源码全文 + assets/lib/ 对应组件
声音设计	sound-design.md + assets/audio/
验收	final-review.md + aesthetic-rules.md 全文过 checklist（独立 subagent 执行）

资产使用方式

• assets/lib/ 组件 copy 进新项目后自由修改（不 import 本库）。 清单：PageCam（2.5D 页面相机——一切"真实页面"镜头的地基）、DigitRoll、 FlashCut、Caption、FlatPanel、VerticalTicker（3D 无限滚动墙）、 helpers(rand/shake/camera/motion)。FlatPanel 与 helpers/camera 需要 three + @react-three/fiber + @remotion/three 依赖，其余仅需 remotion。
• assets/scripts/capture-template.mjs 复制后改顶部 CONFIG（BASE/路由/选择器）。
• assets/audio/ 音效直接复制使用（免费商用授权，见 audio/ATTRIBUTION.md）： audio/sfx/<类别>/ 149 个音效按场景分 16 类 （transition impact riser camera ui text paper film light data scifi mech glass fluid crowd counter），找音先进类别目录，清单见 sound-design.md。 词汇表 sparkle 的目录名是 light/（无 sparkle/）；S1 禁音色不禁动作—— 画面真有点击/开关就该配拟音，但 ui/ 里一半是合成反馈音（tone/bleep/ notification）需逐个试听、不可整目录放行（名单见 sound-design 3.3）； 长样本与轻音素材各有名单需特殊处理（sound-design 4.1）。
• demos/ 各卡实现源码：多数为自包含灰阶 demo（部分 import demos/_fixtures/Fixtures.tsx 的假 UI 场景件，个别 import demos/_textures/ 的真实页面纹理），copy 进 Remotion 项目即可跑； 个别 demo 用到 @remotion/motion-blur（CameraMotionBlur），需 npm i @remotion/motion-blur，名单见 demos/README.md。
• template/ Ink Press 的完整镜头结构与场景源码（36.2s / 1085 帧）。 原片截图素材未随本库分发（那是另一个产品的真实页面），照它的镜头 结构做、素材换成目标产品自己的，详见 template/TEMPLATE.md。 样片没拉也能用，只是没有动态预览。