手机屏幕叙事短片(模拟恐怖)制作
工具在 scripts/ 和 ui_kit/,详细用法在 references/。示例作品《应聘终止》(6分45秒,141镜头,11场)的场次脚本在 examples/yingpin/。新项目先读完本文件,再按需读 references。
面向零经验用户的引导
用户说“不会做”“第一次用”或只提供一句故事时,按以下方式带着完成:
- 先确认能实际制作:检查本地文件读取、命令执行能力,以及 Python、所需包、ffmpeg/ffprobe、浏览器和中文字体。检查路径和系统可由工具判断,不重复问用户。不能运行工具时,明确说明当前只能整理故事,不能声称已经生成视频。
- 降低故事输入门槛:一句话想法就能开始,不先发长表格。缺少想法时给三个简短选题;已有想法时整理成一小段剧情及主要屏幕文字。只询问会改变故事方向的关键问题,细节用合理默认补齐并说明。
- 说清下一步:例如“我会先把这个故事做成能播放、有声音的预览版,你看完告诉我哪里太快或不够紧张。”不向用户堆出脚本名、参数和目录结构,也不让用户选技术方案。
- 第一次练习控制复杂度:用户没指定规模时,建议约一分钟、少量场景,以聊天、通知和锁屏讲完一个简单故事,默认只交付 MP4。按实际阅读时间调整,不为了凑时长加快文字。用户已有完整故事时保留其范围,不强行缩成练习片。
- 尽量减少素材依赖:优先 HTML 界面、文字头像和简单图形。只有故事需要照片时才列出具体素材需求;可用当前环境的图像工具时协助制作,无法生成时再给提示词并请用户提供。不要一开始就让新手准备大量截图。
- 实际推进制作:在故事方向明确、必要环境可用后,完成覆盖开头到结尾的有声预览,再收反馈。用户只需用“读不完”“声音太大”“结尾再慢点”这类感受描述修改,不要求其提供镜头编号。
- 需要用户操作时给具体帮助:能在授权范围内安装的 Python 包由你处理。涉及系统软件安装或授权且需要用户操作时,说明缺少的软件、影响和下一步;一次只处理当前阻碍,不把整份环境清单丢给用户。
开场可以说:“你只需要告诉我一个故事想法,我来把它变成手机里的聊天、通知和声音。先检查制作环境,再做一版能播放的预览给你看。”用户已经给过故事时直接接着整理,不重复索要。
默认设置(直接采用;只询问真正影响制作的缺失信息)
- 用户可能不会编程。所有命令由你运行,不让用户装依赖、跑脚本、改代码。缺 Python 包时你自己
pip install;缺 ffmpeg / 浏览器 / 剪映这类软件时,用一句话告诉用户装什么、去哪下。 - 用户提供故事,你负责界面、动画、声音、导出。用户已有截图(如在 GPT 做的)就用他们的;没有就用 HTML 界面套件做,头像、壁纸、人脸等照片类素材请用户用图像模型生成,你给提示词(
references/image_prompts.md)。 - 剪映可选。没有剪映也交付 MP4 和六条分轨 WAV。
- 系统:Windows 或 macOS。语音用系统 TTS(Windows OneCore,macOS
say)。只在 Windows + 剪映专业版 11.8 上实际验证过;Mac 和 CapCut 的部分要向用户说明未测试。
硬性原则
- 交付的是能播放的有声视频。脚本、截图、静音轨、计划都不算完成。
- 没试听就写"未试听",没测量就写"未测量",剪映草稿没实际打开就写"待验证"。不伪造工程、不伪造检查结果。
- 已确认的设定不再反复问。素材版本有疑问时自己核对画面或校验值。
- 画面只有手机屏幕:无手机外框、手指、点击光圈、鼠标、镜头推拉。不拉伸,1170×2532、30fps。
- 恐怖来自日常:不加超自然、故障字、跳脸、旁白、解释性字幕。涉及死亡或自杀时不展示方式与过程,只用无人回应、时间流逝、远处警笛暗示。
- 界面文字密集的画面不交给图生视频模型,全部用确定性合成(PIL)。只有人脸窗口这类局部可以动。
- 用户打开过的剪映草稿永不覆盖,新版本换新名字(如
_粗剪V4、_成片2)。
制作流程
1. brief
先接受用户用一句话或一段大白话描述故事。需要梳理时用 references/brief_template.md 的简短入口;只有用户想详细规划时才使用完整模板。人物、屏幕文字、场次和声音由你整理,缺的部分按合理默认补上,并简短说明假设。references/brief_example.md 是《应聘终止》的完整 brief(里面"约90秒"的时长后来被反馈推翻)。
2. 搭工程
<项目>/project.json 从 templates/project.json 复制,填 title、voices
<项目>/00_ui/ HTML 界面
<项目>/01_final_assets/ 全部图片(引擎按文件名找,文件名全工程唯一)
<项目>/03_project/tools/ 复制 scripts/ 全部 + ui_kit/ 文件夹;scenes.py、tap_rects.py 也写在这里
02_audio、04_cache、05_exports 由工具自动建。所有命令在 03_project/tools 里运行。字体、浏览器、TTS、剪映草稿目录都自动查找,找不到时在 project.json 里指定(字段说明见 references/pipeline.md)。
3. 界面素材
- HTML 界面套件(首选,见
references/ui_kit.md):每个界面一个 HTML,放00_ui/S01/…。python ui_render.py渲成 1170×2532 PNG,自动出打字用的_blank/_text层、点击区域.taps.json、人脸窗口位置.ui.json。中文准确,键盘和keyboard.py键位一致。 - 图像模型做的截图:放
01_final_assets/S01/…。打字界面用engine.mask_layers拆层,点击区域用sheet.py出坐标网格拼图、量好写进tap_rects.py。逐字核对图里的中文。 - 渲完用 Read 看几张 PNG,确认文字、布局、日夜主题正确。
4. 写场次
在 tools/scenes.py 里每场一个函数,名字必须是 S + 两位数字(S01…S99),模板和 API 见 templates/scenes_template.py:
from scene import *
def S01():
c = Scene('S01', mood='day_bright', k=1.5, music='calm')
s = c.shot('wake'); fade_in(s, img('lock.png')); s.hold(img('lock.png'), 2.0 * c.k); c.add(s)
c.hold('inbox', 'inbox.png', 1.6, 'notify', ('tap', 1.2))
c.save()
if __name__ == '__main__': run(globals())
typ() 打字(可见键盘、拼音、空格上屏),V() 语音,apptrans.open_app/close_app 应用开合,engine.scroll/face/timer/xfade 等。每个点击都要有 TAPS 条目,否则没有按下反馈(渲染时会打印 [tap] no rect for …)。
5. 低清全片有声版
YP_RES=proxy(默认,586×1268)渲全部场次 → python build_audio.py → python export.py <名字> proxy。一开始就做覆盖首尾的全片有声版,不要先精修一个30秒片段。export.py 打印时长、镜头数和响度(LUFS / 峰值)。
6. 自查
python peek.py S04出某场抽帧拼图,用 Read 逐场看:文字、按下状态、键盘、过渡、有没有黑帧。- 看 export 打印的响度。声音你只能测数值,汇报时必须说明没有试听。
7. 按反馈局部改
- 节奏:改
k或个别镜头秒数,只重渲受影响的场(python scenes.py S05 S07),再 build_audio + export。 - 只改声音(配乐、音效、人声设置):不重渲画面,直接 build_audio + export。
- 界面文字或布局:改 HTML 后
python ui_render.py(只重渲改过的),再重渲用到它的场。 - 每轮新 MP4 用新名字(export.py 不覆盖同名文件)。长项目在工程里维护一份 RECOVERY.md(当前版本、命令、待办),方便上下文中断后接着做。
8. 高清与剪映
用户满意后设 YP_RES=hd 重渲全部场次(1170×2532,比低清慢很多,可按场并行)→ build_audio.py → export.py <名字> hd → 用户要剪映时 build_jianying.py <名字> hd。
- build_jianying 总会做工程包(
05_exports/<名字>_工程包/:素材、六条分轨、README.txt);装了 pyJianYingDraft 才写草稿;找到剪映草稿目录才复制进去,遇到同名草稿拒绝运行。 - 新电脑或新剪映版本先跑
jy_roundtrip_test.py,请用户打开测试草稿并告诉你能不能播放。 - 草稿在用户打开前一律写"待验证"。Windows 上可用
winshot.py截剪映窗口辅助确认。
第一部作品中用户给过的反馈(新项目默认照做)
详见 references/lessons.md。
- 节奏要慢:首版94秒被评"太快",最终6分45秒用户满意。停留按"能读完"给,表单、测评这类信息密集页尤其要慢。先保证可读,不被 brief 写的总时长绑住。
- 正常速度:打字约7.5键/秒、每个词上屏后停0.22秒;人声正常语速,不加速、不截断。
- 每次点击都要有界面变化(按钮变暗或变淡、行高亮),否则观众不知道在点哪里。
- 打字要看到键盘:按键弹出、拼音带下划线一个字母一个字母长出来、候选栏变化、空格上屏一整个词。字不能凭空出现。
- 从桌面进应用要有打开动画(图标放大展开),返回桌面要有收回动画。
- 滑动声要明显。
- 配乐是纯音乐,前期舒缓有旋律,后期逐场累积不适,到最后"足够让人不适"。靠素材变化,不只靠音量。
- 结局要有时间流逝:锁屏日期、时间、电量逐日变化,通知越积越多,电量变红,最后远处警笛(示例见
examples/yingpin/scripts/lockdays.py)。
参考文件
references/pipeline.md:每个脚本的用法、project.json 字段、声音事件、剪映注意事项。references/ui_kit.md:HTML 界面套件的写法、组件、图层、点击区域。references/image_prompts.md:给 GPT 等图像模型的提示词,以及拿到图之后怎么拆层、量点击区域。references/brief_template.md:给用户填的 brief 模板。references/lessons.md:第一部作品每版的反馈、改法和技术坑。references/brief_example.md:《应聘终止》的原始 brief。examples/yingpin/scripts/:《应聘终止》的场次脚本(scenes_v2.py自带一份 typ/V,与scene.py的写法等价)和专用工具。只有脚本,没有原片截图,不能直接运行,用来参考镜头写法。
汇报格式
用中文、普通话语,不堆术语。说清:做了什么改动;成片路径和时长;响度数值并注明未试听;剪映草稿名和是否验证;烧进画面的文字在剪映里不能改,只能重渲镜头。