论文 → 讲解视频
目标观众:有技术背景、但没读过这篇论文的人。看完要能说清:它改的是什么、为什么有效、我们能学到什么,并且能用一个具体例子复述它在干什么。公式不推导,脉络讲清楚。
成片规格:横屏 1920×1080,30fps,H.264 + AAC,时长 6–8 分钟,说清楚优先(约 10 分钟内都可以接受)。结尾署名、关注语是配置项(工程目录 film.json 的 outro),不写死。
本 skill 和仓库里的代码配套:engine/(画布外壳、实体纸、风格卡 ④、WebCodecs 渲染页、拼接混音、配音对齐、音乐音效),examples/demo(25 秒最小示例),examples/always-on(一期完整示例)。接口文档:engine/README.md。
一、硬规则(每条都来自返工,冲突时以这里为准)
- 开工前加载本 skill 全文,派给 subagent 的 brief 里贴 checklist 原文,不凭记忆转述。 写稿、审稿类 brief 还要贴
references/voiceover-selfcheck.md全文。brief 第一行写本 skill 路径,要求先读全文。 - 顺序不能反:逻辑链 → 锁口播 → 分镜(镜头规划表)→ 配音 → 粗剪看流程 → 特效 / 美术精修 → 封面最后。口播没锁不做画面;分镜和稿没锁不生成配音以外的任何素材(如可选的头像)。先定风格后改内容 = 返工。
- 写的人不验收。 口播交审前要过独立的「只听一遍」盲测和事实核查;成片给作者看之前,必须由没参与制作的 agent 看完整动态片、对照
references/review-checklist.md审片,审片报告一起交。 - 渲染只走一条路:本机 Chrome 页面内逐帧
render(t)+ WebCodecs 硬件编码(engine/common/shell-wc.html)。brief 里只写这一条,不给「headless 逐帧截图 → ffmpeg」的退路。开渲前先测 10 秒的 ms/帧和 WebGL renderer;renderer 是 SwiftShader / llvmpipe 等软件渲染就停下报告,不换别的渲染方式。合成禁用 geq。渲染放后台 agent、独立段并行,主会话保持能随时对话。 - 配音:任意 TTS 出 wav →
engine/voice/align.py对齐。读错的句子单句重生成,不手改时间。 - 第 0 帧就有内容,前 20–30 秒最重要。 钩子直接:权威名字 + 最反直觉的结果 + 观众的困惑(或「一次讲完 X」),不玩悬念。
- 长度跟着讲清楚走,约 10 分钟内可接受;句间停顿要紧(见第 10 节)。
- 画面:可读性第一,暖白 / 米白编辑风;默认风格卡 ④ 报刊(已发布片在用)。喜欢连续运镜、缩放进论文页、软合成音乐床。不用 3Blue1Brown 式深色底做整片底色,也不用 Swiss 网格海报风;不做 PPT 式硬切静态卡。
- 出镜可选:主画面是内容。要放作者形象时只放右下角小窗、只在开头 / 章节 / 结尾出现,不要大脸;口播不原样做成大字。
- 结尾:讨论问题(和本期核心机制相关、一两句能答)→ 署名 + 关注语(
film.json的outro);不预告下集。 - 文案:专业精炼、有推理过程、emoji 少;不用「不是……而是……」;不写没发生的亲测;官方 claim、实测、推断分开说。口播分段给作者审。逐句自查清单见
references/voiceover-selfcheck.md(优先于本文件里任何旧写法)。 - 基于已验证的做法做方案,不自己发明新格式。 新镜头先在
examples/里找同类写法。
作者必须亲自做的环节(agent 到这里停下,说清要作者做什么,等确认):审逻辑链和口播(第 7 节)、生成配音 wav(第 9 节,除非作者已给出可用的 TTS 方式)、看镜头规划表(第 8 节)、看样片和成片(第 11–12 节)、发布。作者没审完,同一条片不往下一阶段走(别的片可以继续)。
省 token:每个交审版本最多 1 轮事实核查、1 轮盲测;小问题攒着和作者意见一起改。查找、整理文件用小模型;写稿、事实判断、审片用强模型。大段内容写文件,只回传路径和结论。
二、流程总览
- 选题筛查:论文概览 + 你发布平台上的同题热度;硬门槛:论文里有一个完整的 case study
- 精读 → 论文卡(
references/paper-card.md) - 找钩子
- 三问提纲 + 贯穿例子 + 观众问题链(
references/question-chain.md) - 写口播(第 4 节 +
references/voiceover-selfcheck.md) - 「只听一遍」盲测(两个角色,subagent,
references/listen-test-brief.md)→ 补稿 - 独立事实核查 + 唱反调(subagent,并行,
references/factcheck-brief.md)→ 改稿后再测一次理解 - 作者逐段审口播(逻辑链一页 + 分段口播,等确认)
- 分镜:选风格卡 + 镜头规划表(
references/shot-plan.md)+ 顶部栏目进度条 →(作者看镜头规划表) - 配音(任意 TTS)
- 对齐、音轨(人声 + 音乐床 + 音效)
- 公用件 → 按章并行写 scene.js → 样片 → 独立审片 → 全片 → 逐章美术精修 → 再审 → .1 修订
- 抽帧自检 → 交付;作者看完提的问题先复盘再动手改
多来源「一次讲完」也用本 skill
综述 / 多篇论文串讲同样走 0–12 步。不加载本 skill 的后果:句子塞满「机构 + 年份 + 数字」一口气念完、章节各讲各的、没有真实论文页、没动效没音乐、没做理解测试,整片返工。适配:
- 用一个贯穿例子 + 一张母图串全片;每章用同一套词重走母图。母图优先用论文里现成的分类,正文按这个分类分章讲,不自造框架。
- 每章只讲一个主故事、一个主数字;其余数字放屏幕来源卡,口播只说「X 发现」。
- 章节递进(由浅到深 / 流水线顺序),最后一章回扣开头钩子。
- 机构、年份不进口播长句;一句一个信息。
- 综述的权威来自「论文 + 大厂开源代码」;钩子只留一个主语。
0. 选题筛查
- 候选多时先看论文的 AI 概览(如 alphaXiv),只用于决定要不要精读,不作为事实来源。
- 在你要发布的平台上查同题热度:有没有人讲透、讲透的那几条反响如何。学术热度(点赞、引用、论文数)不等于平台热度;平台上火的通常是「概念讲清楚」「一篇就够了」和人名 / 公司。没有证据不说「最近很火」。
- 硬门槛:论文里要有一个完整的 case study(输入 → 每层做了什么 → 前后分数),能撑起「走一遍」。没有就慎选。
- 选题先定四件事:读者的问题、我们的主张、证据、交付(看完能带走什么)。
1. 精读:论文卡
- 拿全文:
https://arxiv.org/pdf/<id>;能拿就同时拿 TeX 源码(/src/<id>,数字、图注更准,原图可直接用);PDF 下载失败先读arxiv.org/html/<id>。只下载你有权使用的材料,记下许可(CC BY 等)。 - PDF:
pdftoppm -r 150渲染全部页面看内容;画面用的页面和局部用 300dpi,要钻进去的图用 720dpi 矢量渲染(镜头要推进 2–3 倍,150dpi 或视频截帧会糊)。词框(给荧光笔定位)用pdftotext -bbox;它在某些 poppler 版本会崩,改用 PyMuPDF(见examples/demo/get-paper.sh,记得 NFKC 归一化,否则 fi 连字会找不到句子)。网页原文用engine/tools/capture.mjs(3× 截图 + 短语词框)。 - 正文、附录、图注全部读。附录、消融、失败案例、局限必须单独过一遍。附录里的提示词、判定规则、伪代码必须读:核心机制「凭什么判断」经常只写在这里。
- 论文卡按
references/paper-card.md的 12 项写。单篇拆解先抓原文自己的核心图和结构,不套自己的框架。
2–3. 钩子、三问、贯穿例子、观众问题链
钩子(每句 ≤3 秒,一句只放一个信息):
- 权威名字压短放最前(「Google 新论文:」)。
- 紧跟这篇最独特、最反直觉的那一点,场景说人话(「帮制片人把排期、人员、预算几份表对上账,得分从 43 涨到 78」);单个案例保留「一个真实的……」这类限定,不能说成平均。
- 可以用一句短的反转收尾(「模型一行权重都没动。」)。
- 再给全名和机构,加一句预告(「接下来我们一起拆解它的完整架构」)。
- 不要把多个带同一个数字的量串在一句(「8B」「七十分之一」「十二点八万」会听岔)。
- 钩子里不要让观众先懂一个专有名词才能听懂:先用大白话讲事件,英文原句只放屏幕;观众不熟的术语可以出现,下一段立刻定义。
- 钩子里的比较对象要核实,限定条件写进去;钩子和标题里的每个关键词,正文都要有一段正面回答(说了「自进化」,就要有「这算自进化吗?体现在哪?」一段)。
- 第 0 帧就是满屏的主标题或最反直觉的画面(132px 宋体,已在位,不从空白上推);关键数字等口播念到时第一次出现并做成那一段的主角(≥200px),不在开头闪一下。
三问篇幅:改的是什么(层级)|为什么能起作用(作者思路 + 机制 + 为什么不会失效,占一半以上)|我们能学到什么。
贯穿例子:选一个论文自带的例子,覆盖每一层,所有机制都回到它。
观众问题链(写稿前必做):按段写「观众听到这里会问什么 → 下一句怎么答」,模板和必覆盖项见 references/question-chain.md。问题链和逻辑链一起交作者审。必有冷水段。
4. 口播
结构:钩子 → 问题(前人点名一个具体工作)→ 如果你是作者 → 一句话本质 → 架构(按论文分组讲)→ 用论文例子走一轮(分步,每步带「为什么」)→ 总结卡(一句话串起所有步骤) → 标题概念答疑 → 结果(问题 → 答案)→ 冷水(编号)→ 我们能学到什么 → 结尾(讨论问题 → 署名 + 关注语)。
讲清楚的硬规则
- 只给名字不算解释。 每个术语 / 机制第一次出现时,用一句话给操作定义:谁、看什么、怎么判定。翻译论文术语不等于解释。
- 不跳步。 动作之间要有因果衔接(「看到这两个毛病 → 动手改 Harness 的文件」)。
- 先具体后抽象。 先说改了哪几个文件、写了什么,再说它属于哪一类、叫什么。
- 新概念先铺垫再使用。 不能让「候选」「盲选」这类词第一次出现就在冷水段。
- 证据放在步骤讲完之后,不在步骤中间插数字;讲对照实验先说对照组怎么做的,再说结果。
- 角色交代清楚:多个模型时明说「这里有两个模型:干活的是 X,改 Harness 的是 Y」;说清权重变不变、有没有强化学习。
- benchmark 名第一次出现先交代是什么;单位全片统一(「分」不混「百分点」);「它」不能有歧义。
- 画面上只用口播里出现过的叫法。
风格
- 观众熟悉的英文术语(Harness、agent、diff)直接用,全片一个叫法,不另起中文译名。用行业原词(RL 环境、轨迹、verifier),不自造比喻。
- 场景说人话;任务、benchmark 名先翻成一句大白话。
- 如果你是作者:问完「你会怎么想?」留 1 秒停顿(画面出「?」),再说「我猜……」。推测必须说「我猜」。
- 一句话本质:能被复述,后面跟一句补充;不写口号式短句(见自查清单)。
- 长列表按论文自己的分组讲,分组以论文原表为准。直接讲论文,不硬往观众的工具上靠。
- 走一轮:分「第一步……第二步……」,每步说清谁拿着什么、做了什么,补一句「为什么」。精选案例要说明「这是论文挑出来展示的,平均没这么大」。
- 每个机制按「原来怎么做 → 有什么问题 → 改成什么 → 为什么更好」讲。
- 技术机制配最小的前后代码对比;有原文就用原文(标「原文摘录 · 有删节」),没有就写伪代码标「示意」。
- 类比只作辅助,放在例子之后。讲「试过但没留下的」方案。删信息前先问:删掉后观众会不会理解错?
- 结果段:每个数字回答一个问题,不念成绩单;几个数不要挤在一句里。同一个「最多 / 最大」来自不同对比时点明范围。
- 冷水段:「有三个保留意见。第一……」编号完整;素材来自唱反调 subagent;引用有利数字时把反方向的也说出来。
- 结尾不说教:「那我们能从中学到什么?」「我自己最大的收获是……」;不用「你能带走」这类命令句。
- 口语、短句;字幕用阿拉伯数字。
- 交审前逐句过
references/voiceover-selfcheck.md。
字数与节奏:整体约 5.8 字/秒(汉字、英文词、数字各算 1);6–8 分钟 ≈ 2000–2700 字。不靠提速,砍碎停顿:同一段里句子连成一口气,只在抛问题、反转、关键数字前留整拍;稿子里用「‖」标出整拍停顿(每章 3–5 处)。目标停顿占比 10–12%、平均 5–6 秒停一次。
口播文件格式(引擎直接读):段标题 ## 00 · 段名,念的句子一行一个、以 - 开头;「> 屏幕卡」和说明文字不念。句 id = s<段>-<序号>。
5–6. 盲测 + 事实核查 + 唱反调(独立 subagent,同时跑)
- 只听一遍盲测:两个角色(A 不懂行、B 懂行),固定问题、误解清单、打分。门槛:A ≥ 8 分才进入配音。 brief 模板
references/listen-test-brief.md。盲读提到的问题要逐条处理,不能只补一句了事。 - 事实核查:口播 + 论文,逐条核数字、归因强度、限定条件、比较对象、「推测」是否标明、分组是否和论文原表一致;输出 must-fix(可直接替换的句子)。
- 唱反调:只给论文,站审稿人立场:最脆弱假设、对比是否公平、输给基线的格子、样本量、反例、一周复现;产出冷水段素材。核查和唱反调 brief 模板
references/factcheck-brief.md。 - 每改一轮稿(尤其核查后加了数字和限定条件),都重新跑盲测 + 核查改动句。 准确和好懂要一起过。门槛按已发布稿校准。
7. 作者审口播(停下等确认)
- 先给一页逻辑链:每段一行「观众的问题 → 这段的回答」。
- 不贴一整块文字:按段分块,小标题 + 一句说明 + 口播一句一行;关键结论加粗。
- 逐段 review,每次 1–3 段,写「现在 → 问题 → 改后」,问能直接回答的是 / 否问题,用大白话带上背景;有合理默认就按默认做,说一句做了什么。
- 作者的偏好记下来,结束后更新本 skill。确认后才配音和制作。
8. 分镜:风格卡、镜头规划表、进度条
风格卡
画面 = 骨架(结构、运镜、钻进论文、大画布、转场时机,全片固定)+ 风格卡(色板、字体、材质、标志动作、固定元素样式)。换风格只换卡。一支片子只用一张卡,系列内保持同一张卡。节拍跟口播走,每个镜头的构图按卡重新设计。
卡 ④ 报刊数据新闻(默认,engine/common/style.js 已实现)
- 色板:纸 #FFF1E5|墨 #33302E|次要 #66605C|细线 #CCC1B7|酒红 #990F3D = 改进后 / 关键数字 / 我们的标注|牛津蓝 #0F5499 = 基线 / 原版|青 #0D7680 = 对上、连线、✓|灰 #B9AFA6 = 被拒 / 中性|麦色面板 #F2DFCE。
- 字体:中文标题 Noto Serif SC Black(钩子 132px、章节 / 镜头主标题 92px、卡片 56–64px,行距 1.1);正文、标签 Noto Sans SC;数字 Inter 800 + tnum;栏目标签(kicker)Bold 28–30px、上压一条 56×5 酒红短线。字体由
style-cards/editorial/get-fonts.sh下载(OFL)。 - 版式:kicker + 大标题 + 导语 + 图;左边距 120px、严格栏格;1px 细线和 4px 粗线分层;图表只画横向网格线,标签直接贴在线和点上,不用图例;注释 = 细引线 + 一句短说明;每屏左下角灰色来源行(≥26px,chrome.js 统一画)。
- 标志动作:标题逐行遮罩上推(easeOutQuart 0.55s,
ED.maskLine);导语从左擦出(wipeText);细线从左长出(growLine);外框顺时针描边(strokeCW);折线从左画到右、数字同步滚动;关键短语酒红下划线扫出(underlineSweep);图表镜头缓推 3–4%。不弹跳、不发光。 - 转场:章节之间整页横滑翻报纸(0.6s,chrome.js 统一画);章节内连续变形 / 大画布。
- 固定元素:顶部报纸栏目导航进度条、麦色字幕条(宋体 Bold 44px)、来源行——全部由
engine/common/chrome.js画,章节不自己做。 - 缺点:偏冷、字多层级多,手机上 28px 注释仍偏小,能删就删。
其他卡(仓库未附实现,按需自己写 style.js):② 手绘白板(Excalidraw 风,适合架构拆解);① 数学动画(3Blue1Brown 风,适合公式推导;硬规则 8 不推荐整片深色底,真要用时深色底上的 PDF 白页压亮度加暗角);⑤ 暗色开发者(适合工程实操);③ 新粗野主义(适合短钩子,长片会累);A 暖白讲解(底 #FAFAF7、焦橙 #D4552A = 改进、石板蓝 #3E6A8A 虚线 = 基线)。换卡时:动法不变,只改缓动性格(④ 不回弹)和章节转场外观;颜色语义固定:改进后 = 卡的强调色,基线 = 冷色,被拒 = 灰。
高密度段落规则(所有卡)
- 一屏一个主角:讲谁就让谁占约 65% 宽、镜头推近 1.3–1.5 倍;换主角时上一个收成顶部摘要细条;只在点明关系的那句拉远看全局 1–2 秒。
- 文字限额:字幕之外每屏 ≤ 约 25 个中文字、≤4 个视觉块;口播说过的话不再写成标签;一个元素最多一个标签。
- 不用中英双标签;所有要读的字 ≥28px,来源行可 26px。
- 看不清的论文小剪报不放:要引用就全尺寸钻进去看清 ≥1.5s,用完只留来源行或小角标。
- 占位克制:下一栏只留一条细线 + 小栏头,不铺大片灰色骨架。
- 顶部只留一条导航:本章步骤做成进度条里的子刻度,不再单独占一行。
所有卡通用的分镜规则
- 核心节拍:原文页 → 黄色荧光笔 rgba(250,199,117,0.7) 跟口播从左往右涂(配马克笔声)→ 原文清晰停留 ≥3 秒(不算进出场和推拉);图表重绘前先展示原图并圈出要讲的点。
- 荧光笔分两种:原文上划重点 = 黄色(所有卡一样);我们的标注(引线、圈、下划线)= 卡的强调色(④ 酒红)。观众一眼分清哪个是原文、哪个是解读。
- 固定镜头:走一遍镜|代码对照镜|层级表镜|作者思路镜(标「推测」)|对照实验镜(实验组 vs 对照组怎么做)|总结卡。
- 字幕底板不透明度 ≥0.97,一行 ≤22 字,与口播逐字一致。
- 字号:要让人读的字 ≥28px;承载信息的字用墨色,灰字只给元数据。
- 不留空屏:内容铺满约 70%;任何时刻(包括变形和换镜的中间帧)半屏空着不超过 2 秒;落地帧就要有主角。
- 画面语义别误导:竖排箭头链会被读成数据流;不流向下一个角色的东西放旁边、虚线框并标注。
- 示意图标「示意」;图表按比例、轴有标签;论文 logo 遮掉,机构名只用文字。
- 不准随机噪点填充(Math.random 的灰度格、条码、骨架条);示意图用 3–4 档平滑色阶。
- 标题不准新旧叠在一起(先出后进);新画面出现前旧画面完全退场,不留残影。
- 含文字的层不靠
scale()>1放大位图,改布局尺寸重画。 - 3D 一律用 Three.js 打光(圆角盒子、哑光材质、半球光 + 主光 + 补光、烘焙接触阴影,2× 渲染再缩小);禁止 CSS 3D。
安全区(分镜阶段就按这个排版)
- y 0–64:只给进度条;片内元素上边界 ≥ y80,常规内容放在 y 136–930、左右 96px 内。
- y 900–940:来源行;y 952–1040:字幕条。图表数字、标签不进这两条。
- 可选头像:右下角约 x>1660、y>840;要读的内容放在 x<1640、y<940。
- 别事后把进度条 / 头像叠到成片上(只能把正文缩小,字幕跟着变小)。
运镜与转场(三种手法按内容分工)
禁止「淡出到空白页再从零搭」和整屏交叉溶解(像翻 PPT)。
| 内容 | 手法 | 做法 |
|---|---|---|
| 大部分讲解:概念、背景、一句话本质、结果、冷水 | 连续变形(3Blue1Brown 式) | 下一镜的元素从上一镜里长出来:标签飞到中间变成主图形,标题词缩小并入公式,子元素在口播点名时从父元素里弹出,? 变灯泡、问题卡翻成冷水卡。每个进场元素都要有来处 |
| 引用论文原文、原图 | 钻进论文(实体纸) | 论文是一张有阴影、约 1.5–2° 倾斜的真纸(PDF 真页面,不用灰条占位),平时缩在角落;要引用时滑回、翻页(0.8s,画出纸背)、推进 2–3 倍到那句或那块图,荧光笔划过;讲图时把图里那一块「浮起」飞出变成重画的动画卡。浮起的截图停在旁边不盖目标卡,用完收进角落小地图。推近不超过截图分辨率 |
| 有先后步骤的段落(走一轮、流程) | 大画布运镜(Kurzgesagt 式) | 几步从左到右排在同一张大画布上;镜头在步骤间平移(0.5–0.9s easeInOutCubic + whoosh);角落放论文小地图。下一站的骨架提前铺好,平移途中就能看到目的地;画外被切一半的邻卡压暗。一期只用 1–2 段,走完拉远看全图再收成总结链 |
- 全片骨架:连续变形打底 → 每次提到论文就钻进去 → 讲步骤时走大画布 → 大段落之间用 ≤0.6s 的章节转场,只用 5–6 次。
- 动效语法:进场 ease-out(④ 不回弹),子元素错开 60–120ms;镜头 easeInOutCubic;同一个物体跨镜头保持同一个元素(插值位置 / 缩放),不复制一个新的淡入;卡片缩放时内容跟着缩,不先清空再缩。
- 运动模糊:12–16 份等权采样,拖尾 ≤ 单帧位移的一半且 ≤40px;推拉时不加方向模糊;甩镜整屏模糊 ≤0.35s。
- 先出镜头规划表(
references/shot-plan.md):每段写用哪种手法、上一镜留下什么、下一镜从哪个元素长出来、原文出处、锚词。作者看过再做画面。
顶部栏目进度条
- 按口播段落分 6–8 栏,屏幕上用两字报刊栏目名(导读 / 背景 / 思路 / 拆解 / 结果 / 存疑 / 启示……);「钩子」「冷水」是内部叫法,不上屏。
- 配置在工程目录
film.json的nav:[{ "n": "01", "name": "导读", "sections": ["00"] }, ...];起止时间取自 timeline.json。当前栏酒红宋体,已播进度酒红线,每栏最后 2 秒下一栏脉动预告。实现:engine/common/chrome.js。
头像(可选)
默认不放。要放时用你自己有权使用的形象,自备一条透明背景的头像轨,在合成最后一层叠到右下角安全区;全片常驻或只在开头 / 章节 / 结尾出现;镜头推近论文(≥1.4 倍,或原文会落到右下角)时整个滑出画面,拉远后滑回,各 0.35s,不要半透明。分镜时就按安全区排版。
9. 配音(任意 TTS)
- 用任何能出 wav / mp3 的 TTS(商用网页、API、本地模型都行),按段生成(每批 ≤450 字左右,太长容易吞字)。数字、版本号写成中文读法(四十三点一、Opus 四点八);英文术语保留;字幕用阿拉伯数字(chapter.json 的 numfix)。
- 每批先做语音识别核对首尾词和英文专名(
engine/voice/align.py asr),读错的句子单句重生成,写进 voice.json 的overrides。 - 一种已验证的做法(示例):某商用 TTS 网页,选一个技术解说风格的音色,1x 语速;每段「粘稿 → 自动加情绪标签 → 生成 → 下载第 1 条」;用浏览器自动化时开自己的新标签,不碰用户正在看的标签。音色和账号自备,不随仓库分发。
- 交付前逐段转写核对原声首尾词;淡出 ≤2 帧。
10. 对齐与音轨
uv run --with numpy python engine/voice/align.py voice.json:识别结果按字对齐口播 → 句边界吸附静音 → 每句去首尾静音、句内长停顿压到 ≤0.30s、atempo 1.05、8ms 淡入淡出 → 拼接输出voice/voice.wav、timeline.json、clauses.json。- 停顿参数(最新已发布片):片头 0.3s、句间 0.35s、段间 0.7s、片尾 2.5s;问句、「‖」处、关键数字前可加到 0.8–1.0s。
- timeline.json 是全片唯一时间源:进度条、字幕、锚词、音效 cue 都从它来。补句子只需新增片段、重跑 align。没配音时用
engine/tools/mk_dummy_timeline.py出占位时间轴先做画面。 - 背景音乐(
engine/audio/audiolib.py music):numpy 合成,不用有版权素材。暖 pad + 柔和琶音 + 低音,F 大调 Fmaj7–Dm7–Bbmaj7–C7,84 BPM;约 −28 LUFS;人声出现时 ducking 约 7 dB(起音 60ms / 释放 450ms);片头片尾淡入淡出。 - 音效(
sfx,比人声低约 19 dB;24 dB 在手机上听不到):镜头移动 / 章节转场 = whoosh;荧光笔 = marker;卡片 / 标签 / ✓✗ = pop(对齐到元素真正进场的那一帧);数字滚动 = tick;纸张浮起 / 翻页 = paper。没有画面运动的时刻不放 whoosh。时间点由 scene 里data.cue()登记,和 render(t) 同一时间源。 - 混音(
mix):两遍 loudnorm I=-16:TP=-1.8:LRA=11 → AAC 192k;编码后实测真峰值 ≤ −1.5 dBTP。 - 交付前用耳机和手机外放各听一遍(只按测量值调不算数;agent 听不了,就请作者听并指出口播最密的时间段)。
11. 制作与渲染
公用件先做好再派活(接口文档 engine/README.md)
timeline.json/clauses.json:全片时间;章节时间 = 本章 section 起止,章内用局部秒。film.json:章节顺序、进度条栏目、结尾署名。engine/common/chrome.js:进度条、字幕、来源行、章首翻报纸。章节只画renderContent,不自己做固定元素,这样拼起来只有一套 UI。- 章节 brief:风格卡全文 + 高密度规则 + 接口 + 事实规则 + 预算;一开始就写进「版面铺满约 70%、任何一帧(包括变形和换镜的中间帧)都不能近空屏、镜头主标题 92px、不用灰条占位」。
- 母图:全片共用的母图代码写成规格文件(如
examples/always-on/MOTHER.md),各章原样复制。
按章并行:每章一个制作 agent,主控只做公用件、统一渲染和拼接。
- scene.js 的
renderContent(ctx, t, data)必须是 t 的纯函数:无 CSS 动画、无计时器、随机数用种子 PRNG。切点只能从锚词算(data.A(句id, 子串)),不手写秒数。 - 章节衔接:每章 t=0 必须已是完整版面、最后 0.5s 落定不动;
engine/tools/prep_render.mjs导出上一章 nochrome 末帧当下一章翻页底图(prev.png)。第一章可以实现renderPrev自己画「上一页」。 - 超长章(>90s)拆两个 agent,用一次甩镜交接:交接帧上的元素坐标、画布坐标、末速写死在 brief 里。
- 改了公用件要广播给所有章节 agent,已渲的章补渲受影响的帧;拿不准就全章重渲。
- 制作 agent 自检只抽静帧(headless 打开 shell 页
seek(t)截图,每轮 ≤10 帧);成片只走 WebCodecs。
渲染(唯一路径)
node engine/tools/serve.mjs 8771(只监听 127.0.0.1)。- 本机 Chrome 开新标签:
http://127.0.0.1:8771/engine/common/shell-wc.html?ch=<章节目录>。 - 控制台
await probe():看webglRenderer(应是真 GPU,如 Apple M 系列 / Metal、NVIDIA、AMD)和prefer-hardware是否支持;software: true就停下报告。 startRender({ to: 10, download: false })实测 10 秒,看__prog.msPerFrame(GPU 上一般 5–15 ms/帧)。startRender({ name: 'chNN.mp4' })→ 轮询__prog.state === 'done'→ 浏览器下载。每个标签只下载一次(第二次会被 Chrome 静默拦截),一个输出一个新标签,渲完关。- 下载后 cp(不要 mv)到
<章>/build/video.mp4,ffprobe -count_frames核帧数 =ceil(T×30)。 node engine/common/assemble.mjs --project <工程目录>:逐帧对齐 concat、音乐音效、混音、封装,另出 <30MB 轻量版。混音不用 -shortest,音画差 < 1 帧。
顺序:样片 → 独立审片 → 全片 → 美术精修 → 再审 → .1 修订
- 先出两段完整合成的样片:A = 钩子 + 第一次钻进论文(约 30 秒);B = 进入大画布的头一两站(约 40 秒)。给作者看效果、听音量,同时交给审片 agent。
- 审片 agent 独立于制作(只看成片 + 本 skill + 论文卡),按
references/review-checklist.md逐条查,输出 must-fix / should / nice,带时间码和具体改法。 - must-fix 全片统一改,不只改样片范围。
- 逐章美术精修:内容和时间轴锁死后,每章交给只管美术的 agent(不改口播、镜头顺序、数字),每个镜头抽 3 帧(进场中 / 落定 / 离场前),像海报一样能单独截图才算过;查字体四级层级、主角够大(关键数字 ≥200px)、标志动作用上了、颜色语义没乱、对齐栏格、没有「默认灰框 + 小字」的 PPT 卡片。发现内容问题记到 review,回给制作方。
- 全片再审一轮,修完出 .1 版;有一轮审片之前不发「最终版」。
12. 自检与交付
- 按
references/review-checklist.md逐条自检,将本节内容置于此处。