贴纸科普讲解视频（Sticker Explainer）

把口播稿和配音做成一支「调查板」式的讲解视频。画面骨架：一块很大的深蓝灰底板，每个场景是板上的一个区域（panel），镜头沿一条橙色虚线线索从一个区域滑到下一个；人物是带白边的抠图贴纸，地点和物件是照片贴纸，信息是纸片卡片和带图标的标签；每到新章节，画面停一下，弹出思维导图点亮下一条线索。

本 skill 建立在 motion-showreel（ConardLi/garden-skills）之上：它提供 render(t) 页面约定、逐帧渲染、音效合成和成片检查。先确认它已安装（npx skills add ConardLi/garden-skills，或复制到 ~/.claude/skills/motion-showreel）。本 skill 只加风格、流程和中文长片工具，不复制它的代码。

完整示例：examples/huang-resignation/（13 分 43 秒的成片，见仓库 Release）。每一步的命令见 references/workflow.md；画面函数见 references/engine-api.md；视觉规则见 references/style.md。

开工前问清（一次问完，最多 4 个问题）

配音：用户自己用 ElevenLabs 生成（推荐；稿子里的 [serious] [short pause] 是 v3 的标签），还是先做无声版。多段配音要问清怎么拼（例如「开头用短的，后面按字幕接长的」）。
画幅：默认 16:9、1920×1080。
人物：默认只用公有领域或 CC 授权的照片抠图（美国政府官员的官方照属于公有领域）；没有授权照片的人只用名牌卡片。
字幕：默认中文、单行、每行 ≤ 14 字。

用户说「有任何不确定的向我提问」时，把真正会改变结果的分歧问出来；能从录音、代码或常识里定下来的不要问。

流程

以录音为准，不以稿子为准。 录音常和贴来的稿子不一样（漏句、改词、换顺序）。字幕和画面跟录音走，并在 brief 里列出差异告诉用户。章节等位置如果按稿子找不到对应句子，选录音里最接近的位置，说明调整了哪里。

建项目：export MOTION_SHOWREEL=$(realpath <motion-showreel 目录>)，然后 sh scripts/new_project.sh <dir>，把配音放进 audio/src/，填 video.config.json。所有命令都写项目的绝对路径。
拼配音（多段时）：先用 transcribe.py <dir> --take <file> 看每段的句子和时间，在句间停顿里选下刀点，写进 voice.splice，再 splice.py。
转写和对齐：transcribe.py，然后 align.py。whisper.cpp 整段转写的时间戳几分钟后会漂移，所以脚本按停顿切成约 40 秒的小段重转一遍拿准确时间。whisper 偶尔会输出繁体字，脚本用 opencc 统一转成简体。读一遍 timeline/segments.json，把听错的人名、他/她/它等加进 fixes，重跑。
剪节奏：voedit.py。章节停顿（第一章前做总览时 7.5 秒，其余 4 秒）和整段变速（如开头 1.1×）都在这里做。它只插静音、只变速，从不剪掉或调换语句。输出 vomap.json，后面的时间都经过它换算，所以改节奏不会让画面错位。
字幕和时间轴：timeline.py 生成 timeline.js。字幕一屏一行、≤ 14 字（拉丁字母算 0.55 字），只在词与词之间换屏，人名、机构、金额、书名号标题都放进 subtitles.protect，不会被拆开。
关键帧：先做 3 张关键帧 给用户确认风格，再写全片。
写场景：在 episode.js 里写 PANELS，元素出现时间都写成 V(句子号, 偏移)。每写完一批场景，出一张联系表（render.mjs --still … --sheet）自查遮挡。
声音：events.mjs 读出页面登记的音效时间；用 motion-showreel 的 audio.mjs build score.mjs --raw --out audio/sfx.wav 合成音效；mix.py 混音。
渲染：build.sh 依次做确定性检查、逐帧渲染和成片检查（13 分钟 1080p 约 10 分钟）。渲染完抽帧检查思维导图、字幕和照片有没有遮挡。

用户反复提过的要求（默认就这样做）

转场要丝滑：所有场景都在一块板上，镜头沿线索平移，主角贴纸作为 actors 跟着镜头滑进下一个场景，不切掉重来。
章节导图：章节分界时口播停顿，底板压暗，连线画出，节点变橙并出现扫描框，已完成的打勾。第一次出现时做「总览」：分支逐个弹出，再点亮第一章，之后才出现下一个场景的内容。
进度条放在字幕下方，章节之间的每一段写章节名。
多用图标和图片：标签和卡片带线条图标；地点和机构用照片贴纸。示意性的照片标「示意」。
元素不能挡字幕和左上角的章节标题：屏幕下方约 200 px 留给字幕，左上角（约 x < 700、y < 120）留给标题，大字也不要放进这两块区域。
音效不能盖过口播和配乐。思维导图用温和的马林巴「板块」音（总览时每个分支一个五声音阶音），点亮时保留一声点击。不要用 riser、glitch 这类「科技感」音效。
配乐：最后一首选有自然结尾的曲子，让结尾正好落在片尾，开头在某个章节停顿处淡入。章节停顿时音乐压低 6 dB。
音量：只用线性增益。默认人声 −15 LUFS、音乐 −26 LUFS（人声比音乐高约 11 dB），音效比人声低约 12 dB，峰值限制 −1.5 dBFS，这样整片能通过 −14 ± 1.5 的响度检查。用户说「口播下调 / bgm 上升」时按 dB 改 levels 和 music.lufs；如果整体因此低于检查标准，告诉用户这是预期的（示例片就是按作者要求用的 −19.3 / −30）。

事实、版权与安全

新闻类内容的事件常常发生在模型的知识截止之后：要联网核实，把来源写进片尾；找不到原文的数字列进 brief 的「待核对清单」交给用户。
未证实的指控在画面上标明（「仍在调查」「某部门否认」「示意」）；关联不等于证据。不在任何人的照片旁贴「间谍」之类的标签。
照片只用公有领域或 CC 授权的，许可信息记在 assets/credits.json 并写进片尾。Pixabay 等配乐可以用在成片里，但不能把曲子文件本身再分发。
磁盘：渲染、音频中间文件和成片合计约需 1 GB。先查空间；不够时只删可重建的中间文件。删用户的文件或下载的模型前先问。

文件

sticker-explainer-video/
├── SKILL.md
├── scripts/
│   ├── new_project.sh       建项目（motion-showreel scaffold + 本模板）
│   ├── cfg.py               公共函数（读 video.config.json、ffmpeg、响度、停顿检测）
│   ├── splice.py            多段配音拼接
│   ├── transcribe.py        whisper.cpp 两遍转写 → 句子文本 + 逐字时间 + 停顿
│   ├── align.py             对齐 → timeline/sentences.json
│   ├── voedit.py            章节停顿、变速 → audio/vo-edit.wav + vomap.json
│   ├── timeline.py          时间映射 + 字幕切分 → timeline.js
│   ├── events.mjs           从页面读出音效时间
│   ├── mix.py               人声 + 配乐 + 音效 → audio/final.wav
│   └── cutout.swift         Apple Vision 人像抠图（macOS）
├── assets/template/         index.html、engine.js、episode.js（示例场景）、score.mjs、video.config.json、fonts
├── references/
│   ├── workflow.md          每一步的命令和检查点
│   ├── engine-api.md        engine.js 的绘图函数与 start() 参数
│   └── style.md             配色、版式、转场和声音规则
└── examples/huang-resignation/   完整示例（代码、配置、时间轴、照片、配音）

sticker-explainer-video