Communitygithub.com

svg-voiced-video-studio

将口播稿、分镜脚本或选题制作成带本地个人音色配音的 60fps 原生几何 SVG 动态视频,并配套四尺寸防裁切高清封面、同步 SRT 字幕与五平台(B站、小红书、抖音、视频号、快手)过检标题简介及置顶首评。

svg-voiced-video-studio란 무엇인가요?

svg-voiced-video-studio 是一个专注于将文稿、分镜或选题转化为高质量有声视频的专业技能。它基于本地个人音色(GPT-SoVITS)实现零吞字配音,并生成 4K 60fps 的原生几何 SVG 动态视频。该技能严格遵循一套工作流,包括稿件体检、拆句缓存合成、视觉母版选择(三种美学模式)、双态抽帧排雷、程序化响度检测(-14 LUFS)及独立盲审,确保交付的成片在视觉、听觉和内容上均达到专业标准。 此技能适用于需要制作哲思人文、商业拆解或数据解说类视频的场景。它支持多平台(B站、小红书、抖音、视频号、快手)的发布需求,能一次性生成四尺寸防裁切封面、SRT 字幕以及各平台适配的标题、简介和置顶评论文案。该技能通过脚本化工具(如 lint_script、synth_voiceover_template、inspect_video)封装了复杂的工程步骤,从配音到渲染高度自动化,并以一份结构化的验收单作为最终交付依据。 工作流强调先检测后合成的稳健原则,通过五步标准化流程(稿件体检、工程搭建、双态抽检、封面渲染、文案交付)逐步推进。用户通过 AGENTS.md 文件可介入关键审阅节点。技能严格遵守预设的视觉与文案规范,例如瑞士网格排版、防裁切安全区、去 AI 味的语言风格等,保证了成片的一致性和高品质。 总之,svg-voiced-video-studio 是一个高度专业化、文档完备的 AI 技能,它将创意文稿转化为可直接发布的多媒体包,大幅提升了从文案到音视频的制作效率和质量。

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zou172866/svg-voiced-video-studio/tree/main/skills/svg-voiced-video-studio

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

svg-voiced-video-studio:60帧有声 SVG 视频与多平台交付工作坊

把文稿、分镜或核实过的案例转化为 本地个人音色零吞字配音 + 4K 60fps 原生几何 SVG 动态视频 + @2x 四尺寸防裁切封面 + 五平台标题简介与置顶首评。

关键不变量

  1. 先体检稿件与配音环境,再拆句多遍缓存合成。 依据:汉语双音节韵律词理论、受众共同基础理论、Grice 会话准则与内容寻址幂等构建。合成前必跑 lint_script.py;清查书面公文单字、二元反转、五类口播 AI 指纹(假共情、假深刻、自我加权、万能模板、三连排比)、冷开场报幕、括号补充、气口超长、句长变异系数(≥ 0.25)、多音字与数字英文读法;实测拆解类保留受众通用计量词(如 token)并全片统一、直呼对象与信源真名、按时间先后收束选型;读错的词用 {念法=>字幕} 或 ttsText 双轨锁定。合成脚本支持 --check-only 预检与 out/.tts_cache/ 分句哈希续合,在 ;:——(气口 0.18s)和 。!?(气口 0.30s)处物理拆句多遍择优(唯一参数出处见 口播人话与防切尾音工艺手册)。
  2. 实测秒数反向驱动 60fps 时间轴,快离场且露出帧对准命中点。 依据:归一化时间参数化与视听同步感知窗。合成脚本写出 scenesData.json;组件严禁写死帧号,弹簧按 SPRING_PRESETS 四档统一同类元素(模式 C 锁无回弹档),离场 0.25s 快于进场,遮罩转场用 revealOn() 让露出帧对准强调词或切点,中文画面字停满 minReadHoldSec()(字数÷4.5+1.5s,关键数字 ≥ 2.5s)。
  3. 先抽双态静态帧目视排雷,再跑全片编码。 依据:缺陷检测前移与格式塔图底分离。每镜抽 25%(进场态)与 76%(文字满载态),含裂片或轨迹交叉的分镜加抽 48%;确认线条不穿字、路径闭合、字框净距 ≥ 8px、同屏至多 1 处强调色焦点。
  4. 四尺寸封面一次配齐,9:16 严锁中央 3:4 安全区。 依据:多视口安全框与中西混排视觉字宽规范。封面主标题纯汉字每行 ≤ 6 字、中西混排视觉字宽 ≤ 6.2 em(超长不可拆专名用 --allow-7 特批至 7.2 em 并自动缩字号 8%),9:16 版上下留白 ≥ 240px。
  5. 发布文案守住语言与事实边界。 依据:期望违背检查与知识的诅咒。纯文字零格式、去引号、快手最多 4 个话题、禁用二元反转句式、禁止把假设推演写成作者既成事实、创作者固定结束语原字保留——细则统一见 五平台文案与四尺寸封面规范 第二节第 0 条,旁白与封面同样适用。
  6. 哲思人文片终幕原字保留创作者固定结束语。 以不休止的追问,找到鲜活的自我;在有限的共识里,达成无限的可能。 来稿已有就一字不改;从选题生成脚本时默认作为终幕收尾,分号处拆两句合成,句末留白 4.5s~5.5s。纯商业快解说按工作区规则或用户指令执行。
  7. 分幕随信息点动态伸缩,画面审美、数据口径与瑞士版式按手册执行。 依据:Mayer 多媒体学习原则、Tufte 图形诚实度与瑞士模块网格。严禁硬套或凑满固定幕数:按「一幕只立一个核心信息点」随内容复杂度自然切分(短快评 3~5 幕、常规拆解 5~9 幕、深度长片 10~16+ 幕均可自由伸缩);数据图表(未核实数字禁上屏、先坐标后数据、柱从 0 起算、倍数验算、来源小字)、横 12 / 竖 6 栏网格与每期 2~3 个防同质化风格信号,均以 SVG 动态画面审美手册 为准。
  8. 成片经 -14 LUFS 技术终检与独立盲审双过关才交付。 依据:ITU-R BS.1770 响度标准与独立验证防确认偏误。总混音合入避让人声的卡点音效(sfx_synth.py)并拉齐至 -14.0 LUFS(真峰值 ≤ -1.2 dBTP);渲染后必跑 inspect_video.py 硬检帧数、零黑帧、响度与真峰值(未检规格标 NOT_CHECKED 不算通过),并执行独立盲审。

视觉母版与画布模式选择

根据文稿气质与发布主阵地选择(工作区 AGENTS.md 或用户已指定配色时以其为准):

模式逻辑画布 → 4K 成片输出(--scale=2)核心色板(零渐变、0px 直角)合成预设封面主题适用题材
A. 深炭黑夜车哲思风1920×1080 → 3840×2160底 #111110 · 主墨 #F2EFE9 · 焦点 #D94E28--preset long --speed 1.00--theme dark内省剖析、存在主义长片
B. 瑞士典藏暖宣账本风1920×1080 → 3840×2160底 #F5F0E6 · 纸面 #FAF7F1 · 炭墨 #191715 · 火漆印 #C83E2B--preset long --speed 1.00--theme vellum时间与金钱账本、古典哲学长片
C. 瑞士暖纸媒竖屏快解说1080×1920 → 2160×3840底 #F5F1EA · 纸页 #FAF8F3 · 墨黑 #1A1A18 · 朱砂红 #D93B22--preset short --speed 1.07--theme editorial竖屏商业拆解、产品横评与实盘数据短片(幕数随信息点自然伸缩)

数字统一 font-variant-numeric: lining-nums tabular-nums,严禁默认旧式数字字体(如 Georgia)。

模式 C 额外注意:外壳传 theme={EDITORIAL_PAPER_THEME};竖屏画布自动切换平台遮挡安全区(上 ≥ 200px、下 ≥ 400px、右 ≥ 140px,字幕单行 ≤ 16 字);图形只画在 safe 矩形内并用 swissGrid(safe) 贴 6 栏网格;逐条核对 lint 输出的数字读法清单。


标准五步工作流

若工作区 AGENTS.md 设有人工审阅闸门(选题、文稿终审),先在对应闸门停下,严禁未获放行提前渲染:

  • 定稿前内部盲审与决策落盘:提交文稿终审包前,若宿主支持子 Agent,先派未参与写稿的子 Agent 对照去 AI 味五类与事实边界审一遍并改净。定稿包将「核心主张一句话、模式及挑中的 2~3 个风格信号(至少 1 个跳出最俗版)、音色与语速、标好 *关键词* 的逐幕口播与九栏分镜自检、四尺寸封面大字、五平台标题」逐项编号;用户拍板后立即写入工程目录 out/定稿决策.md,后续渲染与跨会话接手均以该文件为唯一事实源。

第 1 步:稿件体检与零吞字缓存配音混音

  1. 运行 python scripts/lint_script.py 稿件路径,修净句式、五类 AI 腔与公文单字;核对多音字与数字英文读法清单,读法不对写 {念法=>原文}。
  2. 定位 gpt-sovits-studio/voice_profile.json(存在 .venv\Scripts\python.exe 专属环境时优先用其运行,首次加 --check-only 秒级预检权重、CUDA 与 ffmpeg)。训练新音色或遇 Windows 内存报错先读 GPT-SoVITS Windows 单卡微调排坑手册。
  3. 运行 synth_voiceover_template.py(选 --preset、--speed、--sfx auto,含英文专名或技术词时加 --asr-verify;已合分句自动走 out/.tts_cache/ 复用,全量重算加 --force-resynth)。产出:public/audio/S01..SXX.mp3(纯人声质检用)、ambient_pad.mp3、sfx_bus.mp3、mixed_master_ducked.mp3(48kHz -14.0 LUFS 人声+闪避底乐+避让音效总母带,成片唯一音轨)、src/data/scenesData.json、out/ 下 .srt、chapters.txt 与 sfx_cues.json。
  4. 点睛的 1~2 句可加 "fx": "canyon" | "tape" | "water"(见 voice_fx.py);编码视频前必须用多模态 read_file 逐幕真耳听检 public/audio/S01..SXX.mp3(重点核听英文专名与多音字无糊音、无跳词;纯中文微调音色遇 token 用 {偷肯=>token}、PDF 用 {P D F=>PDF} 双轨锁定)。

第 2 步:搭建解耦 Remotion 60fps 原生 SVG 工程

  1. 有可复用的 node_modules 时用 Windows 目录 Junction 挂载。
  2. 复制 motion_60fps.ts 与 SceneFrameShell_60fps.tsx,遵守工程约定:
    • 合成 ID:整片 MainEssay,分幕 Scene-S01…Scene-SXX;用 toShellTimeline() 转换时间轴;
    • 音轨:只在 MainEssay 根合成挂一次 audio/mixed_master_ducked.mp3,外壳 playSceneAudio 保持关闭;
    • 所有 interpolate() 显式 clamp;统一用 SPRING_PRESETS、EASE_SNAP / EASE_GLIDE / EASE_WHIP、默认 0.25s 快离场、revealOn() 露出对齐、minReadHoldSec() 停留时长与 swissGrid(safe) 模块网格;
    • 审美与数据实现用 accentAt() + mixHex()(红随声走)、cameraAt()(单画布推移)、taperStroke() / inkJitter()(模式 A、B 墨线),商业图表严守审美手册第二节数据口径。

第 3 步:双态抽检、-14 LUFS 程序化终检与独立盲审

  1. npx tsc --noEmit 零类型错误。
  2. 运行 extract_keyframes_template.mjs 导出关键帧(默认绑定 18123 端口避开 Windows Hyper-V/WinNAT 3000–3100 保留端口段),目视排查穿字、缺口、孤行与平台遮挡,再跑 audit_aesthetics.py 处理红色焦点、元素数、方框线、主角高度、密度起伏与字号提示。
  3. 执行 npx remotion render … --scale=2 --codec=h264 --crf=16 --pixel-format=yuv420p --port=18123 默认直出原生真矢量 4K 60fps 成片(竖屏 2160×3840、横屏 3840×2160,彻底消除 yuv420p 4:2:0 色度减半导致的朱砂红边缘发虚;studio 预览附带 --port=18123 防 No available ports found)。
  4. 必跑 inspect_video.py(传齐 --expect-size 2160x3840[横屏 3840x2160]、--expect-fps 60、--scenes-json src/data/scenesData.json),确认 4K 分辨率、帧数、零黑帧、-14.0 ± 1.5 LUFS 响度与 ≤ -1.0 dBTP 真峰值全部 PASS。
  5. 若宿主支持子 Agent,把生成的 qa_sheet.png、qa_phone.png 与「观众该记住的一句话」交给不看代码的独立审片子 Agent,交回最严重的 ≤ 3 个带时间码问题;修净复验后再进入下一步。

第 4 步:渲染 @2x 四尺寸防裁切高清封面组

  1. 按 五平台文案与四尺寸封面规范 拟定封面大字并过三道硬检。
  2. 运行 render_4covers_template.py(--theme 按模式表选择)输出四规格 .png,逐张核查无单字孤行且 9:16 文字完全落在中央 3:4 安全框内。

第 5 步:交付纯文字五平台文案与结构化验收单

按规范第二节输出纯文字零格式文案(B 站时间轴直接取 out/chapters.txt;工程记录留在 out/,不混入交付目录)。最终回复给出 .mp4、.srt、四张 .png、文案 .md 的可点击链接、npm run studio 预览与重渲命令,并固定附精简交付验收单(已验证项、未验证项、设计例外理由)。


边界、授权与停止条件

  • 适用边界:实景剪辑、真人抠像、3D 写实渲染需求,直接说明本 Skill 专注程序化原生 SVG 有声动态视频与多平台包装,不强套模板。
  • 外部动作授权:默认只在本地生成文件;未经用户明确指令,不调用浏览器或接口自动上传发布。
  • 完成验收标准:inspect_video.py 全部硬检项为 PASS(无 FAIL 或 NOT_CHECKED),四尺寸封面与纯文字五平台文案齐全,验收单如实写明已验证范围与例外说明。

관련 스킬