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
- 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)。 - 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)。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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
- 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}。 - 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。 - 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。 - 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
- 有可复用的
node_modules时用 Windows 目录 Junction 挂载。 - 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。
- 合成 ID:整片
第 3 步:双态抽检、-14 LUFS 程序化终检与独立盲审
npx tsc --noEmit零类型错误。- 运行 extract_keyframes_template.mjs 导出关键帧(默认绑定
18123端口避开 Windows Hyper-V/WinNAT3000–3100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。 - 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 4K60fps成片(竖屏2160×3840、横屏3840×2160,彻底消除yuv420p4:2:0 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)。 - 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。 - 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
- 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。
- 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。