Remotion 卡点短视频流水线은(는) 무엇을 하나요?
Goal：给定一个选题和一首 BGM，产出一条 88–90 秒 / 16:9 / 无配音 / 中英双语字幕 / 每个场景切在乐句重拍上 的成片， 外加封面三版、发布包、待核事实清单。整套东西都是代码，改字幕就是改字符串，重渲一次约 35 分钟。
何时使用
- "把这个主题拍成一条抖音知识视频 / 博弈局解说"
- "用某某 BGM 做一条卡点视频"
- "把小说里这一段做成视频"（虚构 IP，见
references/fact-check.md） - 需要成套交付：成片 + 封面 + 发布文案 + 事实核实
何时不使用
- 要配音旁白（本流程是无配音字幕叙事；要配音就得先出 TTS 轨再对齐）
- 要真人/AIGC 素材混剪（本流程是纯代码 SVG 画面）
- 只要图文不要视频
〇、风格 DNA（先读，全部是实测结论）
| 维度 | 规范 | 为什么 |
|---|---|---|
| 画幅 | 1920×1080 / 30fps（竖版另开 Composition） | 账号已锁定 16:9，数据上内容效率更高 |
| 时长 | 88–90 秒（≈42 小节） | 落在"60–90s 单集"测试档 |
| 声音 | 无配音，BGM + 合成音效 | 风格要求；也避免 TTS 对齐成本 |
| 字幕 | 中英双语两行，中文 ≤22 字、每句停留 ≥2.2 秒 | 本账号风格（抖音通用建议是单语，此条为账号选择） |
| 切入 | 第 1 秒 = 一句完整冲突句 + 一个具体物 | 2 秒跳出率是最大漏点 |
| 叙事 | 一个人 + 一个问题 + 一条因果链 | 忌"概念图鉴"和"群像混剪" |
| 结构 | 钩子→片名→规则→陷阱→反击→反噬→揭晓→升华→收尾 | 见 references/script-template.md |
| 节奏 | 每个场景从乐句重拍硬切；关键动作落在拍点 | 卡点来自音乐结构，不是手动对齐 |
| 画面 | 深色底 + 金属/木/金色质感 + 大字号 + 少量标签 | 手机缩放下可读 |
| 安全区 | 场景元素 y ≤ 850；字幕 y≈870–1000；左上抬头 y 50–95 | 实测最容易翻车的地方 |
| 结尾 | 必须给可截图的清单（收藏点）+ 一句提问 | 收藏率是最大短板 |
| 严谨 | 虚构 IP 必须标"图示为示意"；事实分层标注 | 见 references/fact-check.md |
一、八步流程（逐步执行，不可跳步）
第 1 步：立项（选题 + 确认）
- 用户没给选题时，先给 3 个候选（每个写清：一句话内核 / 第 1 秒钩子 / 凭什么能画 / 收藏点 / 风险），让用户点单。
- 候选必须先验证存在性再提交：虚构 IP 要能查到章节名或条目；知识类要能查到出处。
- 用户点单后，把该选题的原始资料要到手（原文段落最好；只有二手整理时必须标注来源层级，见第 8 步）。
第 2 步：音轨与节拍（决定一切时间）
# ① 抽音轨（mp4/mp3 都行；没系统 ffmpeg 会自动用 imageio-ffmpeg 的二进制）
python scripts/extract_audio.py 输入.mp4 work/ # → work/audio.f32 + work/music.mp3
# ② 节拍 / 重拍 / 段落 / 调性
python scripts/analyze_beats.py work/audio.f32 src/beats.json
# ③ 扫能量，选窗口（关键一步）
python scripts/scan_energy.py src/beats.json work/audio.f32 --seconds 89
- 输出会给出：START_BAR / END_BAR、逐小节能量图、静音坎落在窗口百分之几。
- 把反转放在静音坎之后的第一记重拍上——这是全片最值钱的一秒。
- 窗口不要吃掉结尾的衰减段（那会留下死尾）。
- 若某首歌已被系列用过，优先挑没被用过的后半段，避免观感重复。
第 3 步：写剧本（src/script.ts）
- 每个场景声明
bars（占几小节），所有场景 bars 之和必须等于 END_BAR − START_BAR（否则placeScenes会按比例缩放并告警）。 - 字幕写在
subs：{zh, en, at}，at是场景内第几拍（可写 4.5 这种半拍）。一句占 4–5 拍最舒服。 - 音效写在
cues：{id, beat, sfx, vol, impact}；impact:'big'= 白闪 + 震屏 + 色散 + 音乐侧链让位 40 帧。 - 节奏预算：
句子数 × 2.5–3 秒 ≈ 总时长。89 秒大约 30 句。
第 4 步：画面零件与场景（src/*/kit.tsx + src/*/scenes.tsx）
- 先把零件写全再写场景：一个题材的零件通常 6–10 个（本例：铁盒/锁/钥匙/粉碎机/微波炉/人物剪影/雕像/灯/彩券/柜台/道币）。
- 零件全部纯 SVG，坐标写死在 1920×1080 上，靠
translate/scale复用。 - 场景组件只负责按拍点排零件：
const bf = (n) => beatFrame(scene, n)，进场一律用pp(f, bf(n), 8)这种缓动进度。 - 检查清单见
references/visual-kit.md。
第 5 步：工程搭建
一个工程放多支片：src/<episode>/{script.ts,timeline.ts,fx.tsx,kit.tsx,scenes.tsx,Main.tsx}，
在 src/Root.tsx 注册第二个 <Composition>，各自用自己的 beats.json 和 music.mp3。
- 第二支必须带自己的节拍外壳（
fx.tsx里的 Shell/ImpactFlash 必须用本片的 cueFrame，否则冲击点会错位）。 - 音频用
<Audio startFrom={OFF}>，内容整体<Sequence from={-OFF}>，这样场景内部一律用"音乐帧"计时。 - 详见
references/pipeline.md。
第 6 步：静帧自检（不过不渲染）
node <node> node_modules/@remotion/cli/remotion-cli.js still <Comp> out/s1.png --frame=<场景中点>
逐场景渲一张，肉眼过四件事：
- 字幕有没有压到场景元素（最常见）
- 元素重叠（标签压标签、标签压图形）
- 安全区（元素 y ≤ 850）
- 手机缩放下文字是否可读（中文 ≥24px、主标题 ≥120px）
第 7 步：出片与成片自检
node <node> node_modules/@remotion/cli/remotion-cli.js render <Comp> out/<name>.mp4 --codec=h264 --crf=18 --concurrency=6
python scripts/check_mp4.py out/<name>.mp4 # 时长 / 轨道数 / 分辨率 / 音频参数
check_mp4.py 不需要 ffprobe：直接解析 mp4 box，确认 vide + soun 双轨、时长对得上、1920×1080、AAC 48kHz。
第 8 步：交付
python scripts/make_covers.py --src out/<某静帧>.png --crop x0,y0,x1,y1 \
--title 主标题 --kicker 副标 --sub 一句话 --out-prefix out/封面_XXX
交付四件套：
- 成片 mp4（拷到工作区根目录，文件名带主题）
- 封面三版（16:9 / 3:4 / 9:16）——绝不用自动截帧
- 发布包（正文 + 置顶评论 + 封面方案 + 24 小时判定表），模板见
references/cover-and-publish.md - 待核事实清单（虚构 IP 必备）+ 剧本分镜（时间码表）
二、铁律（全部是实测踩出来的）
- 第 1 帧不是片头是钩子：一张完整冲突句 + 一个具体物（"人质被锁在微波炉里，倒计时正在走"）。
- 字幕安全区：场景元素一律压在 y ≤ 850，字幕在 870–1000。静帧自检时优先看这条。
- 一句字幕 ≤22 字、停留 ≥2.2 秒；中文主句 + 英文对照两行。
- 结尾必须能截图：一个三步/三信号清单 + "建议先存下来"；只给感慨的结尾拿不到收藏。
- 静音坎 = 反转点：
scan_energy.py会告诉你坎在第几小节，把最强的反转放它后面。 - 大冲击要点：
impact:'big'会触发白闪 + 震屏 + 色散 + 音乐让位；全片 5–8 次足够，多了就麻木。 - 不要匀速滑动：所有进场用缓动（
Easing.out(cubic)），标签出场带一点位移+缩放。 - 字体：不要用"按旧文案裁剪的子集字体"（新文案会缺字）——直接写系统字体栈
'Noto Sans SC','Microsoft YaHei'。 - public/ 会被整体拷贝：只保留用到的音效（本例 148 → 16 个，每次渲染少拷 60MB）。
- Remotion 的 ETA 早期虚高：别被"剩余 3 小时"吓到；实测稳定在 ~1.35 帧/秒，2700 帧约 35 分钟。
- 虚构 IP 三层标注：原著原文 / 读者整理 / 我的推测——片子里只写前两层的共识部分，其余进待核清单。
- 不要在片子里写死数字（"四个生肖"→"好几个生肖"）、不要写死章节号（"第 359 章"→"约第 359 章前后"）。
三、目录约定
<project>/
├── public/music.mp3 # 本片 BGM
├── public/music.f32(+.json) # 节拍分析用（可删）
├── public/sfx/*.wav # 按调性合成的音效
├── src/beats.json # analyze_beats 输出
├── src/script.ts # 文案总表（改内容只动这里）
├── src/timeline.ts # 场景→重拍映射 + OFF/TOTAL
├── src/Root.tsx # 注册 Composition
├── src/fx.tsx # 震屏/白闪/色散/双语字幕
├── src/<episode>/** # 第二支及以后：独立 script/timeline/fx/kit/scenes/Main
├── tools/ # 本 skill 的 scripts/
└── out/ # 静帧 + 成片 + 封面
四、参考文件
references/pipeline.md—— 环境搭建与命令全集（含这台机器的全部坑：没有 ffmpeg / scipy / npm）references/script-template.md—— 剧本结构模板 + 拍点换算表 + 本次两条片的真实时间码references/visual-kit.md—— 画面零件规范、安全区、配色、常见重叠陷阱references/sfx-and-mix.md—— 音效合成（按调性）、侧链让位、响度references/fact-check.md—— 虚构 IP 核实方法与「读者复述」标注规范（含可用的 B 站接口）references/cover-and-publish.md—— 封面三版规范 + 发布包模板 + 24 小时判定examples/十日终焉-两集.md—— 两个真实案例的结构、数据与决策记录
五、能力边界（对用户诚实）
- 本流程不产生配音；要旁白必须另配 TTS 并重新对齐字幕。
- 网络受限环境下（很多域名被 DNS 拦）虚构 IP 的规则细节可能只有二手来源 —— 此时必须走第 8 步的待核清单，不硬写。
- 渲染是算力活：4 核笔记本上一条 89 秒 1080p 约 35 分钟；不要承诺"几分钟出片"。
- 版权：BGM 从抖音视频里提取只适合自用参考；发布时请挂站内曲库/原声卡片。