Produção Completa de Série de Vídeos Explicativos

Transforme "um tema" em "um vídeo finalizado": Planejamento → Edição de Páginas (HTML animado) → Roteiro → Locução → Legendas → MP4 1080p → Capas para Douyin (horizontal 16:9 + vertical 9:16). O arquivo de estilo padrão é derivado da série prática de vídeos explicativos do Dao De Jing (estilo nova China aquarela / voz masculina Yunjian / legendas brancas com brilho preto), todo o conjunto é reutilizável e cada item pode ser sobrescrito.

Rota Visual (a partir da v2.0, o padrão é HTML animado; v2.1 com cooperação texto-imagem):

Padrão: Página HTML Animada — Gera uma página HTML de apresentação com animações de entrada e transição cross-fade entre páginas com base no roteiro, renderizando quadros deterministicamente para criar o vídeo, com animação 100% sincronizada no produto final (detalhes sobre o esquema e regras de layout em references/html-animation.md).
v2.1 Cooperação Texto-Imagem: biblioteca de cenas SVG em aquarela integrada (ondas/barco solitário/ondulações/montanhas/bambu/lua cheia/carpa koi) + ícones de itens + suporte a imagens externas, combinando automaticamente ou explicitamente com base no roteiro, com componentes gráficos entrando em momentos escalonados e animações de texto unificadas.
Fallback: Quadros PPT estáticos + xfade (usado quando tabelas/formatos complexos de PPT são necessários ou quando o usuário solicita explicitamente arquivos .pptx).

A partir da v2.3, cada episódio inclui capas para Douyin como padrão: Horizontal 16:9 + Vertical 9:16, geradas por IA em conjunto com base no tema (âncora horizontal → confirmação do usuário → derivação vertical), sem usar quadros do vídeo; processo na Etapa ⑥ e em references/douyin-covers.md.

5 Perguntas Iniciais (Perguntadas no início de cada episódio; se o usuário disser "igual ao anterior" ou "como de costume", todas são assumidas como padrão e o trabalho começa)

Sobre o que é este episódio? (Tema / Capítulo da obra)
Profundidade do conteúdo: Explicação detalhada / Explicação dos pontos principais? (Padrão: Explicação detalhada)
Duração alvo do vídeo finalizado? (Padrão: 6-7 minutos)
O estilo do PPT continua sendo o nova China aquarela? (Padrão: Sim)
O timbre de voz continua Yunjian e as legendas brancas com brilho preto? (Padrão: Sim)

Arquivo de Estilo (Adotado diretamente quando o usuário não especifica)

Item	Valor Padrão
Estilo PPT	Nova China Aquarela: papel de arroz branco + preto tinta + azul-ardósia + vermelhão
Fonte	Título SimSun (Song Ti), Corpo Microsoft YaHei (SlideDSL sempre usa font-family em inglês)
Elementos Visuais	Ilustrações SVG em aquarela (sem usar imagens geradas por IA, fidelidade 100%, modificável repetidamente)
Animação	Página HTML animada: Título blur-in / Itens fade-up escalonados / Transição cross-fade entre páginas / Ênfase de pontos-chave com cue
Timbre	zh-CN-YunjianNeural (Yunjian · Masculino · Grave)
Velocidade de Fala	+0% (uniforme em todo o episódio; só alterar se o usuário solicitar explicitamente, não ajustar por densidade de conteúdo)
Legenda	Texto branco + brilho externo preto (blur 0.8), fundo transparente, centralizado na parte inferior
Resolução	1920×1080 (16:9)
Correção de Pronúncia	"老子" → TTS lê "老紫" (lǎo zǐ, terceiro tom literário), legenda ainda exibe "老子"
Capa Douyin	Horizontal 16:9 + Vertical 9:16; título do episódio em quatro caracteres grandes; gerado por IA em conjunto (cadeia âncora), sem usar quadros do vídeo

Convenção do Diretório de Trabalho

Crie um diretório 视频工作目录/ (diretório de trabalho de vídeo) no espaço de trabalho, com um subdiretório para cada episódio (nomeado com o tema):

视频工作目录/{nome do episódio}/
├── {BASE} 讲解稿.json          # Fonte única de dados: título/timbre/correção de pronúncia/roteiro de cada página (+ texto da página)
├── {BASE} 讲解稿_可编辑.txt    # Exportado por export_txt.py, para o usuário revisar no bloco de notas
├── 01_deck/                    # deck.html (página de demonstração animada, visualizável) + deck.json (lista de timeline)
├── 01_html_frames/             # f_XXXXX.png quadros + frames_manifest.json (rota HTML)
├── 01_frames/                  # frame_01.png ... (rota fallback PPT estático)
├── 02_audio/                   # slide_01.mp3 ... slide_NN.mp3 (áudio por página)
├── 配音试听/                   # Amostras de áudio de múltiplos timbres + 配音试听.html
└── 03_output/                  # Produto final {BASE}(带字幕).mp4

BASE = nome do episódio (se contiver "讲解稿", remove automaticamente). O JSON do roteiro é gerado programaticamente com Python json.dump. É proibido escrever JSON manualmente com aspas chinesas (causará erros de escape). A tela da capa {nome do episódio}-抖音封面.miora deve ser colocada na raiz do espaço de trabalho, seguindo as especificações de entrega de mídia gerada, com os PNGs de tamanho duplo em seu diretório _assets/.

Fluxo por Etapas (incluindo 4 portões de confirmação, aguardando a resposta do usuário antes de prosseguir)

Antes de começar (primeira vez ou quando o ambiente estiver anormal), execute o check-up do ambiente: python scripts/doctor.py. Só comece após corrigir os itens MISSING. Limites de ritmo, lista de portões, BGM e tabela de escopo de revisão estão em references/pacing-and-gates.md (Metodologia integrada de liyupi/ai-promo-video-maker: padrões rígidos de ritmo / validação de dados / portão duplo / disciplina de revisão).

Etapa ① Planejamento de Conteúdo (Portão 1: 5 Perguntas Iniciais)

Após determinar o plano com base nas 5 perguntas, produza um pacote de planejamento conciso (estrutura do roteiro / plano visual / plano de áudio). Após a aprovação do usuário, vá para a Etapa ②.

Etapa ② Edição de Páginas (Rota Padrão = HTML Animado)

Não faça mais PPT: gere diretamente o {BASE} 讲解稿.json programaticamente, escrevendo o roteiro text para cada página; Cada página pode opcionalmente ter title (título da página), points (array de itens da tela), layout (title/bullets/quote/end), cues (ênfase de ponto-chave, veja abaixo) — quando omitido, é derivado automaticamente do roteiro (regras em references/html-animation.md), mas para produção formal, é recomendado fornecê-los explicitamente para maior qualidade.
O número de páginas depende da profundidade do conteúdo (explicação detalhada: cerca de 8 páginas); tabelas/dados ainda devem usar a rota fallback de PPT estático.

Etapa ②′ Criação de PPT (Rota Fallback Estática)

Use workbuddy-pptx (SlideDSL) para criar slides. Número de páginas depende da profundidade do conteúdo (explicação detalhada: cerca de 8 páginas).
Notas do apresentador (notes) = Roteiro de cada página: escrito uma vez, reutilizado em vários lugares (áudio do vídeo / timeline DOCX / importação para CapCut).
Use nomes de fonte em inglês (SimSun / Microsoft YaHei); nomes chineses não são renderizados.
Esquema de cores e elementos seguem o arquivo de estilo; páginas com tabelas/dados priorizam elementos nativos do PPT.

Etapa ③ Finalização do Roteiro (Portão 2: Revisão do Roteiro)

Extraia o roteiro das notas do PPT, gere programaticamente o {BASE} 讲解稿.json (estrutura abaixo).

Exporte texto editável para revisão:

python scripts/export_txt.py "{BASE} 讲解稿.json"

Instrua claramente o usuário a abrir o arquivo txt no bloco de notas e revisar página por página; após o usuário modificar e retornar, sincronize de volta ao JSON:
```
python scripts/import_txt.py "{BASE} 讲解稿.json" "{BASE} 讲解稿_可编辑.txt"
```
Se o usuário apenas responder "roteiro ok" sem modificações, pule a sincronização.

Etapa ④ Locução (Portão 3: Audição de Timbre, Portão Duro voice_confirmed)

Gere uma página de audição para o usuário escolher o timbre:
```
python scripts/preview_voices.py 配音试听
```
Após a escolha do usuário, escreva no JSON e defina voice_confirmed=true (sem isso, TTS e montagem recusam-se a executar):
```
python -c "import json;p='{BASE} 讲解稿.json';d=json.load(open(p,encoding='utf-8'));d['voice']='zh-CN-YunjianNeural';d['rate']='+0%';d['voice_confirmed']=True;json.dump(d,open(p,'w',encoding='utf-8'),ensure_ascii=False,indent=2)"
```
A velocidade padrão +0% não é alterada; só mude se o usuário solicitar explicitamente, e uniformemente em todo o episódio.

Etapa ⑤ Montagem do Vídeo Final (Portão 4: Confirmar o Início da Montagem com o Usuário)

Ordem: Sintetizar áudio → Gerar página animada → Renderizar quadros → Montar vídeo (rota HTML); ou Renderizar quadros → Áudio → Vídeo (rota estática).

Rota HTML Animada (Padrão):

Sintetizar áudio de cada página (deve ser feito primeiro — a duração da página é obtida da duração real do áudio):
```
python scripts/tts_synth.py --narration "{BASE} 讲解稿.json" --out 02_audio
```

Gerar página de demonstração animada (deck.html pode ser visualizado no navegador com #preview):

python scripts/gen_html_deck.py --narration "{BASE} 讲解稿.json" --audio 02_audio --out 01_deck

Renderizar quadro a quadro (renderiza apenas a janela de animação, concluído em minutos):
```
node scripts/render_html_frames.mjs --deck 01_deck --out 01_html_frames
```
Montar vídeo (concatena sequência de quadros + legendas por frase, estilo padrão texto branco com brilho preto):
```
python scripts/compose_html_video.py --deck 01_deck --frames 01_html_frames --audio 02_audio --narration "{BASE} 讲解稿.json" --out 03_output
```
Por padrão, produz {BASE}(带字幕).mp4; --also-plain adiciona versão sem legendas; --bgm <arquivo> adiciona música de fundo (ducking automático, abaixa a música quando a narração começa; repertório Mixkit gratuito para uso comercial, deve ser aprovado pelo usuário após audição).

Rota Fallback PPT Estático:

Renderizar quadros da tela (preferencialmente PowerPoint COM, requer PowerPoint instalado):
```
powershell -ExecutionPolicy Bypass -File scripts/export_frames.ps1 -Pptx "{BASE}.pptx" -OutDir 01_frames
```
Se já houver PDF, pode-se usar o caminho pymupdf: python scripts/pdf_to_frames.py "{BASE}.pdf" 01_frames 1920. Após renderizar, verifique 3 páginas (primeira página / uma página densa / uma página com tabela) para confirmar que não há problemas de fonte.
Sintetizar áudio de cada página: igual ao tts_synth.py acima.

Montar vídeo (páginas estáticas + xfade + legendas por frase):

python scripts/compose_video.py --frames 01_frames --audio 02_audio --narration "{BASE} 讲解稿.json" --out 03_output

Verificar entrega: Verificar quadros de entrada/transição para confirmar animações normais e sem flashes pretos; verificar quadros no meio da página para confirmar legendas; Executar portão do vídeo final: python scripts/verify_output.py --video "03_output/{BASE}(带字幕).mp4" --deck 01_deck (especificações/duração/volume/quadros pretos/silêncio tudo ok para entregar); present_files entrega.

Etapa ⑥ Capas para Douyin (Padrão para cada episódio: Horizontal 16:9 + Vertical 9:16)

As capas são fornecidas junto com o vídeo final para facilitar o upload direto para o Douyin. Não use quadros do vídeo — gere por IA um conjunto com base no tema do episódio, entregando a tela .miora + PNGs de tamanho duplo; Modelo de prompt / correspondência de imagens / lista de verificação de qualidade em references/douyin-covers.md. Pule se o usuário disser explicitamente que não quer capa.

Texto: O título do episódio em quatro caracteres é o único caractere grande na imagem (ex: "有无相生"); não adicione subtítulos pequenos (ficarão borrados); imagem sem texto além do texto principal.
Cadeia Âncora (Regra Rígida): Âncora horizontal (imagem puramente gerada por texto 1920×1080) → Confirmação do usuário → Derivação vertical usando a âncora como imagem de referência (1080×1920, três seções verticais); reutilizar o token de estilo original, proibido enviar duas cegamente.
Visual: Mesmo estilo do vídeo (papel de arroz branco + preto tinta + azul-ardósia + vermelhão, tinta aquarela, espaço vazio arejado); imagens tiradas do tema do episódio (ex: "有无相生" → lua cheia + reflexo da lua na água).
Tamanhos Precisos: O modelo pode arredondar para 1920×1072 / 1072×1920 (diferença de 8px), reporte honestamente; se o usuário quiser exato, adicione bordas para valores padrão.
Entrega: Na raiz do espaço de trabalho, {nome do episódio}-抖音封面.miora + cartões de imagem de tamanho duplo; anote o texto e tamanho da capa em 需求确认.md.

(Quando o texto precisa ser 100% controlável ou modelos reutilizáveis entre episódios, mude para exportação de layout de design editável; o padrão é geração por IA.)

Etapa ⑦ Ajustes e Iteração

Manter 需求确认.md no diretório de cada episódio: Respostas das 5 perguntas + registros de cada rodada de modificação (arquivar as palavras originais do usuário). Ao receber feedback, registre primeiro, depois modifique. Refazer apenas as etapas necessárias (escopo da modificação → tabela de etapas a refazer em references/pacing-and-gates.md).
Ajuste de estilo/cor da legenda → veja references/subtitle-style.md (a cor ASS é em ordem inversa BBGGRR, leitura obrigatória).
Problema de pronúncia → Apenas modifique tts_replacements e execute novamente TTS + montagem, as legendas não são alteradas.
Sincronização de legenda → O compose prioriza a leitura de 02_audio/timing_XX.json (timeline real de nível de frase do TTS, produzido automaticamente pelo tts_synth).
Problema visual/animação (rota HTML) → Modifique title/points/visual/cues do JSON do roteiro ou a orquestração em gen_html_deck.py → Execute novamente: gerar deck → renderizar → montar (áudio reutilizado, a menos que o roteiro também tenha mudado).
Problema visual (rota estática) → Modifique o PPT e reexporte os quadros, áudio reutilizado.
Modificação de capa → Se o texto/imagem estiver errado, apenas refaça o componente correspondente; se o estilo geral estiver errado, refaça a âncora e depois derive (veja references/douyin-covers.md).

Etapa ⑧ Entrega e Aceitação (Lista de Verificação)

Visual: Sem anomalias de fonte/esquema de cores; página com tabela (se houver) renderizada corretamente
Animação: Entrada de título/item natural, transição entre páginas suave, ênfase de cue alinhada com a narração (rota HTML)
Locução: Audível, sem engolir caracteres, velocidade uniforme em todo o episódio
Pronúncia: Palavras literárias corretas (ex: "老子" = lǎo zǐ)
Legenda: Sincronizada frase por frase com o áudio, estilo uniforme, sem overflow/recorte
Transição: Cross-fade suave, sem flash preto, sem quadros em branco
Duração: ≈ Duração alvo (±10 segundos)
Formato: 1920×1080 / H.264 / AAC / .mp4
Capa: Duas versões horizontal e vertical, quatro caracteres sem falta de traços, estilo coerente, tamanhos precisos (lista em references/douyin-covers.md)

Estrutura JSON do Roteiro (Fonte Única de Dados)

{
  "title": "老子今读-上善若水",
  "voice": "zh-CN-YunjianNeural",
  "rate": "+0%",
  "voice_confirmed": true,
  "tts_replacements": { "老子": "老紫" },
  "slides": [
    { "idx": 1, "text": "Texto do roteiro da primeira página..." },
    { "idx": 2, "text": "Texto do roteiro da segunda página...",
      "title": "Três Qualidades da Água", "points": ["Altruísmo, nutre todos os seres", "Não compete, contenta-se em ficar embaixo"],
      "cues": [ { "t": 4.5, "dur": 0.9, "target": 0 } ] }
  ]
}

idx numeração contínua a partir de 1, estritamente correspondente a frame_XX.png (rota estática) / slide_XX.mp3.
Campos opcionais por página na rota HTML: title (título da página), points (array de itens da tela), layout (title/bullets/quote/end), cues (ênfase de ponto-chave: t=segundo relativo dentro da página, target=índice do item começando de 0, dur=duração da ênfase, action=pulse); Cooperação texto-imagem (v2.1): visual (cena aquarela water/ripples/mountain/ bamboo/moon/fish, padrão combinação automática por palavras-chave do roteiro), icons (ícone de item droplet/wave/mountain/moon/leaf), image (caminho da imagem externa, incorporado na coluna direita). Quando omitidos, são derivados automaticamente do roteiro; para produção formal, é recomendado fornecê-los explicitamente.
tts_replacements: tabela de correção de pronúncia, age apenas na entrada do TTS, legendas e texto editável mantêm os caracteres originais. Deixe {} vazio para séries genéricas.
voice_confirmed padrão false, definido como true no portão ③, caso contrário os scripts recusam a montagem.

Diagnóstico Rápido de Falhas Comuns

Sintoma	Causa	Tratamento
Cor da borda da legenda diferente do esperado	A cor ASS é em ordem inversa BBGGRR	Vermelho=`&H000000FF` Azul=`&H00FF0000` Preto=`&H00000000`
Palavra literária lida como coloquial (ex: 老子 lǎo zi)	TTS padrão usa pronúncia coloquial	Adicione a `tts_replacements` e execute TTS novamente
Fonte do PPT não renderiza	Nome chinês não reconhecido	Use SimSun / Microsoft YaHei
Tela branca / cadeia de filtros quebra ao montar de uma vez	Sobreposição overlay após xfade	Divida em duas etapas: primeiro base, depois sobreposição; escape vírgula `\,`
Quadro "gerado" mas não encontrado	pymupdf falha silenciosamente	Script já usa abspath + verificação pós-escrita; ou use export_frames.ps1
`--rate -10%` erro "expected one argument"	argparse interpreta mal a opção	Use `--rate=-10%` ou apenas modifique o rate no JSON
Montagem reporta "áudio ainda não confirmado"	Portão ③ pulado	Defina `voice_confirmed=true` e execute novamente
Erro ao escrever JSON com aspas chinesas	Erro de escape manual	Use Python json.dump para gerar programaticamente
Geração do deck reporta "áudio faltando"	Rota HTML requer TTS primeiro	Execute tts_synth.py antes de gen_html_deck.py
Renderização reporta "Chromium não encontrado"	Caminho do navegador mudou	Use `--browser` para especificar chrome.exe / msedge.exe
Título não centralizado	Escrita do seletor CSS	Use `.inner.layout-title` (elemento da mesma classe), não use seletor descendente
Itens quebrados (frases de índice separadas)	Frases curtas de índice não mescladas	gen_html_deck.py já mescla internamente; points personalizados podem evitar completamente
Duração do último quadro do vídeo incorreta	Peculiaridade do concat no último arquivo	compose_html_video.py já repete o último arquivo internamente, não remova
Ênfase de cue não aparece	Cue excede a duração da página	Verifique se t em slides[].cues é menor que a duração do áudio da página
Caractere grande da capa falta traços/errado	IA instável ao renderizar frases longas em chinês	Reduza o texto para quatro caracteres e gere novamente; se o caractere da âncora estiver errado, gere a âncora novamente e depois derive
Lado curto da capa 1072≠1080	Arredondamento do modelo	Entregue como está (proporção ainda ≈16:9/9:16); se precisar exato, adicione bordas para 1920×1080 / 1080×1920
Duas capas não parecem um conjunto	Duas imagens geradas por texto derivam independentemente	Deve ser cadeia âncora: vertical deriva usando a horizontal como referência

Experiência completa de dificuldades e arquitetura em references/pitfalls.md; detalhes da rota HTML animada em references/html-animation.md.

Recursos

scripts/doctor.py — Check-up do ambiente (executar no início de cada episódio, corrigir MISSING antes de começar)
scripts/verify_output.py — Portão do vídeo final (especificações/duração/volume/quadros pretos/silêncio, tudo ok para entregar)
scripts/gen_html_deck.py — Roteiro → Página HTML de demonstração com cooperação texto-imagem + lista deck.json (entrada da rota HTML)
scripts/render_html_frames.mjs — Renderização determinística quadro a quadro com Playwright (renderiza apenas a janela de animação, reutiliza o último quadro para segmentos estáticos)
scripts/compose_html_video.py — Montagem da sequência de quadros + áudio + legendas com timeline real + BGM ducking (rota HTML)
scripts/tts_synth.py — Síntese em lote com edge-tts (correção de pronúncia + timeline real de nível de frase + portão voice_confirmed)
scripts/compose_video.py — Montagem de páginas estáticas + xfade + legendas por frase (rota fallback estática)
scripts/export_txt.py / scripts/import_txt.py — Sincronização bidirecional entre roteiro e txt editável
scripts/preview_voices.py — Página de comparação de audição de 5 timbres (reproduzível offline)
scripts/export_frames.ps1 — Exportação de quadros 1920×1080 via PowerPoint COM (rota estática preferencial)
scripts/pdf_to_frames.py — Renderização de quadros PDF com pymupdf (rota estática alternativa)
references/douyin-covers.md — Fluxo completo de capas para Douyin: regras de texto / modelo de prompt / cadeia âncora / lista de verificação de qualidade (padrão para cada episódio, tamanhos duplos horizontal e vertical)
references/html-animation.md — Rota HTML animada: conclusão de viabilidade / regras de layout / dificuldades (leitura obrigatória)
references/pacing-and-gates.md — Limites de ritmo / validação de dados / portão duplo / BGM / tabela de escopo de revisão (leitura obrigatória)
references/playbook.md — Manual completo do fluxo: tabela de itens de confirmação / pilha tecnológica / rota de otimização
references/pitfalls.md — Lista de dificuldades e experiência de arquitetura
references/subtitle-style.md — Manual de estilo de legenda ASS (ordem inversa de cores / efeito brilho / predefinições de estilo)
assets/narration-template.json — Modelo JSON do roteiro

Dependências: playwright-core (node_modules na raiz da skill, já instalado); Ordem de detecção do Chromium cache ms-playwright → Edge do sistema. Se ambos faltarem, especifique com --browser.

EMzhe/série-de-vídeos-explicativos

O que é série-de-vídeos-explicativos?

Perguntar na sua IA favorita

Documentação