Acim24/motion-video-audio

动态视频（含音频，发布影片风格）

将需求转化为完成且经过母带处理的MP4：发布影片视觉（暖色纸张效果、大号衬线标题、一个陶土色强调色、聊天演示自动打字、显示获胜者的柱状图、安静的Logo结尾）加上完整的音轨：

• 旁白 — 每个场景可选的旁白行，通过edge-tts合成。场景会根据旁白自动调整尺寸。
• 音乐 — 根据精确时间线合成的原创环境配乐（铺垫、低音、钢琴琶音、柔和脉动、渐强、以及在Logo帧处的解析性打击）。由于由代码生成，因此免版税。也可以使用用户自己的音轨。
• 音效 — 剪辑时的嗖声、单词/柱状图上的滴答声、回复输入时的打字声、获胜柱状图上的提示音、计数器滴答声、Logo上的冲击+闪光声。这些音效放置在场景组件内部，因此能自动保持同步。
• 混音 — 音乐在旁白下自动闪避；最终文件标准化至−14 LUFS / −1.5 dBTP（社交媒体/YouTube目标）。

所有内容都位于单个文件 src/storyboard.ts 中。

工作流程

1. 理解需求。 获取：品牌/产品名称、需要记住的一个核心信息、2–5个支持点、真实数字（如有）、目标时长、平台、旁白语言和声音性别。如果用户提供了足够信息，不要反复盘问；陈述你的假设。永远不要将虚构的基准数据呈现为真实数据——使用带有明显标记的占位符（footnote）或跳过基准场景。

2. 创建脚手架。

   bash <skill-dir>/scripts/new_project.sh <目标目录>
   

   需要 Node 18+、ffmpeg 以及在 PATH 上的 edge-tts（pipx install edge-tts），并且需要有互联网连接以获取旁白。首先用 which edge-tts ffmpeg 检查；如果 edge-tts 缺失且无法安装，则在不含旁白的情况下构建视频，并告知用户。

3. 编写故事板。 阅读 references/style-guide.md（视觉节奏、文案、配方）和 references/audio.md（旁白编写、声音、音乐/音效/混音设置）。场景类型（字段见 src/types.ts）：

   类型	用途
   headline	动态文字：开场、章节标题、结束语。*单词* = 强调斜体
   chat	UI 演示：提示 → 思考点 → 输入回复（带打字声音）
   benchmark	水平柱状图，其中一根 highlight: true 的柱状图（落下时提示音）
   bigNumber	一个向上计数的大数字（计数器滴答声 + 冲击音）
   features	2–4 个带编号的能力卡片（每张卡片弹出）
   logo	结尾：绘制的标志或 logoSrc、名称、标语、行动号召（音乐冲击在此处落地）

   每个场景：可选的 vo、可选的 durationInFrames（30 fps；如果有旁白则省略此字段以自动适配）、可选的 tone: 'light' | 'dark'。logo 场景不要设置 vo——让音乐冲击有喘息空间。

4. 构建音频 — 这一步也会固定最终时间线：

   cd <目标目录> && npm run audio
   

   阅读打印出的时间线：每个场景的起始时间、长度、旁白长度，以及“（已拉伸以适配旁白）”警告。如果某个场景被拉伸过多，请缩短其旁白——长旁白会导致场景变得缓慢和沉闷。

5. 视觉 QA（检查静帧很快，渲染则不然）：

   npx tsc --noEmit
   bash <skill-dir>/scripts/contact_sheet.sh <目标目录> Main-16x9 /路径/宽幅联系表.png
   bash <skill-dir>/scripts/contact_sheet.sh <目标目录> Main-9x16 /路径/竖幅联系表.png
   

   检查生成的 PNG 图片；修复溢出、拥挤、每场景超过一个强调色的情况。

6. 音频 QA — 渲染后，检查响度并查看混音：

   ffmpeg -i out/video-16x9.mp4 -af ebur128=peak=true -f null - 2>&1 | grep -E "I:|Peak:"
   ffmpeg -y -i out/video-16x9.mp4 -filter_complex "showwavespic=s=1800x300" -frames:v 1 /路径/波形图.png
   

   预期 I ≈ −14 LUFS，峰值 ≤ −1 dBFS，旁白部分明显高于背景音乐，并且在 Logo 处出现最大的音浪。

7. 渲染（依次运行 audio → 两种格式 → 母带处理）：

   npm run render     # → out/video-16x9.mp4, out/video-9x16.mp4
   

   约 30 秒的视频 ≈ 1–2 分钟。报告文件路径、时长、使用的语音，并提示可使用 npm run studio 进行带声音的实时预览。

自定义

• 品牌颜色/字体：仅修改 src/theme.ts 中的令牌。
• Logo：文件放在 public/ 中，设置 logoSrc: 'logo.svg'。
• 自有音乐：文件放在 public/ 中，设置 audio.music: 'track.mp3'（仅限用户拥有版权的音轨）。用户自己录制的旁白：参见 references/audio.md。
• 新的场景类型/格式/编解码器：参见 references/extending.md。

品牌与诚信防护栏

模仿风格，而非品牌：不要复制 Anthropic（或任何人）的 Logo，也不要将视频呈现为用户不代表之公司的官方发布。合成语音不得模仿任何真实、可识别的人物。基准数据：使用用户的真实数据或带有明显标记的示意性数据。