卡通3D故事短片（three.js + Remotion）

卡通3D故事短片（three.js + Remotion） 是做什么的？

已验证示例：《会唱歌的桥》。这是一段关于 1831 年 Broughton 桥和 74 名齐步走士兵的原创 67 秒短片。

• 代码：你 Remotion 项目中的 src/videos/bridge/（composition BridgeShort，1080x1920，30 fps）。
• 脚本、语音和声音：~/bridge-short/。
• 风格研究：references/。

风格参考是私下研究的频道（references/：STYLE_BIBLE.md、reports/*.md、frames/）。

• 这些视频是私密学习材料。切勿上传、发布或发送。
• 切勿复制其脚本、角色或镜头。故事、角色和语音必须是我们自己的。
• 切勿在画外音或描述中提及该频道的名称。

适用用户规则：

• 字幕：短视频默认开启。一次一词，居中，粗体，深色轮廓，位于安全区内，与 words.json 同步（参见“字幕”）。仅当用户要求时才关闭。没有其他屏幕标签。
• 仅限英文。
• 语音：一个稳定的语调（面无表情：叙述者从不反应，角色才反应）。
• 笑话基于研究过的真实事实。
• 标准混音：音乐 +3 dB，音效 -6 dB，语音不变。
• 最终导出为 2K 竖版：1440x2560，--scale 1.3333。
• Opus max 检查每项内容。
• 每一步后保存。
• 脚本一旦获批，就“放手去做”。

流水线

1. 主题和事实。 选择一个令人惊讶的真实故事，包含物理因果关系（应该是可视化的），外加一个解释它的简单日常类比。
   • 将事实及其来源写在 SCRIPT.md 顶部。
2. 脚本（约 3.7 词/秒，35-70 秒）。对于事实短片，使用下方的“病毒式故事格式”和“让它变有趣”；桥式节奏是灾难故事的替代方案：
   • 钩子： 以一句话概括荒谬的事实（“74 名士兵仅靠步行就撞倒了一座铁桥。”）。
   • 设定： 年份、地点、骄傲。
   • 行动： 在三或四个节拍中逐步升级，每个节拍都更大一点。
   • 断裂瞬间： 桥梁断裂的时刻。
   • 面无表情的双重台词： “幸运的是……/不幸的是……”。
   • 解释： 通过日常类比（秋千上的孩子）解释一个物理概念。
   • 后果： 由此产生的规则。
   • 回调反转： 结局。
   • 切勿在屏幕上描述观众已经看到的内容。
3. 语音。 录制或生成 voice.wav，然后制作其单词时间戳 words.json（任何带单词时间的语音转文本）。
   • 将它们放在项目文件夹中，例如 ~/bridge-short/voice/。
   • 手动修正单词时间戳。一切与 words.json 同步，字幕也从中提取。
4. 镜头计划 在 story.ts 中：复制 templates/bridge/（最终的桥源码，与你 Remotion 项目的 src/videos/bridge/ 相同）到 src/videos/<name>/，在 src/Root.tsx 中在 BridgeShort 旁边注册一个新的 composition，并重命名它。
   • SHOTS：id、a/b 帧、光照 day/golden、人群模式、tau 故事时间。
   • XFADE：在地点/时间变化时的交叉淡入淡出。
   • FLASH_AT：钩子后的白色闪光。
   • CAMS：每个镜头的键 {f, dur?, cut?, s: f => {pos, look, fov, roll}}。
   • KICKS：冲击翻转抖动。
   • DOF/dofAt：每个节拍的镜头模糊。
   • FOREGROUND：近景构图道具。
   • 每个视觉反应在对应单词前 0-3 帧出现。
   • 将每个句子的主题连接成一个连续的流程（flow.ts，参见“连续流程”），给每个移动命名，每个停顿指定构图尺寸（参见“摄像机多样性”和“构图”）。
   • 给每个地点自己的光照预设（参见“每个地点的光照”）。
5. 世界。
   • lights.ts：LIGHTS 加上每个光照的 LOOK 天空/河流/云彩调色板。
   • shade.ts：双色调着色和 untone()。
   • build.ts：城镇、房屋和 Kenney CC0 工具包道具，重新着色，带视线剔除任何遮挡摄像机的物体。
   • paint.ts：HD Canvas2D 绘制纹理，接缝处涂成暗色调。
   • world.ts：天空着色器、雾=地平线颜色、河流、逐帧摆姿势、每个镜头冻结的太阳和相对于摄像机的太阳。
6. 角色。
   • toon.ts：Canvas2D Pen 绘制 API，600x1000 设计画布，脚底在 y = 975，豆形头，火柴杆四肢，梅花可变宽度轮廓，面部库。
   • cast.ts：面向摄像机的公告板、人群、效果卡、眨眼、行走循环。所有公告板都放在 NOINK 层。
   • cardshade.ts：卡片由场景光照亮，无自发光。
7. 后期（Bridge.tsx + ink.ts + lensblur.ts + grade.ts）。
   • 合成器顺序：墨水 → 镜头预模糊 → 镜头主模糊 → 绽放 → NEUTRAL 色调映射 → 调色（MSAA 4）。
   • 每个像素参数随输出高度 / 1920 缩放。
8. 声音（~/bridge-short/audio/：timeline.py, sfx_gen.py, sfx.py, music.py, instruments.py, dsp.py, mix.py）。
   • 事件表 → 合成音效加上在语音下闪避的原创配乐。
   • 输出：mix.wav（48 kHz，精确长度）、分轨文件和 cues.md。
   • 在制作声音前锁定画面的时间常量。任何后续的时间更改都需要重新运行声音。
9. 外观检查。 运行 node scripts/bridge-stills.mjs out/<name>/x_ 100,400 0.5。
   • 设置 BRIDGE_ENTRY=src/sandboxes/<n>/index.tsx 以渲染沙盒副本。
   • 使用 python scripts/sbs_sheet.py out.jpg --ours ... --ref ... 制作与参考帧的并排对比图。
   • 将其发送给 Opus max 验证者：1-3 张图片，≤200 词的评语。
   • 为每个镜头运行构图检查（templates/bridge/framing.ts），并制作一张包含每个镜头一帧（第一、中间、最后一帧）的接触表。参见“质量门”。
10. 最终渲染。
    • npx remotion render src/index.ts <Comp> out/<name>/video.mp4 --codec h264 --crf 16 --scale 1.3333
    • 使用 -map 0:v:0 -map 1:a:0 混流（Remotion 写入静音的音轨）。
    • QA：python scripts/short_qa.py final.mp4 out/<name>/qa shots.json 检查每一帧是否有黑/白帧、冻结帧、弹出帧，以及响度和接触表。
    • 修复它发现的任何问题，然后运行一次深入的 Opus 审计。
11. 交付。 使用 SendUserFile 发送最终的 mp4，更新记忆，写下笔记。

预检（首先执行此项）

• 检查 templates/bridge/、references/ 和 scripts/ 是否存在（如果缺失，请从 github.com/mromidev/claude-animated-shorts 或其分支克隆到 Remotion 项目旁边。如果它们缺失，请停止并获取它们。切勿在没有模板的情况下即兴制作一个通用的 three.js 外观。
• 首先制作一个 15 秒的测试片段（钩子 + 2-3 个镜头，带字幕和声音）。渲染静帧，运行质量门，修复，然后扩展到完整的故事。切勿直接进行完整渲染。

病毒式故事格式：“嘲笑天才”（用于事实短片）

六个节拍，每次都遵循：

1. 怪异动作 没有背景，显示在一张图片中（钩子，前 3 秒）。
2. 笑声： 其他角色嘲笑英雄。
3. 他们都看向右边： 时间流逝，英雄看起来错误或无害。
4. 线索： 一个预示结局的细节。
5. 结局： 证明英雄正确的事件（视觉高潮）。
6. 科学： 展示机制（内部/剖面/微距视图）并用一句简单的话解释。

• 将其作为有英雄的故事讲述，而不是事实列表。选择一个在一张图片中可见且人们会嘲笑的行为。
• 最后一行开启一个论点或评论（有争议的内容），而不是一个简洁的总结。
• 标题模式：“为什么 X……”、“如何 X……”、“X 的真正含义”。标题中不得剧透结局。
• 节奏：每 2-3 秒一个新主题，通过摄像机移动到达（参见“连续流程”）而不是剪辑，在几乎每次移动或溶解（嗖、叮当、人群笑声）时都有音效，并且语音下有音乐。
• 丰富的地点，简单的角色（圆头、火柴杆手臂）：为一个 60 秒的短片规划 12-16 个不同的地点和 20+ 个道具，并给每个地点自己的光照氛围。
• 首先写下事实及其来源。年份和数字以口语自然说出（“一八四七”），但字幕显示为数字。
• 示例：templates/SCRIPT_viral_example.md。

让它变有趣（喜剧引擎）

人群嘲笑英雄；观众也应该笑。

• 面无表情的旁白，荒谬的画面。 叙述者从不反应；角色才反应。两者之间的差距就是笑点。
• 每 4-6 秒一个笑点，每个短片至少使用三种类型：台词笑点（轻描淡写，“幸运的是……/不幸的是……”）、视觉笑点（反应表情、背景中的小细节、错误比例的道具）和声音笑点（落在反应上的愚蠢音效）。
• 三次原则： 两个正常节拍，然后第三个打破模式。
• 贯穿全片的笑点： 一个背景角色或物体（鸽子、拿着三明治的人）出现 3-4 次，并在接近结局时得到回报。
• 反应镜头： 摄像机停留在脸上（流程停止或变焦切换，不是剪辑）在重估词后 3-6 帧，并保持 8-12 帧。使用面部库；至少包含一个“不为所动”和一个“震惊”。参见“反应和对话节拍”。
• 自信的英雄，自满的人群，过于严肃的官员： 角色极其严肃地对待琐碎的事情。
• 仅为一个节拍夸张物理效果（结局）：挤压和拉伸、灰尘云、冲击踢。
• 回调结局： 最后一行利用所发生的事情反转第一行（钩子）。
• 笑话保持在真实事实范围内：有趣的部分是真实的细节。切勿攻击真实受害者或群体；目标是过度自信和自满。

字幕（逐字字幕）

• 来源：words.json（语音单词时间戳，手动修正）。任何语音转文本都可以；templates/bridge/Captions.tsx 中的 normalizeWords() 接受 {word|text, start|start_time, end|end_time}（秒或毫秒），并跳过 ElevenLabs 的“间距”条目。
• 如果语音转文本的文字与脚本不同（数字、名称、拼写），则将文字替换为 SCRIPT 中的单词，并保留 STT 的时间。字幕显示脚本拼写（“1847”），即使语音说“eighteen forty-seven”。
• 组件：将 templates/bridge/Captions.tsx 复制到 src/videos/<name>/，并渲染 <Captions words={WORDS} /> 作为 composition 的最后一个子元素，作为 three.js 画布上的 DOM 叠加层，位于后期处理合成器之外（文本上无墨水、模糊、绽放或调色）。
• 样式：一次一词，水平居中，约在帧高度 68% 处（面部下方，安全区内），重型无衬线字体，白色填充，9 像素深色轮廓（基于 1080 宽度），弹出缩放 0.8 → 1.08 → 1 持续 6 帧，无背景框，最大宽度 86%。数字、名称和重估词使用强调色（highlight）。像素尺寸随输出高度 / 1920 缩放。
• 切勿覆盖面部：当特写镜头中面部位于字幕位置时，传递 yPercent={(frame) => ...} 以移动该镜头的字幕。
• 字幕在单词被听到前 1 帧出现（lead）。
• QA：在每个镜头的一个重估词上渲染一帧静帧，确认字幕位于安全区内且不覆盖面部。

构图、安全区和缩放限制（强制执行）

• 9:16 帧。安全区：左右 6% 边距，顶部 8%，底部 15%（平台 UI 和字幕）。所有重要元素（角色、道具、气泡、标志）完全位于其内部，故意的近景构图道具除外。
• 角色头部最多占据帧高度的 30%（一次性反应笑点可使用 40%）。优先使用中景（腰部以上）和全身远景。
• 切勿在脚部裁切角色，也切勿裁切对话气泡或标志。前景道具要么可识别，要么消失；被裁切的道具不得覆盖超过 35% 的帧。
• 连续两个镜头不得具有相同尺寸（远景 / 中景 / 特写 / 插入）。
• 保持静止时的推入速度缓慢：每帧 0.15-0.35%，重估词时为 0.6%。无突然的大缩放。
• 自动检查：templates/bridge/framing.ts 中的 checkShot(camera, items) 将边界框投影到屏幕空间并列出每个问题。在每个镜头的第一、中间和最后一帧上运行它（在 bridge-stills 中），并在渲染前修复失败的镜头。自测试：npx tsx templates/scripts/framing_selftest.ts。

每个地点的光照（桥模板仅定义了白天和黄金时刻）

每个地点都需要在 lights.ts 中有自己的光照预设：清晰的关键光方向、双色调着色（暖色照明、冷色阴影）、接触和定向阴影，以及匹配的天空或天花板。绝不能有平淡无光的房间，也绝不能在房间内看到天空或云彩。

• 室内（大厅、酒店、办公室）： 天花板或深色墙顶，一束来自窗户或灯的关键光，温暖的实际光源（蜡烛、灯）带绽放，冷色阴影侧，柔和的暗角，每个道具的地板和墙壁阴影，来自窗户的光柱或灰尘。
• 夜晚： 月光蓝色关键光（约 #5b7fd6），深蓝紫色阴影，温暖的亮窗和灯作为对比，月盘或星星。
• 日出/日落： 带神光的低太阳，桃色至粉色天空，紫色阴影，长阴影。
• 这些是起始值：根据 references/frames/ 使用并排对比图（sbs_sheet.py）进行调整。
• 每个角色和道具下的接触阴影，加上来自关键光的方向性阴影尾巴；家具和道具在室内向地板和墙壁投射阴影（卡片阴影是真实的，不是模糊块）。
• 景深（见下表）一致应用：特写和中景从不完全清晰，远景保持清晰。

摄像机多样性（始终移动，连续两次动作从不相同）

• 在流程或镜头中，使用命名移动：慢推入、拉远揭示、围绕主体轨道、带视差的横向跟踪、起重机升降、倾斜、从前景道具到主体的变焦切换、小荷兰角度滚动（4-5°）。
• 连续两次移动不得相同。
• 在约三分之一的镜头中，在镜头和主体之间放置前景道具（柱子、栏杆、家具），以便摄像机运动呈现深度感。
• 每个故事至少两个插入镜头：节拍 4-6 中机制的特写或剖面镜头，加上一个戏剧性角度（低角度英雄或鸟瞰）。
• 保持现有的平滑步进滑行（18-40 f）、缓慢静止和冲击踢。

连续流程：在主体之间移动，不要剪辑（参考……）

（由于原始内容被截断，此处翻译基于已有文本。完整版应包含连续流程、反应和对话节拍、质量门、深度参考表、模板结构等剩余部分。请根据完整 SKILL.md 继续补充。）