anudeepadi/视频发布技能

发布视频生成器

渲染器：launch-video-skills npm 包。完整场景合约参见：https://github.com/anudeepadi/launch-video-skills#scene-contract

• npx launch-video-skills setup：每台机器执行一次（安装 headless Chromium 和 Python 语音包）。需要 Node 18+、Python 3.10+、ffmpeg。首次运行语音时，会将 Kokoro 权重（约 350 MB）和 whisper small.en 模型（约 480 MB）下载到 ~/.cache/lvk。
• npx launch-video-skills new <name>：创建脚手架 launch-videos/scenes/<name>/index.html，同时生成 launch-videos/kit/。
• npx launch-video-skills render <scene.html> [flags]：输出到 ./out/。
• 如果 Chromium 下载卡住，设置 export LVK_CHROME=/path/to/chrome-headless-shell（任意本地构建版本均可）。
• 如果在 macOS 上使用 python.org 的 Python 遇到 SSL 失败，设置：export SSL_CERT_FILE=$(python3 -c 'import certifi;print(certifi.where())')。

优秀的发布视频与“AI 生成内容”的区别在于 references/craft.md 中所述。在故事板创作之前请先阅读它。

步骤

1. 从真实产品中提取品牌和事实。 使用 Playwright 获取网站内容。逐字记录标题、副标题、功能名称、网站自带的示例内容（演示贴文、提示词、代码、问题列表）以及 CTA。读取计算后的字体族/字重/字间距样式以及背景/文本/强调色的示例像素颜色（CSS 变量会过期）。将 Logo SVG 和所有图片保存到 launch-videos/scenes/<name>/assets/。仅当网站字体的许可证允许分发时才使用该字体；否则使用最接近的内置字体（Inter、JetBrains Mono、Space Grotesk）。切勿捏造指标、客户、集成或用户界面。如果某功能标记为“计划中”或“预览”，请将其省略或标注清楚。如果无法获取真实的用户界面示例，请停止并说明原因。在场景文件顶部以注释形式注明来源 URL 和日期。
2. 先写脚本，再画故事板。 每个镜头用一至两行简短描述，摘取自网站文案；总时长 20–40 秒。当口语形式与书面形式不同时（如点号、缩写），使用 say：例如 say: 'Build A.I. agents'。5–6 个镜头，每个镜头一个想法：吸引点（2 秒内让产品或标题上屏）→ 首次使用瞬间 → 产品实际运行（根据网站自有示例用 HTML 重建真实用户界面，绝不用截图）→ 第二个功能 → 三大支柱或工作原理 → 带 Logo 的 CTA。平静品牌使用 music.style: 'ambient'，柔和音效（0.2–0.6）。开发者工具使用 'pulse' 和强烈节奏。语音为可选；纯音乐在 X 平台上常见。
3. 编写 launch-videos/scenes/<name>/index.html，引用 ../../kit/kit.css 和 kit.js。基于生成的模板开始。使用 data-shot="id" 标记镜头，不硬编码 --in/--out。语音行放在 SCENE.voice.lines 中（包含键、镜头、文本/say、at/after、pause 节拍）。通过 data-on="key"、data-on="key:word"、data-edge="e" 将节拍与语音对应。在定义 SCENE 后调用 K.layout()，然后使用 K.at/K.end/K.shot 推导 JS 节拍：打字速度 = 文本长度 / 说话时长，关键字上发出光标点击声，通过相同常量控制打字音效提示。onFrame(t) 必须是关于 t 的纯函数。JS 变换作用在无 CSS 动画类的包装器上。不使用大尺寸的 filter: blur、backdrop-filter 或全屏混合模式。
4. 审查循环。 运行 npx launch-video-skills render launch-videos/scenes/<name>/index.html --sheet 1。每行 <- ASR heard: 都可能表示发音错误：用 say 重新拼写并再次检查（whisper 有时会误听正确的音频；将这些标记出来供人工审听）。检查生成的 PNG 图片：文字是否叠加在杂乱的背景上、小文字是否清晰、是否有空帧、过渡中文字碰撞、打字效果在镜头结束前完成、语法高亮是否出错。使用 --stills t1,t2 进行全分辨率检查。迭代时附上品味笔记（如“太快了”、“不清楚发生了什么”），而不是一次性完成。
5. 渲染并验证。 运行 npx launch-video-skills render launch-videos/scenes/<name>/index.html --workers 4。然后：
   • ffprobe：检查 h264 + aac 编码和预期时长。
   • volumedetect：平均音量约 −19 至 −17 dB，最大音量低于 −1 dB。
   • 同步：使用 faster-whisper small.en 对最终 MP4 进行逐字时间戳转录；每行第一个单词与日志中打印的时间线偏差约在 0.2 秒内。关键字落在视觉节拍上。
   • 连续性：比较不同工作进程边界处的帧（帧数 / 工作进程数）。
6. 交付。 提供 MP4 文件路径。切勿覆盖之前的剪辑（使用 mv -n 或新的 --out）。明确说明语音和音乐是合成的且未经人工审听。提供后期文案，避免使用“一键生成”之类的表述。付费语音（ElevenLabs、OpenAI、Google）可在包内的 lib/tts.py 中切换；仅在用户希望获得更自然的朗读效果时提及。