手机传送门式竖屏广告

概述

一个9秒长的9:16产品广告，用单个固定三脚架镜头拍摄，分为三个节拍：

传送门掉落（约4.3秒）。 一只手握住手机。另一只手滑动屏幕，每次滑动将一个产品从屏幕中掉落到下方的货架上，并与节拍对齐。主打产品在音乐短暂停顿后，最后一个掉落。
定格动画切换（约2.7秒）。 硬切移除手和手机。产品以16分音符为间隔依次切换姿态，每4拍停一帧。
Logo展示（约2秒）。 文字标志在6到8帧内淡入并静止。仅保留音乐，无旁白。

没有实拍画面。一张生成的图片被切割成图层（场景、手机和握手机的手、滑动的手），并通过代码动画化。产品是真实的3D模型，由同一相机在手机内和房间中渲染，因此它作为一个物体跨越屏幕界限。

标准： 它必须能冒充实拍。我们遇到的所有失败都是连续性破绽，有人只在一帧中就能发现。请以全尺寸检查交付文件中每一个接触瞬间。

需求	用途
`OPENAI_API_KEY`	用于生成场景和主画面的`gpt-image-2`；用于需保留照片的编辑（`input_fidelity: high`）的`gpt-image-1.5`
`ELEVENLABS_API_KEY`	用于背景音乐（`music_v2_5`）和音效
HyperFrames CLI (`npx hyperframes`)，three.js r169	帧引擎和渲染
ffmpeg；Python 3 及 `numpy opencv-python-headless pillow openai`	脚本

脚本从环境变量读取密钥，或从工作目录或其上级目录中的 .env 文件读取。它们绝不会打印密钥。请报告每次运行的支出：OpenAI费用（脚本会记录估算值）和ElevenLabs配额。

如果有人能实拍一只手在三脚架上滑动手机，请用该素材作为手部画面。这是最难伪造的部分。

简报和节拍表。 品牌、4到6个产品（主打产品最后一个，颜色与场景互补）、场景，以及一个节拍为整数帧的节奏。在30fps下，112.5 BPM对应16帧，120 BPM对应15帧，90 BPM对应20帧。确保每个落点都落在音乐的网格上（节拍或半拍），绝不能放在节拍之间。关于掉落次数，请参阅 references/build.md 第1节。
视觉效果。 场景原画、主画面（手和手机）、在匹配相机中首次渲染的3D产品、以及至少3种字体配对的结尾卡片，所有这些展示在一张图表上。
动态测试。 一次滑动和一次掉落，以交付质量渲染并逐帧检查。大多数失败都在这里暴露。
构建，然后音效，最后定稿。

遵循 references/build.md。它包含每一步，以及已验证可行的参数。按顺序：

生成场景原画（空场景），然后生成主画面：在原画基础上编辑，添加双手和空白手机。主画面是基础帧。 所有干净的场景图层都从它提取。
从主画面切割图层，并测量屏幕角落、屏幕底边、指尖和手腕。
将3D相机匹配到货架边缘。
构建引擎。复制 example/studio/（参考构建：一个茶品牌，五个盒子），并根据你的场景重新测量其中的常量。它只包含代码：需要自己准备图片、字体、标签图和three.js文件。如果产品不是纸盒（比如罐子、瓶子、易拉罐、玻璃制品），请先阅读 build.md 中的“其他产品”部分。
先制作音乐并测量其节拍。然后将落点锁定到网格，添加音效并混音。
渲染，然后运行以下检查。

问题表现	修复方法
产品在手机下方延迟几帧出现	它是一个穿过屏幕的3D对象。每个滑动都从其落点帧反向求解：从产品最低点到达屏幕边缘的那一帧开始，使其以滚动速度在重力作用下掉落
产品掉落到手后面	在屏幕底边下方，将产品绘制在手机边框和手指前面
产品在手机下悬停几帧	从屏幕边缘开始即受重力控制。不要让它继续跟随页面滑动
滑动看起来像照片滑动	用手腕发力，保持前臂僵硬。求解手腕角度，使指尖与页面移动一致。避免两次滑动相同
画面看起来像静止图片	握手机的手有1.5到2像素的微漂移，并在每次按压时略微下沉。墙壁永远不动
手机屏幕上有暗线移动	信息流中不要有页面分隔线。保持任何鬼影效果很低
手腕上有手表或珠宝滑动	要求在主体画面中手腕裸露。如果出现，全部遮罩并用 `scripts/blend-edit.py` 移除
硬切变成了溶解过渡	决定每个剪辑、替换和静止帧时，必须在整帧上进行，绝不在快门采样期间内操作
标签打印成多份副本	产品掉落时使用48个子帧，其他时候使用10个子帧，快门设置为0.38帧
生成式编辑移动了遮罩外的内容	遮罩编辑不被尊重。注册编辑后，仅取遮罩内的结果
撞击声在盒子到达前响起	将每个音效片段修剪到其最强攻击点前4毫秒，然后对齐到该攻击点

完整列表及原因在 references/lessons.md 中。

交付文件中每个接触瞬间的全尺寸截图：每次滑动的第一帧、产品穿过屏幕边缘的帧、每个落点帧、切变帧以及手臂离开画面的帧。
python3 scripts/sync-sheet.py final.mp4 --audio sound/stems/sfx.wav：每个打击点都应在指定帧上。
bash scripts/check-final.sh final.mp4 1080x1920：-14 LUFS ±1，真实峰值不超过 -1 dBTP。

脚本	功能
`scripts/openai-image.py OUT.png "提示语" [--edit IN.png --mask M.png --fidelity high]`	生成或编辑一张图片，并记录token和预估费用
`scripts/blend-edit.py crop` / `blend`	准备一个区域的遮罩编辑，然后注册结果并仅取遮罩内的部分
`scripts/elevenlabs.py spec.json OUTDIR`	根据规格生成背景音乐和音效，缓存结果并记录消耗的配额
`scripts/beats.py bed.mp3`	检测背景音乐的节奏、节拍网格和第一个强拍
`scripts/sync-sheet.py VIDEO --audio sfx.wav` 或 `--cues cues.json`	在一张图中显示每个音效打击点附近的五帧画面
`bash scripts/check-final.sh VIDEO [WxH]`	检查视频尺寸、帧率、时长、响度和真实峰值

每个脚本均可使用 --help 查看选项。example/README.md 提供了参考构建的说明。