制作口播动态文字 Shorts
所有渲染工作均使用本文件旁边的 pipeline/ 中的打包管道完成
(技能加载时显示的“此技能的基础目录”)。
0. 初始设置(每个项目一次)
如果项目没有包含 kinetic_build.py 的 video_gen/ 文件夹,请创建:
mkdir -p video_gen && cp <skill dir>/pipeline/* video_gen/
cd video_gen
python3 -m venv .venv && .venv/bin/pip install -r requirements.txt # 绘图 (Python 3.11+)
python3.12 -m venv .venv-tts && .venv-tts/bin/pip install -r requirements-tts.txt # Kokoro 语音
ffmpeg 必须在 PATH 中。voice.py 在其旁边的 .venv-tts 环境中运行 TTS 工作进程。
所有命令都在 video_gen/ 目录下执行。
1. 阅读规则
DESIGN.md— 动态文字视觉风格。硬性规则:盒子在单一全宽列中上下堆叠, 绝不并排;盒子边缘无装饰条;大号文字;每个元素在对应的口语单词出现时显示; 标题占一行(约 30 个字符);无烧录字幕。PARTS.md—part.md格式、旁白规则以及如何拆分指南。 除非调试,否则不要阅读engine_short.py、templates.py或skin.py。
2. 新系列:先拆分,后审批
- 分析源码指南并提议一个分集列表(每集一个概念,约 90-125 秒)。 等待用户批准。 切勿为了达到时长而删减内容;应添加示例和“为什么”。
- 为每个
<系列>/pNN_<别名>/编写part.md,外加<系列>/README.md,其中包含分析和分集表格。 - 将系列文件夹添加到
build_part.py的SERIES列表中(包含开场和结尾)。 可选:将徽标标记添加到kinetic.py的MARKS中。 - 检查旁白:
.venv/bin/python build_part.py <part dir> --lint并修复所有问题。 旁白:无需回顾、无需欢迎,直接进入主题;无符号或代码;拼读缩略词以便语音合成;节奏最多 45 个单词。
3. 场景
每部分都有一个定义 SCENES 的 scenes.py。两种风格(参见 examples/):
- 声明式舞台块(推荐,快速):
SCENES = K.part(word, tag, chips, [[blocks...], ...])使用Track, Pipe, Rows, Code, Lanes, Bars, Ring, Fan, Chips, Big, Note。cue 是一个单词前缀 (从块的上一个 cue 之后搜索),(word, beat)或一个节拍数字。示例:examples/p03_*。 - 手写
Scene类用于块无法表达的隐喻。示例:examples/p01_*。 按口语顺序列出 cue 单词,否则 cue 会返回MISSING。
4. 检查,然后渲染
.venv/bin/python kinetic_build.py <part dir> --stills /tmp/pNN.png # 联系表 + cue 报告
.venv/bin/python kinetic_build.py <part dir> --out <series>/output # 最终 <slug>_voiced.mp4
.venv/bin/python cue_scan.py <series>/p*_* # 纯文本同步检查
在最终渲染之前修复每个 MISSING 的 cue 和 overflow。对于整个系列,先渲染前两部分并获得用户对视觉效果的确认,然后以每次 3 个的方式在后台渲染剩余部分(xargs -P 3)。
5. 报告
一张表格:MP4 链接、主题、时长、最长静默(目标低于 1 秒)。在系列 README 中标记已渲染的部分。明确说明哪些未检查(帧未查看、音频未收听)。
禁止
- 盒子并排、边缘装饰条、小字体或烧录字幕。
- 提出每视频单独校准语音;同步是基于单词时间的通用方案。
- 直接编辑
engine_short.py;build_part.py会在内存中打补丁。