开发日志 & 高留存 Shorts 编辑技能（81 视频逐帧法医版）

一个完整的生产手册和 Python/OpenCV/PIL 60fps 逐帧合成系统，用于创建病毒式传播的 YouTube Shorts、TikTok 开发日志和游戏宣传片。源自对 Vedinad（全部 28 个 Shorts + 2 个长视频）、Danidev（15 个开发日志、Dani2 视频和 DaniClips shorts）、Wishbone Games（10 个 Shorts 和开发日志）、c dev（14 个 Shorts 和开发日志）、SSundee（5 个开场钩子）以及 7 个病毒式参考 Shorts（tt_wynge、ref5、story_video、speed_main、speed_rivals、speed_toh、speed_flop）共 81 个视频（162 个联系与钩子表） 的 逐帧法医分析。

1. 七条不可协商定律（基于逐帧证据）

禁止持续存在的顶部标题横幅：
- 永远不要在视频顶部固定一个宽的静态矩形标题横幅。在全部 15 个 Danidev 视频、10 个 Wishbone 视频、14 个 c dev 视频、5 个 SSundee 视频和 7 个参考 Shorts（tt_wynge、ref5、story_video、speed_*）中，没有一个使用持续存在的顶部标题横幅。
- 即使在 Vedinad 的 Shorts 中，许多（例如 PvmyoTRTKho、qEOSXthsSUU）根本没有顶部文字，或者使用一个紧凑的、临时的原生 TikTok 文字贴纸，该贴纸会根据场景消失或变化（0–4s 钩子 -> 在 B-roll 期间消失 -> 临时出现 "等等看..." -> 消失）。永远不要用永久性横幅覆盖顶部的游戏 HUD。
真正的逐帧钩子架构（0.00 秒 – 2.50 秒）：
- 原型 A — 在干净网格或模糊背景上的逐词动画评论/Discord 卡片（Vedinad / Dani / c dev）：
  - 以干净的对角滚动蓝色平铺网格（#1A66CC 到 #2B82F6）、深色石板网格（#12131A）或重度模糊的游戏画面（GaussianBlur(25)）开场。
  - 一个 3D 倾斜的 YouTube 评论卡片或深色 Discord 消息（#313338）以 1.0x 比例（-3.5° 到 -5° 倾斜）开始。当评论文字逐词输入并与画外音同步时（0.00s–1.60s），虚拟摄像机放大（1.0x -> 2.0x）并从左到右水平平移，追踪每个单词。
  - 在 1.60s–2.10s 时，摄像机快切回 1.0x（将倾斜翻转到 +3.5°），显示 1-2 个单词的叙述者反应（例如 "UH OH"、"OKAY.."、"BRO..."、"CHALLENGE ACCEPTED"），并在 2.00s–2.50s 时通过硬切完全消失。
- 原型 B — 高冲击力动效图形/计数器冲击钩子（tt_wynge / c dev rcS9EkA_pco / Wishbone）：
  - 立即以一个全屏 3D 倾斜的 UI 卡片、正在消耗/跳动的状态条（$8,356 -> $0 或 0 -> 278,824）或 1 个单词的居中屏幕霓虹光冲击（"这" -> "Roblox" -> "游戏"）开场，并伴有 RGB 色差和屏幕震动。
每 1.0 秒 – 1.7 秒切换媒介与 B-roll 切入（每分钟 35–55 次剪切）：
- 仅靠原始游戏画面，即使有缩放剪辑，如果不通过全屏图形模式中断来打断，也会导致观众疲劳。每 4-6 秒紧凑的游戏画面必须通过以下 5 种标志性的开发日志切入之一来点缀（持续 0.6s–1.8s）：
  1. 黑屏面无表情文本冲击（#000000）： 纯黑屏幕，居中文本冲击出现（例如 "但事情变得更糟"、"它变得更疯狂了"、"所以是的"、"等等看..." 或小写的面无表情 "rip bean"）。
  2. 黑屏编号开发清单： 在纯黑屏上输入一个 3-4 项的列表（例如 "1. 构建情绪工厂"、"2. 雇佣暴躁工人"、"3. 10x 闪电风暴"、"4. 盈利？？"）。
  3. 3D 透视倾斜的代码 / 工作室检查器卡片： 以 3D 透视角度倾斜（cv2.warpPerspective）的深色 IDE（#0D1117）或检查器卡片，包含语法高亮的喜剧代码（例如 cube.Value *= 10; // 平衡 lol）或变速打字（400%–800%）。
  4. 动画数字计数器 / 倍数卡片： 一个深色模糊的卡片，上面巨大的计数器快速向上跳动（如 1x -> 10x -> 1,000x 或 $0 -> $1,000,000,000），并带有发光的进度条。
  5. 堆叠稀有度 / 层级阶梯卡片： 垂直堆叠的颜色编码水平药丸条（如 快乐 $5 -> 暴躁 $75 -> 愤怒 $400 -> 震惊 10x -> 升华 $10,000）依次弹出。
干净、紧凑的游戏画面裁剪（零杂乱的菜单）：
- 当将 16:9 游戏画面裁剪为 9:16（1080x1920）时，永远不要包含意外的设置弹出窗口、存档槽对话框或微小的、无法阅读的侧边栏。
- 紧密裁剪（缩放 1.35x–1.85x）到活动焦点上：角色、传送带物品、物理碰撞、Boss 激光或漂浮的伤害/金钱数字。使用微妙的顶部/底部深色渐变遮罩（alpha 0.0 -> 0.55），使动态排版获得 100% 的对比度。
巨大且高对比度的动态排版（95pt – 160pt）：
- 绝不要使用埋在屏幕底部的小型 50pt–60pt 字幕。
- 标准游戏画面位置： 中下方安全区（Y = 1280 到 1380，距顶部 67%–72%）——干净地坐落在中心角色动作下方，并远在底部 UI 栏（Y > 1550）之上。
- 全屏卡片 / 冲击位置： 正中央（Y = 860 到 980，距顶部 45%–51%）。
- 样式： 厚重的几何无衬线字体（Segoe UI Black、Montserrat Black、Arial Black），全部大写，最多 1 到 3 个词（或双层堆叠的冲击复合词如 "情绪大亨"、"10倍震惊价值"），12px–16px 实心 #000000 描边 + 深阴影 + 可选彩色霓虹外发光（红色、金色、霓虹绿、青色）。
- 弹跳与模糊入场： 每个单词块以 4 帧的弹跳超调出现（70% -> 116% -> 100%），并在快速过渡时可选 1 帧的水平定向运动模糊。
清晰、自然的浏览器配音（零机器人 Edge-TTS）：
- 绝不要使用平淡、金属感的 CLI 合成器（edge-tts 或 OS SAPI）。
- 通过集成的 Chromium 浏览器（使用 Playwright） 生成配音，使用富有表现力的神经语音引擎（例如，当未被屏蔽时，使用自定义配音提示的 https://www.openai.fm 或浏览器 ElevenLabs），然后运行 purge_silence.py 删除所有 > 80ms 的停顿，并使用 Whisper（words.py）提取精确的逐帧单词时间戳。
无缝无限循环（口头 + 视觉）：
- 视频的最后 1.0s 绝不能淡出或说 "感谢观看，请订阅！"。相反，以一个突兀的喜剧性剪切或未完成的语法从句结尾（例如 "...这就是为什么人们一直在说..."），该结尾直接过渡回第 0 帧（例如 "...你不可能造出一个能种植真情绪的工厂！"）。

2. 端到端生产流程

步骤 1：浏览器配音生成与单词时间戳

编写一个紧凑的 30–38 秒脚本（95 到 125 个单词，语速 185–210 WPM），结构化为 5 个快速场景，并以无限循环结束。
通过 Playwright Chrome（scripts/generate_browser_tts.py）生成清晰、富有表现力的音频，清除 > 80ms 的死区（scripts/purge_silence.py），并使用 words.py 提取精确的单词级时间戳。

步骤 2：逐帧 60fps OpenCV + PIL 合成器

不要依赖静态的 FFmpeg 叠加滤镜，而是使用逐帧 Python 合成器（cv2 + PIL + numpy）以 1080x1920 @ 60fps 渲染视频，该合成器计算精确的每帧动画数学（ease_out_back、ease_in_out_cubic、3D 透视扭曲、摄像机抖动、RGB 故障分裂和粒子叠加）：

0.00 秒 – 2.20 秒（第 1 幕 — 评论缩放钩子）： 动画蓝色/深色网格背景 + 3D 倾斜评论卡片逐词输入，同时缩放 1.0x -> 1.85x 并在单词间平移，在叙述者反应时快切回。
2.20 秒 – 8.50 秒（第 2 幕 — 前提与核心循环）： 紧凑的平移和扫描游戏剪辑（每个 1.1s–1.5s），穿插3D 倾斜的 Luau/C# 脚本卡片和黑屏编号开发清单。
8.50 秒 – 21.0 秒（第 3 幕 — 机制升级与协同作用）： 快速展示升级/工人/协同作用的游戏画面，穿插黑屏面无表情冲击（例如 "但事情变得更糟"）和5 层堆叠的稀有度/情绪阶梯卡片。
21.0 秒 – 31.0 秒（第 4 幕 — 天气/Boss 高潮与动画计数器）： 高强度事件游戏画面（例如，雷暴 10x 闪电打击、血月深红方块、液压压实机），配合跳动的倍数/金钱计数器卡片（如 $1 -> $1,000,000,000）和全屏冲击闪光。
31.0 秒 – 34.5 秒（第 5 幕 — 行动号召与无缝循环结尾）： 清晰的游戏标题/游玩行动号召卡片，在语句中间过渡回第 0 帧。

步骤 3：超压缩音频混音（`-14 LUFS`，`LRA 3.1 LU`）

将静音清除后的配音（0 dB）与音量降低的乐观背景音乐（配音下 -20 dB）和真实的免版税音效（Pixabay / MyInstants / Kenney——绝不要用 AI 生成的噪音）混合：

键盘打字声与钩子评论卡和清单卡上出现的每个单词同步。
清晰的嗖嗖声伴随每一次摄像机放大和 3D 卡片翻转。
砰/木棍声伴随关键词字幕的出现。
贝斯轰隆声 / Vine 轰隆声伴随黑屏面无表情冲击和高潮揭示。
金钱叮当声 / 雷声伴随计数器完成和倍数击中。

3. 详细法医参考手册

创作者分解与 81 视频法医档案： 从所有 30 个 Vedinad 视频、15 个 Danidev 视频、10 个 Wishbone Games 视频、14 个 c dev 视频、5 个 SSundee 视频和 7 个参考 Shorts 中提取的每个创作者完整规则。
钩子架构与留存循环： Vedinad/Dani 评论缩放钩子、tt_wynge/c dev 动效图形钩子和无限循环脚本的精确逐帧数学计算。
动态字幕与排版规格： 字体大小（95pt–160pt）、1-2 行堆叠、弹跳超调曲线、定向模糊涂抹和语义发光/调色板。
节奏、切入与 B-roll 工程： 所有 81 个视频的 ASL 指标、黑屏文本冲击、3D 倾斜代码卡片、稀有度阶梯和 9:16 平移扫描构图规则。
声音设计、浏览器 TTS 与音频母带处理： Playwright 浏览器 TTS 生成、静音清除、音效同步图和 -14 LUFS 母带处理链。

4. 质量门与视觉验证检查清单

在交付任何渲染的 Short 之前，生成一张 60 帧联系表 + 一张 24 帧 4fps 钩子表，并使用 view_file 检查两者：

无持续顶部标题横幅： 确认视频顶部没有固定的白色/黑色横幅。
第 0-60 帧钩子运动： 开场的评论卡片或动效图形钩子是否在 0.0s–2.2s 内逐词输入并缩放/平移，然后完全消失？
干净的游戏画面裁剪： 100% 的游戏画面镜头是否没有意外的 设置、存档 或杂乱的菜单弹出窗口？
视觉媒介多样性： 视频是否至少每 4-6 秒在紧凑的游戏画面和全屏图形切入（黑屏冲击、3D 代码卡、动画计数器、层级阶梯）之间切换？
超大且清晰易读的排版： 字幕是否为 95pt–150pt，带有粗体黑色轮廓/发光，位置是否安全地位于安全区（Y = 1280–1380 或图形卡片上居中 Y = 880–960），且不与底部 UI 按钮重叠？
配音清晰度： 配音是否通过浏览器神经 TTS（而非机器人 CLI edge-tts）生成，并且所有 > 80ms 的停顿是否已移除？

IAmCosmin-YT/emotion-factory-devlog-shorts

emotion-factory-devlog-shorts 是什么？

在你喜欢的 AI 中提问

文档