音乐转视频 — 一个基于音乐、节奏同步的视频工作流
使用此技能将音乐曲目转换为节奏同步的 HyperFrames 视频。您只需分析曲目一次、布局帧、填充每帧计划,并将每一帧构建为一个合成。输入是一首音乐曲目加上可选的用户图像或视频 — 没有旁白,也没有网站捕获。排版和模板是最低要求(完整视频不需要任何素材);用户提供的任何媒体都会在同一个节拍网格上被切割进来。
您是编排器。在 videos/<project>/ 目录下工作。按顺序运行步骤,并在继续之前通过每个关卡。有两个步骤需要用户参与:步骤 3(计划批准)和步骤 6(渲染批准)。除了步骤 4(在此步骤中您为每帧分派一个子代理)之外,其它所有步骤都由您自己完成。将设计和运动规则保留在此文件之外 — 它们位于 references/ 和 frame-worker 子代理中。
SKILL_DIR = 此技能目录。PROJECT_DIR = videos/<project-name>/。
工作流:步骤 0 设置 → hyperframes.json + assets/bgm.mp3;步骤 1 分析 → audiomap.json;步骤 2 骨架 → STORYBOARD.md(帧、组 TBD);步骤 3 计划 → 完整的 STORYBOARD.md + frame.md;步骤 4 构建 → compositions/frames/NN-*.html;步骤 5 组装 → index.html;步骤 6 渲染 → renders/video.mp4。
两个贯穿始终的理念
- 一个分析器,并且您信赖它。
analyze-beatgrid.py是唯一的节拍分析器 — 绝不要用其他工具或耳朵重新测量节拍。它的能量/密度/滚动/起始/静音始终可靠。它的bpm和beats_sec仅当音乐真正有节奏时才可靠;在平静的音乐上,网格是跟踪器强加的节拍器,因此改为根据乐句和能量调整节奏,并且绝不要硬切到它。判断您处于哪种情况是每帧的pacing(步骤 2)。 - 一帧 = 一个文件;组在其中。 步骤 2 将曲目切割成帧,每个帧成为一个合成文件
compositions/frames/NN-<frame_id>.html,由一个 frame-worker 构建。一帧可以细分为组(每个组是一个模板或运动原语组合)。额外的密度放在_组内_,因此帧数追踪不同的处理方式,而不是节拍 — 快节奏的曲目不会增加子代理的数量。
步骤 0:设置、BGM 和输入
目标:确定音乐源,创建 HyperFrames 项目,并记录用户提供的任何媒体。
音乐是核心 — 在任何其他操作之前先确定一首曲目。此技能针对快速、高能量的 BGM 进行了调整:强大的节拍网格驱动剪切(平静的曲目也可以,但根据乐句而不是节拍调整节奏)。如果用户给了您音频 — 一个音乐文件,或一个要从中提取音频的视频 — 请使用它。如果没有,则生成一个:根据用户的描述选择情绪(例如“驾驶型合成波”、“陷阱节拍”、“欢快的企业音乐”),并通过 /hyperframes-media(references/bgm.md — 有凭据时使用 HeyGen 检索,否则使用本地 Lyria/MusicGen;ElevenLabs 或其他生成器也可以)制作一个曲目。在生成之前,运行 npx hyperframes auth status 并逐字输出其结果(不要转述或重写) — 它会显示 BGM 是来自 HeyGen 还是本地 MusicGen,如果未登录,则会显示如何登录。如果未登录,请停止并等待用户选择 — 登录,或使用本地 MusicGen 离线继续 — 然后再生成曲目;不要将密钥写入每个仓库的 .env 文件中。(在自治模式下,记录状态并离线继续)。请参阅 /hyperframes-media → Preflight 以获取权威指南。无论哪种方式,曲目都会放置在 assets/bgm.mp3。暂存用户提供的任何图像或视频,以便帧可以在节拍网格上整合它们;否则排版承载整个视频。
仅当 hyperframes.json 缺失时才初始化。根据简介以 kebab-case 命名 <project>,例如 midnight-drive-loop — 绝不要使用时间戳。init 会检查已安装的技能与 GitHub 上的最新版本,并更新任何过时的全局技能集。
npx hyperframes init "videos/<project>" --non-interactive --example=blank
mkdir -p "$PROJECT_DIR/assets" "$PROJECT_DIR/renders"
cp "<user-music>" "$PROJECT_DIR/assets/bgm.mp3" # 如果需要,先从视频中提取
# 仅当用户给了您图像/视频时:
node <SKILL_DIR>/scripts/stage-assets.mjs --from <dir> --hyperframes "$PROJECT_DIR" --into public
品牌(字体 + 调色板)在步骤 3 中选择,而不是在这里。不要预先选择流派或曲目类型 — 素材只是一个可选成分,流派从每帧的选择中涌现。
关卡: hyperframes.json + assets/bgm.mp3 存在;已记录宽高比/时长/帧率以及(如果有)素材清单。
步骤 1:分析音乐
目标:生成整个视频所基于的唯一的权威时间分析。
analyze-beatgrid.py 是唯一的节拍分析器 — 绝不要用其他工具或耳朵重新测量节拍。它读取曲目一次并写入 audiomap.json:能量阶段(等级/密度/感觉)、起始 + onset_rate、滚动、静音、hard_stops、key_moments、乐句、节奏/网格以及 audio.duration_sec。它是确定性的 — 相同的文件总是给出相同的映射。大多数字段在任何音乐上都是可靠的;bpm 和 beats_sec 仅当音乐真正有节奏时才可靠,判断这一点是您在步骤 2 中做出的决定。
先决条件:Python 3 安装了 librosa、numpy 和 soundfile。如果导入失败,请在运行分析器之前将它们安装到活动 Python 环境中:
python3 -m pip install librosa numpy soundfile
python3 <SKILL_DIR>/scripts/analyze-beatgrid.py "$PROJECT_DIR/assets/bgm.mp3" \
-o "$PROJECT_DIR/audiomap.json" --print
关卡: audiomap.json 存在;audio.duration_sec 已知。
步骤 2:帧骨架(仅结构)
目标:读取音乐并布局帧 — STORYBOARD.md 的骨架。
阅读 references/frame-skeleton.md。您自己将 audiomap.json 转换为 STORYBOARD.md 的骨架 — 没有中间 JSON。在真实的音乐变化处将曲目切割成帧(hard_stops、SURGE/DROP key_moments、滚动的边缘、没有起始的片段、大的能量跳变),将每个边界对齐到音频映射锚点。为每个帧设置 span_sec、pacing(来自步骤 1 信任判断的裁决 — 当网格是真实时使用 beat_cut,当它是强加在平静音乐上的节拍器时使用 phrase_flow)、mood 和一行 feel(步骤 3 用于匹配模板的纯音乐情况)。在此仅分类和布局:将每帧的 ### Groups 保留为 TBD (Step 3),并将 frontmatter style 留空 — 没有模板、文案、颜色或字体。预计大约 1–6 帧。
关卡: 帧铺满曲目(第一帧在 0,最后一帧在 duration_s);每帧带有 span_sec + pacing + mood + feel;每个 ### Groups 都是 TBD;任何地方都没有内容。
步骤 3:填充计划(用户把关)
目标:将骨架转变为已批准的完整 STORYBOARD.md。
阅读 references/planning.md、storyboard-format.md、template-catalog.md、motion-primitive-catalog.md 和 montage.md(仅当用户提供了素材时)。在适当位置编辑同一个文件,执行两项操作:
- 选择品牌。 从
../hyperframes-creative/frame-presets/中使用../hyperframes-creative/references/design-spec.md中的表格选择一个预设(匹配曲目的情绪;只有它的字体和颜色重要 — 模板拥有构图)。将其原封不动复制到frame.md,并从中填充 frontmatterstyle(字体 + 一个 ≤4–6 色板调色板)。 - 填充每一帧。 决定其组,并为每个组提供一种处理方式:来自目录的匹配模板(带有绑定参数和真实音频映射锚点)、来自原语目录的自由组合、或遵循
pacing的素材处理。编写文案。您拥有什么(模板/原语 + 内容 + 锚点);frame-worker 拥有如何 — 永远不要将毫秒级的补间写入故事板。
node <SKILL_DIR>/scripts/validate-plan.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
--audiomap "$PROJECT_DIR/audiomap.json" --templates <SKILL_DIR>/references/templates
修复每个 ✗(硬错误:时长不匹配、帧未铺满曲目、缺少 src);警告为尽力而为。然后向用户显示逐帧摘要,并进行迭代直到他们批准。
关卡: frame.md 是逐字复制的预设;validate-plan.mjs 退出码为 0;用户批准了计划。
步骤 4:从计划构建帧
目标:将每个帧构建为一个独立的合成文件。
创建 compositions/frames/。阅读 sub-agents/frame-worker.md 和 ../hyperframes-core/references/subagent-dispatch.md。为每帧分派一个 frame-worker,尽可能并行(否则分批)。每个 worker 精确地获取一帧和此上下文:
PROJECT_DIR: <绝对路径>
frame_id: <NN-frame_id> # = 帧文件名主干,例如 02-f2;合成 id
您的块:PROJECT_DIR/STORYBOARD.md 中的 `## Frame N — <frame_id>` 块
audiomap:PROJECT_DIR/audiomap.json
frame.md:PROJECT_DIR/frame.md
素材:对于每个组,<SKILL_DIR>/references/templates/<id>/index.html(模板)和
<SKILL_DIR>/references/motion-primitives/<id>/(自由);暂存的 assets/(素材组)
合同:../hyperframes-core/references/sub-compositions.md + determinism-rules.md
画布:<宽>×<高> 节奏:<beat_cut|phrase_flow>
写入:PROJECT_DIR/compositions/frames/<frame_id>.html
worker 分叉引用的素材,将每个锚点转换为帧本地秒数(local_t = track_t − span_sec[0]),使用 0ms 剪切对其组进行门控,并写入一个可寻址的帧文件。worker 绝不运行 hyperframes CLI — 那些命令操作已组装的项目,该项目尚不存在,因此他们会报告错误的文件。worker 仅写入合同并停止;您在组装后验证(步骤 6)。当每个 worker 返回时,您可以确认其文件已存在于磁盘上。
关卡: 每个帧都有其 compositions/frames/NN-*.html 文件在磁盘上。
步骤 5:组装
目标:将构建的帧 + BGM 连接到可播放的 index.html 中。
assemble-index.mjs 是确定性的 — 没有子代理,没有判断。它在其累积的 data-start 处引用每个帧文件,将 assets/bgm.mp3 挂载在轨道 11 上,并硬切帧 → 帧(帧铺满曲目,没有间隙,因此没有过渡注入器)。
node <SKILL_DIR>/scripts/assemble-index.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
--hyperframes "$PROJECT_DIR" --audiomap "$PROJECT_DIR/audiomap.json"
修复它报告的任何 ✗ — 缺少或空白的帧文件意味着该 worker 写入了部分文件;重新分派它(步骤 4)并重新组装。
关卡: index.html 存在;总时长 == audiomap.audio.duration_sec。
步骤 6:验证并渲染
目标:验证组装的视频,获得用户批准,并渲染最终的 MP4。
在已组装的项目上运行 CLI — 这是正确的单元(每帧的 worker 无法运行它)。lint 检查结构,validate 运行无头 Chrome(捕获 JS 错误和缺少的素材),inspect 快照帧。
( cd "$PROJECT_DIR" && npx hyperframes lint . && npx hyperframes validate . && npx hyperframes inspect . )
在 t=0、每个帧开始处、最强的 DROP/SURGE、每个 hard_stops[].t 以及最后一帧进行检查。如果失败,由您自己进行最便宜的安全修复:编辑有问题的 compositions/frames/NN-*.html。绝不要更改时长或音频时序来隐藏同步问题。一旦所有关卡通过,暂停等待用户审查,然后仅在批准后渲染:
( cd "$PROJECT_DIR" && npx hyperframes render . --skill=music-to-video -q draft -o renders/video.mp4 --fps 30 )
关卡: lint/validate/inspect 通过;用户批准;renders/video.mp4 存在且带有音频,时长 == audiomap.audio.duration_sec。最终回复应声明 MP4 路径和时长。
恢复表
| 您拥有 | 从中继续 |
|---|---|
仅有 assets/bgm.mp3 | 步骤 1 |
audiomap.json | 步骤 2 |
STORYBOARD.md(骨架) | 步骤 3 |
STORYBOARD.md(完整) | 步骤 4 |
| 所有帧文件 | 步骤 5 |
index.html | 步骤 6 |
快速参考
格式: 默认为横向 1920x1080;纵向 1080x1920;方形 1080x1080。在故事板 frontmatter 中一次性地设置画布(canvas: { w, h, fps })。
脚本位于 scripts/ 下:analyze-beatgrid.py(唯一分析器)、validate-plan.mjs(计划检查器)、assemble-index.mjs(索引组装器)、stage-assets.mjs(暂存用户媒体)、lib/storyboard.mjs(供应商解析器)。其他所有内容都是 hyperframes CLI。
| 阅读 | 何时 |
|---|---|
references/frame-skeleton.md | 步骤 2:读取音乐、布局帧、设置节奏 |
references/planning.md · storyboard-format.md | 步骤 3:选择品牌、填充每帧、编写计划 |
references/template-catalog.md | 步骤 3:为每个组选择一个模板 |
references/motion-primitive-catalog.md | 步骤 3:为每个组选择运动原语 |