通用动效(Canvas + Web Audio → MP4)
一个不限格式、品牌、领域或旁白的视频。如果项目已有用本技能制作的视频,复制其文件夹到 videos/<名称>/(或用户指定的位置),删除旧视频的内容(assets/、voice.wav、timings.json、words.json 以及 MP4 文件),然后重写 video.html 中的场景:导出器、本地服务器和 buildAudio 均能正常工作。如果没有,则在该文件夹中创建以下文件。
| 文件 | 作用 |
|---|---|
trim-audio.mjs | (仅限有旁白时)去除静音 → 归一化的 voice.wav + timings.json |
video.html | 动画:在 Canvas 上绘制 render(t) + Web Audio 音轨/效果。在 Chrome 中打开即可预览(带声音) |
export.mjs | 无头 Chrome 逐帧绘制 → ffmpeg → MP4。--quadros 0.2,9.5,… 仅截取图片用于审核 |
assets/ | 视频使用的图片(Logo、截图、照片) |
需要:C:/Program Files/Google/Chrome/... 中的 Chrome(或设置 CHROME= 环境变量)、PATH 中的 ffmpeg、Node 24。无需 npm install。
复制时需要调整的内容
- 格式:
video.html中的W、H和<canvas width height>、CSS 的aspect-ratio以及export.mjs中的--window-size(需大于 Canvas)。常见尺寸:1080×1920(Reels/Stories/Shorts)、1080×1350(信息流 4:5)、1080×1080(1:1)、1920×1080(YouTube/演示)。 - 输出文件名:
export.mjs中的OUT(video-<名称>.mp4)和--user-data-dir的前缀。 - 时长:
TOTAL。有旁白时,为裁剪后语音的时长;无旁白时,与用户商定(片头 3–6 秒,介绍 5–10 秒,讲解 30–90 秒)。 - 无旁白:删除
buildAudio中对voice.wav的加载和音乐闪避(ducking);音轨保持全音量(≈0.6–0.75)。完全无声:跳过renderAudioWav,仅导出视频(加-an参数)。 - 视觉:颜色和字体来自用户品牌(询问用户或从项目读取)。将所有视觉常量定义在顶部(
COLORS、FONTS);场景中不得出现硬编码的颜色。 - 安全区域:9:16 → 内容位于 y≈200 到 y≈1600 之间,两侧留 90px(Reels 界面)。4:5 和 1:1 → 边距 60px。16:9 → 5% 边距(标题安全区)。
用户交互流程(简单说明)
- 最多 6 个问题,一次问一个(如果代理有提问工具,如 AskUserQuestion,则使用;提供 3 个选项,推荐选项排第一)。仅询问无法推断的信息:格式/发布平台、是否有旁白、时长(若无旁白时)、风格、品牌/颜色(若项目中未指定)、背景音乐和片尾号召。
- 分镜表(时间 | 台词或文字 | 画面内容)。等待用户确认后再绘制。
- 发送审核截图,然后交付 MP4 文件。
音频(有旁白时)
node trim-audio.mjs "<录音文件>":使用 silencedetect 参数 -35dB/0.25s,前后留白 0.08s/0.14s,并应用 loudnorm。检查语音平均音量接近 -19 dB(使用 volumedetect)。- 每个词的时间:使用 Whisper(
whisper-1、verbose_json、timestamp_granularities[]=word、正确语言),密钥由用户提供,仅通过环境变量传入,绝不保存。快速词语有时会具有相同时间戳:手动分散。 - 屏幕上的文字跟随语音内容。若与书面脚本不一致,需告知用户。
动画(video.html)
- 所有内容源自
render(t):相同的t始终生成相同的帧。随机性仅通过mulberry(seed)实现;禁止使用Math.random()或Date进行绘制。 - 时间常数定义在顶部;音效(
soundEvents)读取相同的常数,因此画面和声音不会脱节。 - 场景:
SCENES = [[start, end, fn]],入场约 0.3 秒,出场约 0.22 秒,过渡覆盖切换。避免硬切。 - 逐词文本:
drawWords。词间距 =0.28 * size(若为 0.24,斜体会粘连)。根据格式调整size:16:9 时文字更宽、更小。 - 持续运动:任何场景静止不超过 0.5 秒(背景灯光、轻微摄像机缩放、颗粒效果)。
- 第 0 帧 = 封面:t=0 时已有可见内容(使用负时间的入场);避免以白屏开始。
- 字体:在首次
render前使用document.fonts.load(...)加载每种字重;window.ready等待字体和图片加载完成。 - 图片通过 HTTP 加载,绝不使用
file://(否则 Canvas 会被“污染”,导致toDataURL失败)。export.mjs已内置本地服务器。 - 客户 Logo 始终作为图片加载,不得重新绘制。
声音(Web Audio)
buildAudio(ac, voice, t0)同时用于预览(AudioContext)和导出(OfflineAudioContext→ WAV)。- 合成音轨(Pad、贝斯、底鼓、镲片);根据氛围调整 BPM(≈80 平静、≈96 标准、≈120 活力)。有旁白时:音乐音量 0.22 置于人声之下。音效:过渡时的 whoosh、元素入场时的 pop、计时时的 tic。所有音频经过压缩器处理。
- 输出应用
loudnorm=I=-14:TP=-1.5(社交媒体标准)。对于 YouTube/演示场景,-14 同样适用。
导出与审核
cd videos/<名称>
node export.mjs --quadros 0,2,5,9 # 截图保存至 review/
node export.mjs # 生成 MP4
- 导出前检查截图。 生成拼贴图:复制为
seq_00.jpg…并执行ffmpeg -i seq_%02d.jpg -vf "scale=400:-1,tile=7x2"(Windows 不支持 glob)。 - 检查清单:文字重叠、文字粘连、内容超出安全区域、第 0 帧为空、场景静止、数字缺少千位分隔符。
- 生成 MP4 后:使用
ffprobe检查(分辨率正确、30fps、h264+aac)、ebur128检查(≈ -14 LUFS)、从生成的 MP4 中截取帧(-ss)。告知用户已测量音量但未实际试听。 - 不要将
mix.wav和review/纳入版本控制(如果是新文件夹,请检查.gitignore)。
内容
- 仅使用用户提供的真实证明、数字和推荐。不得编造。
- 若视频为广告,涉及收益承诺(如“最多 4 倍”、“每日收入 X 元”)可能被 Meta 拒绝。请提前告知用户。