吸引人的独白 (16:9) 是做什么的？

参考：Ali Abdaal, “How I'd Create Content in 2026 (If I Had To Start Over)” (youtu.be/A8PxRHQrLJ8, 16 分钟, 1080p)。动态语言复制自该视频。外观采用 FringeLines v2.1 套件： My Drive/FringeLines Design System files/Fringe Lines Design system v2_1/ 以及 …/handoff/fringelines-tokens.css 中的标记。

参考视频的构成

以每2秒1帧的频率测量，并在过渡附近进行密集采样。

约55%为纯讲述头部镜头。 一个固定机位，中景。跳跃剪辑每约5秒一次（中位数）：16分钟内约122次剪辑。每次剪辑在全景和推进镜头之间交替，使剪辑显得有意为之。
两种布局，仅此两种：
1. 全屏演讲者，上面叠加各种元素：姓名下方三分之一标题、左上角带有小标签胶囊的彩色标注卡片、底部白色衬线句子、头部附近的小彩色标签，以及底部中央的赞助商/CTA按钮胶囊。
2. 纸画布。 演讲者缩小为 肖像画中画（圆角、白色边框、右侧，约400×560），同时图形在暖色调的米白色页面上构建，并带有一个细微的弧线。画布承载动态句子、编号路线图卡片、胶囊图示、金字塔，以及带圆角卡片形式的截图或B-roll，卡片下方有说明文字。
无持续字幕。 屏幕上的文字是精选的。一次只显示一个句子，与语音逐词同步显现。每个词从模糊逐渐清晰。关键短语会改变颜色。
图示随着每个项目被说出而逐步构建。 胶囊以轻微过冲效果弹出。金字塔层从上方落下。
在图形内部移动摄像机视角。 5卡路线图在每个章节返回，放大至活动卡片并模糊其他卡片。
退出时使用模糊效果而非硬切。全屏↔画中画的切换是约0.4秒的快速缓和变形。
节奏： 每10-20秒一个新的视觉创意，每节一个强调时刻（黑白），以及在每个人首次出现时显示下方三分之一标题。
音效： 布局变化时使用柔和的嗖嗖声，项目落下时使用轻快的弹出声，声音始终低于人声。

如何映射到 FringeLines（不要偏离此表）

参考	FringeLines 版本
带有珊瑚色高亮的暖调衬线	所有显示文字使用 Instrument Serif。高亮是斜体短语，在纸上为墨蓝色 `#1A4F6B`，在视频中为白色。仅对关键数字使用橙色 `#D4622A`（`[7 AM]`，统计数字）。
胶囊中的圆角无衬线	胶囊、标签、列表项、堆叠标签使用 Archivo 500-600
小型大写标签	IBM Plex Mono 600，大写，+0.14em，≥ 22 px：眉标、标签胶囊、来源、元数据
珊瑚/红色渐变标注	套件渐变色：绿色（默认）、蓝色（第二个想法）、橙色（警告或“错误”）
柔和路线图卡片	绿色、蓝色和橙色水洗色、单色数字徽章和虚线橙色连接线
奶油色纸 + 弧线	纸张 `#F7F7F5`，带有一个细微的绿色水洗弧线
阴影	无。平面表面，2 像素细线 `#E3E5DF`，画中画白色边框，圆角 16-18
赞助商胶囊	白色 CTA 胶囊（fringelines.co / newsletter），带一个橙色单色“描述中的链接”标签
频道结尾	绿色结束卡片，Clip Slides 封面：单色眉标、橙色分隔线、衬线标题（带一个斜体短语）、Archivo 副标题、`● fringelines.co`

套件规则仍然适用：

每屏一个想法；
每屏一个橙色；
绿色是默认色，蓝色用于对比；
每个统计数字都有 source；
无小于 22 px 的内容。

组成部分

模板： pipeline/remotion/src/Monologue.tsx，Monologue 合成，1920×1080 / 30 fps。它重用 ShortV2.tsx 中的人脸追踪。
构建脚本： pipeline/build_monologue.py，包含两个步骤：cut 和 render。
工作文件夹： work/monologue/<slug>/ 包含 clip.mp4、props.json、transcript.txt、beats.json 和 faces.json。
输出： out/monologue/<slug>.mp4，标准化至 -14 LUFS。
工作示例： work/monologue/morning-loop-test/beats.json，来自 10 月 30 日剧集中 Quinn 的 62 秒剪辑。

1. 获取一段视频

单摄像机 16:9 录制，音频良好，单人，时长约 1-15 分钟。将其放入 inbox/monologue/<slug>/take.mp4。

要从剧集中提取一段独白片段，将摄像机画面与其工作室音轨混合。使用 build_short.xml_offsets 获取 Descript XML 中的偏移量；请参阅 morning-loop-test 的制作方式：

ffmpeg -ss <t0-videoOffset> -t <dur> -i Quinn.mp4 -ss <t0-audioOffset> -t <dur> -i studio-sound-Quinn.m4a -map 0:v -map 1:a … take.mp4

2. 剪辑

~/.shorts-skill/bin/python pipeline/build_monologue.py cut --slug <slug> --src inbox/monologue/<slug>/take.mp4 \
    [--range 12.0:95.5 --range 120:180] [--replace "gtm=>GTM" --replace "quick=>Quick"]

剪辑步骤的作用：

使用 Whisper 转录音频（缓存于 words-src.json）。
移除填充词、口吃和长时间停顿，使用与短视频相同的规划器。
在每次跳跃剪辑时交替使用推进镜头（1.0 / 1.12，以人脸为中心）。
写入 transcript.txt，包含 word@seconds 基于剪辑时钟。

--replace 仅修正用于计时显示的单词；不会自动添加任何字幕。

3. 编写 `work/monologue/<slug>/beats.json`

阅读 transcript.txt 并根据它规划节拍。

{"brand": "FringeLines", "beats": [
  {"type": "title",   "at": 0.2,  "end": 2.0,  "eyebrow": "FringeLines · Monologue", "text": "The *morning loop*"},
  {"type": "name",    "at": 2.1,  "end": 5.4,  "text": "Quinn", "role": "Host · Fringe Lines"},
  {"type": "chips",   "at": 3.0,  "end": 7.4,  "items": [{"text": "GTM loops", "at": 3.1}, {"text": "Coding loops", "at": 5.1, "tone": "blue"}]},
  {"type": "text",    "at": 7.6,  "end": 11.3, "eyebrow": "What's a loop?", "text": "Loop's just a *stated goal* and then it works *autonomously*"},
  {"type": "callout", "at": 11.5, "end": 16.2, "label": "The setup", "tone": "green", "text": "I use Quick Desktop with routines that execute at any time"},
  {"type": "overlay", "at": 16.4, "end": 18.3, "text": "I usually run it at [7 AM]"},
  {"type": "stack",   "at": 22.4, "end": 36.4, "title": "My core team · 4 people", "items": [{"text": "Account executive", "at": 25.6}, "…"]},
  {"type": "stat",    "at": 51.2, "end": 55.1, "kicker": "My regular account team", "value": 14, "text": "people I'm interacting with on a regular basis", "source": "Quinn's own count · Fringe Lines, Oct 30 2026"},
  {"type": "end",     "at": 58.4, "end": 61.4, "text": "Building the *morning loop*", "sub": "The full walkthrough is in this week's episode."}
]}

时间

时间是剪辑后片段的秒数。end（或 hold）关闭一个节拍，其退出效果会在 0.3 秒内模糊淡出。
文字与语音逐词同步显现。text 中的每个词都会在节拍窗口内与转录文本匹配。
- 逐字引用演讲者原话（轻微修剪是可以的）以确保同步正常工作。
- 如果文本是转述，则显现会回退为均匀分布。可通过 "reveal": "even" 强制此行为。
项目 at 时间默认为均匀交错排列。将其设置为每个项目被说出的时刻，大约在单词前 0.1 秒。

标记

*斜体高亮*：每屏一个短语。
[重音数字]：橙色，每屏一个，仅限数字。

节拍类型

演讲者全屏（叠加层）：

类型	字段	用途
`title`	`text, eyebrow?`	开场标题，覆盖在变暗的画面之上（前 2-3 秒）
`name`	`text, role?`	某人首次出现时的下方三分之一标题
`overlay`	`text`	底部白色衬线中说出的一句话：您希望观众记住的那句台词
`callout`	`text, label?, tone?, side?`	左上角（或右侧）的彩色卡片，带有一个单色标签胶囊：“Mistake #1”、“The setup”、“Rule”
`chips`	`items[{text, at, tone?}], side?, tone?`	2-3 个在头部旁边弹出的短标签：内心声音、名称、选项
`cta`	`text, sub?`	底部按钮胶囊：新闻通讯、剧集或优惠。通常出现在视频中间部分，一次。
`bw`	(无)	对演讲者的黑白强调；与 `overlay` 配合使用
`media` + `"full": true`	`src, video?, from?`	全出血 B-roll，演讲者显示在画中画中

纸画布（演讲者移至画中画）：

类型	字段	用途
`text`	`text, eyebrow?, align?`	动态句子：定义、论点、“唯一最重要的……”句子
`stack`	`items[{text, at, tone?}]` (从下到上), `title?`	金字塔或层次：基础→策略→回报、团队层次
`compare`	`title?, left{label, items}, right{label, items}, winner?`	A vs B：爱好 vs 收入，之前 vs 之后。失败方在接近结尾时变灰
`roadmap`	`items[{text}]` (≤6), `active?, zoom?`	视频的章节。开始时显示一次，然后为每个章节重用它，设置 `active` = 章节索引和 `zoom` = 何时放大
`steps`	`items[{text, at}], title?`	带有细线规则的编号列表：专家、工具、步骤
`stat`	`value, prefix?, suffix?, decimals?, kicker?, text, source`	一个数字，以橙色递增显示；必须提供 source
`media`	`src, title?, meta?, video?, from?`	圆角卡片中的截图或 B-roll，带有说明文字（标题 + 单色元数据行）。文件放入工作文件夹
`end`	`text, eyebrow?, sub?, url?, tone?`	绿色结束卡片（2-4 秒）

间隔小于 0.7 秒的纸画布节拍会保持在画中画布局中，以免演讲者来回跳动。

节奏规则（来自参考视频）

以 title 和 name 开场，两者都在前 5 秒内。
纸画布节拍占总时长的 35-45%。 视觉变化间隔不要超过约 20 秒，纸画布停留时间不要超过约 15 秒。
交替使用两种布局。不要连续使用两个 callout；在它们之间放入 text 或图示。
每拍一个想法。 保持 text 节拍 ≤ 14 词，标注 ≤ 16 词。
图示项目在所提及的单词处出现，切勿一次性全部出现。图示的第一个项目应在节拍开始后的约 1 秒内出现；否则节拍开始时间应更晚。
章节：
- 在介绍结束时显示一个 roadmap。
- 在每个章节开始时重用它，并设置 active。
- 每个章节以其关键句的 overlay 结束，最重要的一个使用 bw。
每 5 分钟最多一个 cta，切勿在前 30 秒内出现。
以 end 卡片结束。它可以持续到最后一个词之后。

诚信原则

屏幕上的数字必须与所说的一致，或者来源于 source 中命名的来源。
他人内容的截图需要在 meta 中注明来源。
不要将观点强加于演讲者：非引语的 overlay 或 text 节拍应表现为标签，而非演讲内容。

4. 渲染

~/.shorts-skill/bin/python pipeline/build_monologue.py render --slug <slug> [--sfx-db -22]

它会追踪一次人脸（faces.json；如果重新剪辑，请删除此文件）。
渲染时间随视频长度增长；在 Mac mini 上，1 分钟测试需要几分钟。
音效：每次布局变化时的嗖嗖声，项目落下时的弹出声，以及进入标题和结束卡片时的渐强音。将 --sfx-db 调高至约 -18 以获得更多能量感。

5. 质量检查（始终执行）

for t in 1.5 5 10 20 30 40 50 60; do ffmpeg -v error -y -ss $t -i out/monologue/<slug>.mp4 -frames:v 1 -vf scale=640:-1 /tmp/m_$t.png; done

检查以下各项：

文字： 无文字运行到画中画下方（纸画布区域结束于 x = 1320）。堆叠标签保持在一行内。
高亮： 无遗留的 * 或 [。每屏最多一个橙色。
面部构图： 面部在画中画中居中，推进镜头不会切掉头部。
显现时间： 显现与说出的单词同步。如果节拍显示模糊文字时间过长，则其 at 时间过早。
响度： ffmpeg -i out.mp4 -af ebur128 -f null - 2>&1 | grep " I:" 读取值约为 -14。

向用户报告：

时长和节拍列表（时间 → 类型 → 文字）；
仍需检查的内容：数字、姓名和截图来源；
任何回退为均匀显现的节拍（因为其文本非逐字引用）。

尚未构建

9:16 版本： 合成仅支持 16:9。如需竖版，请使用 editorial-short 技能剪辑一个短视频。
自动规划： 编写 beats.json 需要判断，因此由人工或基于 transcript.txt 的 Claude 完成。

吸引人的独白 (16:9)