播客开场白（冷开场）

长篇播客开场（冷开场）

视觉风格参考 Greg Isenberg 的长篇开场。其吸引力在于：

• 以最强力的台词开场，不要先展示标志。
• 每 3–6 秒切换一次画面。
• **让大约每隔一个片段成为切出：**演讲者滑入左侧卡片，同时图形落在右侧。
• **字幕保持简短：**1–3个词，橙色的关键词。
• **以标题卡结尾：**展示未来内容的卡片。

工作流是 pipeline/build_episode.py，由 work/<ep>/episode.json → intro 驱动。渲染使用 Remotion 的 IntroV2 合成（pipeline/remotion/src/IntroV2.tsx）；图形来自 Graphics.tsx。

1. 从剧集中挖掘剪辑片段（选出 8–10 个候选，保留 7–9 个）

• 读取转录文本（work/<ep>/words-*.json 或 Descript 的 .txt 文件），列出可在 6 秒内独立的台词。
• 按优先顺序：
  1. 一个硬数字：“支付 27% 的员工让他们离职”、“900% 的收入留存”。
  2. 一个大胆的主张或预测：“token 将会渗透到一切”。
  3. 一个忏悔或 relatable 的痛苦：“我对支付订阅费感到无比厌倦”。
  4. 一个有趣或情绪化的反应：“我会全力 token max”。
  5. 一句可引用的结尾：“超级智能的价值无法衡量”。
• **跨话题分布：**每个章节大约一个片段，两位主持人都要出现，至少有一个笑声。
• 排列集锦顺序：
  • 片段1是单个最强的钩子，通常是一个数字或主张。
  • 交替变换演讲者和能量。
  • 将最可引用的台词放在最后，紧接标题卡。
• 跳过：
  • 需要上下文的台词（“正如我所说”、“那张图表”）；
  • 超过约 6 秒的台词；
  • 有重叠对话的台词。
• **脏话：**仅当用户接受明确的开场时才保留，并在报告中说明。

2. 配置 episode.json → intro

"title": "FRINGE LINES",
"subtitle": "2026年10月30日",
"intro": {
  "style": "v2",
  "title": "Fringe Lines",
  "title_seconds": 4.5,
  "topics": ["晨间循环", "微软员工规模", "构建 vs 购买", "Token限制", "Google vs AI模式", "Anthropic的S-1", "AI支出"],
  "emphasis": ["27%", "leave", "900%", "retention", "sql", "agents", "tokens", "everything", "maxing"],
  "clips": [
    {"say": "microsoft just offered", "until": "employees to leave", "tag": "AI与就业", "replace": {"27": "27%"},
     "graphic_on": "27%", "graphic": {"type": "stat", "kicker": "微软买断报价", "value": 27, "suffix": "%", "label": "被提供离职补偿金的员工占比 *离职*"}},
    {"say": "tokens are going to seep", "until": "like the internet", "tag": "Token无处不在"}
  ]
}

• **say / until：**剪辑片段的开始和结束几个口语词，匹配时不区分大小写和标点。匹配发生在剧集中的第一次出现，因此 say 要具有辨识性（3–5 个词）。如果其他演讲者覆盖了该台词，匹配器会仅使用一位演讲者的词语重试。
• **pre：**在 say 之前的可选领先时间（秒）。
• **tag：**显示在左上角的话题标签及其编号。使用 1–3 个词。
• **replace：**字幕修正，例如数字、“sequel” → “SQL”，或 "a": "" 来隐藏某个词。
• **graphic + graphic_on：**切出图形大约在口语词 graphic_on 前 150 毫秒出现。
  • 可选的 graphic_off（一个较晚出现的词）可恢复至全帧画面。
  • 如果没有 graphic_off，则切出持续到剪辑结束。
• **切出数量：**为 3–5 个剪辑添加切出。选择含有数字、知名的公司或产品名称，或可引用台词的片段。对反应和笑声片段则保持全帧。
• 图形类型（与编辑短片相同）：
  • stat：一个计数数字，带有提示词和标签；
  • people：图标网格；
  • lines：示意图趋势线；
  • quote：墨水卡片；
  • headline：新闻式卡片，带有高亮扫描效果；
  • list：编号行。
  • 使用 *word* 表示橙色斜体。
• **诚实性：**屏幕上的数字必须与所说内容一致。图表是示意性的，绝不捏造数据。
• **topics：**用于标题卡的 5–7 个简短章节名称，按剧集顺序排列。
• **emphasis：**12–25 个关键词，在字幕中显示为橙色：数字、名称、点题词。
• **title_seconds：**4–5 秒。标题卡为“Fringe Lines”（serif 字体），最后一个单词为橙色斜体，包含日期和一个“本期剧集”列表。

3. 在渲染前检查计划

~/.shorts-skill/bin/python pipeline/build_episode.py --ep <ep> --stage plan

• 它会打印每个开场剪辑的标签、长度和字幕文本。
• 修复所有 WARN intro clip not found：调整 say/until 的措辞以精确匹配转录文本。
• **目标总时长：**剪辑 35–50 秒加 4.5 秒标题。删除或修剪超过 6 秒的剪辑。
• 仔细阅读每行字幕，找出误听的单词并添加 replace 修正。

4. 渲染

~/.shorts-skill/bin/python pipeline/build_episode.py --ep <ep> --stage graphics   # 开场剪辑 + IntroV2 + 下方字幕条
~/.shorts-skill/bin/python pipeline/build_episode.py --ep <ep> --stage final      # 拼接开场 + 主体、章节、响度标准化

• 为两个命令添加 --blur 以生成背景模糊版本。它需要 ~/.cache/fringe-lines-video/blur/ 中的模糊摄像机画面（见 pipeline/bg_blur.py），并从单独的缓存中写入 <ep>-fringe-lines-blur.mp4。
• 主体部分无需因开场更改而重新渲染。
• 章节文件会重新生成，因此所有时间戳都会随开场长度而偏移。
• 音效（嗖嗖声、砰砰声、进入标题的长嗖嗖声）会生成到图形文件夹中，并由 Remotion 混合。

5. QA

F=out/episode/<ep>-fringe-lines.mp4
ffmpeg -v error -y -i $F -t 50 -vf "fps=1,scale=320:-1,tile=8x7" -frames:v 1 /tmp/intro.png

检查：

• 每个切出的卡片完全显示在屏幕上，其数字与所说内容一致，且无残留的 *。
• 字幕显示橙色关键词，且无字幕与演讲者卡片底部边缘重叠。
• 标题卡按顺序列出所有话题。
• 视频和音频时长匹配（ffprobe -show_entries stream=codec_type,duration）。
• 剧集响度约为 −15.5 LUFS。
• 章节文件以 00:00 Cold open 开头，接着是开场时长，然后才是“Catching up”。

向用户报告：

• 剪辑列表（标签 + 台词）；
• 哪些剪辑带有切出；
• 开场时长；
• 任何明显用语；
• 任何需要验证的数字。