What-If Reel Maker 短片制作

用户只需提供一行创意（例如：“如果月球消失 5 秒钟会怎样？”）。所有其他工作均由 AI 自动完成，最终交付 final.mp4（1080×1920，30 fps，60 秒，含配音、字幕、音效）以及用于 Instagram 的 caption.txt。除非创意本身不清楚，否则不要提问。AI 将自行选取合理的默认值，并告知用户选择了哪些默认值。

频道风格为低多边形 3D 实景，基于代码（Three.js）构建。包含左上角倒计时 HUD、斜体衬线字幕、白边黑底的“X 光”轮廓视图、宏观镜头（行星/太空/微观）、逐步升级的后果，以及带有关注按钮的结尾卡片。频道 ID：@the.whatif.studio。

0. 一次性初始化（检查并仅安装缺失的组件）

要求：Node 18+、Python 3.10+ 以及 ffmpeg 已加入 PATH（winget install ffmpeg / brew install ffmpeg）。

项目根目录：~/whatif/（如不存在则创建）。共享引擎文件存放在根目录，每个视频的项目文件存放在 videos/<slug>/ 目录下。

mkdir -p ~/whatif/models ~/whatif/videos && cd ~/whatif
npm init -y && npm i [email protected] playwright @fontsource/cormorant-garamond @fontsource/ibm-plex-mono
npx playwright install chromium
pip install kokoro-onnx soundfile scipy numpy
curl -L -o models/kokoro-v1.0.onnx https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/kokoro-v1.0.onnx
curl -L -o models/voices-v1.0.bin https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/voices-v1.0.bin

然后，如果根目录中尚不存在引擎文件，请从此技能的 engine/ 文件夹中复制（参见第 9 节）。在 Windows 上，使用 python 而非 python3。

1. 物理第一（最重要）

评论区观众会检查科学性。在编写任何内容之前：

计算出真实发生的物理过程。将推理过程和所有数字写入 videos/<slug>/physics.md，并使用 Python 快速计算验证。
寻找反直觉的转折点（例如：重力消失后，最初看起来什么也没发生，因为被挤压的岩石、水和空气向外弹射，这种推力感觉就像重力）。这个转折点就是视频的“钩子”。
在条件允许时，通过网络搜索验证关键声明。如果某些内容不确定，请使用模糊措辞（如“持续数分钟”、“数公里”），切勿编造精确数字。

2. 脚本（`videos/<slug>/script.json`）

遵循以下 60 秒节拍模板（如果故事需要，可调整时间）：

时间	节拍	视觉	HUD
0–8	正常世界，钩子	缓慢推轨穿过场景；标题 0.2–3.9 秒	`<事件> 即将发生` 倒计时 `8.00 秒`→0，副标题 = 地点
8.0	事件发生	涟漪 + 色度脉冲	—
8–28	事件窗口，以慢速展示（例如 5 真实秒以 4 倍速播放）	先正常视图，然后 X 光视图	`<事件结束> 剩余 5.00 秒`，副标题 `以 4 倍慢速播放 · <实时统计>`
16–24	隐藏机制	轮廓模式 + 发光粒子	同上
24–28	宏观镜头	独立场景（行星/太空/细胞），白色闪入闪出	同上
28	回归	闪光 + 轰鸣	`<事物> 是` / `回归`
28–52	后果逐步升级	震动、裂缝、波浪、碎片等	关键统计（例如 `176 公里/小时`）
~46	点睛之笔	—	“是的。<后果>。”
51.2–52	渐隐至黑屏
52–60	结尾卡片	事实陈述 + 关注获取更多 What If，按钮点击 ~57.3 秒	—

旁白：14–16 行，每秒不超过 3 个词，冷静的纪录片语调。第 1 行在 0.3 秒处，是标题问题。结尾卡片有两行：一行是一句话的事实陈述（约 52.7 秒处），另一行是“关注获取更多 what if。”（约 56.6 秒处）。字幕是旁白行的缩写版本（不超过 2 行，使用 <br> 分隔）。

{
 "handle": "@the.whatif.studio",
 "voice": "am_michael",
 "title": "如果重力消失<br>5 秒钟会怎样？",
 "titleEnd": 3.9,
 "endTitle": "如果重力消失 5 秒钟会怎样？",
 "endFact": "你从未感受到重力。你感受到的是地面在向上推你。",
 "duration": 60, "endStart": 52, "press": 57.3,
 "narration": [[0.3, "如果重力消失……持续五秒钟呢？"], [4.1, "此刻，重力正在牵引着这个公园里的每一个原子。"]],
 "captions": [[4.1, 7.9, "此刻，重力正在牵引着<br>这个公园里的每一个原子。"]]
}

3. 先制作语音，再调整时间

运行 python3 gen.py <slug>。它会生成 videos/<slug>/audio/lNN.wav 和 durs.json，并打印每句旁白的时长。如果某句旁白与下一句发生时间重叠或与某个节拍冲突，请缩短文本或移动其位置，然后重新运行。然后将每条字幕设置为 [start, start + duration + 0.35, text]。可选语音：am_michael（默认男声）、af_heart（最佳女声）、bm_george（英式男声）。

4. 构建场景（`videos/<slug>/scene.js`）

为每个视频编写全新的场景。必须导出 build(h)、update(t, h) 和 hud(t)（模板见第 9 节）。规则：

确定性：在构建时仅使用 h.rnd()/h.R(a,b)（基于种子的随机）。update 中的所有内容都是关于 t 的纯函数。切勿使用 Math.random、Date 或 performance.now。
通过世界时间实现慢动作：w = t<8 ? t : t<28 ? 8+(t-8)/4 : 13+(t-28)。使用 w 来驱动人物、水和云朵的动画。
视觉风格：使用 flatShading 的低多边形基本几何体。松散地模拟真实地点（码头、公园、街道、海滩）。使用盒子作为建筑物（使用画布纹理模拟窗户）、盒子和球体组合作为颜色各异的人物、实例化树木、带有白色球体的黑色灯柱。添加渐变天空着色器、精灵云朵、用于景深的 THREE.Fog，以及一个带有阴影的太阳 DirectionalLight（阴影相机范围 ±45）和 HemisphereLight。
相机：垂直视场角约 58 度，眼睛高度 1.7–2.2 米，缓慢推轨和轻柔倾斜。在后果展示阶段，添加由正弦波叠加产生的震动效果。
X 光阶段：返回 outline: 0→1（约 0.6 秒内淡入）。开启时，将建筑纹理映射替换为 null 并隐藏云朵（防止噪点边缘）。可选择返回 overScene：一个叠加的 Points 场景（depthTest 为 false），用于显示条纹/粒子。
宏观镜头：构建第二个场景和相机，并在 24–28 秒期间以 scene/camera 形式返回。
从 update 返回的 FX 效果：flash（0–1 白色）、chroma、ripple + rp（涟漪半径）、fade（51.2–52 秒间 0→1）。
性能：保持绘制调用在 400 次以下（使用实例化），避免在相机附近使用大量大的透明精灵，因为这会导致非常严重的过度绘制。
保持文本在底部 20% 和右侧边缘之外（Instagram UI 区域）。字幕位于 y≈1240 处。

5. 预览然后修正

运行 node render.js preview <slug> 2,6,10,18,22,26,30,40,47,55。它会将 JPEG 图片写入 videos/<slug>/prev/。打开图片并检查：场景是否可辨识、字幕是否清晰、轮廓模式是否干净、宏观镜头是否构图良好、后果展示是否具有戏剧性？修复问题并再次预览。仅当静态帧预览看起来满意时，才渲染完整视频。

6. 渲染各层

场景（主体画面）和文字（覆盖层）分开渲染，这样文字修正无需重新渲染 3D 场景。

# 主体画面：跨进程分配（每 2 个 CPU 核心一个进程），每个进程占用不同的 PORT；仅渲染 0..endStart 范围（其余为黑场）
LAYER=plate PORT=8781 node render.js full <slug> plate1.mp4 0 26
LAYER=plate PORT=8782 node render.js full <slug> plate2.mp4 26 52
LAYER=overlay PORT=8783 node render.js full <slug> overlay.mov 0 60

在后台运行这些命令并监控日志。如果 WebGL 报告使用 SwiftShader（慢速、CPU 渲染），请尝试设置 HEADFUL=1 以使用真实 GPU。

7. 音效（`videos/<slug>/mix.py`）

从第 9 节复制混音模板，并根据节拍编辑 EVENTS 块：环境音、倒计时滴答声、事件前的渐强音效、事件发生和回归时的 boom 轰鸣、X 光阶段的 shimmer 闪烁、进入宏观镜头的 whoosh 呼啸、后果展示阶段的隆隆声/噼啪声等其他音效、结尾垫音以及按钮点击 pop 声。脚本会自动放置旁白，并在语音下方降低音效音量。运行脚本，然后进行标准化处理：

python3 videos/<slug>/mix.py <slug>
ffmpeg -y -i videos/<slug>/mix.wav -af loudnorm=I=-14:TP=-1.5:LRA=11 -ar 48000 videos/<slug>/mix_norm.wav

8. 合成并交付

cd videos/<slug>
ffmpeg -y -i plate1.mp4 -i plate2.mp4 -f lavfi -t 8 -i "color=black:s=1080x1920:r=30" -i overlay.mov -i mix_norm.wav \
 -filter_complex "[0:v][1:v][2:v]concat=n=3:v=1:a=0,format=yuv420p,setsar=1[b];[b][3:v]overlay=format=auto,format=yuv420p[v]" \
 -map "[v]" -map 4:a -c:v libx264 -preset veryfast -crf 23 -c:a aac -b:a 192k -movflags +faststart -shortest final.mp4

（黑场片段长度 = 总时长 − endStart。）从 final.mp4 中提取 8–10 帧进行检查，之后再交付。编写 caption.txt：一行钩子，2–3 句真实的物理原理，“关注 @the.whatif.studio 获取更多 what if”，以及 12–15 个话题标签（#whatif #physics #science #3danimation …）。告知用户，他们可以在 CapCut 中以 15–20% 的音量添加背景音乐。

9. 引擎文件

可复用的引擎存放在此技能的 engine/ 文件夹中。从中复制文件 —— 不要重新输入。一个共享引擎被所有视频复用；每个视频需要复制并编辑两个特定文件。

共享引擎（一次性复制到 ~/whatif/）：

engine/index.html → ~/whatif/index.html
engine/main.js → ~/whatif/main.js
engine/render.js → ~/whatif/render.js
engine/gen.py → ~/whatif/gen.py

每个视频所需文件（为每个新视频复制，然后编辑）：

engine/scene.template.js → videos/<slug>/scene.js — 为每个视频重写场景（参见第 4 节）。必须导出 build(h)、update(t, h)、hud(t)。
engine/mix.py → videos/<slug>/mix.py — 编辑 EVENTS 块以匹配节拍（参见第 7 节）。

# SKILL_DIR = 此技能的文件夹；从项目根目录 (~/whatif) 运行
cp "$SKILL_DIR"/engine/{index.html,main.js,render.js,gen.py} ~/whatif/
cp "$SKILL_DIR"/engine/scene.template.js videos/<slug>/scene.js
cp "$SKILL_DIR"/engine/mix.py            videos/<slug>/mix.py

交付前的质量检查清单

物理原理已核实，数字已计算；转折点在前 15 秒内清晰展现。
每句旁白都完美契合其节拍，无时间重叠；字幕与旁白匹配。
预览效果良好；最终视频在 8–10 个关键帧上进行了抽查。
频道 ID 显示为 @the.whatif.studio；结尾卡片工作正常，按钮点击发生在“关注获取更多 what if”之后。
响度约为 −14 LUFS；人声音量明显高于音效。

What-If Reel Maker