IA Content Maker — 白标视频制作机
本技能将 AI 智能体转变为整个解说视频频道的团队：脚本、美术、角色切割与骨架、配音、动画、配乐、渲染、封面和字幕。所有运动都是代码（画布逐帧渲染）；没有 AI 生成的视频。
白标： 频道的视觉身份（调色板、字体、画风、卡片、转场、节奏、旁白）由代码每个频道随机生成一次，并记录在 dna.json 中。两个使用同一技能的频道会输出不同的视频。引擎不依赖任何特定的调色板、字体或主题。
可在任何运行终端命令的 AI 智能体上工作（Claude Code、Codex、Gemini CLI、Cursor……）。原始完整规范在 referencia/especificacao-original.md；此文件记录了经过验证的流程以及实践中的所有变更。如有冲突，以此文件为准。
0. 首先：查找或创建工作区
代码运行在一个工作区中（包含 engine/、dna.json、videos/、library/ 的文件夹）。
- 查找现有工作区（与
engine/mv.py同目录的dna.json；用户可指定位置）。 - 如果没有：运行
bash <技能所在目录>/scripts/setup.sh [文件夹]（默认为~/ia-content-workspace）。 安装 venv、Kokoro、faster-whisper、Playwright/Chromium、OpenCV。要求 Python ≥3.10 和 ffmpeg。 - 如果已有工作区但技能版本更新：同样运行
setup.sh <工作区>— 它只更新engine/和templates/，永远不会修改dna.json、videos/或library/。
以下所有命令都在工作区内运行，使用 .venv/bin/python（此处简写为 py）。
1. 频道设置（一次）
- 询问：频道名称（如果没有，建议 5 个与以后随机的 DNA 匹配的名称）、主格式（竖版或 16:9）、可用的配音（免费 Kokoro、ElevenLabs/其他，或用户自己的录音）以及是否已有
dna.json（若有则复制到工作区）。 - 运行
py engine/mv.py dna— 使用os.urandom种子随机生成 DNA，解决冲突的组合，验证色彩对比度，保存dna.json+ 备份并下载字体。显示身份卡（py engine/mv.py cartao）。用户可以锁定（--lock traço=índice）或重新随机某个特征（py engine/roll_dna.py --reroll <traço>）。绝不要手动选择特征。 - 将频道名称写入
dna.json→channel.name。 - 没有图像模型的美术路线：只有“圆角方形头部”画风已在代码中绘制（
engine/art/characters.py）。如果随机出其他画风，要么锁定--lock build=3，要么按照_head/_torso/_legs风格在characters.py中实现新画风，要么使用图像模型。 - 设置完成后，频道的 DNA 被冻结。每个视频只会重新随机每个视频特有的特征。
2. 每个视频 — 流程
用户启动命令：“做个视频：[主题]，[时长]”（或“make a video: …”）。
| # | 步骤 | 命令 | 暂停并展示给用户？ |
|---|---|---|---|
| 1 | 创建文件夹 + 每个视频的随机化（脚本形式、钩子、动机、封面布局、亮点） | py engine/mv.py novo <slug> | — |
| 2 | 在 videos/<slug>/script.txt 中编写脚本（纯文本）+ 计划数据（字数、场景数量、角色数量） | 手动编写 | 是：脚本 + 数据，等待确认 |
| 3 | 如果主题需要，在 engine/art/plates.py 和 tiles.py 中添加新的 plates/tiles | 手动编写 | — |
| 4 | 美术 → 切割 → 骨架 | py engine/mv.py arte <slug> | 显示美术联系表 |
| 5 | 配音 + 单词时间 | py engine/mv.py voz <slug> | 报告时长和 whisper 的偏差 |
| 6 | 编写 video.json + 镜头文件 videos/<slug>/shots/01_story.js（基于 templates/shots_modelo.js） | 手动编写 | — |
| 7 | 联系表（每 2 秒一帧）→ 修正 → 重复 | py engine/mv.py contato <slug> | — |
| 8 | 渲染 + 音频 + 质量控制 | py engine/mv.py render <slug> | — |
| 9 | 封面 | py engine/mv.py capa <slug> | — |
| 10 | 日志 + 交付（视频、封面、带话题标签的字幕） | py engine/mv.py log <slug> | 是：交付 |
在 contato/stills/render 中附加 --formato paisagem 生成 1920×1080；默认为竖版 1080×1920。
如需检查精确时间点：py engine/mv.py stills <slug> 0,3.2,10.5。
2.1 时长（随时长缩放）
- 字数：约每分钟 205 词（使用 Kokoro 葡萄牙语巴西版，即使速度 1.0 也较快）；慢速配音约 175 词。
- 场景数：分钟 × DNA 中的
pace.places_per_min；竖版中，每约 3 秒切一次（≈每分钟 20 个镜头）。 ~30% 的大场景板（含角色），其余为特写瓷砖（每网格 4 个）。 - 主要角色：3 分钟以下 1–2 个，3 分钟以上 2–3 个。
- 章节（脚本中的
##行）：2 分钟以下无章节；2–5 分钟 3–4 章；5–10 分钟 5–8 章。 - 渲染：
--partes 4（默认）。3 分钟以上的视频：4–6 个部分。
2.2 竖版（Reels/TikTok/Shorts）— 已验证的默认格式
- 无开场和结束动画： 配音从第 0 帧开始。
video.json不含title和outro_plate。（16:9 使用 DNA 中的动画。） - 第 0 帧从不空白： 钩子已经出现在屏幕上（write/number 中
t0 = sh.start - 0.4）。 - 每个镜头调用
sh.vert({ vw, vf })— 参见referencia/motor.md。 - 仅竖版有烧录字幕（1–3 个词，突出显示正在说的词）。16:9 无字幕。
- 安全区域：右侧高度 50%–80%（应用按钮）、底部 15% 内无重要元素；HUD 在左侧；动机计数器在右上角。
- 钩子和结构：遵循
referencia/retencao.md（已验证保持率）。
3. 风格规则（不可妥协）
- 扁平矢量，无描边，最多一个阴影（同色加深），无渐变，无纹理，无表情符号，无频道徽标，无真实人物照片。
- 颜色：仅使用调色板的 5 种色 +
dna.json中的 11 种代码色。在镜头中使用ENGINE.C.<颜色>、ENGINE.font(px)和ENGINE.rgba(hex, 透明度)— 绝不使用固定十六进制或字体名称。在代码美术中使用ROLE["ice"|"stone"|"pine"|"coal"|"berry"]（从任何调色板计算出的角色颜色）。 - 文字只出现在世界中的物体上（黑板、标牌、船体、卡片、屏幕）— 绝不使用悬浮在画面上方的独立卡片，如果场景本身可以承载信息。直接在场景板的空白处书写。
- 没有任何元素静止超过 1 秒；每个角色呼吸、眨眼并根据自己的台词表演（指、展示、耸肩、庆祝）。每
pace.new_thing_every_s（DNA 中定义）秒出现新事物。 - 两个连续镜头绝不使用相同场景。缩放不超过原始像素的 1.33 倍。
- 入场方式：弹簧/弹跳/膨胀，不使用简单的淡入。错误观念上覆盖红色 X 标记。
4. 美术
代码路线（默认，免费）： plates 和 tiles 是 engine/art/plates.py 和 tiles.py 中的 SVG 函数，返回 (svg, meta)。Plates：1920×1080 世界坐标，空白，地面在中间，meta 包含 floor_y、blanks（代码书写位置）、portals（≥ 400 像素，用于转场缩放）、anchors。Tiles：物体特写，每网格 4 个（make_art.py 组装 2×2 并带白色间距，切割并转换 meta）。地图：经纬度投影轮廓（参见 pacific_map、brazil_map）。角色：art.json 中每个角色一个字典（调色板颜色，角色间肤色不同）。
图像模型路线（可选）： 使用 referencia/especificacao-original.md（<art> 部分）中的核心风格生成图像，保存到 videos/<slug>/art/ 并使用相同名称，编写描述网格中矩形位置的 JSON meta（*_grid.png），管线的其余部分（切割、骨架、动画）相同。前景在绿色（#00B140）或洋红色（如果调色板包含绿色）色键背景上，且无手臂。
5. 配音
- 默认：Kokoro（
mv.py voz），使用 DNA 中旁白表格指定的声音，速度 1.0–1.1（绝不调整时间比例）。 - 更自然：任何现成音频 →
py engine/mv.py voz <slug> --wav 文件.wav（自己的声音、ElevenLabs、Chatterbox……）。脚本必须与朗读文本一致；whisper 会重新对齐时间。 - 减少“连珠炮”效果：
--pausa-max 0.35 --pausa-manter 0.28。 - 如果超过 5% 的单词未被检测到，
voice.py会报错 — 重新生成配音，不要强制通过。
6. 渲染前检查（联系表）
在渲染前修正：空白或溢出的场景板；文字覆盖脸部；黑色边框；角色脚部悬空；连续两次使用相同场景；超过 DNA 间隔两倍无新元素的片段；第 0 帧空白；竖版中文字被边界裁切；任何不符合 DNA 的元素（字体、颜色、卡片、转场）。
渲染后，质量控制会检测未计划的单帧跳跃 — 逐一排查（使用 stills）。
音频：门控要求配音 ≥ 15 dB 高于音乐+音效，背景音在少于 1% 的帧中过高；输出 -14 LUFS，峰值 -1 dB。
7. 交付
- 视频：
videos/<slug>/<slug>_vertical.mp4（或 16:9 格式下的<slug>.mp4）和封面图。 - 准备字幕：第一行 = 钩子；2–3 句包含主题关键词（搜索可读取字幕）；引导评论的问题；最多 5 个相关话题标签（Instagram 有限制）。
- 提醒用户关于简化事实或流行历史版本的情况。
mv.py log <slug>— 每个视频的随机化会避免重复最近 5 个视频的形式/钩子/动机/封面。
8. 引擎随每个视频改进
发现 Bug 或限制？在 engine/ 中修复（绝不只修改单个视频的文件），并将经验记录在技能的 referencia/licoes.md 中。大规模补丁前备份镜头文件。长时间渲染：分部分进行，可局部重做。
参考
referencia/motor.md— 镜头 API（S、sh.*、角色、姿势、竖版摄像机）。referencia/retencao.md— 钩子结构、结尾引导、节奏。referencia/licoes.md— 所有出过的问题及解决方法。referencia/especificacao-original.md— 完整规范（DNA 特征、骨架、动画、音频）。workspace/exemplos/— 两个完整视频：el-nino（竖版，神话 vs 现实）和primeiro-cartao（16:9，时间顺序叙事）。用于学习和重建：复制到videos/然后运行mv.py arte+mv.py contato（words.js已准备好）。