音乐推广视频

制作一段竖向（默认1080×1920）的推广视频，使其感觉像一段连续、高级的片段。视频以Logo开场。应用页面、封面和播放器通过平滑的摄像机运镜相互流转。歌曲随画面同步播放并卡准节拍。匹配的结尾卡片结束视频，使其能够循环播放。

本技能封装了一个经过多轮真实用户反馈优化的流程。references/direction.md中的规则就是这些反馈转化成的原则。在设计任何内容之前请先阅读它们：它们是“不错”和“这正是我想要的”之间的区别。

0. 需求获取：首先询问参考素材

在规划和构建任何内容之前，请先向用户索取3-4个参考素材，这些素材将决定输出效果。参考素材决定了最终的视觉风格，因此视频依赖于它们。请使用一条友好的消息一次性询问，同时附上下方的素材清单，以便用户一次性回答。

要求提供：

3-4个参考素材：视频（最佳：它们包含了运动和节奏）、Reel、图片或它们的链接。对于每个素材，询问用户喜欢它的哪些方面：视觉风格、颜色、字体排版、转场、节奏、声音。如果用户只提供你无法打开的链接（Instagram、Pinterest、TikTok），则要求提供下载的文件或截图。切勿声称已经观看了无法打开的内容。
如果用户提供了少于3个素材，再询问一次，并解释更多的参考素材能带来更贴近需求的结果。如果他们仍然无法提供，则使用已有的素材继续，并说明你自行做出的选择。
如果用户提供了超过4个素材，询问哪4个最重要，或者给前几个素材赋予更高权重。

素材清单（在同一条消息中询问，并接受任何项目的“你来选”答复）：

Logo（最好是带透明通道的PNG格式）。
应用截图（主屏幕、音乐库、正在播放），用以展示真实内容。
歌曲：音频文件以及每首歌的副歌开始和结束时间（用户知道他们的副歌点；不要根据歌词猜测）。
音效包（可选）。
官方音乐视频文件（可选，用于同步视频片段）。
格式、目标时长、帧率（默认1080×1920，60 fps）以及发布平台。

然后仔细研究参考素材（参见references/references-analysis.md）：为运动分析制作联系表和密集帧序列。编写一份简短的参考概要：调色板、排版角色、节奏（每小节的剪切数）、转场类型、纹理（颗粒感、光晕、纸张效果或无）、文本与图像的交互方式以及声音特征。用几行文字向用户展示概要和你的计划，然后无需等待进一步批准即可开始构建，除非遇到障碍。

当参考素材与references/direction.md中的规则冲突时，优先遵循用户明确的表述，其次是参考素材，最后是默认规则。

1. 检查环境

你需要ffmpeg和安装了numpy、pillow、opencv-python-headless和scipy的Python（在工作目录中创建一个虚拟环境）。字体使用系统字体；检查三种排版角色是否都能正确解析。如果缺少关键功能，请明确说明缺少什么并停止依赖该功能的步骤；不要将计划当作已完成的视频呈现。

2. 获取并验证素材

封面艺术：切勿使用从截图中裁剪的部分作为可见封面。它们过于模糊，用户会注意到。使用scripts/find_cover.py在线查找官方艺术作品，该脚本会搜索Apple/iTunes（最高3000像素）和JioSaavn，并将每个候选封面与截图裁剪部分进行匹配。仅接受匹配度约0.98以上的结果，并在covers/provenance.json中记录来源（原始URL、标题、艺术家、匹配分数）。如果没有匹配项（例如Spotify生成的混音或电台），如果是简单设计（如“喜欢歌曲”），则重新绘制清晰的矢量版本，否则将该元素舍弃。
歌曲：将歌曲文件复制进来，然后对每首歌运行scripts/beat_grid.py：获取其速度（BPM）、重拍、每半秒的能量值以及最大的能量跳跃点（Drop点）。向用户询问副歌时间，而不是通过转写来推断。
音乐视频：scripts/av_sync.py提供视频音频与歌曲文件之间的偏移量，以确保画面和歌曲保持口型同步。scripts/shot_cuts.py找到视频自身的剪切点，以便裁切可以针对每个镜头跟踪主体。
音效：描述每个文件（长度、峰值位置、明亮度），赋予其角色（轻敲/点击、呼啸声、上升音、爆裂声、铃声、隆隆声、特效），并记录每个文件的峰值偏移量，以便提示音准确落在峰值上。

3. 在节拍网格上规划时间线

当歌曲播放时，将影片时间视为歌曲时间（影片t = 歌曲t + 偏移量）。将场景变化放在重拍上，将爆裂声和定格动画步点放在节拍或八分音符上。
典型的节奏弧线，需根据概要调整：Logo开场 → 音乐库或应用页面 → 专辑轮播 → 正在播放（动态进度条） → Drop时刻（大号动态文字） → 封面墙 → 过渡到下一首歌，包含其自己的封面动画 → 其播放器 → 可选的音乐视频片段 → 粒子特效结局，过渡回Logo → 结尾卡片，与开场匹配。
场景之间的每一次变化都必须是一次连续的运镜：缩放到一个元素，使其变为下一个场景；匹配剪切（同一图像在切换前后处于相同位置）；或飞越到暗色区域。在计划中列出每个转场的具体机制。
文字规则：任何文字不得放置在艺术作品之上，任何文字不得隐藏在Logo或封面之后。文字从物体边缘滑出，或通过遮罩线升起，然后完全显现。位于滚动内容上方的标题属于该内容（世界坐标），因此图块不得覆盖它们。

完整的视觉规则及其存在原因请参见references/direction.md。

4. 构建

从assets/reference_project/中的工作示例开始：render.py（画面引擎外加完整的58秒时间线）、audio.py（混音）和style.json。其中已经包含了经过测试的构建模块：

带有模糊预过滤、柔和阴影和裁剪的合成；
逐帧的胶片颗粒感和光晕；
三种角色的Text类（无衬线体、衬线斜体、等宽体），支持缓动入场、定格动画入场和漂移退场；
遮罩线文字揭示和从背后滑出的揭示效果；
带有按压效果的点击涟漪；带动态进度条和红心点击的矢量播放器界面；循环环结尾卡片；
菱形粒子系统（一块一块地组装封面；将其升起并过渡到Logo）；
带有帧混合和逐镜头裁切的音乐视频回放；
滤镜扫描、包络线和音效提示工具。

保留引擎，将时间线和内容替换为新项目的内容。阅读references/engine-notes.md了解架构和已解决的陷阱。

按此顺序工作：

文字和布局测试：在时间线上渲染10-20帧静态图，制作联系表，查看并修复布局问题，然后再进行长时间渲染。
混音（audio.py）：它很快，因此每秒和每次过渡时都测量电平（references/audio.md）。
在后台进行完整渲染（60 fps在笔记本上渲染60秒大约需要10分钟；120 fps大约需要25分钟）。不要轮询；等待完成通知。

5. 对实际导出进行质量检查

在最终的MP4文件上运行scripts/motion_qa.py。它会报告帧与帧之间的跳跃、定格动画步点、冻结帧和异常暗帧。对于每个不是有意的步点或音乐视频剪切点的尖峰，提取其周围的连续帧并查看它们。然后检查：

时长、fps、帧数和完整解码；
响度（集成LUFS -11至-14，峰值约-1 dBFS，无失真）；
每秒电平和过渡电平；
每个转场两侧的画面；
在手机尺寸下的文字可读性。

如实报告：你可以测量音频但无法聆听。请说明这一点，并要求用户通过听觉检查。

对于小修复，仅重新渲染受影响的时段（render.py --range a,b），并使用帧精确修剪将其拼接到主渲染中。重新封装并重新检查拼接处。参见references/qa-and-delivery.md。

6. 尽早交付并迭代

一旦版本完成，即使是较长的更改进行到一半，也要立即发送可播放的MP4。用户通常会在你继续工作时询问“完成了吗？”并希望观看。
每轮迭代：仔细重新阅读用户的表述。他们通常打字很快，可能会在句子中间中断。精确应用他们要求的改动，保持其他所有内容帧一致，并说明更改了什么。如果消息被截断，则完成明确的部分并询问其余部分。
保留以前的版本（archive_vN/），并以版本号和fps命名交付物。

每轮迭代的交付物：

主MP4文件（发布用60 fps；仅在要求时提供120 fps，并解释社交平台最多播放60 fps）；
相同视频的纯音效版，无歌曲（用于使用平台授权音乐发布）；
可编辑的项目压缩包：代码、风格设置、带有来源的封面、视频中使用到的帧、使用的音效、混音WAV文件以及包含时间线的README；
关于更改内容、已检查和未检查事项的简短说明，并提醒用户歌曲、封面艺术和视频片段受版权保护：用于个人编辑没问题，但平台可能会对公开帖子进行静音或版权主张。

参考文件

references/direction.md：根据用户反馈学到的视觉和编辑规则。设计前请阅读。
references/references-analysis.md：如何研究用户的3-4个参考素材并编写概要。
references/audio.md：歌曲包络线（低到高、高到低）、无缝节拍匹配过渡、音效放置、响度。
references/engine-notes.md：参考引擎的架构以及已解决的陷阱。
references/qa-and-delivery.md：检查、部分重新渲染和拼接、编码、打包。
scripts/：beat_grid.py、find_cover.py、av_sync.py、shot_cuts.py、motion_qa.py（使用-h查看用法）。
assets/reference_project/：完整的工作示例（Spotify推广视频，“Raw Rich Rare”到Drake的“National Treasures”）。

音乐推广视频制作