Communitygithub.com

zengbaocheng/hermes-tech-hub

基于 HyperFrames 引擎,通过 HTML 创建 MP4/WebM 视频,支持动画标题卡片、社交叠加层、口播字幕、音频响应式视觉和着色器过渡。以 HTML 为视频源,适用于需要从文本或网站渲染高质量视频、添加同步字幕、生成 TTS 旁白或制作动态图形动画的场景。

hermes-tech-hub 是什么?

这是一个专注于超帧视频生成的 AI 技能,其核心工具是 HyperFrames 引擎。它允许用户将 HTML 文件作为视频的“源事实”,通过`data-*`属性定义时间、GSAP 时间轴控制动画、CSS 控制外观,最终由引擎逐帧捕获并使用 FFmpeg 编码为 MP4 或 WebM。该技能非常适合创建运动图形、口播字幕视频、产品演示、社交媒体叠加层、着色器过渡以及任何由真实视频/音频媒体驱动的 HTML/CSS/JS 动画。它支持的主要平台包括 Claude Code、Cursor、Codex 等 AI 代码编辑器。工作流程包括:先在项目根目录创建或生成 `DESIGN.md` 定义视觉身份,然后使用 `npx hyperframes init` 脚手架初始化项目,接着编写静态 HTML+CSS 布局(先布局后动画),再使用 GSAP 添加确定性动画(避免随机数和异步),最后通过 lint、validate、inspect 和 render 命令进行验证和渲染。该技能强调视觉一致性,严格避免默认颜色和字体,并提供了详尽的陷阱指南和验证步骤,确保生成高质量的最终视频文件。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zengbaocheng/hermes-tech-hub/tree/HEAD/creative/hyperframes

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

HyperFrames

HTML 是视频的源事实。一个合成文件是一个包含用于定时的 data-* 属性、用于动画的 GSAP 时间轴以及用于外观的 CSS 的 HTML 文件。HyperFrames 引擎逐帧捕获页面,并使用 FFmpeg 编码为 MP4/WebM。

补充 manim-video: 使用 manim-video 进行数学/几何解说类视频(方程式、3B1B 风格)。使用 hyperframes 进行运动图形、口播视频(带字幕)、产品导览、社交叠加层、着色器过渡以及任何由真实视频/音频媒体驱动的内容。

何时使用

  • 用户要求从文本、脚本或网站渲染一个视频
  • 动画标题卡片、底部三分之一或排版介绍
  • 带字幕的旁白视频(TTS + 字幕与波形同步)
  • 音频响应式视觉效果(节拍同步、频谱条、脉动发光)
  • 场景过渡(淡入淡出、擦除、着色器扭曲、闪白)
  • 社交叠加层(Instagram/TikTok/YouTube 风格)
  • 网站转视频流程(捕获 URL,制作宣传片)
  • 任何必须确定性地渲染为视频文件的 HTML/CSS/JS 动画

不要将此技能用于:

  • 纯数学/方程动画(→ manim-video)
  • 图像生成或模因(→ meme-generation,图像模型)
  • 实时视频会议或流媒体

快速参考

npx hyperframes init my-video               # 脚手架一个项目
cd my-video
npx hyperframes lint                        # 在预览/渲染前验证
npx hyperframes preview                     # 浏览器实时预览 (端口 3002)
npx hyperframes render --output final.mp4   # 渲染为 MP4
npx hyperframes doctor                      # 诊断环境问题

渲染标志:--quality draft|standard|high · --fps 24|30|60 · --format mp4|webm · --docker (可复现) · --strict。

完整的 CLI 参考:references/cli.md。

设置(一次性)

bash "$(dirname "$(find ~/.hermes/skills -path '*/hyperframes/SKILL.md' 2>/dev/null | head -1)")/scripts/setup.sh"

该脚本:

  1. 验证 Node.js >= 22 和 FFmpeg 已安装(如果没有则打印修复说明)。
  2. 全局安装 hyperframes CLI(npm install -g hyperframes@>=0.4.2)。
  3. 通过 Puppeteer 预缓存 chrome-headless-shell——必须,以便通过 Chrome 的 HeadlessExperimental.beginFrame 捕获路径获得最佳质量渲染。
  4. 运行 npx hyperframes doctor 并报告结果。

如果设置失败,请参见 references/troubleshooting.md。

流程

1. 编写 HTML 之前先规划

在接触代码之前,先在高层次上阐述:

  • 什么——叙事弧线、关键时刻、情感节奏
  • 结构——合成文件、轨道(视频/音频/叠加层)、持续时间
  • 视觉标识——颜色、字体、运动个性(爆炸性/电影感/流畅/技术感)
  • 关键帧——对于每个场景,元素同时可见最多的时刻。这是你将首先构建的静态布局。

视觉标识门控(硬性门控)。 在编写任何合成 HTML 之前,必须定义视觉标识。不要使用默认或通用颜色(#333、#3b82f6、Roboto 表示此步骤被跳过)编写合成。按顺序检查:

  1. 项目根目录有 DESIGN.md? → 使用其确切的颜色、字体、运动规则和“禁止事项”约束。
  2. 用户指定了风格(例如“Swiss Pulse”、“黑暗科技风”、“奢侈品牌”)? → 生成一个包含 ## Style Prompt、## Colors(3-5 个十六进制颜色及其角色)、## Typography(1-2 个字体系列)、## What NOT to Do(3-5 个反模式)的最小化 DESIGN.md。
  3. 以上都不是? → 在编写任何 HTML 之前,先问 3 个问题:
    • 心情?(爆炸性 / 电影感 / 流畅 / 技术感 / 混乱 / 温暖)
    • 浅色还是深色画布?
    • 有任何品牌颜色、字体或视觉参考吗? 然后根据答案生成一个 DESIGN.md。每个合成都必须将其调色板和排版回溯到 DESIGN.md 或用户的明确指示。

2. 脚手架

npx hyperframes init my-video --non-interactive

模板:blank、warm-grain、play-mode、swiss-grid、vignelli、decision-tree、kinetic-type、product-promo、nyt-graph。通过 --example <name> 选择一个,通过 --video clip.mp4 或 --audio track.mp3 植入媒体。

3. 先布局后动画

先写关键帧的静态 HTML+CSS——暂时不要 GSAP。.scene-content 容器必须填充场景(width:100%; height:100%; padding:Npx),使用 display:flex + gap。使用 padding 将内容向内推——切勿在内容容器上使用 position: absolute; top: Npx(当内容高于剩余空间时会溢出)。

只有在关键帧看起来正确之后,才添加 gsap.from() 入场(动画/到 CSS 位置)和 gsap.to() 退场(从该位置动画/离开)。

有关完整的数据属性模式和合成规则,请参见 references/composition.md。

4. 使用 GSAP 制作动画

每个合成必须:

  • 注册其时间轴:window.__timelines["<composition-id>"] = tl
  • 以暂停状态开始:gsap.timeline({ paused: true })——播放器控制播放
  • 使用有限 repeat 值(无 repeat: -1——会破坏捕获引擎)。计算:repeat: Math.ceil(duration / cycleDuration) - 1。
  • 是确定性的——无 Math.random()、Date.now() 或实时逻辑。如果需要伪随机性,请使用种子化的 PRNG。
  • 同步构建——在时间轴构建周围无 async/await、setTimeout 或 Promise。

有关核心 GSAP API(补间、缓动、交错、时间轴),请参见 references/gsap.md。

5. 场景过渡

多场景合成需要过渡。规则:

  1. 始终在场景之间使用过渡——无跳切。
  2. 始终对每个场景元素使用入场动画(gsap.from(...))。
  3. 切勿使用退场动画,除非是最后一个场景——过渡本身即退场。
  4. 最后一个场景可以淡出。

使用 npx hyperframes add <transition-name> 安装着色器过渡(flash-through-white、liquid-wipe 等)。完整列表:npx hyperframes add --list。

6. 音频、字幕、TTS、音频响应式、高亮

  • 音频: 始终使用单独的 <audio> 元素(视频是 muted playsinline)。
  • TTS: npx hyperframes tts "剧本文本" --voice af_nova --output narration.wav。使用 --list 列出声音。声音 ID 首字母编码语言(a/b=英语、e=西班牙语、f=法语、j=日语、z=普通话等)——CLI 会自动推断音位化区域;仅在需要覆盖时传递 --lang。非英语音位化需要系统范围安装 espeak-ng。
  • 字幕: npx hyperframes transcribe narration.wav → 词级别的转录。根据转录基调选择样式(炒作 / 企业 / 教程 / 故事讲述 / 社交——参见 references/features.md 中的表格)。语言规则: 除非确认音频是英语,否则切勿使用 .en whisper 模型——.en 会将非英语音频翻译而不是转录。每个字幕组在退场补间后必须有一个硬性的 tl.set(el, { opacity: 0, visibility: "hidden" }, group.end) 杀死——否则组会泄漏到后面的字幕中。
  • 音频响应式视觉效果: 预先提取音频频段(低音 / 中音 / 高音),并在时间轴内通过 tl.call(draw, [], f / fps) 的 for 循环逐帧采样——一个单一的长时间补间不会对音频做出反应。将低音映射到 scale(脉动),高音映射到 textShadow/boxShadow(发光),整体振幅映射到 opacity/y/backgroundColor。避免均衡器条的陈词滥调——让内容引导视觉,音频驱动其行为。
  • 标记式高亮: 用于文本强调的高亮、圆圈、爆发、涂鸦、素描效果是确定性的 CSS+GSAP——参见 references/features.md#marker-highlighting。完全可搜索,无动画 SVG 滤镜。
  • 场景过渡: 每个多场景合成必须使用过渡(无跳切)。从 CSS 基元(推拉滑动、模糊淡入淡出、缩放穿越、交错块)或着色器过渡(flash-through-white、liquid-wipe、cross-warp-morph、chromatic-split 等)中选择,通过 npx hyperframes add 安装。情绪和能量表格位于 references/features.md#transitions。不要在同一合成中混合 CSS 和着色器过渡。

7. Lint、验证、检查、预览、渲染

npx hyperframes lint              # 捕获缺失的 data-composition-id、重叠轨道、未注册的时间轴
npx hyperframes validate          # 在 5 个时间戳进行 WCAG 对比度审核
npx hyperframes inspect           # 视觉布局审核——溢出、帧外元素、被遮挡的文本
npx hyperframes preview           # 浏览器实时预览
npx hyperframes render --quality draft --output draft.mp4    # 快速迭代
npx hyperframes render --quality high --output final.mp4     # 最终交付

hyperframes validate 对每个文本元素后面的背景像素进行采样,并对对比度低于 4.5:1(或大文本低于 3:1)的情况发出警告。hyperframes inspect 是布局端的辅助工具——在多个时间戳运行页面,并标记静态 lint 无法看到的问题(一个仅在 4.5 秒时超出安全区域的字幕、一个在其标题为最长变体时溢出的卡片、一个最终位于过渡着色器后面的元素)。特别在包含对话气泡、卡片、字幕或紧凑排版的作品上运行 inspect。

8. 网站转视频(如果用户提供 URL)

使用 references/website-to-video.md 中的 7 步捕获到视频工作流程:捕获 → DESIGN.md → SCRIPT.md → 故事板 → 合成 → 渲染 → 交付。

陷阱

  • 未找到 'HeadlessExperimental.beginFrame'——Chromium 147+ 移除了此协议。确保你使用的是 hyperframes@>=0.4.2(自动检测并回退到截图模式)。逃生口:export PRODUCER_FORCE_SCREENSHOT=true。参见 hyperframes#294 和 references/troubleshooting.md。
  • 系统 Chrome(不是 chrome-headless-shell)——渲染挂起 120 秒然后超时。运行 npx puppeteer browsers install chrome-headless-shell(setup.sh 会执行此操作)。hyperframes doctor 报告将使用哪个二进制文件。
  • 任何地方使用 repeat: -1——破坏捕获引擎。始终计算一个有限的重复计数。
  • gsap.set() 用于稍后进入的剪辑元素——该元素在页面加载时不存在。改为在时间轴内、在剪辑的 data-start 时间或之后,在时间轴上使用 tl.set(selector, vars, timePosition)。
  • 内容文本内的 <br>——强制换行不了解渲染字体的宽度,因此自然换行 + <br> 会导致双重换行。使用 max-width 让文本自动换行。例外:短显示标题,其中每个单词故意单独成行。
  • 动画化 visibility 或 display——GSAP 无法补间这些。使用 autoAlpha(同时处理可见性和不透明度)。
  • 调用 video.play() 或 audio.play()——框架拥有播放权。切勿自己调用这些方法。
  • 异步构建时间轴——捕获引擎在页面加载后同步读取 window.__timelines。切勿将时间轴构建包装在 async、setTimeout 或 Promise 中。
  • 独立的 index.html 包装在 <template> 中——对浏览器隐藏所有内容。只有通过 data-composition-src 加载的子合成才使用 <template>。
  • 使用视频代替音频——始终使用静音的 <video> + 单独的 <audio>。

验证

渲染前后:

  1. Lint + validate + inspect 通过: npx hyperframes lint --strict && npx hyperframes validate && npx hyperframes inspect(lint 捕获结构问题,validate 捕获对比度,inspect 捕获视觉布局/溢出问题——如果出现警告,请参见 troubleshooting.md)。
  2. 动画编排——对于新合成或重大动画更改,运行动画映射。npx hyperframes init 将技能脚本复制到项目中,因此路径是项目本地的:
    node skills/hyperframes/scripts/animation-map.mjs <composition-dir> \
      --out <composition-dir>/.hyperframes/anim-map
    
    输出单个 animation-map.json,包含每个补间的摘要、ASCII 甘特时间轴、交错检测、死区(>1秒无动画)、元素生命周期和标志(offscreen、collision、invisible、paced-fast <0.2s、paced-slow >2s)。扫描摘要和标志——修复或证明每个。小型编辑可跳过此步。
  3. 文件存在且非零: ls -lh final.mp4。
  4. 时长与 data-duration 匹配: ffprobe -v error -show_entries format=duration -of default=nw=1:nk=1 final.mp4。
  5. 视觉检查: 提取合成中间的一帧:ffmpeg -i final.mp4 -ss 00:00:05 -vframes 1 preview.png。
  6. 音频存在(如果预期): ffprobe -v error -show_streams -select_streams a -of default=nw=1:nk=1 final.mp4 | head -1。

如果 hyperframes render 失败,运行 npx hyperframes doctor 并在报告时附加其输出。

参考

  • composition.md——data 属性、时间轴约定、不可协商的规则、排版/资产规则
  • cli.md——每个 CLI 命令(init、capture、lint、validate、inspect、preview、render、transcribe、tts、doctor、browser、info、upgrade、benchmark)
  • gsap.md——适用于 HyperFrames 的 GSAP 核心 API(补间、缓动、交错、时间轴、matchMedia)
  • features.md——字幕、TTS、音频响应、标记高亮、过渡(按需加载)
  • website-to-video.md——7 步捕获到视频工作流程
  • troubleshooting.md——OpenClaw 修复、环境变量、常见渲染错误

相关技能