火柴人视频大师技能 — 从剧本到最终成片
一个完整的、经过实战检验的流水线:印地语恐怖/悬疑短片(1080×1920,30fps),
通过代码构建 — 研究、剧本、角色设计、场景搭建、配音、混音、质量控制。
参考制作项目:Bhangarh 短片(演示视频在仓库中 — demo/demo_10s.mp4,
同一风格的所有代码都在 code/ 和 vo/ 文件夹中)。
步骤 0 — 研究(剧本之前)
- 对实际地点/故事进行深入研究:维基百科 + 官方来源(如 ASI 委员会的主要证据)。
- 标记每个声明:[已记录](有证据)· [传说](民间故事)· [未找到](不要加入剧本)。
- 绝不加入虚假的病毒式声明 — 先验证。(Bhangarh 的教训:“唯一夜晚禁止入内的堡垒” 被证明是错误的,从剧本中删除。)
- 需求检查:观看同一主题的最大 YouTube 视频 — 哪个角度受欢迎(夜间探访、特写告示牌、纯粹的故事)?
步骤 1 — 剧本创作
- 第一句 = 整个事件(钩子)。答案的线索隐藏在第一行/第一帧中。
- 每句话 6–12 个字;总共 ~150 个字 ≈ 49 秒 @ ~190 wpm。
- 给角色起名字。先揭示,后“因为”。
- 中间用“你”作为挑战,最后用一个词的评论诱饵(是或否?)。
- 口头禅:“实际上 / 意思是 / 仔细看 / 再想想”。禁止: AI 词语(神秘、事实、激动、耸人听闻)。
- 角色对话规则: 只选 2–4 个精心挑选的对话,用角色自己的声音;其余全是旁白。禁止发明对话。
- 节奏检查:VO 2.3–2.7 字/秒 · 静音 >12% = 删除 · 标题不要剧透答案。
步骤 2 — 故事板 + 几何锁定
- 行 → 场景表(每行的 t0–t1 提前确定)。然后 ASCII 坐标锁定:每套布景的地面、角色位置、每个节拍的摄像机。
- 先画草图,后看外观 — 没有草图,不能直接写最终代码。
步骤 3 — 角色设计(代码 code/my_builder.js)
- 角色 = 工程化 SVG 演员(~640 单位):2 段式 FK 关节(髋→膝,肩→肘),圆形关节,每个角色的下巴形状脸部路径。
- 每个角色的 DNA 调色板:皮肤、虹膜、服装、特殊标记(额饰、圣痕、头巾)。
- 额部细节(圣痕)在头发层之后制作 — 否则会被头发遮住。
- 表演 API:
setFaceMood·lookEyes·poseArms·speakHuman(唇形) ·walkHuman(真实行走循环 — 滑动 = 硬性失败)。 - 手:手掌 + 拇指 + 手指线条。每个演员都有眨眼循环 + 呼吸。
- 质量标准:角色不能用基本形状(圆形头部,圆柱身体)制作 — 必须使用雕刻路径。
步骤 4 — 场景设计(代码 code/my_head.js、my_scenes_a/b.js)
- 先做材质: 每个表面使用多段渐变 + 真实投影;纯色 = 失败。
- 房间 = 3D 外壳:后墙 + 透视侧墙 + 地面多边形 + 踢脚线。
- 石墙:每块石头不同的色调 + 高光线 + 风化污迹(程序化石材纹理) — 浴室瓷砖重复 = 失败。
- 巨石/岩石: 不规则 12 点多边形 + 3 个面阴影 + 裂缝 + 沙迹 + 接触阴影。八边形/平板 = 硬性失败。
- 动态道具:摇摆的灯、哈万火焰 + 烟雾、乌鸦、薄雾(淡淡的!) — 但不要留下特效灯亮着,每个特效必须有熄灭的时刻。
- 摄像机法则: 每次
camTo之前计算视角底部 —cy + 960/s ≤ 1920,否则框架底部会看到天空/黑色边缘。 - 天空矩形始终全高。
步骤 5 — 组装 + 渲染
- 引擎核心 = 组装后的 HTML 前缀(shell svg#stage + defs + rig + helpers E/iGrad/makeCam/seekWrap)+ 场景文件 + 结束标签。
gsap.min.js放在旁边 — 文件复制不要放在&&链中(一个失败 = 全部停止)。 - 时间线基于 GSAP;渲染通过确定性 seek:Playwright 1080×1920 →
window.seekToTime(t)每帧 → JPEG q88 → ffmpeg libx264 crf18。以 ~20 秒块渲染(避免 VM 重启),使用恢复模式(帧 >10KB 则跳过)。 - GSAP 教训: 对于已经具有变换(平移+缩放)的组,不要使用 x/y 补间 — 使用 attr transform absolute 补间。
- 长字幕行:渲染脚本中,如果
getComputedTextLength() > 1030,运行textLength=1030修复器。 - poseArms 符号:向右旋转臂 R = 正旋转。摔倒的角色:包裹 −84° 时头部向左移动约 530 单位 — 先计算头部最终位置再放置包裹。
步骤 6 — 自我审计循环(每个场景)
- 导出测试静帧(每个场景中间 + 问题帧) → 自行检查(包括缩放裁剪) → 修复 → 再次导出静帧。
- 3 次审计:艺术(构图、颜色) · 物理(解剖、阴影、着地感) · 故事(旁白匹配、表情是否相反)。
- 评分 /100;95+ 才最终通过。硬性失败(断手、漂浮物体、反向阴影、道具变化)会覆盖评分。
- 横幅/字幕保持在屏幕空间内:头部的屏幕 y = (wy − cy)·s + 960;横幅 118–222,字幕 1652+ 以外。
步骤 7 — 配音(代码 vo/fit_lines.py)
- 模型仅限 gemini-3.8-flash-tts(主要)/ gemini-3.1-flash-tts-preview(仅 429 错误时回退)。禁用 2.5 TTS。配额 10 次调用/天/模型 — 提前计算预算。
- 旁白 = 单次调用,整个剧本一次性发送。文本以 RAW 格式发送 — 长句式风格会使节奏变慢 2.5 倍,有时甚至会直接说出方向。
- 声音:旁白用 Puck(Raj 的首选,@i.raj1801 短片的默认声音) · 反派/其他声音用 Algenib。
- TTS WAV 以 48000 Hz 输出 — 根据实际采样率进行音调计算:音调 ×1.12 = asetrate 53760(绝不使用 rubberband — 会产生回声)。反派需要低沉时使用 ×0.96。
- 行对齐:使用 Whisper(small,语言
hi)获取片段 → 切割每一行 → 暂停压缩(silenceremove) → 音调调整 → 每行 atempo 以精确适配字幕窗口。 - 使用 wave+numpy 解码 WAV 后提供给 Whisper(PyAV 会产生
metadata_errorsTypeError)。
步骤 8 — 混音(代码 vo/mix.py)
- 每个视频使用全新 BGM — 绝不重复使用;许可证安全(Kevin MacLeod 库)。音量 ~0.10,位于 VO 下方。
- SFX 节拍映射:whoosh(投掷)、impact(撞击/坠落)、thunder(闪电/诅咒)、riser(诅咒前)。
- Loudnorm 2 遍(测量 → 线性应用) = −14.0 LUFS,TP ≤ −1.5。单遍通常停在 −15.8。
- 混流:视频流复制 + AAC 192k。
步骤 9 — 最终质量控制 + 交付
- 对交付文件使用 Whisper 听取 — 每个剧本行是否按正确顺序/时间出现?仅检查源片段不够。
- 验证并报告持续时间、大小、LUFS 三项。
- 交付教训: 不要重复使用视频文件名 — 应用会缓存旧的副本。每次新交付 = 新名称(v2、_Final、日期)。
- 完美(Raj 批准)的视频收集在
Perfect_Videos/<date>/文件夹中 — 只放完美的。
文件指南
script/Script_v1.md— Bhangarh 剧本 + 真相/故事标签 + 节奏检查(用作模板)code/my_head.js— 着色器、HUD、drawStoneWall / drawRealBoulder / drawPerfumeBottle / drawAsiBoard / drawHangingLampcode/my_builder.js— buildBhangarhActor(5 个角色,完整绑定)code/my_scenes_a.js/my_scenes_b.js— 8 套布景 + 时间线 + 字幕code/props_snippet.js/api_snippet.js— 树/草 + 表演 APIcode/render_test.py/render_full.py— 静帧 + 完整渲染(带恢复模式)vo/fit_lines.py/vo/mix.py— 配音对齐 + 最终混音docs/— 视觉系统摘要 + 经验教训demo/demo_10s.mp4— 此流水线的 10 秒示例场景(实际短片未公开)