Communitygithub.com

jgilb17/jpg

将HTML合成渲染为MP4/WebM视频。

jpg 是什么?

HyperFrames 是一款 AI 技能,旨在通过 HTML 合成生成确定性视频。它利用 HTML 文件中的 `data-*` 属性进行时序控制、GSAP 驱动动画、CSS 定义样式,并借助 Chrome 的 headless 模式和 FFmpeg 逐帧捕获页面,最终输出 MP4 或 WebM 文件。该技能适用于动态图形、带字幕的旁白视频、产品演示、社交媒体叠加效果以及场景过渡等场景,是对数学动画技能 `manim-video` 的补充。它提供开箱即用的 CLI 工具,支持一键初始化项目、实时预览、WCAG 对比度验证、布局检查以及高质量渲染。HyperFrames 强调确定性和可复现性,要求所有动画(如 GSAP 时间线)不能依赖随机性或异步操作,并强制在编写 HTML 前定义视觉标识(`DESIGN.md`),以确保风格一致。该技能适用于 Claude Code、Cursor 等支持定制技能的 AI 编程代理。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/jgilb17/jpg/tree/HEAD/.claude/skills/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 是视频的最终来源。一个合成是一个 HTML 文件,使用 data-* 属性控制时间,GSAP 时间线控制动画,CSS 控制外观。HyperFrames 引擎逐帧捕获页面,并使用 FFmpeg 编码为 MP4/WebM。

对 manim-video 的补充: 处理数学/几何讲解(公式、3B1B 风格)请使用 manim-video。处理动态图形、讲解人头部加字幕、产品演示、社交媒体叠加效果、着色器过渡以及任何由真实视频/音频媒体驱动的内容,请使用 hyperframes。

何时使用

  • 用户要求根据文本、脚本或网站渲染视频
  • 动画标题卡片、下方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)
  • 场景间过渡(交叉淡入淡出、擦除、着色器扭曲、闪白)
  • 社交媒体叠加效果(Instagram/TikTok/YouTube 风格)
  • 网站转视频流程(捕获 URL,生成宣传视频)
  • 任何必须以确定性方式渲染为视频文件的 HTML/CSS/JS 动画

不要使用此技能处理:

  • 纯数学/方程动画(→ manim-video)
  • 图像生成或表情包(→ 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               # 脚手架项目
cd my-video
npx hyperframes lint                        # 预览/渲染前验证
npx hyperframes preview                     # 实时重载浏览器预览(端口 3002)
px 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 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. 验证是否已安装 Node.js >= 22 和 FFmpeg(若未安装则打印修复说明)。
  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,用于通过 Chrome 的 HeadlessExperimental.beginFrame 捕获路径实现最佳质量渲染。
  4. 运行 npx hyperframes doctor 并报告结果。

若设置失败,请参阅 references/troubleshooting.md。

流程

1. 编写 HTML 前先规划

在编写代码之前,先在高层次描述:

  • 内容 — 叙事弧、关键时刻、情感节奏
  • 结构 — 合成、轨道(视频/音频/叠加)、时长
  • 视觉标识 — 颜色、字体、动态风格(爆发式/电影感/流畅/技术感)
  • 主帧 — 每个场景中最多元素同时可见的时刻。这是你将首先构建的静态布局。

视觉标识门控(硬门控)。 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 是跳过此步骤的标志)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“瑞士脉冲”、“深色科技感”、“奢侈品牌”)? → 生成一个最小化的 DESIGN.md,包含 ## Style Prompt、## Colors(3-5 个十六进制颜色及其角色)、## Typography(1-2 个字体族)、## What NOT to Do(3-5 个反模式)。

  3. 以上皆非? → 在编写任何 HTML 之前提出 3 个问题:

    • 情绪?(爆发式 / 电影感 / 流畅 / 技术感 / 混乱 / 温暖)
    • 浅色还是深色画布?
    • 是否有品牌颜色、字体或视觉参考?

    然后根据答案生成 DESIGN.md。每个合成必须将其调色板版和字体追溯到 DESIGN.md 或明确的用户指示。

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。传递 --example <name> 选择一个,传递 --video clip.mp4 或 --audio track.mp3 以媒体作为种子。

3. 先布局后动画

首先编写静态 HTML+CSS 作为主帧 — 尚不包含 GSAP。.scene-content 容器必须填充场景(width:100%; height:100%; padding:Npx),使用 display:flex + gap。使用内边距将内容向内推 — 不要对内容容器使用 position: absolute; top: Npx(当内容高于剩余空间时会溢出)。

只有主帧看起来正确后,才添加 gsap.from() 入场动画(动画到 CSS 位置)和 gsap.to() 退场动画(从 CSS 位置动画出发)。

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

4. 使用 GSAP 制作动画

每个合成必须:

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

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

5. 场景间过渡

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. 始终在每个场景元素上使用入场动画(gsap.from(...))。
  3. 除非是最后一个场景,否则绝不使用退场动画 — 过渡本身就是退出。
  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:**始终使用独立的 <audio> 元素(视频为 muted playsinline)。
  • TTS: npx hyperframes tts "脚本文本" --voice af_nova --output narration.wav。使用 --list 列出声音。声音 ID 的首字母编码语言(a/b=英语、e=西班牙语、f=法语、j=日语、z=普通话等)— CLI 会自动推断音素化区域设置;仅在需要覆盖时传递 --lang。非英语的音素化需要系统范围内安装 espeak-ng。
  • 字幕: npx hyperframes transcribe narration.wav → 单词级转录文本。根据转录文本的语气选择风格(炒作 / 企业 / 教程 / 故事 / 社交 — 请参阅 references/features.md 中的表格)。语言规则: 除非音频确认为英语,否则切勿使用 .en 的 whisper 模型 — .en 会将非英语音频翻译而不是转录。每个字幕组在退出补间之后必须有一个硬性的 tl.set(el, { opacity: 0, visibility: "hidden" }, group.end) 杀灭 — 否则组会泄漏到后续组中。
  • 音频响应式视觉效果: 预提取音频频段(低音 / 中音 / 高音),并在时间线内使用 for 循环 tl.call(draw, [], f / fps) 按帧采样 — 一个长的单个补间不会对音频做出反应。将低音映射到 scale(脉冲)、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 — 让内容引导视觉效果,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、草图效果是确定性的 CSS+GSAP — 请参阅 references/features.md#marker-highlighting。可完全搜索,无需动画 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 原语(推拉式滑动、模糊交叉淡入淡出、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 添加。情绪和能量表位于 references/features.md#transitions。不要在同一个合成中混合 CSS 和着色器过渡。

7. 检查、验证、检查、预览、渲染

npx hyperframes lint              # 捕获缺失的 data-composition-id、重叠轨道、未注册的时间线
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、画面外元素、遮挡文本
npx hyperframes preview           # 实时浏览器预览
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 在每个文本元素后面采样背景像素,并对比度比低于 4.5:1(或大文本低于 3:1)时发出警告。hyperframes inspect 是布局侧的伴侣 — 在多个时间戳运行页面,并标记静态 lint 无法看到的问题(字幕在 4.5 秒时才换行超出安全区域、卡片在其标题是最长变体时溢出、元素最终位于过渡着色器后面)。尤其对包含对话气泡、卡片、字幕或紧凑排版的合成运行 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 → 分镜 → 合成 → 渲染 → 交付。

陷阱

  • HeadlessExperimental.beginFrame' wasn't found — 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)。逃生舱:export PRODUCER_FORCE_SCREENSHOT=true。请参阅 hyperframes#294 和 references/troubleshooting.md。
  • 系统 Chrome(而非 chrome-headless-shell) — 渲染会挂起 120 秒后超时。运行 npx puppeteer browsers install chrome-headless-shell(setup.sh 已执行)。hyperframes doctor 报告将使用哪个二进制文件。
  • 任何地方的 repeat: -1 — 会破坏捕获引擎。始终计算一个有限的重复次数。
  • 在稍后进入的剪辑元素上使用 gsap.set() — 该元素在页面加载时不存在。请在时间线内使用 tl.set(selector, vars, timePosition),在或晚于剪辑的 data-start 处。
  • 内容文本中的 <br> — 强制换行不知道渲染字体的宽度,因此自然换行 + <br> 会双重换行。使用 max-width 让文本自然换行。例外:短显示标题,其中每个单词故意单独一行。
  • 对 visibility 或 display 进行动画 — GSAP 无法补间这些属性。请使用 autoAlpha(同时处理可见性和不透明度)。
  • 调用 video.play() 或 audio.play() — 框架拥有播放控制权。切勿自行调用这些方法。
  • 异步构建时间线 — 捕获引擎在页面加载后同步读取 window.__timelines。切勿将时间线构建包装在 async、setTimeout 或 Promise 中。
  • 独立的 index.html 包裹在 <template> 中 — 会向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>。
  • 使用视频来播放音频 — 始终使用静音 <video> + 独立的 <audio>。

验证

在渲染前后:

  1. Lint + validate + inspect 通过: npx hyperframes lint --strict && npx hyperframes validate && npx hyperframes inspect(lint 捕获结构问题,validate 捕获对比度问题,inspect 捕获视觉布局/溢出问题 — 如果出现警告,请参阅 troubleshooting.md)。
  2. 动画编排 — 对于新的合成或显著的动画更改,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 甘特图时间线、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 <0.2 秒、paced-slow >2 秒)。扫描摘要和标志 — 修复或证明每个标志。对于小幅修改可跳过此步骤。
  3. 文件存在且非空: ls -lh final.mp4。
  4. 时长匹配 data-duration: ffprobe -v error -show_entries format=duration -of default=nw=1:nk=1 final.mp4。
  5. 视觉检查: 提取一个中间合成帧:ffmpeg -i final.mp4 -ss 00:00:05 -vframes 1 preview.png。
  6. 音频存在(如果期望): 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 并在报告问题时附加其输出。

参考

  • composition.md — 数据属性、时间线契约、不可协商规则、排版/资源规则
  • 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、时间线、matchMedia)
  • features.md — 字幕、TTS、音频响应式、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