Kambaxon / Kambax-tiktok

纪录 3D 视频（TikTok，德语）

所有内容均在代码中构建：HyperFrames 加 Three.js。请先阅读 hyperframes 技能，其中包含契约、check、snapshot 和 render。 语言：始终使用德语。 这也适用于脚本、配音、标题、字幕以及对用户的回复。

格式（根据三个参考视频测量）

• 技术规格： 1080×1920，30 fps。
• 时长：标准 60–90 秒（用户明确要求；约 150–200 个单词，10–14 个镜头）。仅在用户明确要求时缩短。
• 视角： 观众就是你。“你走向海滩。”“你坐在莫斯科附近的一个掩体里。”“你的闹钟响了。”
• 倒计时结构： 时间是支柱。“3 小时后” → “还剩 2.5 小时” → “还剩 30 分钟” → “0 小时” → “+40 分钟”。或者“第 0/25/100/160 分钟”或“第 1/3/7/10 天”。转折点是“0 小时”或“0 分钟”。
• 结构：
  1. 平静的开场（田园或日常），副标题中注明日期和地点。
  2. 迹象和升级，每个镜头都是一个时间跳跃。
  3. 灾难或转折点。
  4. 用硬数字结账，最好显示在风格化的地图上（“≈ 230,000”，警报时用红色数字）。
  5. 解释部分“...平均而言” / “为什么？”，带有深色面板和平面示意图，字幕为“示意图，不按比例”。
  6. 结尾：一个教训或一个“对你”的问题。
• 剪辑： 镜头之间的硬切（每 2-4 秒）。在每个镜头内，摄像机缓慢移动，如滑轨或推进，在整个镜头期间使用 smooth()。

设计

3D 世界（Three.js r149，assets/vendor/three.min.js，在场景的 <template> 中加载）：

• 风格化、柔和的低多边形世界，具有光滑材质（roughness ~0.8）、温暖的阳光和柔和阴影（PCFSoft，1024 分辨率贴图）。
• 天空作为渐变纹理，带有雾效。使用 ACES 色调映射，曝光度约 0.62，否则一切看起来都会苍白。
• 角色 = 关节人偶： 胶囊状的腿、躯干和手臂，球形头部，发帽，单色服装，没有面部。辅助函数 person(seed, {top, pants, scale})，动画使用 idle() / walk()，相位永远不会同步。
• 使用盒子、圆柱体和球体作为道具，细节通过 canvasTex()（表盘、标志、窗户）绘制。
• 夜晚场景使用自发光窗户；根据距离分层设置 emissiveIntensity 表示关灯。
• 每个镜头是 W.<id> = {scene, camera, update(tLocal, T)}，SHOTS 定义时间。通过 GSAP 代理（onUpdate → renderAt）以及 hf-seek 进行渲染。
• 模板：templates/beispiel-keiner-arbeitet/welt.html，包含以下场景：卧室 + 闹钟、开放式办公室、公交车站、超市、医院走廊、垃圾街 + 老鼠、城市夜景（关灯）、厨房 + 蜡烛、窗户/阳台。复制助手、场景和渲染器，重用或替换场景。
• 人像画面裁剪很窄（水平约 27°）：将相机放得比想象中更远，并将角色置于画面中央。
• 面板下方的保持镜头：{ id, t0, t1, hold: true } 以最终状态渲染场景。

左上方标题块（scripts/titel.py，数据在 titel.json 中），Open Sans，白色，柔和阴影：

• 副标题，32 像素，字重 600，大写字母带间距，例如“26. DEZEMBER 2004, ≈ 10:00 UHR”。
• 主标题，132 像素，字重 700，例如“Noch 30 Min.”，“Minute 0”，“Tag 7”。警报时可以是红色（"farbe":"#ff4b3e"）。
• 副标题行，32 像素，字重 600，大写字母，例如“DAS MEER ZIEHT SICH ZURÜCK”。
• 位置：左侧 72 像素，上方 228 像素。每次切换时更换（0.2 秒模糊进入）。

字幕（scripts/untertitel.py）：

• Open Sans 字重 700 斜体，54 像素，y ≈ 1210 处居中。
• 显示一个短语（直到标点符号或最多 5 个单词）。尚未说出的单词变暗（0.5），说话时点亮。
• 关键词用浅蓝色 #6cc0ff（--blau "Meer,Welle"）。

结账地图（模板 bilanz.html，路径来自 europa-paths.json 或 Natural Earth）：

• 平面地图：海洋 #123f73，陆地米色 #e9dfc6，目标国家更亮且带有白色边框，黄色城市点。
• 白色圆圈从中心脉动，标题块中的大数字递增并变为红色。

解释部分（模板 erklaerung.html = 链条，vorrat.html = 同一条带中的两个阶段）：

• 场景严重变暗（上方 rgba(20,26,38,.97)，下方稍有透光）。
• 标题块“原因 / 为什么？ / 示意图，不按比例”。
• 明亮的图像条带（y 640–1040），带有平面插图（剖面图、链条、腔室……）和大写标签。
• 条带下方的青色 #5fd0e8 状态句子。
• 红色叉号或绿色勾号图标（OpenMoji）。

音频： 声音是时间轴。音效需谨慎使用：

• 切换时使用 whoosh-short
• 转折点时使用 impact-bass
• 叉号或警报时使用 error/pop

音乐仅在用户提供文件时使用。

流程（如果指定了主题，则无需提问）

1. bash scripts/setup.sh（每个容器一次），然后 bash scripts/projekt.sh <slug>。
2. 编写 skript.txt：每个镜头一行，使用“你”的形式，短句。
   • 时长：60 秒 ≈ 150 个单词，70 秒 ≈ 165，90 秒 ≈ 210（Piper 约 2.5 词/秒，含停顿）。
   • 数字为配音拼写出来，显示带有 zwölf{12}。
   • 仅在有可靠来源时使用事实；估计值使用“大约”/“约”，思想实验使用虚拟语气或作为场景。
3. python3 scripts/voice.py skript.txt assets/audio --speed 1.08 --gap 0.45
   • 结果：voice.wav 和 words.json，根据 lines[].start 剪切镜头。
   • 用户的自己录制有优先权。
4. titel.json → python3 scripts/titel.py titel.json compositions/titel.html
5. python3 scripts/untertitel.py assets/audio/words.json compositions/untertitel.html --blau "..."
6. 构建 compositions/welt.html（3D）和 compositions/erklaerung.html（图表）；从模板中获取 index.html（图层：世界 1，解释 2，标题 3，字幕 4，音频）。
7. npx hyperframes check --json（错误必须消除；明亮天空上的对比度警告是风格原因）。
   • 然后 npx hyperframes snapshot --at a,b,c,d,e,f --no-end -o snap，每次调用最多约 6 个时间点。
   • 查看并修正图片。
8. 后台渲染：npx hyperframes render -o renders/<slug>.mp4 -q delivery -w 2 --quiet。
   • WebGL 在 CPU 上运行，这需要几分钟。
   • 然后用 ffprobe 检查，查看联系表并将文件发送给用户。

声音（用户要求：友好的女声）

• 首选：用户的 ElevenLabs 文件（以前是“Jessica – Playful, Bright, Warm”，eleven_v4）。流程：
  1. 将脚本作为文本块提供给用户录制（每个镜头一行）。
  2. 使用词时间生成参考：python3 scripts/voice.py skript.txt /tmp/ref --voice ~/.cache/geo-voice/vits-piper-de_DE-kerstin-low/de_DE-kerstin-low.onnx --gap 0.4
  3. 对齐：python3 scripts/align.py /tmp/ref assets/audio/<eleven>.mp3 assets/audio（基于 MFCC 的 DTW，行起始对齐到实际停顿）。 结果：voice.wav + words.json；使用 silencedetect 双重检查行边界。
  4. 所有时间（剪辑、标题、效果、面板）都从新的词时间导出。
• 无文件时的备用方案：女性 Piper 声音（Kerstin/Ramona/Eva，来自 GitHub k2-fsa/sherpa-onnx 发布版 tts-models）。听起来很合成；仅作为备选方案，并告知用户。
• 无法进行语音克隆（模型被阻止），不得克隆陌生或名人声音。

音乐和音效

用户始终想要轻柔的背景音乐和效果音效。Openverse、Freesound、Pixabay、archive.org 和 HeyGen 被屏蔽，因此两者都使用 scripts/klang.py 合成生成。

• 音乐： python3 scripts/klang.py musik musik-plan.json assets/music/musik.wav
  • musik-plan.json 为每个部分定义：和弦、能量、亮度以及可选的 BPM 脉冲。再加上一些钢琴音符。
  • 各部分遵循戏剧结构：阴郁 → 紧张（脉冲） → 低谷几乎无声 → 希望时温暖的调式和弦。
  • 在视频中使用 data-volume ~0.22 放在声音下方（音乐文件约 −18 LUFS）。
• 音效： python3 scripts/klang.py sfx assets/sfx 生成风声、隆隆声、收音机、钟表、脚步声、队列、警笛、钟声、心跳、嗡嗡声、轰鸣声。
  • 再加上附带的 whoosh/impact/riser 来自 media-use。
  • 音量 0.15–0.45，持续声音使用 data-fade-in/out。
• 控制： 通过 showspectrumpic 查看频谱（咔哒声 = 垂直线）。我无法自己听，因此告知用户混音是测量得到的而非听出来的。
• 对于敏感主题（大屠杀、受害者），减少音乐；仅使用风声或嗡嗡声。

敏感历史主题

• 禁止使用万字符、党卫军符文或其他纳粹符号，以及带脸的肇事者肖像（TikTok 会屏蔽，即使在历史背景下）。旗帜和制服保持抽象。
• 集中营和暴力只做暗示（栅栏、瞭望塔、雾），不展示受害者。语气客观且批判。
• 在假设情景结尾处，对现实进行归类（“现实” / “为什么几乎不可能”）并展示解放。

始终提升（用户要求）

每个项目都应在氛围、效果、动画和音频方面超越前一个。当前状态保存在 templates/beispiel-tschernobyl/ 中：

• 粒子 particles(scene, n, seed, {x,y,z,v,drift,grav,life,color,size,opacity,add,fog})：确定性，并且始终使用柔和的圆形纹理 SOFT（没有它会出现方形）。用于火、余烬、烟雾、雨、灰尘、水柱和树叶。
• 光线作为叙事： 警报灯闪烁，火点光源闪烁，光束是加色的，地平线上的辉光是渐变平面（不是球体）。
• 摄像机： 撞击时晃动（exp(-u*2.2)），每个镜头慢速推拉。
• 外观层 look.html（z-index 在世界之上，在标题/字幕之下）：胶片颗粒（15 fps，确定性）、渐晕、爆炸时的白色闪光、沉默时刻淡出黑色、结尾淡出。
• 音频： klang.py sfx2 用于盖革计数器（3 种密度）、警报、爆炸、火、警笛 2、公共汽车、雨和吱吱声。在 musik-plan.json 中，有 luft（泛音）、sub（低音）和 stille（硬静音窗口，例如在巨响之后）。还有一个 riser，正好在转折点上升（开始 = 命中点 − 10.03 秒）。
• 支撑性结构： 开始和结束相互镜像（你睡觉 ↔ 你醒着站在窗边），中间是地图和图表。

陷阱

• cam() 只有 400 米可视距离。对于所有更远的东西（地平线、发电厂、拱门），使用 camFar(3000+) 并将雾设置得足够远，否则它会不可见。

• 人像窗口：精确规划通过开口的背景物体（角度 = atan(高度/距离)）。

• 质量优先于速度（用户要求）：始终使用 1080×1920、-q delivery、完全阴影和抗锯齿。一个 70 秒的渲染在云端（CPU WebGL）大约需要 40-60 分钟。提前告知用户，不要降低画质。

• pkill -f <模式> 会杀死自己的 shell，如果模式出现在命令中。请改用 PID 终止进程。

• Piper 声音听感很合成（16 kHz）。建议用户自行录制或提供 ElevenLabs 文件。

• 对于包含未知音素的行，无法进行对齐。voice.py 会根据能量和音节长度分布单词；在快照中检查时间。

• 场景 ID 必须是唯一的（前缀 er-、ti-、ut-）。

• 容器是临时的：立即发送视频。只有将技能和项目推送到 Git 仓库才能保留。