启动视频
渲染器：launch-video-skills npm 包。完整场景合约：https://github.com/anudeepadi/launch-video-skills#scene-contract
npx launch-video-skills setup：每台机器只需执行一次（headless Chromium + Python 语音包）。需要 Node 18+、Python 3.10+、ffmpeg。首次运行语音时，Kokoro 权重（约 350 MB）和 whisper small.en（约 480 MB）会下载到~/.cache/lvk。npx launch-video-skills new <name>：创建launch-videos/scenes/<name>/index.html，并在其旁边生成launch-videos/kit/。npx launch-video-skills render <scene.html> [flags]：将输出写入./out/。- Chromium 下载卡住 →
export LVK_CHROME=/path/to/chrome-headless-shell（任何本地构建版本）。 - macOS 上通过 python.org 安装的 Python 遇到 SSL 失败 →
export SSL_CERT_FILE=$(python3 -c 'import certifi;print(certifi.where())')。
优秀的启动视频与“AI 垃圾”之间的区别在于 references/craft.md。在构思故事板之前，请先阅读此文件。
步骤
- 从实际产品中获取品牌和事实。 使用 Playwright 获取网站。如实记录标题、副标题、功能名称、网站自身的示例内容（演示线程、提示词、代码、问题列表）以及行动号召。读取计算后的样式，获取字体家族/字重/字间距以及背景/文字/强调色的样本像素颜色（CSS 变量会过时）。将 Logo SVG 和任何图片保存到
launch-videos/scenes/<name>/assets/。仅当字体许可允许重新分发时，才使用网站的字体；否则，使用最接近的捆绑字体（Inter、JetBrains Mono、Space Grotesk）。绝不虚构指标、客户、集成或 UI。如果某内容被标记为“计划中”或“预览”，则忽略或标注。如果无法获得真实的 UI 示例，请停止并说明原因。在场景顶部注释中注明来源 URL 和日期。 - 编写脚本，然后构思故事板。 每个镜头一两行简短文字，取自网站文案；总时长 20–40 秒。当口语形式不同时（如点、缩写）使用
say：say: 'Build A.I. agents'。共 5–6 个镜头，每个镜头一个想法：吸引注意（2 秒内产品或标题出现在屏幕上）→ 首次使用情境 → 产品实际运作（使用 HTML 根据网站自身示例重建真实 UI，绝不使用截图）→ 第二个能力 → 三大支柱或工作原理 → 带 Logo 的行动号召。沉稳品牌：music.style: 'ambient'，轻柔音效（0.2–0.6 音量）。开发者工具：'pulse'和重击音效。语音可选；X 上常见纯音乐。 - 编写
launch-videos/scenes/<name>/index.html，基于../../kit/kit.css和kit.js。从模板开始。标记镜头为data-shot="id"，不硬编码 --in/--out。语音行放入SCENE.voice.lines（键、镜头、文本/say、at/after、pause拍）。将节拍与语音关联，使用data-on="key"、data-on="key:word"、data-edge="e"。在定义 SCENE 后调用K.layout()，然后从K.at/K.end/K.shot派生 JS 节拍：打字速度 = 文本长度 / 口语持续时间，光标在关键词上点击，打字音效提示来自相同常量。onFrame(t)必须只依赖 t。JS 变换应作用于包装器，且不使用 CSS 动画类。避免使用大型filter: blur、backdrop-filter或全屏混合模式。 - 审查循环。
npx launch-video-skills render launch-videos/scenes/<name>/index.html --sheet 1。每行<- ASR heard:都可能是发音错误：使用say重新拼写并再次检查（whisper 有时会误听正确音频；标记这些情况供人工听取）。检查生成的 PNG 图像是否有：文字覆盖在繁忙图像上、小文字可读性、空帧、过渡中间碰撞、打字在镜头结束前完成、语法高亮出错。使用--stills t1,t2进行完整分辨率检查。迭代时使用品味注释（“太快了”、“不清楚发生了什么”），而非一次性完成。 - 渲染并验证。
npx launch-video-skills render launch-videos/scenes/<name>/index.html --workers 4。然后：ffprobe：检查是否为 h264 + aac，以及预期时长。volumedetect：平均音量约 −19 到 −17 dB，最大音量低于 −1 dB。- 同步：使用 faster-whisper small.en 逐词时间戳转录最终 MP4；每句第一个词的时间戳与日志中输出的时间线偏差在约 0.2 秒内。关键词落在视觉节拍上。
- 连续性：对比工作边界处的帧（帧数 / 工作进程数）。
- 交付。 提供 MP4 文件路径。绝不覆盖之前的剪辑（使用
mv -n或新的--out）。明确说明语音和音乐是合成的，且未经过人工耳朵检查。提供避免“一键生成”类声明的发布文案。付费语音（ElevenLabs、OpenAI、Google）可在包内的lib/tts.py中替换；仅在用户希望获得更自然的朗读效果时提及。