深度视角解说员是做什么的？

制作一部约 10 分钟的视频“为什么你永远不想遇见 [动物]”：使用 Remotion 制作扁平矢量动态图形（一切都在动，没有静态幻灯片），使用 ElevenLabs Eleven v4 进行旁白，每句话一个视觉创意。无论用户使用什么语言写作，始终用英语与用户交流；脚本、标签和提示也均使用美式英语。将所有 JSON/TXT/.env 文件保存为 UTF-8 格式，不带 BOM。

步骤 0 - D 盘的工作区（每次运行，缺失则创建）

根目录：D:\DepthPOV（如果 D 盘不存在，请询问用户其他驱动器）。

D:\DepthPOV\.env
D:\DepthPOV\studio\            Remotion 项目 (npx create-video@latest studio, Blank模板)
D:\DepthPOV\studio\src\lib\    共享视觉库 (core.tsx, sets.tsx, art.tsx, ui.tsx)
D:\DepthPOV\tools\             voice.py stock.py stock_pick.py sfx.py
D:\DepthPOV\videos\<slug>\     facts.json script.txt script_tagged.txt beats.json timing.json stock.json packaging.md voice.mp3 out.mp4 FINAL\
D:\DepthPOV\assets\stock\ music\ sfx\ thumbnails\
D:\DepthPOV\brand\brand.json

此技能附带的内容（缺失时复制到工作区，切勿覆盖本地较新版本）：scripts/*.py -> D:\DepthPOV\tools\；remotion-lib/lib/*.tsx 和 brand.ts -> studio\src\lib\；remotion-lib/stills.mjs -> studio\；remotion-lib/example-blue-whale/ 是该技能作者完成的完整视频（13 个章节文件，约 66 个持久场景，Main.tsx，Thumb.tsx），用作参考实现，而不是逐场景复制。库从 studio\src\lib\brand.ts 获取频道名称、强调色和角色颜色，tools\sync_brand.py 从 brand.json 生成该文件；切勿在场景中硬编码频道名称或颜色。创建 studio 后，运行 npx remotion add @remotion/media @remotion/google-fonts。Python 需要 requests。如果 .env 缺失，请创建它并为空值，然后停止，告知用户在记事本中打开并填写密钥：

ELEVENLABS_API_KEY=
ELEVENLABS_VOICE_ID=
ELEVENLABS_MODEL_ID=eleven_v4
PIXABAY_API_KEY=

PIXABAY_API_KEY 是免费的：登录 pixabay.com 并复制 https://pixabay.com/api/docs/ 上显示的密钥（一个密钥同时覆盖视频和照片）。忽略旧 .env 中包含的任何额外密钥。切勿打印密钥值。检查 Node.js LTS 是否已安装；使用 npx skills add remotion-dev/skills 一次性安装 Remotion agent 技能，并在编写 Remotion 代码之前加载它们。如果用户提到“保留”，他们的意思是 Remotion。提醒一次，Remotion 仅对个人和非常小的公司免费（/remotion-license）。

步骤 1 - 品牌（仅在第一次运行时执行，保存到 brand.json；如果 brand.json 存在则跳过）

按顺序询问这些问题，每条消息一个，并始终附带建议：

频道名称。 询问用户是否已有名称。如果没有，以三种风格（神秘型，例如“深渊档案”；探索型，例如“深入深海”；直接型，例如“为什么你永远不会”）提出 8 个名称：1-3 个单词，容易念出声，不与现有大频道重名，不与“深度理论”相似，并且如果频道日后离开海洋主题也能适用。为每个名称提供一个匹配的 @ 账号。告诉用户在 YouTube 上搜索名称 + 账号以确认可用性（Claude 无法确认可用性）。保存 channel_name, handle, tagline。
“你”角色，推荐一种：
1. 水肺潜水员（橙色服，红色头灯）——海洋；最接近深度理论，最缺乏特色。
2. 小型潜艇驾驶员——深海；整个视频以圆形舷窗 + HUD（深度，氧气）为框架。推荐用于海洋专属频道。
3. 海难幸存者（筏上）——海洋表面；俯视木筏视角。
4. 带头灯的探险家——丛林，洞穴，河流，冰川；黑暗中的光晕。推荐用于频道扩展到海洋以外的情况。
5. 护林员 / 野外生物学家——陆地动物；双筒望远镜 + 野外笔记本。
6. 时间旅行者——史前生物；年份计数器（-66,000,000）。
强调色 + 字体，以及频道自己的开场风格（展示 3 个示例冷开场，用户挑选）。将 {channel_name, handle, tagline, character, look, signature_frame, accent {threat, safe, danger}, character_colors {suit, suit2, stripe, fins, fins_dark, lamp}（脚蹼使用高可见度颜色），font, opening_style} 保存到 brand.json，然后运行 python D:\DepthPOV\tools\sync_brand.py 以写入 studio\src\lib\brand.ts，并在每个视频中重复使用。捆绑的艺术库绘制的是水肺潜水员；对于任何其他角色（潜艇驾驶员、探险家、护林员、时间旅行者），在 art.tsx 中构建一个新组件，遵循相同的解剖规则（references/visual-style.md）。切勿使用深度理论的“Picture this.”开场、其精确调色板或潜水员设计。在以下位置使用 channel_name：跨视频回调行（“如果您已经在 [channel_name] 频道看了一段时间...”），CTA/片尾屏幕行，描述，以及视频最后 10 秒的频道角标。

步骤 2 - 事实（在任何脚本之前）

通过网络搜索该动物。facts.json：25-35 个项目 {id, claim, number, unit, everyday_comparison, source_url, confidence}。除非获取的资料来源明确指出，否则不使用最高级（最大/最深/唯一/有史以来）。列出流行神话和事实真相。

步骤 3 - 脚本（固定结构；首先阅读 references/script-patterns.md）

使用 script-patterns.md 了解各章节预算、手法和原创性规则：从参考中学习节奏，但绝不照搬其措辞。每个脚本都根据该动物的事实全新编写；如果该动物已被参考覆盖（如抹香鲸），则避免其中列出的角度。

冷开场 0:00-0:25。第一行始终是品牌的标志性开场白，简短（3 秒以内），以便观众学习：“潜水日志，第 [n] 条。[深度]。气压：[PSI]。”第二行起是钩子，仍然在前 7 秒内：让观众立即身临险境——有东西触碰、抓住、盘旋或阻挡了光线，一个鲨鱼般的轮廓，一个阴影，一个看不见的东西——现在时态，不加解释，并立即在屏幕上展示（剪影，触手，阴影，眼睛）。只有在那之后才交代设定（夜潜，系绳，深度以下），一条观众信任的规则，以及一个打破规则并向你涌来的感官信号。切勿在前 7 秒内花费在平静的风景或后勤上。埋下一个感官细节，以便在视频中部得到呼应，并在稍后（真正的遭遇，近距离）与开场危险相呼应。没有介绍。
重构：列出人们通常害怕的动物，承认这一点，然后为 [动物] 提出三个主张；最后以“...为什么你永远不想遇见一个。”结束。
五个章节：体型，食物，捕猎/感知方式，大脑/行为，它是否曾攻击过人类。每个章节以一个问题结束，下一个章节以该问题开头。每个数字都附带一个日常比较。
大约 3:30 左右呼应埋下的细节。
“你实际应该怎么做？”：四个选项被逐一否决，每个带有干幽默评论，最后给出裁决句。
转折 1：它几乎从不针对人类。转折 2：真正的危险其实来自相反方向。
生态系统角色。8. 结尾：以新的含义重复那条规则。9. CTA：询问接下来要介绍哪种生物，使用 brand.json 中频道的自有关键词（切勿照搬深度理论的“我确实会读它们”）。语气：第二人称（35 个以上“你”），句子 20 个单词以内，5-7 个干幽默比喻笑话，1,600-1,800 词，语速约 170 wpm。没有“让我们开始吧”，没有表情符号。保存为 script.txt（无标签）。

步骤 4 - 场景和节拍（首先阅读 references/visual-style.md）

该视频包含约 60 个持久场景，而非每句话一张卡片。scenes.json：{scene_id, chapter, setting (deep|mid|surface-split|paper|radar|xray|black|stock), camera (drift|push-in|follow-dive|tilt|top-down|macro), cast (illustrated subjects), beats:[...]}。一个场景持续 6-20 秒，涵盖 2-6 句话；每句话为场景添加一个元素（主体进入，测量线绘制，计数器运行，标签出现，图章击中，特效触发），而不是替换它。 Beat = {id, scene_id, text, add (what appears/changes), label (0-5 words or empty; never repeats the narration), label_pos (top|under-subject|near:), accent, fact_ids, stock_query?}。对于每种句子类型，使用参考工具包：数字 -> 场景内图表（测量线，米尺，计数器，图标阵列，网格，饼图）；比较 -> 物体出现在主体旁边（公共汽车驶入，大象弹出）；历史 -> 纸质/怀旧道具和表面布景；笑话 -> 道具或简笔画（收据，表格，白板，图章，UI 对话框）；危险 -> 红色标签 + 冲击特效；感知 -> 雷达/X 射线模式切换。“你”角色出现在冷开场、呼应、选项章节和结尾，始终在动物旁边，体型很小。

步骤 5 - 事实门控（阻止）

表格：sentence | fact_id | source | OK/FIX，针对每条含有数字或最高级的句子。修复所有 FIX 行，并在投入 ElevenLabs 费用前向用户展示该表格。

步骤 6 - 语音（Eleven v4 + 音频标签）

通过添加 ElevenLabs 自动标签功能的 v4 音频标签创建 script_tagged.txt：[thoughtful], [curious], [uneasy], [dry], [whispers], [short pause], [long pause]。每 2-3 句话最多一个标签；耳语/停顿用于揭示和呼应时刻；笑话前使用 [dry]；包含统计数据的句子内不要添加标签。对于每个频道，向用户展示一次 10 行样本，以批准标签密度。
调用 POST https://api.elevenlabs.io/v1/text-to-speech/{ELEVENLABS_VOICE_ID}/with-timestamps，使用 .env 中的 model_id (eleven_v4)。每次请求最多 10,000 个字符：在章节边界处拆分（通常 2 个请求），传递 previous_text/next_text 以保证连续性，使用 ffmpeg 连接。
如果 with-timestamps 对于 v4 被拒绝，则使用普通端点，然后使用 ElevenLabs 强制对齐（POST /v1/forced-alignment），输入音频 + script.txt（去掉标签）。
将单词时间映射到句子 -> timing.json {beat_id, start_s, end_s, start_frame, end_frame}，帧率 30 fps。

步骤 6b - 音效（ElevenLabs 音效，无需 CapCut）

在 D:\DepthPOV\assets\sfx\ 中维护一个可重用的 SFX 库，使用 POST https://api.elevenlabs.io/v1/sound-generation {text, duration_seconds, prompt_influence 0.6} 生成，使用相同的 ELEVENLABS_API_KEY（tools/sfx.py；仅生成缺失的文件，因此费用只花一次）。核心集：whoosh_soft, whoosh_deep, pop_soft, tick_ui, counter_roll, stamp, paper_slide, impact_heavy, splash_big, bubbles, sonar_ping, low_hum, whale_moan, heartbeat_slow, riser_tension, scan_beep, warning_beep, strike_line, gulp, boat_motor；需要时添加特定生物的声效。将副本归一化到 -20 LUFS 并放入 studio/public/sfx/。将每个 SFX 放在其所属的动作上（元素进入，计数器，图章，冲击，场景变化），使用 <Sfx at=... vol=...> 格式，音量 0.3-0.6，每秒不超过一个；语音保持优先。

步骤 7 - 素材镜头（目标 6-10 个片段，每个 3-6 秒，位于情感高峰；最多占运行时长的 8%）

来源，按此顺序（仅限这些；绝不能用 YouTube/TikTok 翻录、纪录片镜头或任何标记为“仅限编辑用途”的内容）：

Pixabay（自动，API）。 一个 PIXABAY_API_KEY 即可服务视频 https://pixabay.com/api/videos/?key=...&q=... 和照片 https://pixabay.com/api/?key=...&q=...。每 60 秒最多 100 次请求；将每个响应缓存 24 小时到 assets/stock/_cache；不进行批量下载。工具：tools/stock.py, tools/stock_pick.py。
NOAA（手动，最适合真实物种）。 NOAA 没有素材视频 API。Claude 查找片段（NOAA Fisheries 物种页面和视频画廊，NOAA Ocean Exploration，NOAA Photo Library，NOAA 自己在 Wikimedia Commons 上的上传）并向用户提供编号列表：直接页面链接，片段显示的内容，填充的插槽，确切的署名行，以及要选择的文件（最大的 MP4，理想为 1080p）。用户下载到 assets/stock//noaa/。由 NOAA 工作人员制作的镜头通常是公共领域，但请阅读每个页面：许多鲸鱼片段是在研究许可下或由承包商拍摄的，并且需要注明“NOAA Fisheries，许可 #XXXX”或摄影师姓名等署名行；如果页面限制重复使用，请跳过该片段。下载后，务必读取文件的开始画面和结束演职员表：NOAA Fisheries B-roll 开始画面显示“All footage courtesy of NOAA... Please credit NOAA Fisheries”以及任何许可号（安全）；教育影片（例如 Ocean Today）通常在片尾列出外部贡献者，如制作公司或素材机构，因此他们的镜头不是公共领域，必须拒绝；同时拒绝带有硬编码字幕或徽标的文件。仅使用其开始画面指明目标物种的片段（B-roll 包包含多种物种），并在描述中说明“NOAA 不认可此频道”。切勿使用 NOAA 标志。
Pexels（手动链接）。 上次检查时（2026 年 11 月），API 密钥发放已暂停，因此 Claude 搜索 pexels.com/videos（Claude 在 Chrome 中或网络搜索）并向用户提供直接剪辑页面链接，包含要下载的内容（Full HD 1920x1080），下载到 assets/stock//pexels/。为一个视频手动下载几个片段在 Pexels 许可下是可以接受的（允许商业使用）；禁止批量或脚本化抓取。如果 PEXELS_API_KEY 后来出现在 .env 中，则改用 API（头信息 Authorization: <key>，GET https://api.pexels.com/v1/videos/search?query=...&orientation=landscape&size=medium&per_page=..，200 请求/小时）。
Wikimedia Commons（手动，偶尔）。 仅包含具有明确 PD / CC BY / CC BY-SA 许可的文件；记录作者 + 许可。将片段放置在参考实现所在的位置：紧接在冷开场之后（真实的动物或潜水员），在“现实世界”的主张上（跃身击浪，群体，船只，捕鲸，航拍），以及在转折/生态系统处；分散放置（永远不要连续 3 个）。对于每个插槽，搜索 3-5 个同义词，仅保留其标签/标题包含主体的结果，然后使用 ffmpeg 从每个候选中提取一帧并查看它；拒绝错误的物种（座头鲸不是蓝鲸）和离题镜头。不同物种的片段只能用于一般性陈述（“大型鲸类”），并附有屏幕注释“（图示：座头鲸）”。将片段调暗/调冷以匹配调色板，使用 8 帧模糊溶解进行淡入和淡出。 每个来源都必须注明出处。 每个片段在屏幕左下角显示一个小型屏幕署名，持续其显示时长的...

[已截断待翻译]

深度视角解说员