make-video 是做什么的？
根据提示词生成一部带旁白的影片。每一帧都是时间 t 的纯函数，在画布（@napi-rs/canvas）上绘制，并利用 ffmpeg 编码。语音由本地 Kokoro 模型生成。音乐通过 Python 合成。每个画面都精确对应旁白中提及该画面的单词的时刻。
流程是固定的： 提示词 → 故事板（真实语音、真实音乐、每个场景一帧真实画面）→ 用户在故事板上迭代 → 完整渲染。在用户批准故事板之前，不要渲染完整影片。每一步都采样真实帧，在展示之前修正你看到的问题。
下面的 <skill> 指代存放此 SKILL.md 的文件夹。
要求
node 20+、ffmpeg、uv（用于运行 Python 脚本并安装其依赖）以及 python3。运行 ./make.sh setup 会检查这些依赖。Kokoro 模型（约 115 MB）在首次运行语音功能时下载到 ~/.cache/make-video/models。字体不随工具提供：参见 references/fonts.md。
1. 理解影片（从提示词出发）
在写任何代码之前，先阅读影片的内容：PR、仓库、文档、应用、公告。找出影片可以展示的真实元素：真实的屏幕截图、真实的代码、真实的输出。确定这些内容，只对你无法确认的信息向用户提问：
- 类型和时长。 功能简介或公告：30–75 秒，6–10 个场景，展示真实应用界面。解说视频：2–6 分钟，包含章节标题卡片、图表和代码。经验法则：每秒约 2.5 个单词的旁白。
- 观众和最终目标：他们必须知道或做什么的一件事。
- 视觉风格。
theme.mjs中的ink调色板（接近黑色，红色强调色）或navy（深蓝、天蓝和琥珀色），或者产品自身的颜色和字体。 - 音乐风格。
pop（明亮、欢快）或chip（安静芯片音乐），或none。
2. 创建项目
<skill>/scripts/new-project.sh ~/Developer/<主题>-video <主题>-video
这会复制 <skill>/template（一个可用的 30 秒示例影片）并运行 npm install。获取字体（references/fonts.md）。项目是独立的。编辑以下文件：
| 文件 | 作用 |
|---|---|
video.json | 脚本：场景、旁白行、提示、时间码、音乐、故事板简要说明 |
scenes/*.mjs | 每个场景 ID 对应的一个绘制函数 |
theme.mjs | 调色板、字体、背景 |
music.py | 当默认设置不合适时，用于修改配乐（和弦、主旋律、乐器） |
shots/plan.mjs | 需要捕获的真实应用截图计划，当影片展示应用时 |
不要编辑 timeline.json。timeline.py 会生成它。
3. 编写脚本（video.json）
先阅读 references/script.md。简而言之：每个场景一个核心想法，使用简短平实的句子，以吸引人的开头开始，以下一步行动结束。一行可以是一个字符串，或者当字幕和发音形式不同时使用 {"text", "say"}（例如 "video.json" 发音为 "video dot jason"）。提示词（cue） 用于指定某个画面落在哪个单词上：{"label": "badge", "at": "badge", "sound": "chime"}。为每个重要的出现设置提示词。填写 brief（导语、方法、未解决的问题）；故事板会显示它。
4. 绘制场景（scenes/*.mjs）
阅读 references/drawing.md（场景 API、辅助函数、布局和运动规则）。每个场景接收 (ctx, t, S)。让每个元素在 S.cue(label) 或 S.w('word') 时出现，并通过 S.tout 离开。使用真实素材：
- 应用界面： 使用
shots/capture.mjs捕获真实 UI，并使用screens.mjs（相机、光标、圆环）展示。参见references/screens.md。 - 代码：
code.mjs按行号读取真实文件，因此引用的代码不会出错。 - 程序输出： 运行真实程序并绘制其真实输出。不要绘制你未亲眼见过的输出。
边画边采样。 在进入下一个场景之前，为每个场景运行 ./make.sh scene <id> 并查看 out/sheet.jpg。对于每个棘手的移动或过渡，运行 ./make.sh clip A B 并观看 out/clip.mp4。references/review.md 中有检查清单。
5. 故事板：用户在此迭代
./make.sh storyboard
此操作依次执行：语音 → 时间线 → 音乐 → 音频混合 → 每个场景一帧 → storyboard.html：一个自包含的页面，包含真实的语音和音乐混音、每个场景的一帧画面、标注了每个提示词的脚本、时间码和简要说明。播放时，它会高亮显示当前场景和旁白行。
在展示之前，查看 out/board/ 中的每一帧画面，并修正错误。然后将页面交给用户。如果你的工具可以发布 HTML 页面或工件，请发布 storyboard.html 并分享链接。否则，给出文件路径，让用户在浏览器中打开。
然后与用户一起迭代。每次修改都小而快：编辑 video.json 中的一行（只有修改过的行会重新生成语音）、移动提示词、改变某个场景的能量、重新调整样式、重绘某个场景。然后再次运行 ./make.sh storyboard。保持 brief 中的未解决问题最新。一直循环，直到用户批准故事板。
6. 完整渲染
仅在用户批准后：
./make.sh film # 或：./make.sh film --blur 4 （运动模糊，约慢 4 倍）
这会生成 out/<名称>.mp4（1920×1080，60 fps，AAC，响度 −16 LUFS）、out/<名称>.srt 和 out/<名称>.vtt。然后检查真实输出，而不是代码（参见 references/review.md，“最终检查”）：从编码后的 MP4 中提取帧，确认时长和流信息，并在修改过的点聆听混音。运行 python3 storyboard.py --final 使故事板页面包含完成的影片。交付 MP4、字幕和故事板。如果影片是公告，则提供一个简短的发布文案，使用相同的脚本编写。
命令
| 命令 | 功能 |
|---|---|
./make.sh storyboard | 语音、时间线、音乐、混音、故事板帧、storyboard.html |
./make.sh scene ID [0.3,0.6,0.9] | 一个场景在指定时刻的静止帧，加上 out/sheet.jpg |
./make.sh samples [24] | 在整个影片中均匀分布的静止帧，加上 out/sheet.jpg |
./make.sh stills 3,20.5 | 在精确秒数的静止帧，加上 out/sheet.jpg |
./make.sh clip A B | out/clip.mp4：从 A 秒到 B 秒的真实影片片段，带声音 |
./make.sh voice / music / timeline | 只执行单个步骤 |
./make.sh film [--blur N] | 完整渲染和混音 |
uv run tts.py --voices | 列出可用的 Kokoro 语音 |
参考文档
references/script.md：如何编写旁白，以及video.json的完整说明references/drawing.md：场景 API、lib.mjs辅助函数、布局、运动、场景模式references/screens.md：捕获真实应用屏幕并在其上移动镜头references/audio.md：语音、音乐风格、提示音、混音、额外音频references/review.md：如何采样、精修检查清单、最终检查references/fonts.md：获取字体的途径