music-to-video — 一个基于音乐、节拍同步的视频工作流
使用此技能将音乐轨道转换为节拍同步的 HyperFrames 视频。您将分析一次音乐,布局帧,填充每个帧的计划,并将每个帧构建为一个合成。输入是一个音乐轨道,加上可选的用户图像或视频——没有旁白,也没有网页捕获。排版和模板是基础(完整视频无需任何资产);用户提供的任何媒体都会被切割到同一节拍网格上。
您是编排器。在 videos/<project>/ 中工作。按顺序执行步骤,并在继续之前通过每个关口。两个步骤需要用户:步骤 3(计划审批)和步骤 6(渲染审批)。除步骤 4 外,您自己执行所有步骤,在步骤 4 中,您为每个帧派遣一个子智能体。将设计和动画规则保留在此文件之外——它们位于 references/ 和 frame-worker 子智能体中。
SKILL_DIR = 此技能目录。PROJECT_DIR = videos/<project-name>/。
工作流:步骤 0 设置 → hyperframes.json + assets/bgm.mp3;步骤 1 分析 → audiomap.json;步骤 2 骨架 → STORYBOARD.md(帧,组 TBD);步骤 3 计划 → 完整的 STORYBOARD.md + frame.md;步骤 4 构建 → compositions/frames/NN-*.html;步骤 5 组装 → index.html;步骤 6 渲染 → renders/video.mp4。
塑造一切的两种理念
- 一个分析器,并且您信任它。
analyze-beatgrid.py是唯一的节拍分析器——切勿使用其他工具或凭耳朵重新测量节拍。它的能量/密度/卷/起始/静音始终可靠。其bpm和beats_sec仅在音乐真正有节奏时才可靠;在平静音乐上,网格是追踪器施加的节拍器,因此请改用乐句和能量来确定节奏,切勿硬性切割到它。判断您处于哪种情况是每个帧的pacing(步骤 2)。 - 一个帧 = 一个文件;组存在于内部。 步骤 2 将轨道切割为帧,每个帧成为一个合成文件
compositions/frames/NN-<frame_id>.html,由一个帧工作器构建。一个帧可以细分为组(每个组是一个模板或动画原语组合)。额外的密度应放在组内部,因此帧数量跟踪不同的处理方式,而不是节拍——快速轨道不会增加子智能体的数量。
步骤 0:设置、BGM 和输入
目标:确定音乐源,创建 HyperFrames 项目,并记录用户提供的任何媒体。
音乐是核心——在做其他任何事情之前先确定一个轨道。此技能针对快速、高能 BGM 进行了优化:强大的节拍网格驱动切割(平静轨道也可以,但根据乐句而不是节拍来确定节奏)。如果用户提供了音频(音乐文件或需要从中提取音频的视频),请使用它。如果没有,就生成一个:根据用户的描述(例如“动感合成波”、“陷阱节拍”、“欢快企业”)选择情绪,并通过 /hyperframes-media(references/bgm.md — 如果已认证则使用 HeyGen 检索,否则使用本地 Lyria / MusicGen;ElevenLabs 或其他生成器也可以)生成轨道。在生成之前,运行 npx hyperframes auth status 并逐字输出结果(不要解释或重写)——它显示 BGM 是来自 HeyGen 还是本地 MusicGen,以及如果未登录,如何登录。如果未登录,则停止并等待用户选择——登录,或继续使用本地 MusicGen 离线工作——然后再生成轨道;不要将密钥写入每个仓库的 .env。(在自主模式下,记录状态并继续离线。)请参阅 /hyperframes-media → 预检以获取规范指南。无论哪种方式,轨道最终都会位于 assets/bgm.mp3。暂存用户提供的任何图像或视频,以便帧可以在节拍网格上将它们编织进去;否则排版承载整个视频。
仅当 hyperframes.json 缺失时才初始化。根据简要说明以 kebab 大小写命名 <project>,例如 midnight-drive-loop——切勿使用时间戳。init 检查已安装的技能是否与 GitHub 上的最新版本一致,如果任何版本过时,则更新全局集。
npx hyperframes init "videos/<project>" --non-interactive --example=blank
mkdir -p "$PROJECT_DIR/assets" "$PROJECT_DIR/renders"
cp "<user-music>" "$PROJECT_DIR/assets/bgm.mp3" # 如果需要,先从视频中提取
# 仅当用户提供了图像/视频时:
node <SKILL_DIR>/scripts/stage-assets.mjs --from <dir> --hyperframes "$PROJECT_DIR" --into public
品牌(字体 + 调色板)在步骤 3 中选择,而不是在这里。不要提前选择流派或轨道类型——资产只是一个可选成分,流派从每个帧的选择中产生。
关口: hyperframes.json + assets/bgm.mp3 存在;宽高比/长度/fps 以及(如有)资产清单已记录。
步骤 1:分析音乐
目标:生成整个视频所基于的唯一规范定时分析。
analyze-beatgrid.py 是唯一的节拍分析器——切勿使用其他工具或凭耳朵重新测量节拍。它读取一次轨道并写入 audiomap.json:能量阶段(电平/密度/感觉)、起始 + onset_rate、卷、静音、hard_stops、key_moments、乐句、节奏/网格以及 audio.duration_sec。它是确定性的——同一文件始终生成相同的地图。对于任何音乐,大多数字段都是可靠的;bpm 和 beats_sec 仅在音乐真正有节奏时才可靠,判断这一点是您在步骤 2 中要做出的决定。
先决条件:Python 3 提供 librosa、numpy 和 soundfile。如果导入失败,请在运行分析器之前将它们安装到活动的 Python 环境中:
python3 -m pip install librosa numpy soundfile
python3 <SKILL_DIR>/scripts/analyze-beatgrid.py "$PROJECT_DIR/assets/bgm.mp3" \
-o "$PROJECT_DIR/audiomap.json" --print
关口: audiomap.json 存在;audio.duration_sec 已知。
步骤 2:帧骨架(仅结构)
目标:读取音乐并布局帧——STORYBOARD.md 的骨架。
阅读 references/frame-skeleton.md。自行将 audiomap.json 转换为 STORYBOARD.md 的骨架——没有中间 JSON。在真实的音乐变化处(hard_stops、SURGE / DROP key_moments、卷的边缘、没有起始的片段、大的能量跳跃)将轨道切割为帧,将每个边界对齐到音频地图锚点。为每个帧设置 span_sec、pacing(来自步骤 1 信任判断的结论——当网格为实时为 beat_cut,当网格是施加于平静音乐的节拍器时为 phrase_flow)、mood 和一行 feel(步骤 3 根据其匹配模板的纯音乐情况)。只在这里分类和布局:将每个帧的 ### Groups 保留为 TBD (Step 3),并将前导元数据的 style 留空——没有模板、文案、颜色或字体。预期大约 1-6 个帧。
关口: 帧覆盖整个轨道(第一个从 0 开始,最后一个到 duration_s);每个帧都带有 span_sec + pacing + mood + feel;每个 ### Groups 都是 TBD;没有任何内容。
步骤 3:填充计划(用户关口)
目标:将骨架转变为已批准的完整 STORYBOARD.md。
阅读 references/planning.md、storyboard-format.md、template-catalog.md、motion-primitive-catalog.md 和 montage.md(仅当用户提供了资产时)。在原地编辑同一文件,执行两项操作:
- 选择品牌。 使用
../hyperframes-creative/references/design-spec.md中的表格,从../hyperframes-creative/frame-presets/中选择一个预设(匹配轨道的情绪;只有其字体和颜色重要——模板拥有构图)。将其未修改地复制到frame.md中,并从中填充前导元数据的style(字体 + 最多 4-6 个色块的调色板)。 - 填充每个帧。 决定其组,并为每个组赋予一个处理方式:来自目录的匹配模板(带有绑定参数和真实的音频地图锚点)、来自原语目录的自由构图,或遵守
pacing的资产处理方式。编写文案。您拥有“什么”(模板/原语 + 内容 + 锚点);帧工作器拥有“如何”——切勿将毫秒级补间写入故事板。
node <SKILL_DIR>/scripts/validate-plan.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
--audiomap "$PROJECT_DIR/audiomap.json" --templates <SKILL_DIR>/references/templates
修复每个 ✗(硬错误:持续时间不匹配、帧未覆盖轨道、缺少 src);警告为尽力而为。然后向用户显示逐帧摘要并迭代,直到他们批准。
关口: frame.md 是未经修改的预设副本;validate-plan.mjs 以代码 0 退出;用户批准了计划。
步骤 4:根据计划构建帧
目标:将每个帧构建为独立的合成文件。
创建 compositions/frames/。阅读 sub-agents/frame-worker.md 和 ../hyperframes-core/references/subagent-dispatch.md。为每个帧派遣一个帧工作器,尽可能并行(否则分批进行)。每个工作器获得恰好一个帧和以下上下文:
PROJECT_DIR: <绝对路径>
frame_id: <NN-frame_id> # = 帧文件名主干,例如 02-f2;合成 id
您的块:PROJECT_DIR/STORYBOARD.md 中的 `## Frame N — <frame_id>` 块
audiomap: PROJECT_DIR/audiomap.json
frame.md: PROJECT_DIR/frame.md
材料:对于每个组,<SKILL_DIR>/references/templates/<id>/index.html(模板)和
<SKILL_DIR>/references/motion-primitives/<id>/(自由构图);暂存的 assets/(资产组)
合同:../hyperframes-core/references/sub-compositions.md + determinism-rules.md
画布:<宽>×<高> 节奏:<beat_cut|phrase_flow>
写入位置:PROJECT_DIR/compositions/frames/<frame_id>.html
工作器分叉引用的材料,将每个锚点转换为帧本地秒数(local_t = track_t − span_sec[0]),以 0ms 切割对其组进行门控,并写入一个安全的帧文件。工作器从不运行 hyperframes CLI——这些命令操作的是已组装的项目,该项目尚不存在,因此它们会报告错误的文件。工作器只写入合同并停止;您在组装后验证(步骤 6)。当每个工作器返回时,您可以确认其文件已写入磁盘。
关口: 每个帧的 compositions/frames/NN-*.html 都已写入磁盘。
步骤 5:组装
目标:将构建的帧 + BGM 连接到可播放的 index.html 中。
assemble-index.mjs 是确定性的——没有子智能体,没有判断。它在其累积的 data-start 处引用每个帧文件,将 assets/bgm.mp3 挂载到轨道 11 上,并进行帧到帧的硬切割(帧覆盖跟踪没有间隙,因此没有过渡注入器)。
node <SKILL_DIR>/scripts/assemble-index.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
--hyperframes "$PROJECT_DIR" --audiomap "$PROJECT_DIR/audiomap.json"
修复它报告的任何 ✗——缺失或空白的帧文件意味着该工作器写入了部分文件;重新派遣它(步骤 4)并重新组装。
关口: index.html 存在;总持续时间 == audiomap.audio.duration_sec。
步骤 6:验证并渲染
目标:验证组装的视频,获得用户批准,并渲染最终的 MP4。
在已组装的项目上运行 CLI——这是正确的单元(逐帧工作器无法运行它)。lint 检查结构,validate 运行无头 Chrome(捕获 JS 错误和缺失资产),inspect 捕获帧快照。
( cd "$PROJECT_DIR" && npx hyperframes lint . && npx hyperframes validate . && npx hyperframes inspect . )
在 t=0、每个帧起始点、最强的 DROP / SURGE、每个 hard_stops[].t 以及最后一帧进行检查。如果失败,请自行执行最便宜的安全修复:编辑有问题的 compositions/frames/NN-*.html。切勿更改持续时间或音频计时来隐藏同步问题。一旦关口通过,暂停等待用户审核,然后仅在批准后渲染:
( cd "$PROJECT_DIR" && npx hyperframes render . --skill=music-to-video -q draft -o renders/video.mp4 --fps 30 )
关口: lint / validate / inspect 通过;用户批准了;renders/video.mp4 存在,包含音频,持续时间 == audiomap.audio.duration_sec。最终回复说明 MP4 路径和持续时间。
恢复表
| 您拥有 | 从何处继续 |
|---|---|
仅有 assets/bgm.mp3 | 步骤 1 |
audiomap.json | 步骤 2 |
STORYBOARD.md(骨架) | 步骤 3 |
STORYBOARD.md(完整) | 步骤 4 |
| 所有帧文件 | 步骤 5 |
index.html | 步骤 6 |
快速参考
格式: 默认横向 1920x1080;纵向 1080x1920;方形 1080x1080。在故事板前导元数据中设置一次画布(canvas: { w, h, fps })。
脚本位于 scripts/ 下:analyze-beatgrid.py(唯一的分析器)、validate-plan.mjs(计划检查)、assemble-index.mjs(索引组装)、stage-assets.mjs(暂存用户媒体)、lib/storyboard.mjs(附带的解析器)。其他所有内容都是 hyperframes CLI。
| 阅读 | 时间 |
|---|---|
references/frame-skeleton.md | 步骤 2:读取音乐,布局帧,设置节奏 |
references/planning.md · storyboard-format.md | 步骤 3:选择品牌,填充每个帧,编写计划 |
references/template-catalog.md | 步骤 3:为每个组选择模板 |
references/motion-primitive-catalog.md | 步骤 3:为每个组选择动画原语 |
references/montage.md | 步骤 3:将用户资产切割到节拍网格上 |