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。您对轨道进行一次分析,布局帧,填充每帧的计划,然后将每帧构建为一个合成。输入是一条音乐轨道加上用户可选的图片或视频——这里没有旁白和网页捕获。排版和模板是基础(完整视频不需要任何素材);用户提供的任何媒体都会按相同的节拍网格进行剪辑。
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卡。有两个步骤需要用户参与:步骤 3(计划审批)和步骤 6(渲染审批)。除了步骤 4(您需要为每帧调度一个子智能体)之外,其他所有步骤均由您自己完成。将设计及动效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,分组为 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。
塑造一切的两个理念
- 一个分析器,并且您信任它。
analyze-beatgrid.py是唯一的节拍分析器——绝不要用其他工具或通过耳朵重新测量节拍。它的能量/密度/滚奏/起始点/静音始终可靠。它的bpm和beats_sec仅在音乐真正有节奏时可靠;在平静的音乐上,网格只是跟踪器强加的一个节拍器,因此应根据乐句和能量来安排节奏,且绝不能硬切入节拍。判断您在哪种情况中是每帧pacing(步骤 2)的任务。 - 一帧 = 一个文件;分组位于内部。 步骤 2 将轨道切割为帧,每个帧变成一个合成文件
compositions/frames/NN-<frame_id>.html,由一个 frame-worker 构建。一个帧可以细分为分组(每个分组是一个模板或动效原语组合)。额外的密度位于分组_内部_,所以帧计数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,并记录任何用户提供的媒体。
音乐是核心——在开始之前先确定一个轨道。此技能针对快速、高能量 BGM 进行了调整:强大的节拍网格驱动剪辑(平静的轨道也可以,但应根据乐句而非节拍来安排节奏)。如果用户给了您音频——一个音乐文件,或一个要从中提取音频的视频——请使用它。如果没有,生成一个:根据用户的描述选择情绪(例如“驱动合成波”、“陷阱节拍”、“振奋人心的企业音乐”),并通过 /hyperframes-media(references/bgm.md——凭证有效时使用 HeyGen 检索,否则使用本地 Lyria / MusicGen;ElevenLabs 或其他生成器也有效)生成一条轨道。在生成之前,运行 npx hyperframes auth status 并逐字输出其结果(不要改述或重写)——它显示 BGM 是来自 HeyGen 还是本地的 MusicGen,如果未登录,则显示如何登录。如果未登录,请停止并等待用户选择——登录,或继续使用本地 MusicGen 离线处理——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。)请参考 /hyperframes-media → 预检以获取标准指南。无论哪种方式,轨道都会保存到 assets/bgm.mp3。暂存任何用户提供的图片或视频,以便帧可以按节拍网格将其融入其中;否则,排版将负责整个视频。
仅当 hyperframes.json 缺失时才进行初始化。根据简介以 kebab-case 格式命名 <project>,例如 midnight-drive-loop——绝不要使用时间戳。init 会将已安装的技能与 GitHub 上的最新版本进行比较,并更新全局集(如果任何技能已过期)。
npx hyperframes init "videos/<project>" --non-interactive --example=blank
mkdir -p "$PROJECT_DIR/assets" "$PROJECT_DIR/renders"
cp "<user-music>" "$PROJECT_DIR/assets/bgm.mp3" # 如果需要,先从视频中提取
# 仅当用户给了您图片/视频时:
nnode <SKILL_DIR>/scripts/stage-assets.mjs --from <dir> --hyperframes "$PROJECT_DIR" --into public
品牌(字体 + 调色板)在步骤 3 中选择,而不是在这里。不要预先选择流派或轨道类型——资产只是一个可选的组成部分,流派从每帧的选择中自然产生。
关卡: hyperframes.json + assets/bgm.mp3 存在;宽高比/时长/fps 以及(如果有)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标准时序分析。
analyze-beatgrid.py 是唯一的节拍分析器——绝不要用其他工具或通过耳朵重新测量节拍。它读取轨道一次,并写入 audiomap.json:能量阶段(水平/密度/感觉)、起始点 + onset_rate、滚奏、静音、hard_stops、key_moments、乐句、节奏/网格和 audio.duration_sec。它是确定性的——相同的文件总是生成相同的地图。大多数字段在任何音乐上都是可靠的;bpm 和 beats_sec 仅在音乐真正有节奏时可靠,判断这一点是您在步骤 2 中做出的决定。
先决条件:Python 3,带有 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
关卡: audiomap.json 存在;已知 audio.duration_sec。
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。您自己将 audiomap.json 转换为 STORYBOARD.md 的骨架——没有中间的 JSON。在真实的音乐变化处(hard_stops、SURGE / DROP key_moments、滚奏的边缘、没有起始点的段落、大的能量跃升)将轨道切割为帧,将每个边界对齐到一个 audiomap 锚点。对于每个帧,设置 span_sec、pacing(来自步骤 1 信任调用的裁决——当网格是真实的时为 beat_cut,当它是强加于平静音乐上的节拍器时为 phrase_flow)、mood 和一行 feel(步骤 3 将模板与之匹配的纯音乐情况)。这里只进行分类和布局:将每个帧的 ### Groups 保留为 TBD (Step 3),并将前言的 style 留空——没有模板、文案、颜色或字体。期望大约 1-6 帧。
关卡: 帧覆盖整个轨道(第一个在 0 处,最后一个在 duration_s 处);每个帧包含 span_sec + pacing + mood + feel;每个 ### Groups 都是 TBD;任何地方都没有内容。
步骤 3:填充计划(需要用户确认)
目标:将骨架转变为一个已审批的、完整的 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)。就地编辑同一个文件,执行两个操作:
- 选择品牌。 从
../hyperframes-creative/frame-presets/中使用../hyperframes-creative/references/design-spec.md中的表格选择一个预设(匹配轨道的情绪;只有它的字体和颜色才重要——模板拥有合成)。将其未经修改地复制到frame.md中,并从此处填充前言的style(字体 + 一个 ≤4-6 色板调色板)。 - 填充每个帧。 决定其分组并为每个分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 audiomap 锚点)、来自原语目录的自由合成、或一个遵循
pacing的资产处理。编写文案。您拥有 WHAT(模板/原语 + 内容 + 锚点);frame-worker 拥有 HOW——绝不要将毫秒级别的补间写入故事板。
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:时长不匹配、帧未覆盖整个轨道、缺少 src);警告是尽力而为。然后向用户显示一个逐帧摘要,并迭代直到他们批准。
关卡: frame.md 是一个一字不差的预设副本;validate-plan.mjs 以 0 退出;用户批准了该计划。
步骤 4:根据计划构建帧
目标:将每个帧构建为一个独立的合成文件。
创建 compositions/frames/。阅读 sub-agents/frame-worker.md 和 ../hyperframes-core/references/subagent-dispatch.md。为每帧调度一个 frame-worker,尽可能并行(否则分批进行)。每个 worker 只获取一帧和以下上下文:
PROJECT_DIR: <绝对路径>
frame_id: <NN-frame_id> # = 帧文件名根,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
素材:对于每个分组, <SKILL_DIR>/references/templates/<id>/index.html(模板)和
<SKILL_DIR>/references/motion-primitives/<id>/(自由组合);暂存的 assets/(资产分组)
契约:../hyperframes-core/references/sub-compositions.md + determinism-rules.md
画布:<宽>×<高> 节奏:<beat_cut|phrase_flow>
写入到:PROJECT_DIR/compositions/frames/<frame_id>.html
worker 分叉引用的素材,将每个锚点转换为帧局部秒数(local_t = track_t − span_sec[0]),使用 0ms 切换对其分组进行门控,并写入一个可查找安全的帧文件。worker 从不运行 hyperframes CLI——这些命令操作的是已组装的项目,而该项目尚不存在,因此它们会报告错误的文件。worker 只是根据契约写入并停止;您在组装后(步骤 6)进行验证。在每个 worker 返回后,您可以确认其文件已落在磁盘上。
关卡: 每个帧的 compositions/frames/NN-*.html 都存在于磁盘上。
步骤 5:组装
目标:将构建好的帧 + 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。它在累加 data-start 处引用每个帧文件,将 assets/bgm.mp3 挂载到轨道 11 上,并硬切入帧 → 帧(帧覆盖整个轨道,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 "$PROJECT_DIR/audiomap.json"
修复它报告的任何 ✗——一个缺失或空白的帧文件意味着该 worker 写入了部分文件;重新调度它(步骤 4)并重新组装。
关卡: index.html 存在;总时长 == audiomap.audio.duration_sec。
步骤 6:验证并渲染
目标:验证组装的视频,获得用户批准,并渲染最终的 MP4。
在已组装的项目上运行 CLI——这是正确的单元(逐帧 workers 无法运行它)。lint 检查结构,validate 运行无头 Chrome(捕获 JS 错误和缺失的资产),inspect 快照帧。
( cd "$PROJECT_DIR" && npx hyperframes lint . && npx hyperframes validate . && npx hyperframes inspect . )
在 t=0、每个帧开始、最强的 DROP / SURGE、每个 hard_stops[].t 处以及最后一帧进行检查。如果失败,请自己进行最便宜的安全修复:编辑有问题的 compositions/frames/NN-*.html。绝不要更改时长或音频时序以隐藏同步问题。一旦关卡通过,暂停以供用户审核,然后在批准后才渲染:
( cd "$PROJECT_DIR" && npx hyperframes render . --skill=music-to-video -q draft -o renders/video.mp4 --fps 30 )
关卡: lint / validate / inspect 通过;用户批准;renders/video.mp4 存在,包含音频,时长 == audiomap.audio.duration_sec。最终回复应说明 MP4 路径和时长。
恢复表
| 您拥有 | 从中继续 |
|---|---|
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。在故事板前言中设置一次画布(canvas: { w, h, fps })。
脚本 位于 scripts/:analyze-beatgrid.py(唯一分析器)、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(封装的解析器)。其他都是 hyperframes CLI。
| 读取 | 何时 |
|---|---|
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,填充每帧,编写计划 |
references/template-catalog.md | 步骤 3:为每个分组选择模板 |
references/motion-primitive-catalog.md | 步骤 3:为需要自由合成的分组选择动效原语 |
references/montage.md | 仅当用户提供了资产:使用蒙太奇技巧(Ken Burns、节拍剪辑) |