FireAmun/remotion-dev-video-kit

每日视频：创意 → 研究 → 审批 → 构建 → 预览 → 渲染 → Buffer

首先阅读 .claude/CLAUDE.md；它是事实来源（品牌、视频规则、语音、安全区域）。 此技能是逐步执行的流程。有两个强制性的创作者审批节点：提案（步骤 2）和预览（步骤 5）。 切勿跳过它们。

以下路径使用 <date> = 今天，格式为 YYYY-MM-DD（亚洲/利雅得时区）。剧集文件夹：public/episodes/<date>/。

外观与风格：每集保持一致

每集都必须看起来像你的第一集——系列通过其外观被识别。因此：

• 只使用相同的构建块。 使用现有的场景、装备好的角色、姿势、动作、道具和物品。不要在日常运行中更改 src/theme.ts、字体、颜色、角色美术、章节栏、字幕样式或音效。新的视觉效果（新场景、姿势、道具或物品）是创作者单独要求的任务；当他要求时，以相同的黑金风格构建它，并将其添加到此技能的文件列表中。
• 相同的结构。 1080×1920，30 fps，≤ 60 秒。顶部有“EP NN”标签 + 7 章节栏，底部有逐词字幕（当前词高亮，即将出现的词暗淡，每行一个金色关键词）。一句话 = 一个场景；角色表演每句话；道具/物品在口语词上出现；每 1.5-3 秒有一次视觉变化；每次场景切换有“嗖”声。
• 相同的节奏。 前 2 秒内吸引观众 → 早期“关注”提示（关注按钮场景）→ 内容章节 → 带有者网站和精确结束语的开场卡片 → “明天：<下一个主题>”预告。
• 相同的语音。 使用 assets/voice/reference_energy.wav 进行 Qwen3-TTS，相同种子，有活力的标点。
• 相同的发布。 利雅得时间 19:00，Instagram Reel（分享到信息流）+ TikTok + LinkedIn，在 Instagram 和 TikTok 上打开 AI 生成标签（语音是 AI 克隆；标签是诚实的并保护账户）。
• 剧集编号从 topics-log.json 递增（下一集 = 最后一集 + 1）。

1. 研究

1. 读取 topics-log.json：不重复话题；如果上一集承诺了“下一个”话题，优先使用它。
2. 网络搜索：2 到 4 个可靠来源（官方文档、GitHub README、论文、供应商自己的页面）。验证每个数字、价格、版本或声明。变化快的事物加上“截至 ”。绝不编造事实、基准或代码。
3. 定位：一个真实的开发者提供有用的技巧，而不是炒作或“看 AI 做了什么”。将工具类话题作为开发者技巧来呈现。

2. 提案 - 停止等待审批

在聊天中向创作者展示简短的：

• 吸引点（前 2 秒）：一个具体的赌注、数字或声明。没有问候语。
• 场景表格，每句话一行（5-8 个章节，~12-16 个场景，30-60 秒总时长，~2.5-3.5 个口语词/秒）： # | 章节 | 句子 | 场景 | 角色做什么 | 道具落在哪个词上 章节：HOOK, WHAT, WHY IT MATTERS, HOW, CATCH, TRY IT, NEXT。吸引点后立即出现早期关注提示。 最后一句话始终是：“访问我的网站 yoursite.com 并点击关注按钮以获取更多内容。”
• 事实 + 来源（URL），以及创作者必须确认的任何内容（以他的口吻说的观点、工具名称）。
• 字幕：用于 Instagram/TikTok（吸引行、悬念行、行动号召、话题标签）以及一个独立的、更专业的 LinkedIn 字幕（3 个话题标签）。

等待“继续”/审批或修改。如果修改较大，应用修改并重新展示。

3. 语音（GPU 任务；期间 GPU 不做其他事情）

编写 public/episodes/<date>/narration.txt：每个 TTS 段落写一个段落（段落间空行），通常每段 1-3 句话。按照口语的方式写： your site 按口语拼写（例如“my site dot com”）、N P X create video、Qwen three T-T-S、pip install Qwen T-T-S，数字如果可能歧义则拼写出来。在吸引行使用 !（模型将标点解读为能量）。

.venv-qwen\Scripts\python scripts\tts_qwen.py public\episodes\<date>\narration.txt
.venv-qwen\Scripts\python scripts\timestamps.py public\episodes\<date>\narration.wav --hint "<5-10 个技术术语>"

• 语音 = Qwen3-TTS 1.7B 零样本，参考 assets/voice/reference_energy.wav（+ .txt 转录）。绝不使用付费语音服务。
• 绝不将整个脚本作为提示传递给 Whisper（会导致循环）；仅使用 --hint 并提供少量术语。
• 检查旁白时长（必须 ≤ 60 秒，含 1.5 秒尾部），并浏览 narration.json 文本以检查误听。
• tts_qwen.py 自动均衡语音（scripts/audio_level.py：压缩器 → -16 LUFS → -1 dBFS 峰值）。src/components/Sfx.tsx 中的音效已针对该级别调整（比语音低约 12 dB）；不要提高它们。如果旁白以其他方式生成，先对其运行 scripts/audio_level.py。

4. 构建剧集（仅数据 - 日常运行中不添加新的组件代码）

编写 public/episodes/<date>/plan.json，然后：

.venv-qwen\Scripts\python scripts\build_episode.py public\episodes\<date>
npm run lint

plan.json 结构（完整示例见 public/episodes/example/plan.json）：

{
  "episode": 2, "date": "<date>", "title": "...", "keywords": ["word,", "..."], "tailMs": 1500,
  "sources": [{ "title": "...", "url": "https://..." }],
  "scenes": [{
    "chapter": "HOOK",
    "display": "字幕应显示的内容（书面形式：yoursite.com, npx create-video）",
    "set": "stage", "setVariant": "", "zoom": 1.05,
    "actor": { "x": 540, "scale": 0.9, "facing": "right", "enterFrom": "right",
               "beats": [{ "atMs": 0, "pose": "talk" }, { "atWord": "build", "pose": "pointUp", "motion": "talk" }] },
    "items": [{ "kind": "label", "text": "...", "atWord": "camera!", "untilWord": "...", "x": 540, "y": 420 }]
  }]
}

• 所有场景的 display 连接起来必须与口语旁白逐字匹配（书面形式可能不同，例如“Qwen3-TTS”对应“Qwen three T-T-S”）。开始一个旁白段落的场景从 TTS 精确计时开始；其他场景从第一个口语词开始。
• 时间键：atWord / crossAtWord / untilWord（匹配时忽略大小写和标点），occurrence 用于重复的词，offsetMs 微调，或直接使用 atMs。
• 姿势（src/rig/poses.ts）：idle, talk, explain, shrug, wave, point, pointUp, pointViewer, celebrate, think, search, laptop, holdUp, thumbsUp, headScratch。动作： talk（手势跟随语音），wave, shake, celebrate, search, type, still。手持道具： magnifier, phone, trophy；"laptop": true 表示手持笔记本电脑。facing: "left" 使角色镜像（向左指东西）。
• 场景（src/sets/Sets.tsx）：stage, coderoom, desk（桌面隐藏腿；监视器在右侧），sky（setVariant 为“sunrise”或“timelapse”），chalkboard（黑板在左侧），library, blueprint（金色技术图纸在海军蓝背景上 - 用于 HOW /“工作原理”场景），plain。每个场景都有飘动的金色粒子（"particles": false 关闭它）。
• 物品（src/scene/Items.tsx）：icon（相机/时间线，crossAtWord），label（金色/浅色），code（飞行芯片，fromX/fromY），window（终端或 "style": "chalk"，线条使用 kind command/code/output），counter, stamp, steps, waveform, calendar（从→到），banner, confetti, book, follow, end（网址 + 行动号召，装饰艺术框架），kinetic（大词逐个猛烈撞击；highlight 词金色；size，stagger 帧 - 最适合吸引行），splitflap（机场式数字，最多 10 个字符，可选 label - 最适合吸引数字）。
• 卡片自动为磨砂玻璃（玻璃态）。样式预览：StyleTest 合成。
• 用真实内容（实际代码、真实终端输出、真实数字）填充物品，绝不使用占位符。

通过艰苦实践得出的布局规则（1080×1920）：

• 顶部栏（EP 标签 + 章节）结束于约 y 215：物品顶部必须保持在约 230 以下（记住场景缩放会将物品向上推）。
• 地面 y 1440；字幕在 y 1490；保留 60 像素的侧边距。
• 角色缩放 0.9 → 头顶约 y 570；0.8 → 约 670；0.7 → 约 760。大物品（窗口、波形、结束卡片）需要角色缩放 0.58-0.8，或将角色放在侧面（x≈790，面向左）。
• 默认大小下，标签每个字符约 38 像素：保持简短，否则会跑出屏幕。
• 绝不用物品遮挡角色的脸；将标签放在窗口旁边或下方。

5. 预览 - 停止等待审批

1. Studio：npx remotion studio → http://localhost:3000/Episode（可能已在运行）。
2. 首先自己渲染每个场景的静态帧（缩放 0.4）并检查：重叠、文本跑出屏幕、脸部被遮挡、物品时间。修复、重新构建、重新检查。
3. 向创作者展示 Studio 链接（并提及你无法验证的任何内容，例如发音）。等待审批或截图反馈——精确修复他指出的问题。

6. 渲染

npx remotion render Episode out/<date>/video.mp4 --codec=h264 --crf=18

（将 Episode 合成的 episodeFile 默认属性在 src/Root.tsx 中设置为新文件夹，或传递 --props='{"episodeFile":"episodes/<date>/episode.json","episode":null}'。） 验证：≤ 60 秒，1080×1920，30 fps，有音频，并且语音明显高于每个音效（语音 ≈ -16 LUFS）。编写 out/<date>/caption.txt（IG/TikTok）和 out/<date>/caption-linkedin.txt。

7. Buffer 草稿（创作者附加视频）

Buffer 的 API 只接受来自公共 URL 的视频，因此创建草稿，时间设置为利雅得时间 19:00；创作者在 Buffer 中打开每个草稿，附加 out/<date>/video.mp4，然后点击“排程”。

• 组织 <你的 Buffer 组织 ID>（使用 Buffer MCP 的 get_account 获取；免费计划允许 10 个排程帖子）。
• 频道：Instagram <id>，TikTok <id>，LinkedIn <id>（使用 list_channels 获取）。
• 使用 mode: "customScheduled"、dueAt: "<date>T19:00:00+03:00"、saveToDraft: true、schedulingType: "automatic" 创建帖子。
  • Instagram：metadata.instagram = { type: "reel", shouldShareToFeed: true, isAiGenerated: true }。
  • TikTok：metadata.tiktok = { title: "<简短吸引>", isAiGenerated: true }（语音是 AI 克隆——始终公开）。
  • LinkedIn：专业字幕，无需元数据。
• 如果 19:00 已过，询问创作者时间，不要猜测。未经他的许可，绝不发布或排程任何内容。

8. 收尾工作

• 将剧集追加到 topics-log.json（日期、剧集、标题、话题、“下一个”承诺、来源）。
• 告知创作者：视频路径、三个 Buffer 草稿以及他必须附加视频、下一集承诺的话题。