生成式电影

生成一段 45–120 秒、1920×1080、30 fps 的 MP4 视频，其中每一帧都用代码绘制（pycairo + Pillow），每一个音符都被合成（numpy/scipy）。视频中没有库存素材、没有 AI 图像、也没有授权音乐。参考影片为 SŪTRA（印度文明，87 秒）。其风格类似于油印打印样稿，一条红线贯穿十个章节，在 96 BPM 的节拍网格上展开。

质量源自以下三要素。请全部遵循：

每个章节提供一个想法，而非一张图片。 每个场景应展示一个机制（如城市网格被步行穿越、诵经的编织、分形生长、轨迹飞行）。不要描绘一个名词。
图像和声音共用一个网格。 一切均以节拍计时。先写音乐，每一个剪切、弹出和闪光都落在音乐事件上。
强烈、具体的艺术方向，而非“企业讲解视频”：打印样稿的铬色、套印不准的油墨、本地文字和数字、打字机字幕和阶梯式擦除。

0 · 设置（每次会话只做一次）

pip install --break-system-packages pycairo fonttools   # numpy, scipy, Pillow 通常已存在
which ffmpeg && python3 -c "from PIL import features; print('raqm', features.check('raqm'))"

Raqm 必须为 True，因为它提供对天城文、阿拉伯文、泰米尔文等复杂文字的字形编排支持。创建一个工作目录。如果此技能文件夹中有 scripts/，则将 engine.py 和 audio_kit.py 复制到工作目录中。否则，请从其附录 A 和 B 中逐字写出它们。这些文件已经过测试，因此不要重写它们。字体将在首次使用时从 Google Fonts 的 GitHub 仓库下载，沙盒允许此操作。

设置任务列表：概念 → 音乐 → 场景 → 测试帧 → 渲染 → 质量检查 → 交付。

1 · 概念（在任何代码之前）

调研。 对于屏幕上出现的每个日期、数字、名称和主张，进行网络搜索。在不确定的日期前加上“c.”。将图表标注为“示意图”或“未按比例”。保持事实少而精确，字幕不超过 12 个字。

贯穿线索对象。 找到一个在每个章节都出现、并为影片命名的视觉工具。在 SŪTRA 中，这是一条红线，它走过街道、变成声波、绘制 kolam（一种南印度图案），然后飞向月球轨迹。其他例子：

海洋历史：一个波浪峰。
咖啡：一滴。
计算：一个比特。
一家公司：其产品的核心手势。

标题。 选择一个词，最好来自主题自身的语言，并在屏幕上给出类似词典释义的解释：sūtra (n.) 1. 线 2. 规则 3. 维系事物之物。

章节。 使用 6–10 个，每个都围绕一个独特的视觉创意构建。可从以下素材库中取材：

自行构建的图表：城市网格、路线图、轨道或文字谱系树。
作为艺术的数字：帕斯卡/谢尔宾斯基三角形、向外螺旋的 π、二进制计数器或成倍数列中的物体。
递归或分形：庙中之庙，或树中之树。
实际配乐的音量计（wave_at(f)），非常适合关于演讲或音乐的章节。
一笔画：kolam 或镜像曲线、连续线条肖像或签名。
动态文字拼贴，例如按节拍盖章的借词、标语或地名。
用本地数字倒计时，然后发射或事件，接着是打击。
首尾呼应：结尾将所有章节串在贯穿线索上，如同珠子，然后返回开场图像。

测试每个章节：如果它可以被一张库存照片替代，请重新构思。

调色板。 使用一种纸色、一种夜色和五种以该文化自身材料命名的墨水。SŪTRA 使用了靛蓝、朱红、姜黄、粉色和孔雀绿。其他例子：

日本：墨、朱红、蓝靛、金茶、抹茶。
墨西哥：胭脂虫红、玉米黄、塔拉韦拉蓝、翡翠绿、万寿菊橙。
太空：范塔黑、钠橙、氢-α 红、氧青。

交替使用明亮和黑暗的章节，并让高潮章节在每个小节变换颜色。

字体系统。 使用 4–5 个字体系列。选择一个窄体显示字体用于主要词汇，主题的本地文字，一种等宽字体用于字幕和标签，以及一种柔和的斜体衬线字体用于诗句。使用本地数字显示年份或计数器。有用的 Google Fonts 路径（get_font(name, path, axes)）：

角色	路径	轴向参数
显示	`ofl/anton/Anton-Regular.ttf`	–
等宽	`ofl/spacemono/SpaceMono-Regular.ttf`, `…-Bold.ttf`	–
斜体衬线	`ofl/fraunces/Fraunces-Italic[SOFT,WONK,opsz,wght].ttf`	`[144,380,100,1]`
粗体衬线	`ofl/fraunces/Fraunces[SOFT,WONK,opsz,wght].ttf`	`[144,900,100,1]`
天城文	`ofl/tirodevanagarisanskrit/TiroDevanagariSanskrit-Regular.ttf`	–
阿拉伯文	`ofl/notonaskharabic/NotoNaskhArabic[wght].ttf`	`[700]`
泰米尔文 / 孟加拉文 / 泰文	`ofl/notosanstamil/NotoSansTamil[wdth,wght].ttf`（相同模式）	`[700,100]`（wght, wdth 顺序与字体本身一致）
中日韩文	`ofl/notoserifjp/NotoSerifJP[wght].ttf`	`[700]`
婆罗米文	`ofl/notosansbrahmi/NotoSansBrahmi-Regular.ttf`	–

使用 font_axes(name) 检查轴向参数顺序。如果路径返回 404，请使用 WebFetch 浏览 https://github.com/google/fonts/tree/main/ofl/<family>。

非常规工具。 选择几种：

打印样稿平视显示器：套准标记、墨水色样、“图版 03 / 08 · 名称”标签、使用古代数字系统的章节编号、使用本地数字的年份进度，以及带有章节珠子的进度线。
主要字体上的 Riso 套印不准（riso()）。
半色调填充。
垂直巨字。
文字设置在一个圆上（印章或图章）。
打字机字幕。
使用两种墨水的阶梯式或虹膜式擦除。
接缝处的毛刺卡顿，伴有音频卡顿。
在高潮处有一道白色闪光。
胶片颗粒。

切勿：

居中的、渐隐的标题卡。
使用渐变、发光或镜头光晕作为装饰。
表情符号或剪贴画。
绘制受版权保护的角色、徽标或真实人物的面孔。
将国旗用作装饰。
刻板印象图像。

2 · 节拍时间线

使用 90–110 BPM。一个章节是 8–16 个节拍。96 BPM × 136 节拍 ≈ 87 秒。首先编写一个表格，类似 SŪTRA 的：

节拍	章节	图像	音乐
0–12	简介	一个点脉动、拉伸成一条线，标题字母逐个弹出	持续音膨胀，每个字母一个铃声，上升音
12–28	1	城市网格组装；线走过街道	手鼓律动 + 拨弦旋律
28–40	2（呼吸）	音频的音量计 + 文字编织	持续音、吟唱、稀疏
40–52	3	旋转的轮子，字母盖章进入，谱系树	更密集的鼓点，上升音，卡顿于 51.5
52–64	4	星轨加速，数字螺旋	铺底 + 铃声琶音，大上升音，闪光
64–80	高潮	巨大的英雄字形，分形每节拍增长 4 行，每小节切换调色板	底鼓、拍手、次低音、副歌、轰隆声
80–92	5	递归结构按深度增长	半速；tihai（印度节奏模式）落在 92 = 剪切
92–108	6	一笔画，然后文字拼贴	柔和律动，然后完整律动
108–120	终章	本地数字倒计时 → 轨迹 →着陆打击	钟声、隆隆声、上升音、轰隆声
120–136	结尾	线上的珠子，标题返回，点	吟唱 + 铺底 + 旋律，渐弱

能量曲线为：安静简介 → 构建 → 呼吸 → 构建 → 在最令人惊讶的想法处高潮 → 半速 → 终章打击 → 安静结尾。

3 · 先创作音乐 — `audio.py`

from audio_kit import *
T = Track(bpm=96, beats=136, root=138.59, scale="raga_bhairavi")  # 根音频率（赫兹）；SCALES 包含多种文化的音阶
T.drone_bed(0, 132, level=lambda b: 0.16 if 12 <= b < 120 else 0.3)
T.hand_drum(12, 28)                                   # 默认 keherwa（一种印度鼓节奏）模式
T.melody(12, [(2, 4, 1), (3, 5, 1.2, 6), (4, 7, 2.2)])  # (节拍, 音级, 时长, 滑音至音级)
T.riser_into(64, 4); T.at("fx", boom(), 64, 0.55)     # 进入高潮
T.groove(64, 80); T.stutter(51.5)
T.tihai(92)                                           # 3× 乐句恰好落在节拍 92 上
T.mixdown("music.wav", fade_beats=(133, 136))          # 同时写入 env.npy / wave.npy

总线包括 drone（持续音）、perc（打击乐）、kick（底鼓）、bass（贝斯）、mel（旋律）、fx（效果）和 pad（铺底）。使用 T.at(bus, signal, beat, gain, pan) 添加任何一次性的声音。
乐器包括：drone（持续音）、pluck（拨弦，buzz=0 时为干净声音）、bell（铃）、voice（人声）、pad（铺底）、sub（次低音）、kick（底鼓）、clap（拍手）、hat（镲）、drum_tone（鼓音调）、drum_bass（低音鼓）、drum_slap（鼓拍击）、drum_muted（闷音鼓）、riser（上升音）、boom（轰隆声）、rumble（隆隆声）。
将音阶和乐器与主题文化相匹配。例如：hijaz（阿拉伯音阶）+ 框架鼓 + 类似乌德琴的拨弦（buzz=0.8）；in_sen（日本音阶）+ 类似古筝的拨弦（buzz=0）+ 钟声；dorian（多利亚音阶）+ 持续音 + 干净的拨弦。
每个视觉事件都有一个对应的声音。 擦除对应上升音，高潮对应轰隆声加闪光，剪切落在 tihai 或底鼓打击上，字母弹出对应铃声。
检查结果：
- 响度：ffmpeg -i music.wav -af ebur128=framelog=quiet -f null - 应显示约 −16 到 −14 LUFS。
- 频谱图：ffmpeg -i music.wav -lavfi showspectrumpic=s=1600x500:scale=log:fscale=log spec.png，然后读取图像并检查各部分形状。

4 · 场景 — `film.py`

from engine import *
PAPER, NIGHT, INK = hx("F1E6CF"), hx("0A0D26"), hx("14121C")
INK1, INK2, INK3 = hx("1B2A6B"), hx("EE3B1E"), hx("FFB21A")
get_font("anton", "ofl/anton/Anton-Regular.ttf")
get_font("mono", "ofl/spacemono/SpaceMono-Regular.ttf")
# 在模块级别使用固定种子的随机数生成器预计算几何形状（跨工作进程确定性）

def s_intro(ctx, b, f):              # b = 节拍（浮点数），f = 帧数
    bg(ctx, NIGHT)
    riso(ctx, lambda c: text(ctx, "TITLE", "anton", 400, c, W/2, 700, ax=.5, sc=back(ph(b, 4, .5))),
         PAPER, INK2, dark=True)
    return PAPER                      # 平视显示器的前景颜色

def hud(ctx, b, fg): reg_marks(ctx, fg, (INK1, INK2, INK3))

SCENES = [(0, s_intro), (12, s_ch1)]                 # (起始节拍, 函数)
run(SCENES, 136, bpm=96, name="myfilm", hud=hud,
    wipes=[(12, INK2, INK3)],                        # (节拍, 颜色1, 颜色2[, iris_wipe])
    glitches=[(51.5, 52.15)], flashes=[(64, WHITE, .5)], fade_out=134.6)

场景规则：

无状态。 每个值都是 b 的函数，因此帧可以跨进程以任何顺序渲染。
入场效果 使用 back(ph(b, start, 0.4)) 实现弹出，eo() 实现滑动，eio() 实现摄影机运动和线条绘制。将项目错开 0.2–1 个节拍。
节拍生命 来自 pulse(b)（每个节拍从 1→0，用于跳动和环大小）、env_at(f) 用于响度，以及 wave_at(f) 用于音量计。
实时绘制线条。 使用 path_partial(ctx, pts, cumlen(pts), frac) 并在返回的尖端放置一个发光的珠子。
构图。
- 每个场景保持一个主要元素、一个辅助图表和一个字幕。
- 保持 110 像素的边距。平视显示器的角落和底部区域（y ≈ 960–1040）被保留。字幕放置在 y ≈ 975，从 x ≈ 560 开始，或放在场景的空区域。
- 大字号要足够大：主要字形 300–800 像素。字幕为 18–22 像素等宽字体。
对比度。 交替使用纸质和夜色场景。在深色背景上使用 riso(..., dark=True)。
在拼贴中使用 fit_size() 处理长单词，使用 text_circle() 处理印章。
平视显示器可以显示章节名称、图版编号、通过数字映射的本地数字以及进度线。当技能文件夹中有 examples/sutra/film.py 时，其 hud() 和场景是完整的参考；其 examples/sutra/contact_sheet.png 展示了完成后的外观。

5 · 测试帧 → 联系页 → 修正（不要跳过）

python3 film.py test 2 6 10 17 25 34 45 58 66 75 86 96 104 110 114 118 125 134

读取 sheet.png 并检查：

重叠或裁剪的文本。
豆腐块或缺失字形。对每个字体×字符串运行 missing_glyphs(font, string)。例如，Fraunces 缺少 → π ∞ ṅ，Tiro Devanagari 缺少 → ≈ π。
在缩略图大小下无法阅读的字幕。
章节开头的空白帧。
错误的事实或拼写错误。
没有任何移动的节拍。

反复迭代直到每一帧都像一张海报。通常需要 2–3 轮。

6 · 渲染、质量检查、交付

nohup python3 film.py render > render.log 2>&1 &，然后使用 Bash sleep 循环轮询（每次超时 ≤ 590 秒）。它将在所有核心上并行渲染。速度大致为每秒 2–10 帧，具体取决于场景复杂度；SŪTRA 在 2 个核心上花费了约 20 分钟。
输出为 name_full.mp4（CRF 18，全质量）和 name.mp4，这是经过二遍重新编码的文件，保持在 29 MB 以下，以适合 30 MB 的聊天上传限制。
质量检查：
- ffprobe -count_frames 以确认帧数和时长。
- ffmpeg -i name_full.mp4 -vf "fps=1/3.5,scale=384:216,tile=5x5" -frames:v 1 final.png，然后读取它。
- 抽查 2–3 个全尺寸帧，包括一个经过压缩之后的帧。
下载： 使用 SendUserFile（display: "render"）发送 name.mp4；该卡片允许用户播放和下载它。同时提及全质量文件。如果会话与用户的计算机关联，通过 device_commit_files 提供将 name_full.mp4 保存到其某个文件夹的选项；或者如果它小于 30 MB，则直接发送。
要只重新渲染一个固定的部分，对受影响的帧运行 python3 film.py chunk <f0> <f1> part.mp4，然后按照 run() 的方式使用 ffmpeg 连接并合成各部分。

致最终用户的消息

提供影片的标题和一行关于其概念的文字，章节为紧凑列表，音乐信息，以及任何近似值（如“c.”日期、示意图）。不要重述步骤。

附录 A — `engine.py`

"""engine.py — 生成式打印风格电影工具箱（pycairo + Pillow/raqm + ffmpeg）。

电影脚本执行：   from engine import *
然后将场景定义为函数  scene(ctx, b, f) -> fg_color   (b = 节拍, f = 帧号)
并在底部调用  run(SCENES, TOTAL_BEATS, bpm=..., wipes=..., hud=...)
电影脚本的命令行界面：
    python film.py test 4 12.5 30      # 渲染那些节拍的 PNG + 联系页 (sheet.png)
    python film.py render              # 完整并行渲染 -> film_full.mp4 + film.mp4 (<29 MB)
"""
import math, os, sys, subprocess, shutil
import numpy as np
import cairo
from PIL import Image, ImageFont, ImageDraw

W, H, FPS = 1920, 1080, 30
PI = math.pi
BPM = 96
BEAT = 60 / BPM


def set_tempo(bpm):
    global BPM, BEAT
    BPM, BEAT = bpm, 60 / bpm


def hx(h):
    h = h.lstrip("#")
    r

…

[为翻译而截断]

smasikurr/RemotionMaster

RemotionMaster 是什么？

在你喜欢的 AI 中提问

文档