Ryuki0x1/无人短视频生成器

无人短视频生成器 是做什么的？

你从主题制作一个完整的竖屏短视频：脚本、配音、单词同步字幕、动画镜头、音效和音乐，渲染为 MP4。一切都是代码：Canvas 绘图、无头 Chrome 捕获、ffmpeg、本地 Kokoro 语音、本地 Whisper 单词时间戳、numpy 音频。没有 AI 图像或视频，没有 API 密钥，没有 Credits。 SKILL = 此文件所在的文件夹。项目文件存放在 ~/faceless-shorts/<short-name>/。

风格	功能	时长 · 宽高比
深度潜入 3D deep-dive	旗舰风格，类似 Zack D. Films：雕塑般的 3D 人物在阳光明媚的场景中，发光的 X 光身体，穿过血管的镜头，浅景深。"如果……会发生什么？" 身体和科学	30-45 秒 · 9:16
黑夜档案 3D night-file	未解之谜 / 真实犯罪：昏暗的 3D 场景仅有一盏灯，无脸人物（主体发出红光），打字机日期，案件档案插入	30-45 秒 · 9:16
内部揭秘 inside-out	扁平 2D "如果……会发生什么？" 解说：一个简单的主角，X 光剖面，粗体 1-3 个字幕，干脆的剪辑	25-40 秒 · 9:16
火柴人故事 stick-story	"如果你……会怎么做？" 生存步骤：带有表情眼睛的火柴人，扁平房间日/夜，金色步骤卡	30-45 秒 · 9:16
纸制地图集 paper-atlas	纸质剪裁的历史：羊皮纸地图，深红色路线，金色日期缎带，时代人物	30-45 秒 · 9:16
趣事 3D tall-tale	有趣的真实故事：扁平 2D 卡通人物（大头圆脸，墨水轮廓）在阳光明媚的 3D 小镇世界中表演，镜头始终运动，单字字幕	40-60 秒 · 9:16

选择哪种风格：身体 / 健康 / 科学 "如果……会发生什么" → 深度潜入 3D （或 内部揭秘 以获得更轻、更快的 2D 外观） · 诡异、未解、真实犯罪、"1971 年发生的这件事" → 黑夜档案 3D · 生存、生活技巧、"你应该这样做" → 火柴人故事 · 历史事件、"X 是如何发生的" → 纸制地图集 · 有趣或聪明的真实故事、骗局、漏洞、"这家伙做了 X" → 趣事 3D。如果不明显，询问一次。

每个风格 = styles/<style>/style-sheet.png（一种图像展示外观，由风格自己的代码绘制）+ STYLE.md（规则 + 引擎手册）+ example/（一个可直接渲染的完整项目）。在计划之前，请完整阅读该风格的 STYLE.md。

0. 在计算机上首次使用

bash SKILL/scripts/setup.sh 直到它打印 All set（检查 Node 22+、ffmpeg、Chrome；构建 ~/.faceless-shorts/venv；下载 Kokoro 语音 ~340 MB 和 Whisper small.en ~0.5 GB）。使用免费官方方式安装任何缺失的组件，对于需要密码的任何操作要询问。然后 bash SKILL/scripts/selftest.sh 必须打印 SELFTEST PASSED：打开联系表（contact sheet）并截图其名称和外观查看。

1. 需求收集（一条消息，默认值已填好）

一次性询问所有未知信息：主题（或 "你选 3 个想法"）、他们喜欢的短视频格式的链接（可选）、时长（默认 ~30 秒）、语音（SKILL/scripts/py SKILL/scripts/voice.py --list；默认 am_michael）、配音模式：AI 语音（默认）· 他们自己的录音（他们看过脚本后录音；words.py --audio）· 仅字幕（尚无语音；estimate.py）、音乐（内置背景音乐 · 无音乐 · 他们自己的免版税文件）、结尾标语 / handle。"开始吧" = 默认设置。

2. 计划（一个屏幕，然后等待）

显示：标题 · 完整的旁白，每行一个剪辑，带有其字幕块（如果 *你 | 吞咽 *口香糖？） · 镜头列表，每行一个（我们看到什么，什么移动，它落在哪个单词上） · 你将添加到工具包的新组件（如有） · 事实及其来源。询问 "开始构建？" 并等待。

脚本规则。 按照一个人实际和朋友交谈的方式编写：完整、流畅的句子，带有连接词（"好吧"、"当"、"但是"、"所以"、"这意味着"），而不是一个简短的类似字幕的陈述列表。35 秒大约 90-110 个单词。一行是一个剪辑，而不是一个句子：将每个句子在自然停顿处（逗号、"和"、"当"）拆分为 1-3 行，这样图片每 1.5-3.5 秒变化一次，同时语音保持流畅（voice.py 一次说完整个句子）。结构：钩子问题，然后升级，一个神话或惊喜，一个转折（"但是如果你……"），一个有力的最后一行以循环结尾。按所说方式写数字（"七"）。在心里大声读出来：如果听起来像字幕，重写。仅原创写作：采用你喜欢的格式，但绝不使用其他创作者的脚本或镜头。每个事实都要对照可靠来源进行核查（在 script.json "sources" 中列出）。健康话题：准确，无血腥，无恐怖错误信息。

3. 构建

1. bash SKILL/scripts/new_video.sh <style> <short-name> 将示例复制到 ~/faceless-shorts/<short-name>/。
2. 编写 script.json（行 + 字幕 + 间隙；参见 STYLE.md）。
3. 时间同步：SKILL/scripts/py SKILL/scripts/voice.py <proj> 然后 SKILL/scripts/py SKILL/scripts/words.py <proj> （自己录制：words.py <proj> --audio their.m4a；仅字幕：estimate.py <proj>）。
4. 重写 src/shots.js：每行一个镜头（对于长行可以是两个），每个使用 cut(i) 放置，并在单词上使用 Wd('word', line) 放置关键时刻。重用工具包（src/core/kit.js）；在那里以风格的外观添加新组件。
5. 在项目中：node tools/capture.mjs check（必须显示 CHECK OK）→ node tools/capture.mjs cues → SKILL/scripts/py tools/mix.py . → QA（第 4 节）→ node tools/capture.mjs video renders/<name>.mp4。 迭代一个镜头：node tools/capture.mjs frames review/f "4.2,4.6" 并查看。

4. QA：绝不展示你没有看过的帧

node tools/capture.mjs sheet review/all.jpg 0.5 10（每 0.5 秒一帧，带时间戳）并阅读整个联系表，然后全尺寸查看关键帧。对于每一帧询问：

• 它有意义吗？ 每个镜头一种视觉模式：如果身体是 X 光，那么 ALL 都是 X 光（X 光身体上没有衬衫袖子）。道具随握持它们的东西移动（口香糖在手到达嘴之前一直留在手中）。没有任何东西在其原因之前出现。
• 它在那一刻与旁白匹配吗？ 图片在其行之前变化；揭示落在其单词上。
• 有任何碰撞吗？ 移动的东西不会意外穿过标签、药丸、字幕区域（y 1250-1550）或彼此。
• 字幕： 1-3 个单词，确切地一个黄色单词，拼写正确，正在被说出的单词上，在手机上可读。
• 风格表： 仅调色板，平面形状，X 光视图为青色，危险为红色。
• 声音： 语音清晰，音乐不干扰；音效柔和（无刺耳的滴答声或哔哔声）。 修复，重新渲染联系表，重新检查。告诉用户你发现并修复了什么。

5. 交付

为用户打开 MP4。另外提供：如果 > 35 MB 则提供分享副本（ffmpeg -i in.mp4 -c:v libx264 -crf 21 -preset slow -c:a aac -b:a 160k -movflags +faststart share.mp4）、最佳封面帧（capture.mjs frames）、标题、字幕和 5-8 个话题标签。对于自己录制模式，还要给他们脚本及其每行的时间以便对照朗读。提供一轮精确修改并仅重新渲染已更改的内容。

5b. 通过 Zapier 发布到 YouTube（仅当用户要求上传时）

所有调用都是代码模式工具：在 execute 内部作为 tools.zapier.* 运行（不要作为普通工具调用）。在真实上传中已验证一次；下面的值是确切的。

1. 连接。 如果 list_zapier_skills 有一个用于上传的已保存技能，则使用它。否则确保 YouTube 应用已启用： discover_zapier_actions({ app: "YouTube" }) → enable_zapier_action({ selected_api: "YouTubeV4CLIAPI", app_display_name: "YouTube", action: "upload_video" })。 如果尚不存在连接，manage_zapier_connections({ selected_api: "YouTubeV4CLIAPI" }) 会返回一个连接 URL 供用户使用。
2. 托管文件。 该操作的 video / thumbnail 参数需要一个 Zapier 服务器可以获取的 URL；本地路径会静默出错。 将 MP4 放置在临时托管上，按此顺序（所有已于 2026-11-03 测试；在 Windows 上使用 curl.exe）：
   • a. litterbox（1 小时到 72 小时过期，最大 1 GB）：curl -F "reqtype=fileupload" -F "time=1h" -F "fileToUpload=@renders/<name>.mp4" https://litterbox.catbox.moe/resources/internals/api.php → 返回直接 URL 为纯文本。
   • b. uguu.se（约 3 小时过期，适合小于 35 MB 的短片）：curl -F "files[]=@renders/<name>.mp4" https://uguu.se/upload → 返回 JSON；使用 files[0].url（d.uguu.se/... 链接）。
   • c. catbox（永久，无过期）：与 (a) 相同调用，但不加 -F "time=1h"。永久公开，因此仅限用户同意。
   • 跳过这些（已确认于 2026-11-03 损坏，不要浪费重试）：0x0.st（上传已禁用）、tmpfiles.org（链接是查看器页面，不是原始文件）、gofile.io（原始下载需要账户令牌）、file.io（curl API 重定向到其 Web 应用）、bashupload.com、temp.sh（已失效）。
   • 始终验证 URL 后再使用：curl -sSI <url> 必须返回 200/206 并带有视频内容类型。绝不要仅信任主机的 JSON 而不检查。
   • 告诉用户这会将他们的视频放在一个会自行过期的公共临时主机上。
3. 首先确认。 这将写入用户的真实频道，因此在执行前确认：标题、可见性（private / unlisted / public）和类别。 如有必要，使用 inspect_zapier_actions({ tool_name: "youtube_upload_video", enum_property: "category_id" }) 解析 category_id。 喜剧 = 23（Tall Tale 和 Deep Dive 的默认建议），教育 = 27，宠物和动物 = 15。
4. 上传。 execute_zapier_write_action({ selected_api: "YouTubeV4CLIAPI", action: "upload_video", tool_name: "youtube_upload_video", params: { video: "<temp URL>", title, description（以 #shorts 结尾）, tags: [5-8 个不带 # 号的话题标签], category_id: "23", privacy_status, made_for_kids: false, embeddable: true, notify_subscribers: true, default_language: "en", license: "youtube" } })
5. 报告。 结果包含 id；链接是 https://www.youtube.com/watch?v=<id>。60 秒或更短的竖屏视频会自动变成 Shorts（无需额外字段）。 为用户打开本地文件（tools.browser.preview({ path: "renders/<name>.mp4" })）并以文本形式提供 YouTube URL。应用内浏览器经常无法加载 youtube.com，显示 ERR_ABORTED；这并非上传失败。
6. 缩略图。 Unlisted 上传无法通过此操作设置自定义缩略图；如果用户稍后将视频设为公开，提供保存的封面帧。

添加新风格（当用户要求时）

制作 styles/<new-style>/，包含 style-sheet.png、STYLE.md（与 Inside Out 相同的部分：外观规则、调色板、格式、引擎/工具包映射、组件、镜头结构、提示类型、QA 陷阱）和一个完整的 example/。复制 Inside Out 的 tools/、index.html、src/main.js、src/core/{lib,timing,captions}.js，然后构建新外观的工具包和镜头。共享脚本（voice、words、estimate、new_video、selftest）无需更改即可工作。在上面的表格中添加一行，并运行 selftest.sh，直到每个风格都通过。

3D 风格（Deep Dive, Night File, Tall Tale）

它们使用 headless Chrome 中的 three.js 渲染真实 3D。有显卡时速度快且质量高。没有显卡（没有 GPU 加速的笔记本电脑、云沙箱）时，在 node tools/capture.mjs ... 前面添加 SOFTWARE_GL=1 QS='&res=0.6&aa=0&shadow=1024' FPS=24 进行渲染（约每帧 2 秒；提前告诉用户渲染时间，在后台运行，并先使用 sheet review/all.jpg 1 10 进行 QA）。它们的 STYLE.md 文件列出了 3D API。

绝不能

使用 AI 生成图像或视频；花费用户的钱或 Credits；未经用户请求和确认上传到 YouTube 或任何主机；复制其他创作者的脚本、镜头或帧；未经询问覆盖用户的项目；交付未经检查的帧。