soundtrack 是做什么的？
为这部影片谱写配乐
一部电影的配乐是为该电影量身定制的：它使用独立的乐器、节奏与和声，基于 Web Audio，从零开始编写在 window.SCORE = ac => { … } 中（振荡器、噪声、滤波器、包络、延迟：只要是乐曲需要的）。鼓点、律动或音乐盒基底都以同样的方式为这部影片编写：没有两部电影会因为共享模板而听起来相同。templates/groove.js 和 templates/score.js 是两个现成的乐谱，仅在用户要求时使用；每个文件都记录了其选项。
render.mjs（来自 javascript-animation 技能）使用 OfflineAudioContext 离线渲染 window.SCORE，写入 <out>.wav 并将其复用进 MP4；页面内的实时预览在点击时也会播放相同的乐谱。
不要预先让用户选择音乐源。在交付时，用一行提醒用户 AI 生成的音乐或他们自己的曲目同样有效。
音乐如何跟随画面
- 节拍图。每个场景获得整数个小节（每个场景的速度可以灵活调整），这样每个剪辑都会落在强拍上。
- 用和声而非音量标记剪辑。每个场景回归到属和弦，剪辑点落在主和弦上。在剪辑点上的强音（同时出现的贝斯和明亮的钟声）会被视为跳跃惊吓：用户反映 +7 到 +10 dB 的跳跃令人不适；+3 到 +5 dB 结合和弦变化则读作干净的剪辑。
- 如果开场小节是第一个剪辑前的唯一小节，则不要使其稀疏；稀疏的前奏随后紧跟饱满的织体本身就是一种惊吓。
- 不要在剪辑点的强拍上添加额外的重音。即使是正常的强拍重音（更响的贝斯加第一个音符）也会使短片段超过 +6 dB，因为前一拍正在衰减。和弦变化就足够了。
- 场景内硬剪辑也要计数。同样将它们放入
window.CUES中，以便获得相同的强拍。 - 给眼睛一个可以抓住的参照。没有打击乐的连奏音乐没有可供剪辑落点的重音。有了稳定的律动，重音就成为节奏的一部分，不会造成惊吓（检查会与最近几秒的音量比较，而不是与一个孤立的安静时刻比较）。
- 逐个或逐两个引入声部。在安静前奏后同时引入底鼓和贝斯测量到 +11 dB（惊吓）；隔一小节引入，只有 +3.5 dB。
- 使用间奏。在强拍前完全静音一个小节，是短视频中最有力的节拍。
sync-check接受将无声剪辑视为落在节拍上。
其他音源（仅在用户要求时使用）
- AI 生成的音乐（例如通过 OpenRouter 的 Lyria）：参见
references/ai-music.md。 - 用户自己的音频轨道：使用 ffmpeg 将其复用。
对于无法控制的音乐，方向相反：画面跟随音乐。渲染、复用、运行检查，然后根据报告的偏移量移动页面 SCENES 表中的场景边界并重新渲染。这个过程代价很低，因为每个场景函数接收的是局部时间（从自身起点开始为 0），正如 starter 代码所写：移动边界永远不会触及场景代码。
总是要检查
node scripts/sync-check.mjs piece.mp4 --cues-file piece.cues.json # 检查声明的 CUES（推荐）
node scripts/sync-check.mjs piece.mp4 # 备用方案：检测画面中的剪辑（快速的摄像机运动可能被误判为剪辑）
对于每个事件，它会输出到最近强音频起点的偏移量以及进入该起点的音量跳变。如果出现 OFF-BEAT（超过 ±100 ms，约 3 帧）或 STARTLE（超过前 1 秒 +6 dB），则检查失败。开头一秒和最后淡出被跳过（没有“之前”片段可比较；淡出不是剪辑）。“强”意味着在 ±2 秒范围内的起点中显著，因此安静段落中的重音仍然有效；进入静音的剪辑算作落在节拍上；从间奏后返回的音乐与最近 4 秒的典型音量比较。没有音频流的视频会被相应报告。将所有剪辑点以及任何希望检查的场景内事件（镜头内部的硬剪辑、笑话的冲击点）放入 window.CUES 中。修正并重新运行直到通过，或直到每个剩余的 STARTLE 都是你能够命名的故意设计的标志性音效（喜剧冲击是为了突出；摇篮曲剪辑则不是）。
局限性
代码合成：音乐盒、类钢琴拨奏、铺垫、铃铛、柔和打击乐效果良好。逼真的人声、管弦乐和特定风格的音乐制作则不适合；请为这些场景使用 AI 音乐或真实音频轨道。