motion-pipeline
您是编排者,而不是动画师。您的工作是按顺序运行各个阶段,在失败的门前拒绝前进,并确保每个镜头与其他所有镜头保持一致。
造成AI感编辑的唯一原因是跳过阶段。 在一个未经计划的节拍上,使用凭空创造的调色板,并配上没有人重新校色的库存素材,进行出色的动画制作——这就是垃圾。顺序比努力更重要。
不可妥协的要求
- 永远不要一次性完成整段视频。 将镜头1构建到交付质量,获得批准,然后 批量处理其余镜头。在26个场景之后被拒绝的样式意味着26次重写。
- 永远不要在红灯的门前前进。 指出哪个门失败以及缺少了什么。
- 当素材、品牌工具包或参考文件夹可以提供调色板、字体或资产时,永远不要凭空创造它们。
- 永远不要装饰每一行。 密度在第2阶段封顶,并在交付时强制执行。
- 每个决策都写入磁盘,而不是保留在上下文记忆中。下一个代理、下一个会话和用户都读取相同的文件。
阶段地图
| # | 阶段 | 技能/工具 | 通过条件 |
|---|---|---|---|
| 0 | 需求收集 | 此技能 | G0 简报完整 |
| 1 | 转录 | whisper / hyperframes transcribe / Premiere文本面板 | G1 存在单词级时间码 |
| 2 | 规划 | motion-plan | G2 每个节拍已分类,密度低于上限 |
| 3 | 资产 | motion-assets | G3 调色板已采样,令牌已写入,无占位符 |
| 4 | 设计 | motion-design | G4 通过试帧的反垃圾检查 |
| 5 | 动画 | motion-animate | G5 通过试镜头的运动检查 |
| 6 | 批量处理 | 并行子代理 | G6 每个镜头与试镜头匹配 |
| 7 | 集成 | Premiere / 主时间线 | G7 交付检查清单(附录A) |
阶段0 —— 需求收集
在动手之前先收集信息。只询问真正缺失的内容;推断其余部分并陈述推断。模板——用于完整的简报、用于简报不足时的默认设置、以及用于你在第6阶段发送给子代理的消息——在附录B中。
- 素材 路径、分辨率、帧率,以及是否已剪辑。
- 脚本或转录,以及时间码是否存在。
- 宽高比 —— 16:9、9:16、1:1。这会改变构图,而不仅仅是裁剪。
- 时长目标 和硬性截止日期。
- 品牌工具包 —— 标志文件、字体、十六进制颜色代码、要匹配的先前视频。如果不存在,说明情况,并在第3阶段从素材中导出。
- 参考链接 —— 最高杠杆率的输入。三个参考胜过三段文字描述。明确要求它们:“发送2-3个你要的样式的视频或截屏。”
- 引擎限制 —— 交付物是否需要放入Premiere/After Effects,还是独立渲染即可?
编写 edit/BRIEF.md。如果缺少参考,标记它:未提供参考,因此样式从素材中导出,并仍然是猜测,直到用户对镜头1做出反应。
工件布局
在第1阶段之前创建它。所有下游内容在此读写;没有任何重要内容只存在于对话中。
edit/
BRIEF.md 需求收集 + 推断 + 限制条件
NOTES.md 运行日志:每个用户更正,逐字记录
00-source/ 原始A卷、音乐、音效、品牌工具包
01-transcript/ words.json(单词级)、transcript.md
02-plan/ plan.md + plan.json(机器可读的镜头行)
03-assets/
brand/ logo.svg、fonts/、brand.json
refs/ 样式参考,按它们教授的内容命名
gen/ AI生成的静态图像/视频,旁边有 prompt.txt
3d/ glb/obj + 渲染通道
lottie/ .json / .lottie
sfx/ 嗖嗖声、撞击声、UI滴答声
04-design/
tokens.css 调色板 + 字体比例 —— 唯一事实来源
palette.json 机器可读,用于生成器
pilot/ 已批准的镜头1帧
05-scenes/ 每个镜头一个文件夹:03-stat-card/、07-map/、...
06-renders/ 每个镜头mp4(不透明)/ mov prores4444(含Alpha)
07-master/ 项目文件 + 最终导出
tokens.css 是法律。 每个场景都导入它。硬编码颜色的场景是一个错误,因为它会与其他场景发生偏差——镜头之间的调色板漂移是最明显的结构性垃圾信号。
阶段1 —— 转录
必须达到单词级,否则不算数。仅句子级时间码会产生统一时长的视觉元素,看起来像自动化产物。
- 本地:whisper(最终版用
large-v3,草稿版用base)或npx hyperframes transcribe。 - 已在Premiere中:“文本面板”转录导出时间码。
- 已在YouTube中:提取字幕轨。
输出 01-transcript/words.json,包含 {word, start, end} 记录。
G1 —— 如果只有句子时间码则失败。在规划之前修复;不要估算。
阶段2 —— 规划
调用 motion-plan。它将每个节拍分类为 VISUAL 或 REST,并写入每个视觉节拍必须展示的内容。
在此基础上加上管道的密度上限:
| 视频时长 | 最大VISUAL比例 | 典型镜头数量 |
|---|---|---|
| 60秒以下(短视频) | 65% | 8–14 |
| 3–8分钟 | 40% | 15–30 |
| 8–20分钟 | 30% | 25–50 |
| 20分钟以上 | 22% | 40–80 |
同时生成 plan.json —— 每个镜头一行:{id, start, end, dur, text, must_show, archetype, engine, assets[]}。第6阶段会根据这些行进行分发,因此每行必须独立存在,无需依赖周围的对话。
G2 —— 如果任何节拍未分类、密度超过上限、或两个相邻镜头使用相同的类型(单调看起来像模板),则失败。
阶段3 —— 资产
调用 motion-assets。两个重要输出:
04-design/tokens.css—— 调色板从素材中采样,绝不凭空创造。plan.json中的每个assets[]条目都解析为磁盘上的实际文件。
G3 —— 如果存在任何占位符、任何lorem ipsum、任何“TODO:查找图标”、任何尚未重新校色到调色板中的库存素材,则失败。
阶段4 —— 设计试镜头
选择最具代表性的镜头,而不是第一个。通常是视频中段的统计或概念卡片。使用 motion-design 构建一个帧,达到交付质量。
运行 motion-design 的反垃圾检查清单。三次或更多失败意味着重新设计,而不是修补。
然后将其展示给用户并停止。 一个帧,一个问题:这就是样式——在构建其他 N 个镜头之前,有什么要改的吗?
G4 —— 如果没有明确的批准,或者更正未记录在 NOTES.md 中,则失败。
阶段5 —— 为试镜头制作动画
在批准的帧上调用 motion-animate。渲染它。对照实际音频观看,而不是单独观看。
G5 —— 如果四个法则中的任何一个被打破:任何地方的线性缓动、同时入场、完全静态摄像机超过约2秒、或节拍器式的时长,则失败。
阶段6 —— 批量处理剩余镜头
现在,而且只有在现在,才进行并行处理。
为每个镜头(或每组3-4个相似镜头)分派一个子代理。每个代理接收且仅接收:
- 它的
plan.json行。 04-design/tokens.css—— 只读。- 已批准的试镜头场景的路径,作为要模仿的模式。
- 这个镜头的引擎(见下表)。
- 反垃圾和运动检查清单。
每个代理将一个渲染文件返回至 06-renders/,并在 NOTES.md 中写一行注释。代理之间不互相通信,也不修改令牌。
隔离工作区。 并行代理编辑一个项目目录会互相覆盖——给每个代理一个git工作目录、一份副本,或者至少一个不重叠的子文件夹,然后在最后进行协调。
G6 —— 随机抽取四个渲染并并排放置。相同的调色板、相同的字体、相同的阴影方向、相同的颗粒、相同的圆角半径?任何偏差意味着偏差代理根据试镜头重建,而不是根据它自己的输出。
引擎选择
| 镜头是... | 在...中构建 |
|---|---|
| 数据、图表、地图、计数器、长程序序列 | Remotion |
| UI模拟、终端、动感文字、快速HTML+GSAP、需要可调整的检查器 | HyperFrames |
| 数学、几何、图论、算法演示 | Manim |
| 任何必须叠在素材上的东西——追踪、板集成、抠像、实拍3D | After Effects(参见 ae-extendscript) |
| 3D对象或环境 | Blender / Unreal,渲染通道,然后合成 |
| 真实感B卷、产品特写、不可能拍摄的素材 | AI图像到AI视频,然后重新校色到 tokens.css |
| 字幕 | add-subtitles 或字幕块,从令牌设置样式 |
| 主时间线、音频、导出 | Premiere / DaVinci |
混合引擎是正常且良好的——这是最强的反模板信号之一。但绝不可混合的是调色板。
阶段7 —— 集成并交付
在主时间线中组装。然后完整运行附录A。它涵盖了逐镜头检查无法看到的内容:图形下方的音频闪避、字幕与下方三分之一冲突、安全区域、整个作品中的节奏,以及渲染规格。
G7 —— 每个框都已勾选,或者有一份书面清单说明哪些未勾选及原因。
闭环
在完成之前,阅读 NOTES.md 并问:这些更正中有哪些是用户在下一个视频中又会做出的?
将这些转化为一个项目技能 —— .claude/skills/<client>-style/SKILL.md —— 保存他们的调色板、字体、节奏偏好、禁止的动作以及你被告知的更正。下一个视频则将第4阶段作为起点,而不是第0阶段。
这是复利步骤。一个不记录自己被更正的内容的代理将永远被更正。
当用户只想要一个动画时
跳转到该单一镜头的第3-5阶段,但仍然:从真实内容中采样调色板,仍然运行两个检查清单,仍然写入 tokens.css。门很便宜;重建则不然。
附录A · 交付检查清单 (G7)
在组装好的主时间线上运行,而不是在单个镜头上。逐镜头检查已经通过;这会捕捉只有所有内容放在一起时才出现的问题。
观看整部视频两次:一次静音,一次全音量并隐藏图形。问题隐藏在两者的混合中。
1. 跨镜头一致性
- 每个镜头都从
tokens.css中提取颜色。在场景文件夹中搜索不在令牌文件中的原始十六进制值——任何命中都是偏差。 - 每个镜头的阴影方向相同。
- 每个镜头都有相同强度的颗粒/纹理通道。
- 圆角半径、描边宽度和发光强度匹配。
- 字体:整个视频中使用相同的两种字体家族、相同的字距规则、相同的大小写规则。
- 重复元素(章节卡片、计数器、下方三分之一、订阅标志)实际上是同一个组件,而不是为每个实例重新制作。
- 标志以一致的尺寸和清晰空间出现。
2. 贯穿全片的节奏
- 没有两个相邻镜头共享同一类型。
- 镜头时长有变化。将其绘制成图表——一条水平线是节拍器,看起来像自动化产物。
- REST节拍幸存了。如果每一行最终都有一个视觉元素,则规划在某处被覆盖;删减回来。
- 开头5秒承载最高密度;中间有呼吸空间。
- 没有图形比它所属的台词存在更久。一个在它说明的点之后还停留的视觉元素是死气。
- 屏幕上没有内容在播放速度下难以阅读。以播放速度大声朗读每个叠加文字;如果读不完,则太长或太快。
3. 与素材的集成
- 图形与画面校对色,而不是粘贴在它上面——匹配黑电平、匹配暖度、匹配颗粒。
- 任何旨在放在场景中的东西都有接触阴影或遮挡。
- 没有任何内容遮盖说话者的脸,也没有任何内容放在他们的手移动的地方。
- 下方三分之一和字幕从不碰撞。决定Z轴顺序一次:图形在字幕之上,或字幕在图形之上——然后坚持这个顺序。
- 构图经受住裁剪:9:16导出将主体和叠加文字保持在可见区域内,而不仅仅是在画布内。
- 安全区域得到尊重——在外部5%内没有关键内容,在短视频的平台UI后面没有内容(底部约15%,右侧约10%)。
4. 音频
- 音乐在对话下方闪避。使用生成的关键帧,而不是静态电平。
- 音效仅存在于需要它们的时刻——入场、撞击、UI滴答声、转场——而没有别处。不间断的嗖嗖声本身是一种垃圾特征。
- 音效混合在图形下方,而不是在声音之上。如果你注意到嗖嗖声,那就太响了。
- 每个音效与运动发生的帧对齐,而不是近似。
- 对话电平在镜头之间一致;没有环境音的突兀跳变。
- 结束干净:音乐有解决或渐弱,不在持续音符上硬切。
5. 编辑本身
- 剪辑在单词上开始,而不是在吸气上。
- 重复的镜头、重新开始和填充词已删除。
- 在拼接点没有重复帧(连接生成片段时最后一帧到第一帧的经典迹象——修剪一帧)。
- 转场是有动机的。因为存在转场而存在的转场应被删除。
- 任何AI生成的B卷已重新校色到调色板中,并且,如果有可见文字,则已检查是否有乱码。屏幕上乱码的文字是单个最可识别的生成视频迹象——将其裁剪掉或替换镜头。
6. 渲染规格
- 目标平台正确的分辨率、帧率和色彩空间。
- Alpha镜头导出为ProRes 4444 / 带Alpha的QuickTime,而不是在黑色背景上合成。
- 比特率对平台合理;渐变中没有条带(如果有,添加一点颗粒)。
- 音频达到平台的目标响度,峰值低于0 dBFS。
- 文件名说明其内容及版本。
7. 诚实的问题
再观看一次,并用一句话回答:观众会说什么暴露了这个是自动化产物?
如果你能说出某件事,修复那件事。如果你真的不能,就交付它。
失败日志
任何在此失败的内容都要填入 NOTES.md,附带原因,而不仅仅是症状。“镜头12有纯色背景”是症状;“镜头12的批量处理代理没有导入 tokens.css”是原因,并且这是将成为项目技能中的规则的原因。
附录B · 向代理简要介绍(以及向子代理简要介绍)
…
[为了翻译而截断]