音乐转视频 — 一个基于音乐、节拍同步的视频工作流
使用此技能将 音乐曲目 转化为节拍同步的 HyperFrames 视频。您一次性分析曲目,布局帧,填充每个帧的计划,并将每个帧构建为一个合成。输入是一段音乐曲目加上用户可选的图片或视频 — 没有旁白和网站抓取。排版和模板是基础(完整的视频无需任何资产);用户提供的任何媒体都将按照相同的节拍网格切入。
您是 编排者。在 videos/<project>/ 中工作。按顺序运行步骤,并在进入下一步之前通过每个 门。两个步骤需要用户参与:步骤 3(计划批准)和 步骤 6(渲染批准)。除 步骤 4 外,您自己执行所有步骤,其中您为 每个帧 分派一个子代理。将设计和运动规则保留在此文件之外 — 它们存在于 references/ 和 frame-worker 子代理中。
SKILL_DIR = 此技能目录。PROJECT_DIR = videos/<project-name>/。
工作流:步骤 0 设置 → hyperframes.json + assets/bgm.mp3;步骤 1 分析 → audiomap.json;步骤 2 骨架 → STORYBOARD.md(帧,组为 TBD);步骤 3 计划 → 完整的 STORYBOARD.md + frame.md;步骤 4 构建 → compositions/frames/NN-*.html;步骤 5 组装 → index.html;步骤 6 渲染 → renders/video.mp4。
两个贯穿一切的核心思想
- 一个分析器,信任它。
analyze-beatgrid.py是唯一的节拍分析器 — 绝不用其他工具或耳朵重新测量节拍。其能量/密度/滚奏/起始点/静音始终可靠。其bpm和beats_sec仅在音乐真正具有节奏感时才可靠;在平静的音乐上,网格是追踪器施加的节拍器,因此应根据乐句和能量来规划节奏,永远不要硬切它。判断您处于哪种情况是每个帧的pacing(步骤 2)。 - 一个帧 = 一个文件;组存在于内部。 步骤 2 将曲目分割成 帧,每个帧成为一个合成文件
compositions/frames/NN-<frame_id>.html,由一个 frame-worker 构建。帧可以细分为 组(每个组是一个模板或运动原语组合)。额外的密度放在组 内部,因此 帧数跟踪不同的处理方式,而不是节拍 — 快速曲目不会增加子代理的数量。
步骤 0:设置,背景音乐和输入
目标:确定音乐来源,创建 HyperFrames 项目,并记录用户提供的任何媒体。
音乐是脊柱 — 首先确定一个曲目,然后再做其他任何事情。此技能针对 快节奏、高能量背景音乐 进行了调整:强节拍网格驱动切分(平静曲目也可以,但根据乐句而非节拍来规划节奏)。如果用户提供了音频 — 一个音乐文件,或用于提取音频的视频 — 则使用它。如果没有,则生成一个:根据用户描述选择情绪(例如“强劲的合成器浪潮”、“陷阱节拍”、“积极的企业风格”)并通过 /hyperframes-media(references/bgm.md — 有凭据时用 HeyGen 检索,否则用本地 Lyria / MusicGen;ElevenLabs 或其他生成器也可用)生成曲目。在生成之前,运行 npx hyperframes auth status 并 逐字输出其结果(不要改写或重写) — 它显示背景音乐来自 HeyGen 还是本地 MusicGen,如果未登录,则显示如何登录。如果未登录,请停止并等待用户选择 — 登录,或继续离线使用本地 MusicGen — 然后再生成曲目;请勿将密钥写入每个仓库的 .env 文件。(在自主模式下,记录状态并继续离线。)参见 /hyperframes-media → 预检以获得规范指导。无论哪种方式,曲目都位于 assets/bgm.mp3。暂存用户提供的任何图片或视频,以便帧可以在节拍网格中编织它们;否则排版承载整个视频。
仅当 hyperframes.json 缺失时才初始化。根据简介以 kebab-case 命名 <project>,例如 midnight-drive-loop — 绝不要使用时间戳。init 检查已安装的技能是否与 GitHub 上的最新版本一致,并更新全局集(如果有任何过时的)。
npx hyperframes init "videos/<project>" --non-interactive --example=blank
mkdir -p "$PROJECT_DIR/assets" "$PROJECT_DIR/renders"
cp "<user-music>" "$PROJECT_DIR/assets/bgm.mp3" # 如果需要,先从视频中提取
# 仅当用户提供图片/视频时:
node <SKILL_DIR>/scripts/stage-assets.mjs --from <dir> --hyperframes "$PROJECT_DIR" --into public
品牌(字体 + 调色板)在步骤 3 选择,而不是在此处。不要预先选择流派或曲目类型 — 资产只是一个可选成分,流派从每个帧的选择中自然产生。
门: hyperframes.json + assets/bgm.mp3 存在;已记录宽高比/长度/帧率以及(如果有)资产清单。
步骤 1:分析音乐
目标:生成整个视频所基于的单一规范时间分析。
analyze-beatgrid.py 是 唯一 的节拍分析器 — 绝不用其他工具或耳朵重新测量节拍。它读取曲目一次并写入 audiomap.json:能量阶段(级别/密度/感觉)、起始点 + onset_rate、滚奏、静音、hard_stops、key_moments、乐句、节奏/网格和 audio.duration_sec。它是确定性的 — 相同的文件总是给出相同的地图。大多数字段在任何音乐上都可靠;bpm 和 beats_sec 仅在音乐真正具有节奏感时才可靠,判断这一点是您在步骤 2 中做出的决定。
先决条件:Python 3,带有 librosa、numpy 和 soundfile 库。如果导入失败,请在运行分析器之前将它们安装到活动的 Python 环境中:
python3 -m pip install librosa numpy soundfile
python3 <SKILL_DIR>/scripts/analyze-beatgrid.py "$PROJECT_DIR/assets/bgm.mp3" \
-o "$PROJECT_DIR/audiomap.json" --print
门: audiomap.json 存在;已知 audio.duration_sec。
步骤 2:帧骨架(仅结构)
目标:读取音乐并布局帧 — STORYBOARD.md 的骨架。
阅读 references/frame-skeleton.md。自己将 audiomap.json 转换为 STORYBOARD.md 的 骨架 — 没有中间 JSON。在真实的音乐变化处(hard_stops、SURGE / DROP key_moments、滚奏的边缘、没有起始点的片段、大的能量跳跃)将曲目切割成 帧,将每个边界对齐到 audiomap 锚点。为每个帧设置 span_sec、pacing(来自步骤 1 信任判断的结论 — 网格真实时为 beat_cut,平静音乐上施加节拍器时为 phrase_flow)、mood 和一行 feel(步骤 3 用于匹配模板的纯音乐情况)。这里只进行分类和布局:将每个帧的 ### Groups 保留为 TBD (Step 3),并将前置元数据中的 style 留空 — 没有模板、文案、颜色或字体。期望大约 1–6 个帧。
门: 帧平铺了整个曲目(第一个从 0 开始,最后一个在 duration_s 结束);每个帧带有 span_sec + pacing + mood + feel;每个 ### Groups 为 TBD;任何地方都没有内容。
步骤 3:填充计划(用户门控)
目标:将骨架转化为已批准、完整的 STORYBOARD.md。
阅读 references/planning.md、storyboard-format.md、template-catalog.md、motion-primitive-catalog.md 和 montage.md(仅当用户提供资产时)。在原地编辑同一个文件,做两件事:
- 选择品牌。 使用
../hyperframes-creative/frame-presets/中的表格(匹配曲目的情绪;只有其字体和颜色重要 — 模板拥有构图)从../hyperframes-creative/references/design-spec.md中选择一个预设。将其 未修改地 复制到frame.md中,并从前置元数据中填充style(字体 + 一个 ≤4–6 色板调色板)。 - 填充每个帧。 确定其组,并为每个组赋予一种处理方式:从目录中匹配的模板(带有绑定的参数和真实的 audiomap 锚点),从原语目录中自由组合,或一个 遵从
pacing的资产处理方式。编写文案。您拥有 WHAT(模板/原语 + 内容 + 锚点);frame-worker 拥有 HOW — 切勿在故事板中写入毫秒级别的补间。
node <SKILL_DIR>/scripts/validate-plan.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
--audiomap "$PROJECT_DIR/audiomap.json" --templates <SKILL_DIR>/references/templates
修复每个 ✗(硬错误:持续时间不匹配,帧未平铺曲目,缺少 src);警告为尽力而为。然后向用户显示逐帧摘要,并迭代直到他们批准。
门: frame.md 是预设的逐字副本;validate-plan.mjs 退出码为 0;用户批准了计划。
步骤 4:根据计划构建帧
目标:将每个帧构建为一个独立的合成文件。
创建 compositions/frames/。阅读 sub-agents/frame-worker.md 和 ../hyperframes-core/references/subagent-dispatch.md。每个帧分派一个 frame-worker,尽可能并行(否则分批进行)。每个 worker 只获取一个帧和以下上下文:
PROJECT_DIR: <绝对路径>
frame_id: <NN-frame_id> # = 帧文件名主体,例如 02-f2;合成 ID
您的区块:PROJECT_DIR/STORYBOARD.md 中的 `## Frame N — <frame_id>` 区块
audiomap: PROJECT_DIR/audiomap.json
frame.md: PROJECT_DIR/frame.md
材料:对于每个组,<SKILL_DIR>/references/templates/<id>/index.html(模板)和
<SKILL_DIR>/references/motion-primitives/<id>/(自由形式);暂存的资产/(资产组)
合同:../hyperframes-core/references/sub-compositions.md + determinism-rules.md
画布:<宽>×<高> 节奏:<beat_cut|phrase_flow>
写入到:PROJECT_DIR/compositions/frames/<frame_id>.html
worker 复制引用的材料,将每个锚点转换为帧本地秒数(local_t = track_t − span_sec[0]),以 0ms 切割门控其组,并写入一个可安全用于 seek 的帧文件。worker 从不运行 hyperframes CLI — 这些命令操作已组装的项目,该项目尚不存在,因此它们会报告错误的文件。worker 仅根据合同写入然后停止;您在组装后验证(步骤 6)。当每个 worker 返回时,您可以确认其文件已写入磁盘。
门: 每个帧都有其 compositions/frames/NN-*.html 文件在磁盘上。
步骤 5:组装
目标:将构建好的帧 + 背景音乐连接到可播放的 index.html 中。
assemble-index.mjs 是确定性的 — 没有子代理,没有判断。它在累积的 data-start 处引用每个帧文件,将 assets/bgm.mp3 挂载到轨道 11 上,并硬切帧 → 帧(帧平铺曲目,没有间隙,因此 没有过渡注入器)。
node <SKILL_DIR>/scripts/assemble-index.mjs --storyboard "$PROJECT_DIR/STORYBOARD.md" \
--hyperframes "$PROJECT_DIR" --audiomap "$PROJECT_DIR/audiomap.json"
修复它报告的任何 ✗ — 缺少或空白的帧文件意味着该 worker 写入了部分文件;重新分派它(步骤 4)并重新组装。
门: index.html 存在;总持续时间 == audiomap.audio.duration_sec。
步骤 6:验证和渲染
目标:验证已组装的视频,获取用户批准,并渲染最终的 MP4。
在 已组装的项目 上运行 CLI — 这是正确的单元(逐帧 worker 无法运行它)。lint 检查结构,validate 运行无头 Chrome(捕获 JS 错误和缺失资产),inspect 快照帧。
( cd "$PROJECT_DIR" && npx hyperframes lint . && npx hyperframes validate . && npx hyperframes inspect . )
在 t=0、每个帧开始、最强的 DROP / SURGE、每个 hard_stops[].t 和最后一个帧处进行检查。如果失败,请自行做出 最便宜的安全修复:编辑有问题的 compositions/frames/NN-*.html。切勿更改持续时间或音频时序来隐藏同步问题。一旦门通过,暂停以供用户审查,然后仅在批准后渲染:
( cd "$PROJECT_DIR" && npx hyperframes render . --skill=music-to-video -q draft -o renders/video.mp4 --fps 30 )
门: lint / validate / inspect 通过;用户批准;renders/video.mp4 存在且包含音频,持续时间 == audiomap.audio.duration_sec。最终回复说明 MP4 路径和持续时间。
恢复表
| 您已经有 | 从以下继续 |
|---|---|
仅有 assets/bgm.mp3 | 步骤 1 |
audiomap.json | 步骤 2 |
STORYBOARD.md(骨架) | 步骤 3 |
STORYBOARD.md(完整) | 步骤 4 |
| 所有帧文件 | 步骤 5 |
index.html | 步骤 6 |
快速参考
格式: 默认横屏 1920x1080;竖屏 1080x1920;正方形 1080x1080。在故事板前置元数据中设置一次画布(canvas: { w, h, fps })。
脚本 位于 scripts/ 下:analyze-beatgrid.py(唯一分析器),validate-plan.mjs(计划检查),assemble-index.mjs(索引组装),stage-assets.mjs(暂存用户媒体),lib/storyboard.mjs(供应商解析器)。其余都是 hyperframes CLI。
| 阅读 | 何时 |
|---|---|
references/frame-skeleton.md | 步骤 2:读取音乐,布局帧,设置节奏 |
references/planning.md · storyboard-format.md | 步骤 3:选择品牌,填充每个帧,编写计划 |
references/template-catalog.md | 步骤 3:为每个组选择模板 |
references/motion-primitive-catalog.md | 步骤 3:为自由形式组选择原语 |
references/montage.md | 步骤 3:集成用户资产(如果提供) |
sub-agents/frame-worker.md | 步骤 4:分派 frame-worker |
../hyperframes-core/references/subagent-dispatch.md | 步骤 4:分派 frame-worker |