竖屏短视频工作室（专业版）

端到端流程：（首次运行：询问用户的账号/水印/行动号召/语音偏好）→ 主题 → 研究 → 草稿 → 审批 → 配音 → 定时 → Remotion场景 → 渲染 → Reels导出 → 质量检查 → 封面+字幕 → 交付。这是 vertical-reels-video-studio（基础版）的完整版本。品牌配置存储在 brand.config.json 中（由 src/brand.ts 读取，并作为 brand 属性传递给组合组件）。

0a. 首次运行：询问用户TA们的设置（切勿使用默认值）

在第一个视频之前，如果 brand.config.json 缺失、包含 "configured": false 或仍含有 @yourhandle，依次询问用户（每次一个问题）并将答案保存在 brand.config.json 中：

社交账号：Instagram、Threads、TikTok、X（用户使用的平台）。
水印文字（完全按显示样式，例如 @yourhandle 或 @ig / @x）及位置（bottom-center、bottom-left、top-left、top-right）。
行动号召文本及其提及的账号。
语音：用户的ElevenLabs语音ID + 模型 + 语言，或“我自己录制语音”。API密钥仅以 ELEVENLABS_API_KEY 密钥形式请求。
语言和语气；语音应如何称呼用户的名字/账号。

然后将 "configured" 设置为 true。切勿伪造账号，切勿使用他人的账号（包括此工具包的作者），也切勿渲染仍显示 @yourhandle 的水印。

0b. 品牌配置（`brand.config.json`，根据用户回答填充）

键	占位符	说明
账号	`{{IG_HANDLE}}`、`{{THREADS_HANDLE}}`、`{{TIKTOK_HANDLE}}`、`{{X_HANDLE}}`	`handles.*`，用户自己的
水印	`{{WATERMARK}}` + 位置	`watermark.text` / `watermark.position`，用户提供的确切文本；切勿在场景中硬编码
语言/语气	`{{LANGUAGE}}`、`{{TONE}}`	例如非正式的印尼语，少用表情符号
语音昵称	`{{SPOKEN_NAME}}`	语音如何称呼用户的账号（例如 `@janedoe_` 说成“Jane Doe”）。字幕仍显示真实账号
免责声明	`{{DISCLAIMER}}`	对于金融话题，例如“教育性内容，非财务建议”
语音	`{{VOICE_ID}}`、`{{TTS_MODEL}}`、`{{LANGUAGE_CODE}}`	`voice.*`，用户的选项（或用户自己的录音）
API密钥	环境变量 `ELEVENLABS_API_KEY`	切勿打印、记录或提交
行动号召	`{{CTA}}`、`{{CTA_HANDLE}}`	`cta.text` / `cta.handle`，由用户提供（例如“关注{{CTA_HANDLE}}获取更多”、“评论TUTORIAL”）
硬性规则	`{{HARD_RULES}}`	永远不要嘲笑的品牌、需要模糊的名称、永远不要说的词语
渲染设备	`{{RENDER_DEVICE}}`	GPU机器或CPU。始终报告实际使用的设备

1. 研究与草稿（无音频，无渲染）

使用原始来源核实每一项主张：官方文档/新闻稿、作者自己的帖子、注册机构、带日期的截图。高管帖子算作官方声明。将估算标记为（ESTIMATE · not official），指控标记为（ALLEGED）。无法核实的内容直接删除，而非软化表述。
每个视频讲述一个故事，使用日常用语，节奏平缓。硬产品名称在屏幕上显示，而非旁白中。
提供2–4个钩子选项（H1、H2等）：一个为什么/如何的问题或一个鲜明的对比。让用户选择。
定时表：时间 | 屏幕内容 | 旁白。目标时长45–65秒，硬上限90秒（目标≤88秒，以确保修订后仍能适应）。
编写 factcheck.md（主张→来源→状态）和 sources.md。
发送草稿并等待审批。 来自用户的“不要渲染”意见是最终决定，除非他们说继续。

2. 配音（ElevenLabs）

两个脚本：script-display.txt（字幕显示的内容）和 script-tts.txt（为语音拼写的版本）。保留显示↔TTS映射。
发音（参见 docs/VOICEOVER.md）：A.I. 带点号使其听起来像英语；非英语旁白中逐个字母朗读代码（ETH → E, T, H）；数字读作单词；英语术语使用普通英语拼写（无连字符重拼）；在最后一个/t/后加逗号再接元音；品牌名称仅在测试证明有帮助时才重新拼写。
后处理 atempo 1.05（快节奏内容为1.1）。响度−14 LUFS集成值，≤ −1 dBTP。
无重复行。 如果某行重复了钩子或之前的要点，则裁剪或改写。
首先检查字符配额。仅对失败的行重新配音（传递 previous_text 以保持连续性）。

3. 定时

从TTS对齐（除以节奏因子）或 faster-whisper 获取单词时间戳 → timing.json {duration, phrases:[{s,e,words:[{w,s,e}]}], scenes:[{id,start}]}（scripts/build-timing.py）。
将重拼的标记合并回显示单词（A.I.→AI、E, T, H→ETH），否则字幕会延迟开始。
场景根据口语单词确定：wt(scene, word) → 该单词开始的帧。

4. 动效风格（Remotion，1080x1920，30 fps）

配色： 基础 #0A1016，奶油色 #EFE6D2，琥珀色 #FFB000，红色 #E2553F，绿色 #7BD88F。字体通过 @remotion/google-fonts：Big Shoulders 800（标题）、Plus Jakarta Sans（正文/字幕）、JetBrains Mono（标签/代码）。 布局： 重要内容位于y 200–1500。底部区域：卡拉OK字幕约为y 1310–1353，水印（如果用户选择底部）约为y 1427–1446，进度条约为y 1474，所有内容位于x 960左侧（Reels在其右侧绘制按钮）。 无空白帧： 钩子在帧0时即可读取；开头和结尾与中间部分一样充实（英雄图片、主持人、标签），从不在空白背景上单独一行。

缓动辅助函数（src/motion/ease.ts）：

const clamp01=(x:number)=>Math.max(0,Math.min(1,x));
const P=(t:number,a:number,b:number)=>clamp01((t-a)/(b-a));
const eOut=(x:number)=>1-Math.pow(1-x,3);
const eIn=(x:number)=>x*x*x;
const backOut=(x:number,s=1.70158)=>1+(s+1)*Math.pow(x-1,3)+s*Math.pow(x-1,2);
const sec=(f:number,at:number)=>(f-at)/30;
const ap=(f:number,at:number,d=0.3)=>eOut(P(sec(f,at),0,d));
const pop=(f:number,at:number)=>Math.max(0,backOut(P(sec(f,at),0,0.35),2.2));
const punch=(f:number,at:number)=>{const t=sec(f,at);if(t<0)return 1;return 1+0.12*eOut(P(t,0,0.2))-0.06*eOut(P(t,0.2,2.5));};
const shake=(f:number,at:number)=>{const t=sec(f,at);return t<0||t>0.4?0:14*Math.exp(-t*10)*Math.sin(t*70);};

移动效果： 动态文字（单词在其配音时间落地，scale(0.6+0.4*pop)，±4°在0.25秒内稳定，重音词更大且为琥珀色/红色），关键图片上的缩放冲击，圆形蒙版揭示，缩放过渡（scale 1→4.2约9帧，下一场景1.3→1），旋转印章和等宽标签，截图上的红色高亮框，步骤计数器，卡拉OK字幕（当前词琥珀色+1.08×），行动号召弹出加抖动，以及在配音下的嗖嗖/弹出音效。大约每1.5–3秒一个节奏点。

视频片段： 将每个 <OffthreadVideo> 包裹在 <Sequence from={at}> 中，并设置相对于它的 startFrom；否则片段会钳制在其最后一帧上，看起来像冻结。对于长节拍，循环短片段。片段从第一个可用帧开始。

音频过渡： 当开场在旁白使用现场音频（歌曲、片段）时，将其淡出至静音，并在第一个旁白单词前留约0.3–0.5秒（闪光/嗖嗖过渡），确保不会遮住旁白。

可选主持人（吉祥物）与唇形同步

每个视频中保持一致的字符形象。分离图层：身体（闭口画好）、手臂在衣领边缘的肩部枢轴上、静态肩垫、嘴部精灵图 closed/half/open/wide/round。
使用VO wav驱动嘴部，而非循环：scripts/build-mouth-track.py → 每帧状态（静音和结束保持时闭口，2帧最小保持）。将手臂限制在装置的范围内；仅依靠全身晃动是不够的。
只有在屏幕上时才显示主持人；封面使用静态闭口身体。

5. 渲染

如果可能，优先使用GPU机器（Remotion --hardware-acceleration，配置中不包含会破坏所需NVENC的 encodingBufferSize/encodingMaxRate）；仅在允许时才回退到CPU。始终说明实际使用的设备。
原始渲染：在 remotion.config.ts 中使用 yuv420p + bt709，然后进行Reels处理。

6. Reels安全导出（`scripts/reels-export.sh`，详情参见 `docs/REELS_SAFE_EXPORT.md`）

1080x1920 SAR 1，H.264 High level 4.1，yuv420p TV范围，BT.709标签，CFR 30，GOP 60闭合，10 Mbps（最小8，最大12），两遍 loudnorm −14 LUFS / −1.5 dBTP，AAC 192k 48 kHz立体声，+faststart，< 90秒。同时提供小于40 MB的小预览（scripts/make-preview.sh）。

7. 质量检查（强制，交付前）

使用Whisper检查最终MP4（scripts/whisper-check.py）：错误发音、口吃、杂音、重复行、每个场景第一个单词是否可听清。
在每场景边界生成联系表（scripts/contact-sheet.sh）：画面瑕疵、重叠、文本截断、安全区域、冻结片段、空白开头/结尾、水印是否存在、是否与 brand.config.json 完全匹配。
scripts/qa-check.sh：编解码器/配置文件/级别、像素格式、范围、色彩标签、CFR、AAC 48k、moov在mdat之前、时长<90秒、−14 LUFS。
修复并重新渲染。修订时保留之前版本。

8. 始终随视频交付

各平台字幕：Instagram（钩子、正文、行动号召、少量标签词）、Threads（更短，无标签）、TikTok，以及一个 .srt 文件。
四种封面A–D：1080x1920 + 1080x1350网格，关键文本位于中心1080x1080区域内；一个钩子、一张主照片、最多2–3个数字卡片；提供联系表并让用户选择。
来源引用和事实检查文件。
在 videos-log.md 中添加一行：标题、文件名、时长、响度、设备、来源、状态“未发布”。

规则

切勿发布、私信、上传或购买。仅交付文件。
无虚构事实、明星、价格或结果。在屏幕上致谢开源作者。
仅使用真实照片、logo和片段；无真实人物的AI生成面部图像。将模拟图标记为 illustration。
使用您有权使用的媒体；当音乐或片段受版权保护时告知用户（静音/索赔风险）。
文件中不含秘密。最后询问任何问题，单独消息发送。

竖屏短视频工作室专业版