节拍同步
scripts/ 中的脚本：
beats.py MUSIC --out beats.json [--start S --end E]— 速度、节拍、强拍猜测、强起音（重拍）、每秒 RMS 能量。timemap.py— 构建可变速度时间映射（速度斜坡）并使用 ffmpeg 逐帧渲染。
1. 分析音乐
python beats.py song.mp3 --out edit/beats.json
输出 tempo、beats（秒）、downbeats（从最强相位开始的每第 4 个节拍）、hits（强起音：军鼓/底鼓/重拍）、每 0.5 秒的 energy。
解读结果：
- 节拍周期
P = 60 / BPM。在 30 fps 下，120 BPM 的一个节拍 = 15 帧。 - 重拍不总是节拍。 人声重音、逐渐上升的结尾、重拍。对于“编辑音频”趋势，剪切点是重拍，而不是节拍器。
- librosa 可能锁定到半速或双倍速。合理性检查：典型流行音乐 90-130 BPM，trap 130-160（通常感觉为半速），EDM 120-128，phonk 130-150。如果在帧抓取测试中检测到的网格感觉不对，则减半/加倍。
- 能量曲线找到重拍/副歌：安静部分之后的最大 RMS 跳跃。
2. 选择歌曲窗口
- 短视频：7-20 秒。在 强拍 上开始窗口，并在强拍或乐句结尾（4 或 8 小节）结束。
- 将最强的视觉放在重拍上。如果重拍在歌曲的 12 秒处，而您想要它在卷轴的 3 秒处，则窗口从 9 秒开始。
- Instagram/TikTok 上的热门声音：应用内声音从固定点开始。如果最终帖子会使用应用内声音，则将编辑对齐到该起始点，并导出带有参考音频的版本作为指南。
- 淡入音乐 10-50 毫秒（避免咔嗒声），除非窗口从瞬态开始；淡出 0.3-1.5 秒，或在硬重拍上结束。
3. 构建网格并放置事件
fps = 30
fr = lambda t: round(t * fps) # 将每个事件捕捉到最近帧
U = beat_period / 2 # 子节拍单位（八分音符），如果歌曲很密集
- 剪切：在节拍上以获得流畅感，在重拍上以获得冲击力。每个节拍都剪切会令人疲惫；每 2 或 4 个节拍剪切一次，仅在重拍前（2-4 秒）的爆发中使用每个节拍剪切。
- 预期：在节拍 前 1-2 帧放置剪切在手机上感觉更紧凑（音频延迟 + 感知）。测试两者并一致选择。
- 闪光/抖动/缩放冲击：在重拍上，2-6 帧，衰减。
- 文字：单词出现在人声音节或节拍上；每个单词至少保持 0.4 秒用于单个单词，对于按节奏朗读的行约 0.25 秒/单词。
- 速度/效果变化：在强拍或重拍上。
- 将每个事件及其音乐原因保存在表格（
timing.json）中；构建脚本读取它。
4. 速度斜坡（速度）
速度斜坡是一个时间映射 src_t = f(out_t)。通过具有缓动速度的片段构建：
# 速度曲线：1x ... 在重拍之间斜坡到 4x ... 在重拍上回到 0.3x
segments = [(out_start, out_end, speed_start, speed_end, ease)]
- 使用 smoothstep/cubic 缓动输入和输出速度；瞬间从 1x 跳到 4x 看起来像故障。
- 在 重拍上慢速（0.2-0.5x），在 重拍之间快速（2-5x）。重拍帧本身显示关键动作（撞击、转身、看）。
- 慢速部分需要高帧率源或帧插值（
minterpolate、Resolve Speed Warp、RIFE）。 - 在快速部分添加运动模糊（
tmix=frames=3或在时间映射渲染器中帧混合）以避免频闪。 - 真实案例：俯拍桌面镜头，相机移动部分保持 1x，静态部分为 5.6x，每次速度变化都在强重拍上；光流传递（OpenCV LK + RANSAC 相似性）自动定位相机移动（见
motion-tracking）。
timemap.py 通过为每个输出帧拉取正确的源帧（可选帧混合）来渲染时间映射——比链式使用 setpts 滤镜更精确且更简单。
5. 匹配参考卷的时机
- 下载/获取参考；提取其音频。
- 检测其剪切：
ffmpeg -i ref.mp4 -vf "select='gt(scene,0.3)',showinfo" -f null - 2>&1 | grep pts_time。 - 检测其音频的节拍；将每个剪切表示为节拍索引或偏移 → 这就是节奏模板。
- 通过逐帧步进（1/30 秒精度）测量文字开启/关闭时间。
- 在相同网格上用您的素材重新构建（见
reference-matching）。
6. 验证
- 场景检测渲染；每个剪切时间 × fps 应等于计划帧（±0）。
- 在调试渲染中在节拍上叠加点击音轨（
aevalsrc正弦脉冲）并在重拍处抓取帧。 - 您无法监听：报告数字（计划 vs 测量的剪切帧），并要求用户用耳朵检查。