运动短片(Demon Clips Studio)
这些短片中的每一个像素和每一种声音都是用代码生成的:画面部分使用 Remotion,声音部分使用 pipeline/synth.py,语音部分使用 Edge TTS 或用户自己的录音。参考构建是 "Make in code":remotion/src/promo/MadeInCode.tsx、pipeline/promo.py、reels/261120-made-in-code/。在编写新短片之前先阅读它们。复制它们的模式,而不是它们的文案。
在 D:\Claude-Chrome\wearethedemon\studio 目录下工作,并遵循 studio/CLAUDE.md(环境、渲染路径、A: 驱动器用于暂存、下载前询问、仅在要求时提交、不添加 Claude 署名)。
用户每次期望的(不要让他们再问)
用户很直接,如果某事需要问两次就会感到沮丧。第一次就把整个事情交付完整:
- 画外音。 印地语叙述,每行时间线与节拍对齐。使用 AI 语音(Edge TTS
hi-IN-MadhurNeural),除非他们在语音录音机中录了自己的声音。一个只有音乐的短片会被退回,并附上“没有画外音?”的评论。 - 附加结尾。 可发布的文件是
-ig.mp4(关注)和-yt.mp4(订阅),带有结尾自己的音效,并且一个音轨贯穿短片和结尾。 - 两种脚本。 罗马化的 Hinglish 和梵文(Devanagari),所以共 4 个文件:
{roman,deva}-{ig,yt}。 - 生动但流畅的运动。 东西会弹出、抖动、脉动和过冲。不要有任何生硬或仓促的感觉:给大的移动留出时间(一个钟摆摆动是 1.5 秒;1 秒被认为“太快且不流畅”),并为任何快速移动添加运动模糊拖尾。
- 室内风格:Paper Glass Lab。 浅色网格,白色玻璃,渠道红色 #E5162D / #B80F22,墨色和白色。夜间插曲(#0E0E12 加红色发光)为了节奏是允许的,但用户尚未正式批准它们,所以将它们保持为可选项。没有黄色,视频中没有表情符号,没有虚假数字,没有验证徽章。
- 诚实的声明。 如果短片说“每个声音都是代码”,那就必须是。屏幕上的代码是这个短片真实的源代码,并且有一个测试来检查它。
- 按照要求构建。 如果他们要求 X,不要提供一个简化版然后再次询问。
工作流程
1. 格式和构思
如果有一个参考短片,只取其格式:结构、节奏和移动的类型。绝不取用其脚本、字幕或设计。编写 5-8 个节拍,每行一个:什么移动,什么文字出现,什么声音播放。在文案中使用之前验证任何事实。只有当 reward.md 中存在实际可交付成果时,才使用 "Comment KEYWORD" 卡片。草拟该文件并将其标记为需要用户批准;他们手动发送私信。
2. 文件夹和文案
创建 reels/<YYMMDD>-<slug>/ 目录,包含:
copy.yaml:handle、keyword、brand。- 一个
roman:和一个deva:块用于屏幕上的文字。 - 一个
voice:块:id、rate、lines: [{at, text, roman}]。text是用于 TTS 的梵文,英语单词按照 hi-IN 语音的发音拼写(코드, क्लॉड, एडिटर, डी एम)。roman是用户在录音机中阅读的内容。
reward.md:草稿,直到用户批准。notes.md:- 构建命令和要发布的文件;
- 发布前检查清单和封面框架建议;
- 发布文案:一个带有最多 5 个标签的 IG 标题,一个最多 100 个字符的 YT 标题,以及一个带有 3-5 个标签的描述。
3. 先处理节拍表
将节拍时间放在一个 JSON 文件中:remotion/src/promo/<slug>.beats.json,以秒为单位。
- 共享: 合成和 Python 音轨都读取它,这使每个声音都在其帧上。
- 名称: 根据发生的事情命名节拍(
cut、wall、land[]、reveal、stretch、toCard、keyword、brand、fadeOut)。 - 结尾: 最后 0.4 秒保持平静和静音,以便干净地循环回第 0 帧。
- 时长: 25-30 秒的短片,加上 3.5 秒的结尾。
4. 合成
编写 remotion/src/promo/<Name>.tsx 并在 Root.tsx 中注册它,使用 calculateMetadata 从节拍中获取时长。
- Schema: 为每一部分文案(
script: "roman" | "deva"、lines、card、brand、audio、fps)设置一个 zod schema。罗马化文案是默认值。 - 时间: 以秒为单位,通过
../motion(seconds、springAt、ramp、wiggle、pulse、loop、stagger)和brand/tokens.ts中的弹簧(SPRING.ui18/160/0.8、SPRING.stamp11/220/0.7)。永远不要用帧计数,这样任何 fps 都能工作。 - 工具包:
Backdrop、NightBackdrop、FitLine(将一行文本适配到指定宽度)、Card、Chip、Stamp、Rich、Phone、CaptionBar、SafeOverlay。 - 文字:
- 保持在安全区域内:x 60-950,y 250-1560。任何需要阅读的内容都不应小于 34 px。
- 罗马化字幕是大写 Rajdhani 字体;第二行是 Poppins 600 斜体红色。
- 梵文不大写。它需要更大的最大尺寸(约 148/120 对比罗马文的 150/128,药丸形状 72 对比 64),
lineHeight ≥ 1.25和lang="hi"。
- 多样性: 从下面的运动词汇中混合 4-6 种方法,每个短片以不同的顺序使用。YouTube 将重复的模板视为非原创内容。
5. 声音和语音
参见下面的“声音”。音乐和音效在节拍时间放到一个 Bus 上。音乐在语音下方降低 −9 dB,音效降低 −5 dB。然后是限制器,然后是 loudnorm 到 −14 LUFS。每个语音行在前一个结束后再开始。
6. 管道模块
pipeline/promo.py 连接到那个“Make in code”短片(SLUG、COMPOSITION、BEATS_JSON、其 music/sfx)。
第一次构建第二个短片时,将其通用化而不是复制文件:
- 将共享部分(
load_copy、voiceover、soundtrack、_master、render、filmstrip、final)移动到一个接受短片配置的模块中:slug、合成 id、节拍路径以及该短片的music(b)和sfx(b)。 - 将
promo.py保持为 Make in code 的薄配置,并为 CLI 添加--reel <slug>。 - 对录音机做同样的事:
pipeline/recorder.py的Project接受 slug,并且pipeline record --reel <slug>可以工作,这样语音录音机应用可以为任何短片配音。
保持测试通过,并在你的报告中说明你做了这个更改。
7. 在完整渲染前进行胶片条预览
将关键节拍帧(每行 6 张,--filmstrip)渲染到 A:\claude-workspace\screenshots\demon-studio\<slug>\ 并自己查看。检查:
- 文字可读且在安全区域内,并且梵文不会太小;
- 检查空白时刻(一张卡片空白停留 0.6 秒看起来像出错了,所以在大约 0.4 秒内开始其文字);
- 检查最后一行长文本是否触及边缘,以及分层效果是否对齐。
修复,重新渲染帧,然后渲染视频。
8. 渲染、结尾、最终文件
构建音轨,然后渲染每个脚本。final() 然后:
- 附加平台结尾:
O.render_outro(platform, script, keyword=..., reward=...),包含第三个要点 "Comment KEYWORD: reward"; - 连接两个视频并将一个音轨混音贯穿两者;
- 编码为 H.264 CRF 18、BT.709 limited range、AAC 320k 48 kHz、+faststart。
9. 验证,然后报告
- 格式(
ffprobe):1080×1920、30 fps、yuv420p、BT.709、AAC 48 kHz 立体声、时长 = 短片 + 结尾。 - 响度: 每个最终文件的 −14 ±1 LUFS 且真峰值 ≤ −1 dBTP。
- 音频存在: 使用 ffmpeg 检查每秒的 RMS。
- 结尾帧: 标题、卡片、点击、关注/已订阅、关键词要点。
- 测试:
uv run python -m pytest -q通过。为新短片添加测试:- 屏幕上的代码是真实的;
- 节拍按顺序排列;
- 道具对两个脚本都有效;
- 每个语音行在下一个开始前 0.05 秒结束;
- 音轨运行完整时长,最后 0.4 秒静音;
- 关键词有一个奖励。
用简单的语言报告:
- 要发布的 4 个文件,作为链接;
- 逐节拍的短片描述,作为一个短列表;
- 你检查了什么,以及你无法检查什么(你无法听,所以他们应该播放它);
- 未解决的决策:奖励批准、封面帧。
提醒他们,VS Code 预览可以静默播放这些文件(“为什么没有音频?”)。VLC、Windows Media Player 或 Chrome 可以正常播放它们。
运动词汇(MakeInCode.tsx 中的代码)
一个英雄对象驱动短片(红色球体)。其他所有事物都对其位置做出反应,这形成了因果关系:球体经过,文字出现。
路径
- 钟摆。
ballAt:x = 540 − SWING·cos(t·TURN),y在弦的圆上(stringY),TURN = π / pass,一个 1.5 秒的摆动。PendulumString有一个柔和的阴影,并在切割后卡到轴上。 - 跳跃。
hop(a, b, u, h)是一条直线减去4·h·u·(1−u):一个真实的抛物线,顶点高度为h。链式跳下楼梯的落脚点。用Easing.out(Easing.back(1.5))缓和最终稳定。 - 飞入墙壁。 Ease-in quad,加上一个小的
sin(u·π)弧线。 - 滑行。
lensAt:通过关键帧的 Catmull-Rom 曲线,在第一个线段缓入,在最后一个线段缓出。 - 运动模糊拖尾。
Trail:采样路径的最后 0.09 秒,并绘制ceil(length / 5 px)个圆(最多 48 个)在一个 SVGfeGaussianBlur下,朝向尾部缩小和淡出(0.16·(1−k)^1.4)。副本重叠,因此它看起来像一条彗星,而不是珠子。
文字
- 跟随对象的擦除。
SceneSwing/SwingText:每个字幕是一个全帧图层,使用clip-path: inset()在球体的 x 位置裁剪。新字幕显示在球体后面,旧字幕在它前面,并且方向在每个摆动中交替。 - 着陆时的盖章。
StackLine:该行使用springAt(c, at, SPRING.stamp)正好在着陆节拍时弹出。
冲击和活力
- 挤压和拉伸。
squashAt:在着陆后的 0.14 秒内,sx += 0.3·sin且sy −= 0.26·sin,transform-origin: 50% 100%。墙壁撞击则向另一个方向拉伸。 - 涟漪。 一个扁平的椭圆环,在 0.45 秒内从接触点扩大。
- 爆发。 14 个火花和点,用
random()播种以确保渲染完全可重复。只在最重要的时刻(关键词)使用它。 - 抖动和脉动。
wiggle(c, at, dur, hz, amp)摇晃旋转;pulse(c, at, dur, amount)放大缩放。将多个脉冲相乘,并在结束时每秒钟添加一个柔和的脉冲,使卡片保持呼吸感。 - 闪光。 一个倾斜的白色渐变条横穿药丸形状一次。
场景
- 亮到夜。 球体将一个
NightBackdrop面板拖过纸张。其前沿是一个倾斜的线(panelEdge/edgeX,倾斜缓动 0 → 14° → −6°),用于将夜晚层剪裁为多边形。 - 回到纸。 在一个强节拍上切回。
- 相机推近。 每个场景 3-6 %,但绝不在有放大镜的场景中使用。
焦点和揭示
- 球到透镜。
lensRadius/Lens:球体膨胀成一个红色圆环(弹簧),填充玻璃,长出把手,并在一个灰色代码层上滑行,其余部分变暗。然后揭示的文字在玻璃内部弹出,并且它再闭合回球体(Easing.in(Easing.back(1.4)))。 - 放大。 在玻璃内部,以
ZOOM(2.1)的缩放比例绘制同一图层,transform-origin在透镜中心。如果基图层移动(相机推近),则放大后的副本会漂移不对齐。 - 屏幕上显示代码。 它来自
code-lines.ts:该短片自身源代码的逐行复制,由一个测试保持同步,仅在透镜内部进行颜色高亮。
CTA 变形
- 形状。
Morph从三个弹簧构建一个圆角矩形:宽度sW、高度sH(较松,所以会 wobble)和卡片sC。w = 60 + 840·sW + 20·sC,h = hPill + 430·sC,半径从药丸形状变为 52。 - 序列。 球体 → 带有 CTA 文字滑入的药丸形状 → 抖动和闪光 → 卡片。卡片容纳 MessageCircle + "comment karo",然后一个 190 px 的斜体关键词从 1.7 缩放到 1 并伴有爆发,然后是发布行。
- 结束。
Brand锁定(标志、Anton 字体 wordmark、等宽标签),淡入夜晚,最后 0.4 秒静止。一个@handle水印在全过程中位于左上角。
声音(pipeline/synth.py、pipeline/audio.py)
S.Bus(seconds) 是一个立体声时间线:
add(clip, at, gain_db, pan)放置一个片段。mix(other, db)合并两个总线。duck_under(key, depth_db)在另一个总线下面做侧链闪避。fade_out(start, end)和peak()。
每次从节拍 JSON 读取。规则:每个视觉节拍都有一个声音,快速移动有空气声。给每个“whoosh”设置自己的 seed,并将小声音的声像设置为 ±0.15-0.7。
| 视觉 | 声音 | 增益 dB |
|---|---|---|
| 快速经过或飞翔 | whoosh(dur, lo, hi, peak, seed),在其移动最快时达到峰值,声像随方向移动 | −11 到 −16 |
| 经过极端点、UI 滴答声 | tick(freq, dur) | −24 |
| 切割、弦子啪声 | snap() + riser(dur) 进入下一个打击 | −13 / −17 |
| 大冲击(墙壁、关键词) | impact() | −9 / −10 |
| 着陆 | thud(150, 50, 0.4) + pop(900+80·i, 300),随每次着陆升高 | −8 / −13 |
| 亮起、完成 | ting(Hz):1318.5、1568、1760、2093、2637 | −13 到 −15 |
| 膨胀、拉伸、变形 | boing(f0, f1, dur) | −10 到 −14 |
| 揭示、闪烁、闪光 | shimmer(base, gap) | −13 到 −22 |
| 缩小、关闭 | zip_down() | −14 |
| 抖动 | rattle() | −13 |
音乐 速度为 120 BPM,A 小调 Am F C G,2 秒一个小节(一个 1.5 秒的摆动 = 3 个节拍,因此运动和音乐锁定)。
- 每个小节一个
pad,在观众阅读或观看时更安静和更暗。 - 一个
pluckKarplus-Strong 琶音在八分音符上,高两个八度。 kick在运动重音上以及在构建中的四拍底鼓。hat和sub仅在夜间场景中。- 在 wordmark 下的最后一个
pad。
语音
- AI 语音: Edge TTS 7.3.1,
hi-IN-MadhurNeural在 +8 %(hi-IN-SwaraNeural是女性选项)。它在build/voice/中缓存,并且只发送脚本文本。 - 自己的声音:
voiceover(mode="auto")优先使用录音机的录音(audio/voice-take.json),然后是audio/my-voice.*(由pipeline/ownvoice.py在停顿处剪切的一个录音),最后是 AI 语音。--voice ai|own强制指定一个。 - 行: 每行 2-6 个单词,并在其节拍上开始。测量每个片段:它必须在下一个行开始前 ≥ 0.05 秒结束,并且最后一行在
fadeOut之前。如果不行,缩短单词。高通 80 Hz,……