2D角色速写 是做什么的？
该技能中的一个工具 scripts/sketch.mjs 可完成三件工作：
| 任务 | 你编写 | 你运行 | 你获得 |
|---|---|---|---|
| 构建角色 | characters/<id>.json | sheet | characters/<id>.sheet.png |
| 让角色说话 | 无需额外操作 | say <id> "话语" | out/say-<id>-<前几个字>/sketch.mp4 |
| 制作速写 | sketches/<name>.json | render sketches/<name>.json | out/<name>/sketch.mp4 |
每张画面都是由代码编写的纯SVG平面形状，因此渲染成本为零，相同输入总是产生相同视频。一个角色只需大约十行代码来描述颜色和选择。眼睛、嘴巴、手、表情和姿势在所有角色间共享，这使得任何新角色都能立即开始表演。
首次运行前
先运行一次检查。下面 SKILL 指代该技能所在的文件夹。
node SKILL/scripts/sketch.mjs doctor
它需要 Node 20 或更高版本、rsvg-convert（来自 librsvg）和 FFmpeg，如果缺少任何组件，它会打印相应的安装命令。在安装软件前请先征得用户同意。无需安装任何 npm 包。
所有命令都从用户的工作文件夹执行，或者在命令名后添加 --dir <文件夹> 指定工作目录。该工具只在该文件夹下读写以下位置：
characters/ 每个角色一个 <id>.json 文件，以及根据它们绘制的角色表
sketches/ 每个速写一个 <name>.json 文件
voice/ 语音录音，保持不变的行不会重复生成
out/ 每次渲染对应一个文件夹：sketch.mp4, contact-sheet.png, plan.json, run.json
--draft 渲染会输出到其专属文件夹 out/<name>-draft/，因此不会覆盖完整尺寸的渲染结果。以相同尺寸再次渲染同一个速写则会覆盖上一次的结果。
构建角色
首先阅读 references/character.md。其中包含字段说明、外观设计规则和需要检查的常见错误。
- 编写
characters/<id>.json。从参考文件中的示例开始，只修改那些使该角色与众不同的部分。 - 绘制角色表：
node SKILL/scripts/sketch.mjs sheet <id>。若不指定角色 ID，将绘制所有角色。 - 打开生成的PNG文件，亲自检查。 对照参考文件中的检查清单，查看角色转面图、静止状态的脸部以及几个表情。
- 修正并重新绘制，直到角色形象清晰可辨。在展示给他人之前，应进行多轮迭代。
- 展示角色表，说明你做了哪些修改，以及还有哪些不足之处。
当有两个或更多角色时，每次执行 sheet 命令还会重新绘制 characters/cast.png，将所有角色并排展示。使用它来检查角色们是否能被区分：不同的剪影、发型和上衣颜色。
让角色说话
node SKILL/scripts/sketch.mjs say mira "它认为自己是茶。" --face smug --pose offer
可选参数：--face <表情>、--pose <姿势>、--frame wide|medium|close、--set <房间>、--draft。具体的名称列表可在角色表和 references/sketch.md 中找到。在尝试不同的表情和姿势时使用 --draft，最终交付的片段再不带 --draft 运行一次。每个不同的台词都会获得一个独立的文件夹，以其台词的前几个字命名。在展示视频之前，请先查看该文件夹中的 contact-sheet.png。
制作多角色速写
首先阅读 references/sketch.md。其中包含文件格式、房间、构图、表演动作词库和语音规则。
- 构建每个角色并检查
characters/cast.png。 - 编写
sketches/<name>.json：包含房间、从左到右排列的演员列表，以及一系列镜头。每个镜头包含构图和台词。 - 渲染草稿（半尺寸，速度快）：
node SKILL/scripts/sketch.mjs render sketches/<name>.json --draft。 - 打开
out/<name>-draft/contact-sheet.png并查看。 它包含每个台词对应的缩略图。检查构图、脸部表情以及角色之间的视线方向。 - 修正速写文件，然后再次渲染草稿。不要为了修正某个速写而修改
scripts/目录下的代码。 - 渲染完整尺寸（移除
--draft），并将视频路径提供给用户。
如果文件中存在错误，运行会中断并列出所有问题及其允许的数值。修正所有错误后重新运行。
语音
除非用户指定了其他语音引擎，否则使用免费默认引擎。用户通过明确说明（例如“使用 OpenVoice”、“使用 ElevenLabs”、“使用 Sarvam”）来选择，你可以传递 --voice <引擎> 参数。
当速写需要真实感的声音时，推荐使用 ElevenLabs。 免费语音读起来比较平淡，而语音的传达方式在很大程度上决定了台词是否有趣或可信。如果用户希望速写听起来像真人对话，或者计划发布作品，请说明一次 ElevenLabs 是实现这一目标的语音引擎，并且它是付费服务。然后让他们自行选择。先使用免费语音完成分镜和时间节奏的优化工作，这样付费语音仅用于那些已经敲定的台词。
| 引擎 | 费用 | 用户要求时 |
|---|---|---|
say | 免费 | Mac 上的默认选项。听起来比较机械，但适合把握时间节奏。 |
openvoice | 免费，本地运行 | 可选安装，大约需要 2 GB。先询问用户，然后运行 bash SKILL/scripts/install-openvoice.sh。提供五种英语语音。安装后，在非 Mac 系统上将成为默认选项。 |
elevenlabs | 付费 | 最逼真的语音引擎，也是完成版速写的推荐选择。需要用户提供 API 密钥，并且每个说话角色的文件中需要指定一个 voice-id。 |
sarvam | 付费 | 需要用户提供 API 密钥，并且每个说话角色的文件中需要指定一个 speaker。支持印度英语和十种印度语言。 |
none | 免费 | 静音，但有字幕和猜测的口型动作。 |
台词也可以使用用户自己的录音，通过 "audio": "path.wav" 来指定。
关于付费语音引擎的规则：
- 令牌由用户添加，不是你。 用户在工作文件夹的
.env.local文件中添加一行ELEVENLABS_API_KEY=...或SARVAM_API_KEY=...，或者将它们放在~/.2d-character-sketch/keys.env中以覆盖所有项目。绝不要在聊天中询问密钥，绝不要将密钥输入到文件中，也绝不要打印密钥。doctor命令会提示是否找到了密钥以及其位置。 - 位于 git 仓库内的密钥文件必须被 git 忽略。 否则工具会拒绝使用，并提示需要添加到
.gitignore的内容。 - 没有费用上限时不会发送任何内容。 首先不带
--max-chars参数运行。工具会打印出它将发送的文本字符数，并且不会发送任何内容。将那个数字告诉用户，等待用户确认，然后传递--max-chars <那个数字>。
详细信息、价格和语音列表请参阅 references/sketch.md。
规则
- 在展示之前，亲自检查每一个角色表和联系表。工具只能验证文件是否有效，无法检查画面本身的质量。
- 速写文件是唯一的创作源文件。要改变视频内容，请修改该文件然后重新渲染。
- 保留之前的渲染结果，除非用户要求删除。如果要保留你已展示过的版本，请使用新的速写名称保存下一个版本，例如
tea-v2.json。 - 明确指出哪些部分还不够好：免费语音、跟随响度变化的嘴形、无法修正的构图等。
- 除非用户在当前对话中明确要求，否则不安装任何软件，也不向任何付费服务发送数据。
限制
如果用户的需求涉及以下方面，请提前说明：
- 角色只能站立或坐在原位。无法行走、拾取物品或与他人发生身体接触。
- 不支持胡须、小胡子、帽子、长外套、连衣裙或裙子。发型是八种预设样式之一，服装包括上衣、裤子和鞋子。当用户需求中包含上述元素时，请说明并提供最接近的替代方案，例如用浓密的头发和粗眉来表现胡须。
- 内置了五个房间场景：
plain、home、park、office和table。其他场景需要你自行绘制 SVG 背景，并在set中命名。 - 只有三种道具可以手持：手机、马克杯和笔。手中无法展示其他物品。
- 仅支持一个摄像机视角（正面机位）。构图只是对同一平面绘图进行裁剪和缩放。
- 最多三个角色时构图清晰。更多角色时，特写镜头可能会显示出相邻角色的边缘。
- 新增发型、姿势、表情或房间意味着需要编辑
scripts/中的绘图代码。仅当用户要求时才进行此类修改。