Acim24/motion-video-audio

含音訊的動態影片（發布影片風格）

將簡要內容轉化為一支完成且經過母帶處理的 MP4 檔案：包含發布影片風格的視覺（溫暖紙張、大型襯線標題、一個陶土色強調色、自動打字的聊天對話、揭示優勝者的長條圖、低調的標誌結尾）以及完整的配樂：

• 語音旁白 — 每個場景可選一個 vo 行，使用 edge-tts 合成。場景會根據旁白長度自動調整大小。
• 音樂 — 根據精確時間軸合成的原創環境配樂（Pad、Sub、鋼琴琶音、柔和脈衝、Riser，以及在標誌畫面上解決的高潮音）。由於是從程式碼生成，因此無版權問題。或者使用使用者自己的音軌。
• 音效 — 切換時的呼嘯聲、文字/長條圖上的滴答聲、回覆打字時的打字聲、優勝長條圖上的叮噹聲、計數器的滴答聲、標誌上的撞擊聲與閃爍聲。這些音效放置在場景元件內，因此能自動保持同步。
• 混音 — 音樂在旁白下自動閃避；最終檔案正規化為 -14 LUFS / -1.5 dBTP（社群媒體/YouTube 目標）。

所有內容都位於一個檔案 src/storyboard.ts 中。

工作流程

1. 了解簡要內容。 取得：品牌/產品名稱、一個要記住的核心訊息、2–5 個支援要點、真實數字（如果有）、目標長度、平台、旁白語言與語音性別。如果使用者已提供足夠資訊，就不要反覆詢問；說明你的假設。切勿將虛構的基準測試數字呈現為真實數據——請使用明顯標示的佔位符（footnote）或跳過基準測試。

2. 建立專案結構。

   bash <skill-dir>/scripts/new_project.sh <target-dir>
   

   需要 Node 18+、ffmpeg，以及 PATH 上的 edge-tts（使用 pipx install edge-tts 安裝），且需要網路連線以取得旁白。先用 which edge-tts ffmpeg 檢查；如果缺少 edge-tts 且無法安裝，則在不使用 vo 的情況下建置，並告知使用者。

3. 撰寫分鏡表。 閱讀 references/style-guide.md（視覺節奏、文案撰寫、食譜）和 references/audio.md（旁白撰寫、語音、音樂/音效/混音設定）。場景類型（src/types.ts 中的欄位）：

   類型	用途
   headline	動態文字：開場、章節標題、結尾語。*word* = 強調斜體
   chat	UI 演示：提示 → 思考點 → 打字回覆（附帶打字聲）
   benchmark	水平長條圖，其中一條 highlight: true 的長條（到達時發出叮噹聲）
   bigNumber	一個計數遞增的大數字（計數器滴答聲 + 撞擊聲）
   features	2–4 個編號的功能卡片（每個卡片彈出）
   logo	結尾：繪製標記或 logoSrc、名稱、標語、行動呼籲（音樂高潮在此處落地）

   每個場景：可選的 vo、可選的 durationInFrames（30 fps；在具有旁白的場景中省略以自動適應）。可選的 tone: 'light' | 'dark'。在 logo 場景中不要設定 vo——讓音樂高潮得以呼吸。

4. 建置音訊 — 這也會確定最終時間軸：

   cd <target-dir> && npm run audio
   

   閱讀列印出的時間軸：每個場景的開始、長度、旁白長度，以及「（拉伸以適應旁白）」的警告。如果某個場景被大幅拉伸，請縮短其 vo — 過長的旁白會導致場景緩慢且沈悶。

5. 視覺品質檢查（靜態圖片很快，渲染則不然）：

   npx tsc --noEmit
   bash <skill-dir>/scripts/contact_sheet.sh <target-dir> Main-16x9 /path/sheet-wide.png
   bash <skill-dir>/scripts/contact_sheet.sh <target-dir> Main-9x16 /path/sheet-tall.png
   

   檢視 PNG 檔案；修正溢位、擁擠、每個場景超過一個強調色的問題。

6. 音訊品質檢查（無需用耳聽）— 渲染後，檢查響度並檢視混音：

   ffmpeg -i out/video-16x9.mp4 -af ebur128=peak=true -f null - 2>&1 | grep -E "I:|Peak:"
   ffmpeg -y -i out/video-16x9.mp4 -filter_complex "showwavespic=s=1800x300" -frames:v 1 /path/wave.png
   

   預期 I ≈ −14 LUFS，峰值 ≤ −1 dBFS，旁白 bursts 清晰突出於音樂背景之上，且最大的波動出現在標誌處。

7. 渲染（執行 audio → 兩種格式 → 母帶處理）：

   npm run render     # → out/video-16x9.mp4, out/video-9x16.mp4
   

   ~30 秒的影片約需 1–2 分鐘。輸出路徑、時長、使用的語音，並提及 npm run studio 可進行含音訊的即時預覽。

自訂

• 品牌顏色/字型：僅修改 src/theme.ts 中的 token。
• 標誌：檔案放在 public/ 目錄中，設定 logoSrc: 'logo.svg'。
• 自有音樂：檔案放在 public/ 目錄中，設定 audio.music: 'track.mp3'（僅限使用者擁有權利之音軌）。自有錄製旁白：請參閱 references/audio.md。
• 新的場景類型 / 格式 / 編解碼器：請參閱 references/extending.md。

品牌與誠信護欄

模仿其風格，而非品牌：請勿重製 Anthropic（或任何其他人）的標誌，或將影片呈現為使用者所不代表之公司的官方發布內容。合成語音不得模仿真實、可識別的個人。基準測試：使用真實使用者數據或明顯標示為示意用途。