人物說話 + 動畫效果 是做什麼的？
創作者自己錄製了講話影片。他的錄影就是旁白：不需要產生語音（不要執行 tools/tts.py 或 standin_words.py）。其他所有流程都遵循 reel-studio 技能和影片的風格技能：風格決定動畫的外觀；這個格式決定他的影片素材如何剪輯以及動畫放在何處。formats/persona-hablando/format.json 列出了他在「格式」頁面上看到的規則——請遵循這些規則。
檔案
footage/— 他的影片片段，按播放順序排列（檔案名稱以01-、02-… 開頭）。他在工作室中上傳這些片段（「新 Reel」或影片頁面 →「錄製」）。沒有版本控制；切勿編輯或刪除它們。audio/takes.json— 每個片段的單字及其對應時間（來自footage.py transcribe）。audio/edit.json— 剪輯結果：保留的部分及其順序。你可以編輯，但需經過他同意。public/footage.mp4、public/vo.wav— 剪輯完成的影片及其音訊（來自footage.py cut）。vo.wav就是旁白：audio/mix.py會像處理產生的語音一樣將其混音。src/words.json、src/vo_env.json、src/footage.json、audio/vo.txt— 由剪輯過程自動產生：基於剪輯時間軸的單字（因此cue()、ACTS和字幕能正常運作），以及每個片段開始的位置（JUMPS）。src/talk/Footage.tsx—<Footage />，將剪輯結果作為靜音影片圖層；cutZoom(t)會根據片段切換縮放。
工具需要使用虛擬環境執行（它依賴 faster-whisper：請前往「設定」→「需求」→「語音辨識」；如果缺少，請他安裝）：從影片的資料夾執行 ../../../../.venv/bin/python ../../../../tools/footage.py …。
步驟
- 轉錄 — 執行
footage.py transcribe --lang <設定檔的語言代碼，例如 es>。它會輸出初步剪輯建議的片段（語音在停頓超過 0.4 秒處分割），並編號，附帶文字。稍後新增的片段會轉錄並附加在結尾，不會影響已有的片段。 - 提出剪輯建議 — 像剪輯師一樣閱讀這些片段：過早開始、口誤、拖沓的填充詞（如「呃」、「這個」）、重複的句子（保留最後一個好的版本，除非第一個明顯更好）、與影片主題無關的離題內容、以及開場較弱但有更強鉤子被後續表達的情況。向他展示一個簡短的編號列表 — 片段編號、內容、你的建議及原因 — 以及剪輯後的長度與目標長度的對比。用一則訊息連同你的建議一起發送，這樣他只需回「好」即可確認。未經他同意切勿剪輯。當剪輯點落在某個片段內部時，使用
footage.py show N來顯示片段 N 的單字及其時間：在edit.json中圍繞失誤部分將其拆分為兩個（在單字開始前約 0.05 秒、結束後約 0.15 秒處切割，切勿在單字中間切割）。 - 剪輯 — 編輯
audio/edit.json（刪除、修剪、拆分或重新排序片段），然後執行footage.py cut。檢查輸出中的長度，查看幾個畫面（一旦<Footage />出現在影片中，使用./snap.sh out/cut <秒數> …），並請他在開始製作動畫前先在工作室的播放器中觀看剪輯結果：「腳本」和「剪輯」都從這裡開始計算。如果他要求修改，請編輯edit.json並重新剪輯：單字、字幕文字和時間都會隨之更新。每次剪輯都會重寫audio/vo.txt：它記錄他所說的內容，因此不要為了更改腳本而編輯它 — 應該更改剪輯。像往常一樣根據audio/vo.txt的行數標記audio/beats.json。 - 腳本檢查 —
video-script的檢查清單仍然適用於他所說的內容：前幾秒內要有鉤子、只包含一個核心想法、不要過早洩漏答案、要有回報、要有行動呼籲。如果鉤子不夠強烈，建議重新排序（從後面的片段調動）或請他重新錄製一行，而不是繞過它去製作動畫。 - 動畫 — 根據風格的視覺語言，為每個想法構思一張圖片（請參考 reel-studio → 圖片）。有三種放置動畫的方式，根據節奏選擇：
- 放在他旁邊（最常見）：他保持滿版畫面；動畫位於畫面中的空白區域（通常是畫面的上三分之一或下三分之一，遠離他的臉）或作為卡片。適合數字、列表、術語、對比。
- 全螢幕（持續幾秒）：動畫覆蓋整個畫面，他的聲音繼續播放。適合「用看的比用說的更好理解」的內容（流程、地圖、圖表）。在他開始下一個要點之前，必須回到他的臉上。
- 不加動畫：當他在表達情感或個人觀點時，他的臉就是最好的畫面。 首先找到他臉部在畫面中的位置（使用剪輯結果的靜止畫面），並保持該區域清晰：切勿遮擋他的眼睛或嘴巴。
- 建置 —
src/film/Film.tsx：使用<Footage zoom={cutZoom(t)} />作為底層圖層（取代風格的背景），上層疊加場景，字幕覆蓋在兩者之上，並像往常一樣使用<Audio src={staticFile('mix.wav')} />。風格的背景和紙質紋理僅用於全螢幕的節奏。像往常一樣使用cue()在src/lib.ts中設定 Acts；模板中的TOTAL保存最後一幀，用於結尾一秒鐘。 每次片段之間的跳轉（JUMPS）都需要遮蓋：cutZoom交替縮放構圖，或是在該剪輯點加入一個進入動畫。 - 分鏡板、音效、靜音測試、渲染 — 與
reel-studio相同。在靜音測試中，畫面必須在沒有聲音的情況下仍然合理：如果長時間只有他的臉，請說明原因並建議在何處加入動畫來承載想法。
交付
報告剪輯後的長度、刪除了多少片段及原因（一行內說明）、動畫放在何處以及任何合成內容。在 LESSONS.md（通用部分）中記錄導致剪輯修改的因素。