script-to-video · 文稿 → 豎版科普短影片
三條總綱,所有決策回到它們:
- 確定性時間軸:動畫是純函數
setTime(t)——同一時刻永遠渲染同一畫面。這帶來 任意跳幀審計、多進程分段截圖、循環可證明、改一個常量全片變速。 - 配音實測時長驅動時間軸:先配音、量出每句時長,再排場景邊界——音畫天然同步, 不需要 ASR 對齊。
- 用戶的眼睛不該是第一道質檢:程序化審計(越界/重疊)歸零是截圖的前置條件, 關鍵幀目檢是美觀的最後一道門。
流程(九步,任何一步不過關就退回上游)
文稿 ─▶ ① 數據憲法 ─▶ ② 文案+字幕分塊 ─▶ ③ 配音(實測時長)
─▶ ④ 時間軸 sync ─▶ ⑤ 動畫 anim.html ─▶ ⑥ 雙審計歸零 + 關鍵幀目檢
─▶ ⑦ 配樂 + 混音 + 母帶 ─▶ ⑧ 逐幀截圖 → 編碼 → 合成 ─▶ ⑨ 七項校驗 → 交付
① 數據憲法
通讀文稿,把所有要進片子的數字/事實/人名固化成一張清單(寫進 shots/facts.md)。
之後任何畫面、文案、字幕只能引用清單,禁止臨場發揮。
- 可驗證的數字放大,不可驗證的細節留白(寧可信息少,不可信息假)。
- 每個數字只講一次,放在情緒峰值。
- 數字必須"有事發生"地出現:配繪製生長、同步計數、砸落。
② 文案與字幕分塊
寫口播稿(shots/vo_lines.json):一句一行,每句 4–12 秒,全片 8–16 句。
- 開場 5 秒決定完播:錢/衝突/懸念三選一壓進第一句(如"如果給你 X,去修一條路——敢接嗎?")。
- 結構參考:鉤子 → 難題 → 否決 → 解法 → 檢驗 → 結算 → 人物 → 收尾(可裁剪)。
- 每句手動指定字幕分塊(
"cues": [...],單塊 ≤18 字),比機械按標點切更穩。
③ 配音
python templates/vo_tts.py(預設 edge-tts,免費;本地有 GPU 時可換音色克隆模型,
見 references/audio.md)。每句輸出 wav + 實測時長 audio/vo/vo_dur.json。
- 中文數字年份逐字轉寫(2022 → 二零二二);小數點轉"點"。
- TTS 偶發空響應:腳本須重試 + 斷點續跑。
④ 時間軸同步
python templates/sync.py:場景時長 = 0.25s 提前量 + 句長 + 尾部呼吸(0.5–1.9s),
自動把 TL(時間軸)、CUES(字幕)寫回 anim.html,並生成 shots/timeline.json 供混音用。
換配音後必須重跑,且按新舊時長比例縮放場景內 VO 對齊的動作時刻。
⑤ 動畫
複製 templates/anim.html 改場景。骨架已含:藍圖風設計系統、工具函數、審計器、
掃描線轉場、字幕層、3 個示例場景。核心模式:
- 每場景
defscene(id, cam=>{...; return (t,d)=>{...}}),render 是純函數。 - 兩層運動:主動作(畫線/砸落)+ 持續層(虛線行進/漂浮/脈衝)。
- 攝影機永遠有 1.4%–3% 緩推——畫面不是靜幀。
- "先出後進":舊元素完全退場再進新元素,杜絕交叉疊加。
- 視覺規範與動效語言:讀 references/design-system.md 和 references/motion.md。
⑥ 審計 + 目檢(品質門,不可跳過)
瀏覽器裡跑 auditText()(文字越界)與 auditOverlap()(元素重疊),歸零才能截圖。
審計器抓不到"醜":每場景選內容峰值幀截圖目檢(文字裁切/構圖空洞/風格跑色/圖形形狀),
硬傷立即修。設計意圖性重疊給元素加 data-okov="1" 豁免。
⑦ 聲音
python templates/music.py 程序合成輕快配樂(零版權風險);或用自備曲目(注意版權)。
python templates/mix.py:VO 按 RMS 歸一 → 配樂 ducking(人聲附近壓低)→
音效只留重音(每場景 ≤2 個 thud,拒絕 whoosh 鋪底——音效是標點不是背景)→
自寫峰值包絡限幅 → ffmpeg loudnorm 兩遍到 -14 LUFS / TP -1.5。
⑧ 渲染
python templates/shoot.py 0 <dur> a --html anim.html # ×N 段並行
python templates/render.py # 編碼→末幀校驗→拼接→合成
Playwright 逐幀截圖(device_scale_factor=2,JPEG q93)→ 分段 x264 crf19 → 逐段末幀 vs 源圖校驗(RMS<8,抓無報錯壞段) → concat → 音畫合成 (pan 顯式複製為立體聲、+faststart)。
⑨ 七項校驗
python templates/check.py:無縫循環(首末幀 RMS<5)· 音軌存在 · 字幕可見性 ·
風格色序(每幀 B>G>R 防跑色)· 空白幀 · 體積/時長 · faststart。全 PASS 才交付。
交付物:成片 mp4 + srt 字幕 + 發布文案(標題≤15字/一句話簡介/標籤)。
環境
python 3.10+,pip install playwright numpy soundfile pillow edge-tts
playwright install chromium
ffmpeg(PATH 中可用)
目錄約定(每個工程項目)
<project>/
├── shots/vo_lines.json # 文案+字幕分塊(唯一的內容源)
├── shots/facts.md # 數據憲法
├── shots/timeline.json # sync.py 生成,供混音
├── tools/web/anim.html # 動畫(從 templates/anim.html 複製改造)
├── audio/vo|music|mix/ # 聲音
└── out/ # 幀、分段、成片
紅線
- 不編造:數據、人名、事件必須有來源;
[待核實]不清零不進配音。 - 紅色只表達"判定"語義(淘汰/驗收章),絕不做裝飾。
- 引用外部音樂先確認授權;預設用程序合成配樂。
- 涉及真實人物/企業後綴名與數字,交付前逐項核對數據憲法。
參考
| 文件 | 內容 |
|---|---|
| references/design-system.md | 視覺系統:色彩紀律、字號三級、圖簽、製圖語法 |
| references/motion.md | 動效語言清單:何時用哪種動效、參數 |
| references/audio.md | 聲音管線:TTS 選型、混音公式、母帶目標 |
| references/pitfalls.md | 踩坑清單(按代價排序,出問題先查這裡) |
| templates/ | 可直接運行的骨架與管線腳本 |