/stick-figure
┌──────────────────────┐
│ ☀ ☁ │ 明亮的天空、海洋、道具,全部以程式碼繪製
│ ◯ ◯ │ 棒狀人物,大白色頭顱,富表情的臉
│ /|\ /|\ │
│ / \ / \ 🛢 │
│ 眼罩 │ 1-2 個字的字幕,小寫,約在畫面 70% 處
└──────────────────────┘
技能附帶一個完整範例:engine/template 是一個已完成 37 秒的短片,內容是「如果海盜眼罩跟失去眼睛毫無關係呢?」
首次使用
此技能的資料夾就是 Claude Code 載入時顯示的「基礎目錄」。
SKILL_DIR="<此技能的基礎目錄>"
ENGINE="$SKILL_DIR/engine"
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
[ -x "$KIT/.venv/bin/python" ] && [ -d "$KIT/models" ] || bash "$KIT/setup.sh" --voice # 約 1 GB 的語音模型,只需一次
PY="$KIT/.venv/bin/python"; export NODE_PATH="$KIT/node_modules"
需要 ffmpeg、Node 與 Python 3.9 以上。要觀看範例:cp -r "$ENGINE/template" ~/reels/pirate && bash "$ENGINE/make.sh" ~/reels/pirate。
整體架構
一個短片就是一個資料夾:
script.json:旁白腳本,每句話一個條目。captions.json:可選的文字替換映射(例如{"twenty five": "25"})。web/shots.js:鏡頭清單。每個鏡頭以SHOTS.push({start, end, tr, draw(ctx, lt, t)})表示,時間單位為旁白的秒數;lt是鏡頭內的時間,tr是轉場類型('whip'或'cut')。web/lib.js(緩動函式、關鍵影格kf、形狀、文字),web/chars.js(棒狀人物骨架drawStick、帽子、臉部、手臂 IK、眼罩),web/env.js(天空、雲、海、船、甲板、木桶、大砲、燈籠、艙底),web/main.js(甩鏡模糊、暗角、顆粒、字幕)。可在env.js中新增道具,或新增env2.js(需在web/index.html中引用)。audio.py:音樂與音效,全部以程式碼合成,並按旁白秒數擺放。
make.sh 負責生成語音、對齊每個單字(audio/words_new.json)、混音、並行渲染所有鏡頭,最後寫出 <folder>/<folder name>.mp4。
時間對齊: audio/words_ref.json 是各鏡頭對齊的參考語音。當語音改變但文字不變時,make.sh 會自動將鏡頭時間扭曲到新錄音上,讓新的錄音無需重新編輯鏡頭。如果腳本有變更,請刪除 audio/words_ref.json(下次錄音會成為參考),然後重新編排 shots.js。
步驟
- 腳本。 約 110 到 120 個字,對應 38 到 40 秒,每句話一個概念:「天馬行空」的鉤子、常見迷思、用「但」轉折、逐步舉例、一個展示機制的鏡頭、以及回答鉤子的收尾。在開始動畫前先展示給使用者看。
- 事實查核。 每個說法都要有來源。推測性內容要用「科學家認為」等緩衝用語。
- 資料夾。
cp -r "$ENGINE/template" <reel>,然後清空其audio/並取代script.json(及captions.json)。 - 語音。 在短片資料夾中:
"$PY" "$ENGINE/tools/tts_kokoro.py"(免費),或使用使用者自行錄製的檔案,或透過 ElevenLabs(需設定ELEVENLABS_API_KEY環境變數):"$PY" "$ENGINE/tools/tts_elevenlabs.py" audio/vo_el.mp3。將最終錄音放在audio/vo.wav,然後執行"$PY" "$ENGINE/tools/align.py" audio/vo.wav,並在audio/words_new.json中檢視每個字的時間戳記。 - 鏡頭。 改寫
web/shots.js:約 10 到 12 個鏡位,大部分 2 到 4 秒,解說鏡頭較長。新的想法對應新的鏡位。鉤子必須在畫面的第一幀就開始執行。確保臉部與關鍵道具不要進入字幕帶(y 約 1250 到 1420),並保持在 Instagram 的安全區域內(x 100 到 980,y 220 到 1500)。 - 靜態預覽。 在短片資料夾中執行:
node "$ENGINE/tools/render.js" stills 1.5,4.2,9.0會寫出stills/靜態圖檔。檢查最忙碌的時刻,在完整渲染前修正問題。 - 音效。 根據單字時間戳記,編輯
audio.py中的音效提示。 - 建置。
bash "$ENGINE/make.sh" <reel>(保留audio/vo.wav;可傳入kokoro、elevenlabs或一個檔案路徑來取代語音)。如果機器核心較多,可使用WORKERS=8。設定AUDIO_ONLY=1可僅重新混音而不重新渲染。 - 交付
<reel>/<name>.mp4。
風格
- 字幕:Poppins Bold 字型,白色,深色外框,1 到 2 個字,小寫,無標點符號(
main.js中的capText()負責處理;數字與%保留原樣)。畫面上任何地方皆不可使用 em 破折號。 - 明亮的飽和色調,墨水輪廓線(
#221c22),柔和的接觸陰影,緩慢推近搭配手持晃動,甩鏡轉場並附動態模糊。衝擊效果以爆炸、震動與閃光表現。 - 音效音量低於語音(增益約 0.38)。音樂為安靜的撥弦襯樂,音量會壓低以讓語音清晰,開頭不會有大聲循環音樂。