白板解說影片

核心風格：語音和畫面同步移動。 所有內容（繪圖、文字、底線、圓圈）都會在說出相應詞語時逐一繪製，每張投影片逐步建構。在撰寫分鏡腳本前，請先閱讀 references/style-guide.md；其中包含色彩、螢幕文字規則、逐步揭露方式、同步時間表以及整部影片的結構。

每部影片都從 template/ 開始（複製它，不要從頭開始）：將此技能的 template/ 複製到 <project>/video/，然後執行 source env.sh && cargo build --release。二進位檔為 target/release/explainer（Windows 上為 explainer.exe；env.sh 中的 R ... 會執行它）。範本是一個約 95 秒的示範（「一分鐘解釋二元搜尋」），包含四個可供複製的場景；template/README.md 有所有命令。從專案資料夾執行 Python 腳本，格式為 python -I narration/<x>.py，需安裝 numpy、soundfile、librosa、faster-whisper 和 pillow。其內容包含：

src/kit.rs：繪圖工具包（手繪筆畫、hand/note 文字、underline、circle、arrow、stamp、counter、用於論文圖形的 Card 搭配 mark/ring/spot/zoom、camera、shrink_aside、圖示）。直接使用整個檔案。
src/lib.rs：場景分派、章節晶片（含 0.1 秒淡入）、圖片表格、SceneCues（c.w(beat, "word") 表示詞語被說出的時機）。示範場景：s_intro.rs（開場、標題、結尾回顧）、s_idea.rs（以口頭詞語建構的投影片）、s_figure.rs（帶有圓圈/標記/註解/點和縮放的圖形卡片）、s_quiz.rs（含陷阱戳記的 mcq 測驗）。
src/objs.rs：可重複使用的物件（mcq、grid、token、vecbar、hbar、code_panel、chat_card、quote_card、axes/trace、vec_arrow、photo……）加上一個「本影片」章節：將每個影片的重複出現物件放在此處，讓所有場景以相同方式繪製。
src/duck.rs：主持人精靈（腳部位置、根據語音包絡線的點頭動作、每場景位置：開場/測驗/結尾時較大，其他時候放在右下角）。沒有精靈就沒有主持人。
src/t3d.rs（可選）：即時模式的立方體和 View3，用於張量/陣列的 3D 插圖。
narration/：script.py（場景 → 節拍，測驗用 PAUSE）、tts.py（語音設定；尋找 local-tts 的 say.py）、build_vo.py（語音 + 每行快取 + 停頓塑形 + 速度 + faster-whisper 字詞對齊 → audio/narration.wav、src/cues.rs、src/envelope.rs）、words.py（檢查所有 c.w(...) 鍵、遺漏的分派分支和殘留的佔位符；寫入 WORDS.md）、est_cues.py（在語音存在前產生暫定提示和無聲音軌）、audit_vo.py / tts_try.py（發音審核）、make_srt.py（含 DISPLAY 對應、OVERRIDE 和 --review 的字幕）、envelope.py、glitch.py（最終檔案檢查）。
tools/：prep_figs.py（從 figs/*.png 寫入 src/figs.rs）、get_pet.py（下載主持人精靈）、font_metrics.py、make_demo_fig.py、lowprio.py（以閒置優先順序執行工作）。
media/：字型。只有媒體檔案可以放在其頂層（include_media_dir! 會對其他檔案報錯），因此授權文字放在 media/licenses/。
HELPERS.md：提供給每個場景輔助人員的簡要說明（規則、檔案對應、建構與檢查迴圈）。
STORYBOARD.md：示範的分鏡腳本，顯示輔助人員所需的詳細程度。
THIRD_PARTY.md：字型、精靈、fframes 和 FFmpeg 授權。

需求

Rust（穩定版）和來自 crates.io 的 fframes 1.3.0（固定在 template/Cargo.toml 中；檢查其授權條款是否符合您的用途）。
FFmpeg 共享函式庫（FFmpeg 7+「shared」建構）和 LLVM/libclang，用於 fframes 建構。template/env.sh 會讀取 FFMPEG_DIR 和 LIBCLANG_PATH；在 Windows 上，還要將 FFmpeg 的 bin 目錄加入 PATH，同時供 cargo 和建構後的二進位檔使用（缺少 DLL 時，若透過管道執行，會以靜默方式結束並回傳 127）。
Python 3.10+，需安裝 faster-whisper（字詞對齊、審核）和 numpy。
local-tts 技能（同一個外掛）用於語音。有 GPU 會快很多；但所有功能在 CPU 上也能執行。
主持人精靈（可選）：來自 github.com/gennadi-kuzmin/awesome-codex-pets 的 Codex 寵物（192x208 像素）。執行 python -I tools/get_pet.py --list，然後執行 python -I tools/get_pet.py <pet-id> 下載並分割成 sprites/。該儲存庫的 MIT 授權涵蓋其程式碼；在發布影片前，請檢查每個寵物的藝術作品權利。選擇明亮的寵物（深色寵物在黑色背景上會消失）。沒有精靈時，影片將在沒有主持人的情況下渲染。

fframes 版本與官方技能

新影片使用 fframes 1.3.0。創作者的官方技能 fframes-video 涵蓋通用 API，並隨每個版本更新，因此請閱讀它以了解此技能未涵蓋的內容：其 SKILL.md，然後是 references/api.md、audio.md、design.md 和 3d.md。使用以下命令安裝： npx skills add https://fframes.studio -g -a claude-code -y（如果您的權限阻止安裝，請要求使用者執行）；相同的檔案位於 github.com/dmtrKovalenko/fframes 的 skills/fframes-video/ 目錄下。此技能僅保留此風格特有的內容：外觀、流程以及以下注意事項。當兩者對渲染有歧異時，以本技能的注意事項為準。

1.3 新增且值得使用的功能：

3D 鏡頭（fframes::three_d）：請參閱下一節。
更精確的檢查：frame 3s --crop x,y,w,h（以影片像素為單位的縮放裁切，用於修飾筆畫和小標籤）、frame --ids（勾勒並命名每個具有 id 的元素）、strip 2s,5s,9s（並排顯示選定時間點）和 inspect --pops（找出在一幀內彈入或彈出的內容；將主持人的眨眼分組）。--pops 檢查的是影格，而不是編碼後的 mp4，因此仍然需要在最終檔案上執行 glitch.py。
Lottie：功能 lottie、frame.play_lottie(ctx, "x.json", LottieOptions { .. })，用於現成的動畫圖示。預設情況下仍使用手繪工具包筆畫；僅在 Lottie 符合白板外觀時才使用它。
include_media_dir!(pub struct M, "media", stereo) 會將立體聲檔案保持為立體聲。

白板影片中的 3D 鏡頭

僅在深度或移動攝影機本身就是解說的一部分時使用 3D：一個可以從中提起一層的圖層堆疊、張量形狀、記憶體階層、實體裝置、損失曲面、或一個傾斜的論文圖形卡片。文字、標籤、圖表和箭頭仍保持為手繪 SVG。每章僅限一兩個 3D 時刻：影片本質上仍是白板風格。references/three_d_example.rs 是一個 4 秒的測試（一個旋轉的圖層堆疊，帶有提起的圖層、固定在上面的手寫標籤、繪製在 3D 平面上的 svgr 紙卡）。

fframes = { version = "=1.3.0", features = ["compile-time-svgtree", "cli", "3d", "wgpu"] }。 3D 可與 CPU 影格渲染器搭配使用：使用 wgpu 時，3D 在 GPU 上渲染並讀回（120 幀 1080p：在 RTX 4070 筆記型電腦上約 1.4 秒，使用 Renderer::cpu() 約 4.2 秒）。當 GPU 忙碌時，將渲染器切換為 .cpu()（範例會讀取 FF_3D=cpu），其他設定無需更改。wgpu 類型可能在 main.rs 中需要 #![recursion_limit = "256"]。
黑板外觀：Background::Transparent 置於工具包的 BG 矩形之上、Material::shadow_catcher 地板、ToneMapping::Neutral 以保持工具包色調準確，以及 Material::standard(c).roughness(0.45).clearcoat(0.4)，適用於在縮圖尺寸下仍可辨識的厚實物件。
3D 物件上的手寫標籤：camera.project(scene.local_to_world(id, local), w, h) 會給出內嵌畫面內的像素座標；加上內嵌畫面的 x/y。使用工具包在觸發詞上繪製標籤。
3D 中的論文圖形：ctx.render_svgr(svgr!(..), w, h) → Texture::from_image(&img) 置於 Geometry::plane 上，搭配 Material::unlit(0xffffff)。相同的路徑可將圖形 PNG 放到卡片上。
移動的物件必須保持在內嵌渲染器的畫面範圍內，否則會在邊緣被裁剪。
在 new() 中建構場景一次，然後為每個影格複製並擺放姿勢（請參閱官方 3d.md）。
張量/陣列視覺化：即時模式效果很好。場景函數從 t 建立一個 Vec<Cube>（位置是簡單算術，因此區塊可以折疊、分割、展開、幽靈填充），使用一個共享的 rounded_box 幾何體渲染內嵌畫面，並為手繪箭頭投影點。僅在前層寫入立方體數字，並跳過淡出立方體的標籤（alpha < 0.6），否則會透出來。完整的 3D inspect 很慢（5400 幀約 10 分鐘）：請在背景執行它。
將固定的標籤在整個攝影機移動過程中與所有物件保持清晰距離（檢查鏡頭開始和結束時的靜止影格），並在 shrink_aside 完成後開始 3D 鏡頭，而不是在其期間開始。

工作流程

研究：將來源資料整理到 research/paper_notes.md：每個數字及其所在的表格/頁碼，以及措辭風險（百分比 vs 點數等）。將論文的圖形提取為圖片（figs/，在影片中顯示為白色卡片）。在螢幕上展示論文本身的圖表和圖形。
腳本（narration/script.py）：約每分鐘 150 字，每個節拍一句話，為語音拼寫（「Swee Bench」、「T zero」、數字用文字表示）。以最驚人的數字開場 → 標題 + 論文卡片 → 路線圖 → 章節 → 3-4 個測驗（問題、選項 A-D、PAUSE、答案） → 結論海報（重複使用先前繪製的相同物件） → 附註 → 結尾。在語音建構後檢查長度；修剪台詞或提高 TEMPO（1.06 可行），而不是加快語速。
- 測驗是困難且準確的選擇題（風格指南第 6 節）：推理問題、四個選項（錯誤選項是真實常見的誤解）、只有一個可辯護的答案。撰寫 research/quiz_keys.md（每個選項都附有頁碼/表格參考，衍生數字用 Python 計算），並在建立語音前檢查。
- 教學，而非摘要。 從零開始建構每個想法，並使用實際數字進行範例計算。在引入術語的同一行中定義每個術語，並將行話簡化為日常用語（「節點只是一個工作」）。大多數節拍以連接詞開頭（「所以，」、「現在，」、「但是」），讓轉折聽起來自然。保持在每分鐘 150 字左右：繪圖需要時間。
- 在使用每個符號之前正確介紹它；在使用它的行中重複一個簡短的提醒。
- 聽起來像真人，而不是 AI。 在撰寫前閱讀 references/natural-narration.md，然後執行 python -I scripts/aispeak_scan.py <project>/narration/script.py。修正編排好的開場（「這就是關鍵所在」）、非 X 而是 Y 的重新框架、可引用的結尾語和自問自答的問題，然後再建立語音。
- 避免冒號片段行（「首先：...」、「三個基準點。」）：語音會在該處停頓，下一行聽起來會很突兀。場景的第一個詞單獨出現（「探測。」）可能會被吞掉：寫成「接下來，探測。」。給「感謝觀看！」一個單獨的節拍。
分鏡腳本（STORYBOARD.md）：每個場景，哪個元素出現在哪個觸發詞上、其大致位置（x、y）、大小和顏色、哪個圖形/裁切、以及重複出現的物件和顏色意義。要足夠具體以實現，而非設計。保留晶片區域（左上）和主持人區域（右下）。
語音：narration/build_vo.py 透過 local-tts 技能的 say.py 進行語音合成，搜尋路徑依序為 LOCAL_TTS_SAY、~/.claude/skills/local-tts/、~/.claude/plugins/**。GPU 忙碌？使用 GGML_BACKEND=CPU 和 WHISPER_DEVICE=cpu。每行會快取；修改台詞會強制重新錄製。shape() 會根據前面的標點符號限制每個剪輯內的靜音長度（無標點 0.14 秒，, 0.24 秒，:; 0.3 秒，.?! 0.42 秒），行之間 0.5 秒（問號後 0.7 秒）。 在繪製場景前先審核語音：audit_vo.py 會轉錄每個剪輯，不使用腳本作為提示（build_vo 使用提示的 Whisper 會隱藏錯誤發音），並將其與腳本進行比對。忽略美式拼寫和同音詞；修正真正的誤讀，使用 tts_try.py 測試修正（在整個句子中測試：一個名稱單獨時可能沒問題，但在句子中間可能會出錯）。已知的誤讀記錄在 local-tts 技能的注意事項中。每次重新錄製語音後重新執行審核（Qwen 偶爾會重複一個詞，「the the」）。語音尚未準備好？est_cues.py 會寫入暫定提示和無聲音軌，當 build_vo.py 覆寫兩者時，場景會自行重新調整時間。
工具包 + 1-2 個示範場景由您繪製並以完整尺寸檢查，以便輔助人員有品質標準。
將場景群組分派給平行子代理（小型、快速的模型，配合高度推理努力，在提示簡潔時表現良好；較強的模型僅用於示範場景）。首先將重複使用的物件放入 objs.rs 並填寫 HELPERS.md，使用絕對路徑指向 research/。將專案複製到每個代理的 work/<group>/ 目錄（跳過渲染和語音快取），目標目錄使用硬連結（cp -al target work/g/target，或為每個輔助人員設定 CARGO_TARGET_DIR；然後刪除該副本自身的 explainer crate 成品）以節省磁碟空間和建構時間。每個輔助人員僅編輯其 src/s_<group>.rs，進行建構、執行 words.py 和 inspect、檢查 strip 和完整影格。透過複製他們的 s_*.rs 回來合併；先對其他檔案進行差異比對。
- 保持輔助人員快速。 建構是瓶頸：保持 [profile.release] incremental = true + codegen-units = 256（重新建構約 50 秒 → 約 25 秒），同時最多執行約 4 個輔助人員；將後續群組分配給先完成的任何人。一個群組 = 2 個相似複雜度的場景；將測驗或密集場景分開。預算：每個場景最多 3 輪建構和查看，檢查 12 幀的 strip 加上 @end，然後列出遺留的疑問，而不是進行打磨。每個輔助人員進行一輪針對性修正的成本較低。
- 驗證他們的事實：檢查螢幕上的每個數字是否與 paper_notes 一致，並計算每個範例（輔助人員可能發明數字、進位錯誤，或示範中洩漏了後續測驗的答案）。檢查照片是否與旁白相符。
- 自己審查每個輔助人員的 strip 和影格（他們自己的檢查圖片可能已過時），然後發出具體修正。他們常見的錯誤是將每個階段擠在上半部，使用小字型：給出 y 範圍和 px 尺寸。

… （原文因長度截斷，但已翻譯現有部分）

白板解說影片生成器