Desi Lyric Film (印度風格動態歌詞影片) 是做什麼的？

將一首歌（使用者自己的音檔）轉換成一部 16:9 的動態歌詞影片，風格統一為手繪感：一個插畫角色承載每句歌詞的情感、每個副歌都有一個眼神特寫、歌詞逐字以梵文（Devanagari）呈現並在下方附上羅馬拼音（Roman）對應、每一個剪輯都落在歌詞的某個音節上、整體如同逐格動畫（二次繪製、沸騰墨線、紙片剪貼）。

template/ 是一個完整且經過測試的 Remotion 專案，內含資料驅動引擎。你永遠不需要手動編寫影片：你只需要產出三個 JSON 檔案，引擎就會負責渲染。

檔案	內容	由誰產生
`src/lyrics.json`	每一句歌詞：`{t0, t1, dev[], rom[], times[]}`	`tools/transcribe_lyrics.py` → `tools/build_lyrics.py`
`src/character.json`	表情組 + 眼睛錨點、眼部特寫圖板、外觀卡片、旋轉動作	Atlabs MCP + `tools/register_frames.py`, `eye_anchor.py`, `cu_plates.py`, `make_cards.py`
`src/film.json`	鏡頭列表（種類、開始時間、歌詞槽位、背景、轉場、選項）	`tools/plan_shots.py`，然後你根據含義修改

請在進行每個步驟時閱讀對應的參考文件： references/atlabs-mcp.md · references/character.md · references/lyrics-and-timing.md · references/shot-design.md · references/style-guide.md（精確色板、字體、動態規範） · references/render-deliver.md。

0. 鐵則——必須先連接 Atlabs MCP

所有角色圖像（基礎設計、表情、眼部特寫、服裝/色彩外觀）都透過 Atlabs MCP 生成。沒有替代方案：如果它沒有連線，請立即停止，直到它連線為止。

檢查：使用 ToolSearch 搜尋 atlabs generate_image get_result start_upload get_account（工具名稱皆為 mcp__atlabs__… 或 mcp__<id>__…，且經常是延遲載入的），然後呼叫 get_account——它會回傳餘額。

如果工具缺失或 get_account 失敗，請回覆以下確切步驟並等待：

此技能需要使用 Atlabs MCP 製作角色圖像，因此需要先連線（約一分鐘）：

還沒有 Atlabs 帳號？ 請在 https://app.atlabs.ai 註冊（圖片生成會消耗 Atlabs 點數；一部完整的影片大約需要 25–40 點）。

連線：

Claude Code（以外掛安裝）： Atlabs 已整合——輸入 /mcp，選擇 atlabs，然後登入。

Claude Code（終端機）： 執行 claude mcp add --transport http atlabs https://mcp.atlabs.ai/mcp，然後 /mcp → atlabs → 登入。

Claude Desktop / claude.ai： 設定 → 連接器 → 新增自訂連接器 → 名稱輸入 Atlabs，網址輸入 https://mcp.atlabs.ai/mcp → 新增 → 連線 → 登入，然後在該對話中啟用它。

連線完成後告訴我，我就會開始。

1. 簡報——提問，而非假設

使用 AskUserQuestion（只問一輪，然後根據合理的預設值繼續）：

歌曲：使用者自己擁有的音檔（mp3/wav/m4a）。切勿自行下載音樂。
選取片段：「幫我選重點段落」（預設，30–60 秒）或使用者給予的時間戳記，或提供參考片段來比對（tools/locate.py 可在歌曲內找到片段）。
角色——提供選項：
- 「使用我的參考圖片」——使用者自己的照片、經他人同意的照片、或使用者擁有版權的角色圖。使用者可以提供多張（不同服裝、不同底色背景、不同表情）；每張都有用。請勿在未經同意的情況下將名人或任何真人風格化——改提供原創角色。
- 「設計一個原創角色」——可選用風格參考圖片和簡短描述（外觀、服裝風格）。
風格關鍵詞（選擇性）：例如「印度壞女孩 Z 世代」、「溫柔浪漫」、「節慶感」、「心碎」。預設：現代印度風帶印度元素。

如果使用者在對話中分享的圖片並非磁碟上的檔案，請要求他們將圖片儲存到 refs/cards/（或提供路徑）——上傳到 Atlabs 需要檔案路徑。

2. 建立專案

cp -R <skill 目錄>/template <專案名稱> && cd <專案名稱>
npm install
uv venv -q --python 3.12 .venv && uv pip install --python .venv/bin/python numpy scipy pillow faster-whisper
mkdir -p refs && cp <歌曲檔案> refs/song.mp3

（python3.12 -m venv .venv 也可以。）在專案根目錄下，以 .venv/bin/python -I tools/<工具>.py … 執行所有 Python 工具。

該模板附帶一個示範角色、道具和示範資料，因此 npx remotion studio src/index.ts 可立即執行。

3. 讀取歌曲、選取片段、剪輯音檔——`references/lyrics-and-timing.md`

.venv/bin/python -I tools/beatgrid.py refs/song.mp3 --bpm-min 60 --bpm-max 180      # 節奏、節拍相位、音量條
.venv/bin/python -I tools/structure.py refs/song.mp3                                 # 重複段落 = 副歌
.venv/bin/python -I tools/vocal_onsets.py refs/song.mp3 --from 0 --to <長度> --json refs/onsets.json
tools/cut_audio.sh refs/song.mp3 <開始> <結束>                                        # → public/audio/song_cut.wav

選取重複最多、能量最強的人聲段落（副歌就在那裡）。在該段落第一句人聲之前 2–4 拍的下拍開始，在下一個段落前的呼吸點結束。記下 start——影片時間 = 歌曲時間 − start。

4. 歌詞——自動化，完全來自使用者的音檔

.venv/bin/python -I tools/transcribe_lyrics.py refs/song.mp3 --from <開始> --to <結束> --lang hi --onsets refs/onsets.json
.venv/bin/python -I tools/build_lyrics.py --transcript refs/transcript.json --slice <開始> <結束> --onsets refs/onsets.json

--lang hi 會輸出梵文，--lang en 會輸出羅馬化的 Hinglish；build_lyrics.py 會同時寫入兩種文字。
如果轉錄工具回報無法辨識的唱段（例如速度極快、多層人聲），請詢問使用者是否有純文字歌詞或時間戳表格；如果有，則使用 build_lyrics.py --table lyrics.txt …（或 --text）。如果沒有，則繼續：那些歌詞片段會保持無文字，規劃工具會為它們安排純視覺鏡頭。
歌詞只能來自使用者的音檔經轉錄工具，或來自使用者提供的文字。 絕對不要自己輸入歌詞、不要靠記憶填空，也不要將歌詞文字回覆在對話中——只需回報數量與時間點。

5. 角色——Atlabs MCP——`references/character.md`

一個基礎繪圖，所有其他圖片都是該基礎圖的編輯版本，因此角色永遠不會走樣。預設模型： Nano Banana 2.1（nano_banana_2_1）用於從參考圖生成基礎圖和所有編輯（一致性最佳）； GPT Image 2.5 Sunburst（gpt_image_2_5_sunburst）用於照片需更強風格化處理時； Seedream 5 Pro（seedream_5_pro）用於新道具或全景圖板。

基礎圖：乾淨的上半身、純奶油色背景、符合指定風格（參考圖或原創）。
表情（基礎圖的編輯版本）：正面, 側面, 閉眼, 痛苦, 釋懷, 害羞, 夢幻, 感動（加上基礎圖作為「中性」/ 側目）。 register_frames.py 將它們排列在同一畫布上；eye_anchor.py --set main … 找到角色的眼睛位置。
可選第二種造型（例如較暗的服裝）配上 正面, 側面, 閉眼, 痛苦, 釋懷, 夢幻 → 用於沉重情緒。
眼部特寫帶 + 編輯版本 半開, 閉眼, 淚水, 凝視, 魅惑 → cu_plates.py，然後 eye_anchor.py --closeup。
4–6 張外觀卡片：同一個角色、不同的現代服裝 + 色板中的純色背景 + 塗鴉，每張都有一個閉眼編輯版本 → make_cards.py。
全身旋轉動畫 → keyout.py。獨立生成任務請平行提交；使用 sheet.py 製作聯絡表，確認後再繼續。告知使用者所使用的模型和花費的點數。

6. 規劃影片——`references/shot-design.md`

.venv/bin/python -I tools/plan_shots.py --bpm <BPM> --beat0 <第一個下拍，影片時間秒> --duration <長度秒> --audio audio/song_cut.wav

然後閱讀每句歌詞的意義（從檔案中讀取，不要將歌詞貼到對話中），並修改 src/film.json：

每個副歌都是一個眼神特寫（角色的眼部特寫，每次用不同的視線，或使用眼睛道具）；連續兩次不能相同
痛苦表現在角色臉上（裂痕、變暗的地面），而釋懷發生在治癒的詞語上——永遠不要出現真實的傷口
觸碰 / 感受是「感動」（花朵盛開、漣漪），而不是手放在心上；快節奏歌詞則用外觀卡片快速切換
每個鏡頭的背景都不同（使用外觀卡片的顏色），畫框永不改變；轉場方式要多樣

保持一個連貫的故事：她是主角，她的眼睛是核心意象。

7. 檢查，然後渲染——`references/render-deliver.md`

node tools/stills.mjs out/st 0.5 <影格編號…> && .venv/bin/python -I tools/sheet.py out/st.jpg out/st/*.jpg
./tools/make_film.sh <名稱>                     # → out/<名稱>.mp4 (1920×1080, 24 fps)

檢查每句歌詞第一個字的靜止幀：歌詞清晰可見且在畫面內、副歌時眼睛是睜開的、表情符合歌詞、沒有空白鏡頭。修正後重新渲染變更的影格，然後渲染整部影片（約 4–6 分鐘）。將結果複製到使用者的「下載」資料夾並發送。提醒一句：商業歌曲在某些平台上可能會被靜音；使用者有責任確保擁有發布此影片的權利。

常見陷阱（來自實際執行經驗）

feTurbulence 將種子 0 和 1 視為相同的圖案——沸騰 / 顆粒效果的種子從 1 開始（已在 kit.tsx 中修正）；否則開場會卡住 4 個影格後才跳動。
Whisper 會漏掉非常快速的歌唱；但音節起始點仍然能夠為那些段落提供時間點——切勿猜測歌詞。
Remotion 的內建 headless shell 可能在 macOS 上崩潰；remotion.config.ts 使用已安裝的 Chrome。並行數保持為 6。
註冊的編輯版本必須來自同一個基礎圖片；如果某個編輯版本走樣（不同的姿勢/裁切），請重新生成它，不要強行使用。
深色背景上的文字會自動切換成奶油色/桃色字體——請根據情緒選擇背景顏色，而不是根據文字。

Desi Lyric Film (印度風格動態歌詞影片)