動畫講解影片

Animator

你製作的是動畫：在 Remotion 中移動的繪製影像。你不是在製作影片素材。

範圍

• 請勿在此技能中調用 Veo、Kling、Sora 或任何文字轉影片模型。每一幀都是由 Remotion 從圖片、SVG 和程式碼組合而成。
• 如果需求需要真實影像、照片級寫實鏡頭或電影預告片，請停止並告知此技能無法完成。請勿暗中切換至影片模型。

品味準則

每一條準則都來自於被拒的版本。

1. 場景，而非對話。 將每個要點呈現為一個舞台場景：角色行動、道具移動、場景變化。兩個頭像在背景前對話是失敗的結果。
2. 動態。 每個鏡頭都要移動攝影機。經常改變鏡頭景別：全景、中景、特寫。在動作上剪接。任何鏡頭靜止不超過約 4 秒。
3. 優雅的角色。 根據場景為角色精心打扮：完美的剪裁、優質的布料、有品味的細節。絕不使用通用的剪貼畫人物。
4. 專業、體面的完成度。 必須看起來像工作室級別的動畫。沒有噱頭、沒有廉價特效、沒有迷因風格。
5. 深度重於廣度。 一個要點呈現得好，勝過六個要點列成清單。如果主題有很多要點，建議每個要點製作一個影片。
6. 主題允許時使用兩種聲音進行對話： 一個角色提問，另一個回答。詢問使用者哪個聲音扮演哪個角色。未經本人書面同意，絕不克隆真人的聲音。
7. 對於模型或流程，使用示意圖剪輯。 不要問使用哪種剪輯。使用品牌色調的純 SVG 形狀，不含人物；旁白負責敘事。關於人物的故事則保持角色剪輯。
8. 情緒跟隨主題。 一個有趣的應用程式得到一個有趣的影片：彈跳的動作、過衝的緩動、彈出的卡片。一個嚴肅的主題得到克制的處理。在選擇情緒之前先閱讀產品。

檔案位置

項目	位置
專案目錄	~/explainer/<名稱>/。使用 EXPLAINER_ROOT 覆蓋根目錄。每個專案一個資料夾；預覽和完整影片是同一專案的兩個合成
資料夾佈局	此檔案旁邊的 SCHEMA.md。in/ 輸入，assets/ 主檔案，public/ 渲染輸入，work/ 暫存，out/ 最終成果
起始套件	此檔案旁邊的 starter/：一個可播放故事板的簡化 Remotion 合成，以及品牌套件和動作輔助工具
腳本	此檔案旁邊的 scripts/。從專案根目錄執行它們。new-project.sh 將起始套件和工具複製到新專案
媒體生成	此檔案旁邊的 adapters/，以及合約的 ADAPTERS.md。設定 GEN_IMAGE、GEN_SPEECH、GEN_SFX、CUTOUT 和 GEN_MUSIC 為你自己的指令
品牌設定檔	此檔案旁邊的 brands/<名稱>/。brands/example/ 是一個可複製的中性設定檔

在每個 Shell 或專案的 .env 中設定工具路徑一次：

SKILL=~/.claude/skills/explainer-video
export GEN_IMAGE="python3 $SKILL/adapters/gen-image.py"
export GEN_SPEECH="python3 $SKILL/adapters/gen-speech.py"
export GEN_SFX="python3 $SKILL/adapters/gen-sfx.py"
export CUTOUT="python3 $SKILL/adapters/cutout.py"
export GEN_MUSIC="python3 $SKILL/adapters/gen-music.py"

程序

1. 劇本與故事板

1. 編寫 storyboard.json。對於每個節拍，寫下說話者、台詞、場景（地點、動作、道具）、鏡頭景別和攝影機移動。請參閱 SCHEMA.md 了解節拍欄位。
2. 確保每個要點至少有一個場景能在沒有文字的情況下展示它。
3. 詢問使用者影片是否需要字幕。如果需要，詢問哪一種：內嵌在畫面中，還是影片旁邊的 .srt 檔案。根據語音腳本製作字幕，而不是轉錄稿：腳本有正確的拼寫。
4. 詢問使用者哪個聲音扮演哪個角色。提供一個免費聲音用於預覽，以及一個付費、富有表現力的聲音用於最終剪輯。
   • 先使用免費聲音。 用免費聲音為所有預覽和第一個完整剪輯配音。保持角色的性別。只有在使用者批准了免費聲音剪輯後，才生成付費聲音。在故事板中保留每個節拍的 tag 用於付費階段。
5. 詢問使用者影片使用哪個品牌：brands/<名稱>/ 中的設定檔、專案自己的外觀，或無。即使沒有明顯品牌的影片也需要這個問題。將答案寫入 in/brief.md，以便從第一次渲染開始，卡片和色板就來自於它。
6. 將故事板發送給使用者。在他們批准之前，不要生成圖片。

2. 角色

1. 為每個角色編寫一個固定的描述：臉、頭髮、身體、衣服。逐字複製到每個圖片提示中。將其保存在 in/characters.md。
2. 使用 gen-image.py 在平坦、純色的背景上生成基礎圖畫。在提示中添加“無地面陰影、無光暈”。
3. 使用 --input 從基礎圖畫生成表演姿勢：走路、坐下、指點、反應、手勢、轉身。一個場景需要姿勢，而不僅僅是一個站立的人物。
4. 製作嘴巴狀態（閉合、張開、大張）和眨眼。只將改變的區域粘貼到基礎圖畫上。絕不使用整張編輯過的圖像：臉部會偏移。
5. 使用 cutout.py 剪切每個姿勢。對於圖畫使用 isnet-anime，對於照片使用 u2net。
6. 將所有姿勢放在同一張 1024 像素的畫布上，以便姿勢改變不需要偏移。
7. 製作所有姿勢的聯繫表（ImageMagick montage）。打開它，尋找一個臉部、衣服或比例不同的姿勢。重新生成該姿勢。每張圖像最多嘗試 3 次。

真人： 未經本人同意，不得繪製或動畫化真人。先詢問。

• 使用 cutout.py --model u2net 剪切臉部。不要將其放在圓形中。
• 淺色頭髮在淺色背景上會消失在剪切中。如果發生這種情況，請使用另一張照片。
• 將脖子和肩膀漸漸消失在下巴下方，並用身體繪製脖子。裁剪的照片在那裡會有一個硬邊。
• 用程式碼（SVG 關節）繪製身體。這樣每個姿勢都是精確的，沒有臉部會偏移。

3. 場景與道具

1. 生成每個地點作為背景（--size 1536x1024），風格與角色相同，不含人物。
2. 生成作為獨立剪切層的道具：手機、票卷、杯子、窗簾。
   • 檢查每個螢幕、裝置和包裝上的品牌標記和文字。“無標誌”提示無法阻止它們。使用 ImageMagick 修補標記。不要使用圖像到圖像的編輯：它會移除錯誤的部分而保留標記。
3. 在需要的地方生成前景層以實現視差：座位排、欄杆。
4. 如果專案有品牌設定檔，請使用它。從 brand.css 取色板，從 images/ 取標誌和標語，從 fonts/ 取字體。不要發明品牌顏色。閱讀設定檔的 NOTES.md 了解其品牌形狀。
5. 如果專案沒有專門的圖示圖形，請使用 MDI 圖示（@mdi/js，一個 24×24 的路徑）。不要手動繪製圖示，也不要用表情符號。如果專案的網站已經在一個東西上使用了 MDI 圖示，請在影片中使用相同的圖示。

4. 聲音

1. 使用 gen-speech.py 並為每個說話者使用相同的 --voice 生成每句台詞。
   • 在使用者批准剪輯之前，使用相同性別的免費聲音。關於付費模型的注意事項同樣適用於付費階段。
   • 執行 scripts/regen-voices.py <模型>。只有當請求發生變化（文字、聲音、模型、設定，或同說話者的相鄰台詞）時，它才會將台詞發送到 API，因此已批准的版本會保留。不要為了修復一句台詞而重新生成所有台詞。
   • 要故意重新生成一句台詞，使用 --fresh <節拍或說話者>。每次版本都保存在 assets/voice/takes/。要回到較早的版本，使用 --restore <版本>。
   • 在快取之前製作的專案沒有每個節拍的 voice_key。使用 --adopt 執行一次，否則第一次執行會重新生成每句台詞。
   • 使用富有表現力的模型時，在每句台詞前放一個英文音頻標籤，例如 [warmly]，並設置模型的穩定性、相似性、風格和速度旋鈕。沒有這些，台詞聽起來會很平淡。將標籤保留在 line 之外，因為字幕顯示的是 line：將其放在節拍的 tag 欄位中，並在文字之前發送。
   • 不要對未記錄音頻標籤的模型使用音頻標籤。它可能會大聲說出它們。
   • 對於每個聲音，先列出名稱、外來詞和字母代碼。即使設置了語言代碼，聲音也會以其自身語言的方式讀取它們。先嘗試單詞的音標拼寫，然後是行內 IPA。為每個拼寫製作三個版本和一個控制版本，讓使用者用耳朵選擇。
   • 不要用大寫字母寫聲音。聲音可能會將大寫字母讀作單個字母。而是將聲音寫成一個單詞。
   • 新的版本會移動每個單詞。將節拍內的幀偏移（攝影機、高亮、音效）對齊到字幕範圍的開始，而不是字面幀。在獲得新的版本後，通過語音轉文字處理獲取單詞時間，並只重置範圍開始。
2. 執行 scripts/level-voices.py。它會根據語音的響度來均衡每句台詞。峰值均衡是不夠的：台詞可能分散超過 6 dB。
   • 另一種語言的版本：保留場景，並從同一來源生成第二個合成。為新語言提供自己的故事板（使用相同的節拍 ID）、自己的聲音資料夾、封套和音樂剪輯（在 check-audio.py 中的 STORYBOARD、VOICE_DIR、MUSIC）。
   • 將新聲音均衡到已批准混音的語音水平，而不是同一個目標。
3. 製作嘴巴封套並使用 scripts/gen-envelopes.mjs 打包它們。

5. Remotion 中的動畫

• 舞台調度： 將每個場景作為行動來播放。角色走進來、坐下、反應並使用道具。在它們自己的層上移動道具。修復是添加缺失的部分；保留顯示原因的動作。
• 攝影機： 在每個鏡頭中推進、平移或跟拍。在背景、角色和前景之間使用視差。 夾緊每個攝影機移動，以便每個必須填充畫面的圖層在其視差深度上保持在其中（包括旋轉）。深度 < 1 的圖層移動得比攝影機少：拉出或結束於中心外的平移會暴露畫面邊緣，露出一條地面。
• 深度： 將地板和所有站在上面的東西（椅子、人、道具）放在同一層的同一個深度上。兩個深度會在每個攝影機移動下使地板和椅子腳分開，椅子會漂浮。一個靜止的點頭動作會繞著身體在座位線以上旋轉，而不是椅子。
• 動作： 使用帶有小過衝的彈簧。在移動之前使用預期動作。絕不在兩個姿勢之間使用硬切換。
• 靜止動作： 給呼吸、搖擺和眨眼各自的週期和相位。
• 嘴巴： 從封套驅動它，最少保持 3 幀（starter 的 motion.ts 中的 mouthStates）。
• 畫外音敘述者： 顯示一個跟隨封套的波形球，而不是敘述者的臉（starter 中的 NarratorOrb.tsx）。
• 燈光： 將燈光用作敘事工具。例如：房屋燈光變暗，手機螢幕在臉上發光。
• 轉場： 每個剪輯選擇一種（匹配剪輯、擦拭、硬切）。不要對所有剪輯使用同一種淡入淡出。
• 一個角色在剪輯之間保持為一個物體。 當一個角色從一個鏡頭移動到下一個鏡頭時，將其從原來的位置帶到新的位置。一個從一邊離開並從另一邊進入的角色會被解讀為第二個角色。
• 觀看者必須注意到的變化需要在畫外音中有一個暫停。 分割節拍，並在其後添加 1.5–2 秒的靜音。在該暫停中安排變化：標記舊狀態，使其變暗，交叉淡入淡出，然後在下一句台詞上高亮新狀態。
  • 將暫停放在句子斷點處，絕不能放在短語內部。通過音量找到間隙：在單詞之後，取低於約 −38 dB（相對於峰值）的最長 20 毫秒窗口序列，並在其中間剪切。不要從語音轉文字單詞時間中取間隙：它們的邊緣可能相差 0.5 秒。
• 字幕和要點卡片：保持簡短。卡片支援一個場景。它絕不取代它。
• 畫面——每個影片都有：
  1. 開場標題卡，約 3 秒：標誌（如果適用）、影片標題和一行簡短文字。可以無聲或僅有音樂。
  2. 結束幻燈片，約 4 秒：標誌（如果適用）、主張或行動呼籲，以及 URL。可以無聲。
  3. 角落標誌： 在整個影片中，兩個卡片之間，在右下角有一個小標誌。在開場卡片後淡入，在結束幻燈片前淡出。保持其遠離臉部和關鍵元素。
  4. “如果適用”：品牌、產品或公司影片有標誌。個人影片沒有公司標誌。它仍然有標題卡和結束幻燈片。
  5. 要將畫面添加到已完成的影片中，不要重新調整畫外音的時間。將現有合成放在兩個卡片之間的 <Series> 中。卡片在開始和結束時添加靜音，這是可以接受的。
• 品牌優先，始終如一。 如果專案有品牌設定檔，請使用它：來自設定檔的卡片、來自 brand.css 的色板、作為真實資產的標誌和標記。如果專案有真實的應用程式截圖，將它們用作圖層：真實的螢幕勝過繪製的螢幕近似。只有人物、地點和道具是繪製的。UI、標誌和字體來自品牌。 如果設定檔明顯落後於即時應用程式，請告知並使用應用程式。

6. 檢查圖片

1. 使用 npx remotion still 在關鍵幀處渲染靜止畫面。
2. 打開靜止畫面。尋找被卡片或字幕遮蓋的臉，以及被畫面邊緣切斷的角色。可選的第二意見：ADAPTERS.md 描述了 REVIEW_IMAGE 指令。將其判斷視為線索，而不是門檻，並在畫面上確認每個發現。
3. 渲染一個約 20 秒的樣本，包含一個場景、一個姿勢變化、一個攝影機移動和一個對話交流。
4. 圍繞每個姿勢變化提取幀

…

[已截斷以供翻譯]