Motion 通用(canvas + Web Audio → MP4)
一個影片,不綁定格式、品牌、利基或旁白。如果專案已經有使用此 skill 製作的影片,複製該資料夾到 videos/<name>/(或使用者指定的位置),刪除舊影片的內容(assets/、voice.wav、timings.json、words.json、MP4),並重寫 video.html 中的場景:匯出器、本地伺服器和 buildAudio 已經可以使用。如果沒有,則在該資料夾中建立下列檔案。
| 檔案 | 功能 |
|---|---|
trim-audio.mjs | (僅在有旁白時)去除靜音 → 標準化的 voice.wav + timings.json |
video.html | 動畫:在 canvas 上繪製 render(t) + 使用 Web Audio 的配樂和效果。在 Chrome 中開啟即可預覽含聲音的影片 |
export.mjs | 無頭 Chrome 逐幀繪製 → ffmpeg → MP4。使用 --quadros 0.2,9.5,… 僅擷取圖片供審查 |
assets/ | 影片使用的圖片(標誌、螢幕截圖、照片) |
需要:位於 C:/Program Files/Google/Chrome/...(或 CHROME=)的 Chrome、PATH 中的 ffmpeg、Node 24。無需 npm install。
複製時需調整的項目
- 格式:
video.html中的W、H和<canvas width height>、CSS canvas 的aspect-ratio和export.mjs中的--window-size(大於 canvas)。常見尺寸:1080x1920(Reels/Stories/Shorts)、1080x1350(4:5 動態消息)、1080x1080(1:1)、1920x1080(YouTube/簡報)。 - 輸出名稱:
export.mjs中的OUT(video-<name>.mp4)和--user-data-dir的前綴。 - 時長:
TOTAL。有旁白時,為裁剪後的聲音長度;無旁白時,與使用者協調(片頭 3–6 秒、介紹 5–10 秒、說明 30–90 秒)。 - 無旁白:移除
buildAudio中載入voice.wav和音樂的閃避(ducking);配樂保持全音量(約 0.6–0.75)。完全無聲音:跳過renderAudioWav並僅匯出影片(使用-an)。 - 視覺:顏色和字型來自使用者的品牌(詢問或從專案中讀取)。全部在頂部定義為常數(
COLORS、FONTS);場景中不得有散落的顏色。 - 安全區域:9:16 → 內容範圍約 y=200 至 y=1600,側邊 90px(Reels 介面)。4:5 和 1:1 → 邊距 60px。16:9 → 邊距 5%(標題安全區)。
與使用者的互動流程(簡單說明)
- 最多 6 個問題,一次一個(使用 agent 的提問工具(如果有的話),例如 AskUserQuestion;提供 3 個選項,推薦的選項排第一)。只問無法自行判斷的事項:格式/發布平台、是否有旁白?、時長(如果沒有語音)、風格、品牌/顏色(如果專案中未提供)、背景音樂和片尾呼籲。
- 以表格形式提供腳本(時間 | 台詞或文字 | 顯示內容)。等待確認後再開始繪製。
- 傳送審查圖片,然後交付 MP4。
音訊(有旁白時)
node trim-audio.mjs "<錄音>":使用 silencedetect 參數 -35dB/0.25s、前後間隙 0.08s/0.14s 和loudnorm。確認語音平均值接近 -19 dB(使用volumedetect)。- 每個單詞的時間:使用使用者提供的 API 金鑰(僅透過環境變數傳遞,絕不儲存)調用 Whisper(
whisper-1、verbose_json、timestamp_granularities[]=word、正確的語言)。快速單詞有時時間戳相同:手動分散。 - 螢幕上的文字與說出的內容一致。當與書面腳本不同時,請通知使用者。
動畫(video.html)
- 一切來自
render(t):相同的t總是產生相同的幀。僅使用mulberry(seed)產生隨機性;繪製中不得使用Math.random()或Date。 - 時間在頂部定義為常數;聲音(
soundEvents)讀取相同的常數,因此圖像和聲音不會不同步。 - 場景:
SCENES = [[開始, 結束, fn]],入場約 0.3 秒,出場約 0.22 秒,並有轉場效果覆蓋切換。避免硬切。 - 逐字文字:
drawWords。單詞間距 =0.28 * size(使用 0.24 時,斜體會黏在一起)。根據格式調整size:在 16:9 中,文字更寬更小。 - 持續運動:任何場景靜止時間不超過 0.5 秒(背景燈光、輕微相機縮放、顆粒效果)。
- 第 0 幀 = 封面:在 t=0 時已有可見內容(使用負時間的入場);避免以白畫面開始。
- 字型:在首次
render之前使用document.fonts.load(...)載入每種字重;window.ready等待字型和圖片載入完成。 - 圖片透過 http 載入,絕不使用
file://(會導致 canvas "髒",toDataURL失敗)。export.mjs已啟用本地伺服器。 - 客戶標誌始終作為圖片使用,絕不重新繪製。
聲音(Web Audio)
buildAudio(ac, voz, t0)用於預覽(AudioContext)和匯出(OfflineAudioContext→ WAV)。- 合成配樂(墊音、低音、大鼓、鈸);根據氛圍調整 BPM(約 80 平靜、約 96 標準、約 120 有活力)。有語音時:音樂音量為 0.22,低於語音。效果:轉場時的 whoosh、入場時的 pop、計數時的 tic。所有音訊通過壓縮器處理。
- 輸出使用
loudnorm=I=-14:TP=-1.5(社交媒體)。對於 YouTube/簡報,-14 也可以。
匯出與審查
cd videos/<name>
node export.mjs --quadros 0,2,5,9 # 在 review/ 中產生圖片
node export.mjs # 產生 MP4
- 在匯出前先查看圖片。 若要製作拼貼圖:複製為
seq_00.jpg…並使用ffmpeg -i seq_%02d.jpg -vf "scale=400:-1,tile=7x2"(glob 在 Windows 上無效)。 - 檢查清單:文字重疊、單詞黏在一起、內容超出安全區域、第 0 幀為空、場景靜止、數字缺少千分位分隔符。
- MP4 產生後:使用
ffprobe(檢查正確解析度、30fps、h264+aac)、ebur128(約 -14 LUFS),並從 MP4 本身提取幀(-ss)。告知使用者您已測量聲音,但未實際聆聽。 - 不要版本控制
mix.wav和review/(如果該資料夾是新建的,請檢查.gitignore)。
內容
- 證據、數字和推薦必須是真實的且由使用者提供。切勿編造。
- 如果影片是廣告,收益承諾("高達 4 倍"、"每天 X 元")可能會被 Meta 拒絕。請提醒使用者。