火柴人動畫工作室 — /make-video
將一個提示轉變為一部完成、工作室品質的英文直立式卡通(1080×1920,30 fps,H.264 + AAC),完全透過程式碼實現。你編寫故事,透過明確的旁白-視覺同步合約進行分鏡,透過其品質關卡執行內建引擎,並將驗證過的 MP4 及其原始檔案交付給使用者。
自主運作。 無需確認問題,無需進度回報,請勿中途停止。如果某個步驟受阻,請將其視為路徑問題:嘗試下一個工具、下一個資源,或自行建構。僅在影片完成渲染、驗證並交付時才停止。
製作語言僅限英文。 旁白、對話、螢幕文字、字幕、標籤與插入文案皆為英文。旁白必須聽起來像專業紀錄片、教育或動畫故事(references/10-english-voice-direction.md)。
0. 探測你的能力,然後調整
在開始製作前,檢查這個代理/模型實際能做些什麼,並據此調整工作流程。不要假設;請檢查。花一分鐘在此,可以避免之後的渲染失敗。
| 探測項目 | 如何探測 | 若缺少 → 調整方案 |
|---|---|---|
| Shell 與檔案存取 | 執行 node --version | 完全無 Shell → 此技能無法渲染;改為回退到 install/PASTE-THIS-PROMPT.md 交接給程式碼代理 |
| 網路研究 | 有可用的網路搜尋工具嗎? | 無法搜尋 → 根據內部知識撰寫,在 fact-check.md 中標記所有聲明為「未驗證」,優先選擇永恆的物理/歷史主題 |
| 圖像辨識 | 你能讀取圖像檔案嗎? | 無法辨識圖像 → 依賴 engine/scripts/qa_stills.py 與 engine/scripts/qa_sync.ts 的像素/詞彙關卡,並在交付報告中說明 |
| 背景執行 | 能否在背景執行長時間指令? | 不行 → 在前景執行渲染並先使用 --preview;預留數分鐘的預算 |
| 上下文預算 | 非常大的上下文? | 上下文緊湊 → 僅讀取當前階段命名的 references/ 檔案,一次一個;將故事 JSON 保持為唯一事實來源 |
| 推理深度 | 強模型 → 將工藝推得更遠:更豐富的場景安排、更多拍子、更深入的研究 | 弱模型 → 字面遵循參考預設值;它們經過校準,能在不即興創作的情況下產生良好結果 |
無論環境如何,品質關卡(步驟 4、5、7)不是可選的——較弱的工作流程仍必須通過相同的可執行檢查。
0.5 解析引擎
引擎是一個獨立的 Remotion 專案。請依此順序尋找:
- 目前專案中,
package.json名為stickman-studio-engine的目錄——使用它。 - 與此檔案一起提供的
engine/資料夾——將其複製到工作區(cp -r <skill-dir>/engine ./engine)並在其中執行npm install(僅首次)。 - 如果兩者都不存在,表示技能安裝時缺少引擎——克隆技能儲存庫並從中取得
engine/。
引擎目錄內的一次性設定:
npm install # Remotion + three + zod
pip install edge-tts imageio-ffmpeg numpy scipy pillow # 旁白 + 程序化音訊 + QA
65 種音效、6 個音樂基底和底片顆粒將在首次渲染時程序化產生(無需下載、無需授權、無第三方音訊)。旁白需要網路連線來使用 edge-tts(免費,無需金鑰);--no-tts 可在離線狀態下完全用於階段工作。僅限英文語音——請參閱 references/10-english-voice-direction.md 以了解語音目錄和方向規則。
1. 研究主題(英文)
- 輸入是一個主題、一個標題或一個 TXT 檔案的路徑(若提供則讀取它)。
- 在寫作前使用網路搜尋進行研究。為你將要旁白的每個事實性聲明建立一個事實查核表(聲明 | 來源內容 | 來源 URL) →
stories/<slug>/fact-check.md。 - 如果某件事只是傳聞或民俗,請刪除它或在旁白中標明(「傳說中…」)。
- 選擇最奇怪但真實的細節,而非經過修飾的虛構細節。
2. 撰寫腳本 + 選擇語音
目標為 190–210 字 ≈ 60–75 秒。結構(嚴格遵循):
- 第一行:以簡單事實呈現的弔詭鉤子。 不要問候,不要「你知道嗎」。
- 設定與利害關係 — 英雄、地點、目標。
- 升級 + 一句簡短的引用台詞,某人嘲笑英雄。
- 轉折點 / 修辭性問句。
- 「你看,」+ 機制,加上一個日常比喻和一張插入圖形。
- 最後一句的轉折。 強力收尾。
完整工藝規則:references/04-script-craft.md。將腳本儲存至 stories/<slug>/script.md。
然後在渲染之前指導語音:根據類型從 references/10-english-voice-direction.md 中選擇提供者/語音/速率(預設:en-US-AndrewMultilingualNeural @ +22%;平靜的紀錄片旁白讀得較慢)。如果不確定,可以使用快速合成測試鉤子台詞。
3. 檢查並建構資源
- 列出故事所需的內容:地點、靜止物體、手持物品。
- 檢查現有內容:
npx tsx scripts/locations.ts --list。盡可能重複使用;永遠不要製作幾乎重複的資源;以資源的本質命名。 - 在分鏡之前建構缺失的資源 —— 配方在
references/08-extending-assets.md(3D 地點 / 3D 物體 / 2D 道具 / 2D 背景 / 服裝)。 - 使用
npx tsx scripts/locations.ts --stills --only=<name>驗證新的 3D 資源。
4. 使用同步合約進行分鏡(同步關卡)
撰寫 stories/<kebab-title>.json。結構與 ID:references/09-schema-reference.md,engine/src/catalog.ts。工藝規則:references/05-storyboard-craft.md。
旁白-視覺同步是強制性的且可經由機器檢查。 每個旁白段落(一個鏡頭的 say)必須可見地展示其所說的內容:正確的地點、正確的時間、以姿勢/拍子/道具描述的動作、螢幕上顯示的提及物體、與 quote 演員綁定的引用台詞,以及鏡頭之間的連續性。鏡頭內部的逐字時序透過 beats 綁定(at = 一個被說出的詞)。
執行可進入的關卡並迭代至零錯誤:
npx tsx scripts/qa_sync.ts stories/<file>.json # 地點/時間/動作/物體/對話/連續性檢查
npx tsx scripts/qa_sync.ts stories/<file>.json --map # 印出逐鏡頭的同步合約表
- 所有 ERROR 都必須修復(更改鏡頭的世界/時間/姿勢/道具,或重新措辭旁白)。
- 審查每個 WARN;要嘛修復它,要嘛在
stories/<slug>/sync-map.md中記錄為何可以接受(使用--map產生表格;範本:templates/sync-map.md)。 - 故事特定的詞彙表(慣用語、發明名詞)放在
stories/<slug>/sync-lexicon.json中——請參閱範本。
5. 靜態畫格關卡(絕不可跳過)
npm run make -- stories/<file>.json --stills # 每個鏡頭一張 QA 靜態畫格 → out/<slug>/stills/
python scripts/qa_stills.py out/<slug>/stills # 曝光/死幀關卡(失敗時 exit 1)
然後檢查每張靜態畫格,確認構圖、臉部、漂浮道具、可讀性、一致性——如果你有視覺能力則自行檢查,否則對每張靜態畫格使用 agentvision check <file> 再加上上述像素關卡。修復並重新執行,直到乾淨為止。在通過此關卡之前,絕對不要渲染影片。
6. 渲染
npm run make -- stories/<file>.json # 完整品質 → out/<slug>/<slug>.mp4
npm run make -- stories/<file>.json --preview # 不確定時先渲染半尺寸草稿
盡可能在背景執行;不要同時啟動不相關的重度工作。旁白會根據 slug 快取,僅在腳本/語音/速率變更時重新合成。
7. 驗證(ffprobe + 幀 + 音訊關卡)
ffprobe -v error -select_streams v:0 -show_entries stream=width,height,r_frame_rate,codec_name -of csv=p=0 out/<slug>/<slug>.mp4
ffmpeg -i out/<slug>/<slug>.mp4 -vf fps=1/5 qa_%03d.jpg # 從影片中提取幀
python scripts/qa_audio.py out/<slug>/<slug>.mp4 # 響度/削波/語音存在關卡
- 規格:1080×1920(
--preview為 540×960),30 fps,h264 + aac;長度 ≈ 旁白長度 + 0.6 秒。 - 幀:第一張/中間/最後一張不為黑色;字幕清晰可讀;沒有卡住的鏡頭。
- 音訊關卡必須 PASS:−14 LUFS ±1.5,真實峰值 ≤ −1.0 dBTP,語音能量存在。
8. 修復循環,然後交付
在步驟 4 到 7 之間循環,直到所有關卡通過。預算:每個關卡最多 3 輪修復;如果某個關卡在之後仍然失敗,請附上一份明確說明剩餘問題的備註進行交付(絕不能無聲地交付已知的失敗,也絕不能在不交付的情況下停止)。
以一個集合的形式交付:MP4、script.md、fact-check.md、sync-map.md、故事 JSON、任何新的資料庫資源,以及誠實的限制(已驗證的事實 vs. 戲劇化處理;哪些關卡已執行以及如何檢查)。
品質標準(不可協商)
- 同步: 視覺內容精確呈現旁白所傳達的內容——零矛盾、零死鏡頭。當旁白和動畫會講述兩個不同的故事時,請改寫分鏡表。
- 富有表現力的角色: 對拍子做出反應的姿勢、可透過剪影辨識的姿態、每個場景一致的光源;閒置動作(呼吸/眨眼/走路)是自動的——在其之上疊加有意的動作。
- 電影攝影: 每個場景的構圖階梯,多樣的鏡頭(同步關卡會標記連續 3 個以上相同構圖+鏡頭的鏡頭),每個鏡頭一個明確的視覺目的。
- 聲音絕不與語音衝突: 閃避是自動的;僅在特定時刻手動使用
sfx;音訊關卡會強制響度且無削波。 - 無重複、無敷衍: 變化構圖、轉場和反應;每個鏡頭 ≤ 2 個特效;每 8–10 個鏡頭 ≤ 1 個插入。
- 絕對不使用 AI 生成的圖像或影片、不使用圖像生成服務、不使用付費 API。
- 僅限英文——旁白、對話、螢幕文字、字幕。
深度參考資料(按階段閱讀,不要一次讀完)
| 檔案 | 閱讀時機 |
|---|---|
references/01-animation-principles.md | 運動、緩動、預期動作、次要動作——如引擎所實作 |
references/02-character-system.md | 火柴人骨架:比例、體型、姿勢、臉部、一致性 |
references/03-scenes-camera-light.md | 視差圖層、構圖、鏡頭運動、燈光、鎖定色板 |
references/04-script-craft.md | 腳本結構、鉤子、比喻、字數預算 |
references/05-storyboard-craft.md | 鏡頭語法、拍子、轉場、同步合約 |
references/06-sound-design.md | 閃避、自動 SFX 對應、音樂情緒、舒適規則、音訊關卡 |
references/07-rendering-qa.md | 所有 QA 關卡、像素檢查、ffprobe、修復循環 |
references/08-extending-assets.md | 配方:3D 地點/物體、2D 道具/背景、服裝、SFX |
references/09-schema-reference.md | 每個故事 JSON 欄位,包含預設值和限制 |
references/10-english-voice-direction.md | 英語語音目錄、方向、節奏、離線備援 |