華爾街式解讀片 (wallstreet-explainer)
講一筆大帳：真的人、真的新聞、真的畫面作證據，圖形舞台把數字和關係演出來；每一鏡都接住上一鏡的東西往下走，觀眾始終知道「現在在看什麼、為什麼看這個」。 動的是鏡頭和世界，不是元素自己演：鏡頭在有前後層的舞台裡推、拉、搖，去找正在說的那個東西；東西在原地換狀態。每一下動作都對著那句話的意思。
這份 skill 是什麼
-
是：一套設計思路（每一鏡放什麼、為什麼、憑什麼接下一鏡）、一套動效原理（從三條同類參考片逐幀量出來：為什麼它不像 PPT、不像 AI，手法清單和量化目標）、一套風格語言（舞台、巨字、摳像、圓盤、數字、圖表、原文高亮的具體做法，外加一份開頭鉤子選單），以及一套工具。
-
不是模板。沒有能複製的畫面工程，也沒有固定的鏡頭順序。每條片的畫面都要從它自己的文案和素材裡現想。
examples/ai-burn-money/記錄的是一條片子怎麼想出來、在哪裡摔過跤，不要照搬它的鏡頭。 -
慢推、數字滾動、實拍上壓字，參考片都在用。廉價的不是這些手法，是做法。判斷用三句話：刪掉它觀眾少懂了什麼？是鏡頭在動、東西在換狀態，還是元素自己在演出場？這一層是真的、具體的嗎？
動手前先讀 references/thinking.md 和 references/motion.md，再按需求讀其他幾份。
流程：每一站停下來給用戶看
審美由用戶把關。不要一口氣出成片；每站給出具體的東西，等他點頭再往下走。
| 站 | 做什麼 | 給用戶看什麼 |
|---|---|---|
| 0 選題 | 題目要同時滿足「現在熱」和「看完能帶走點什麼」 | 兩三個題目，每個附一句鉤子 |
| 1 文案 | 口語、第一人稱，句句往下接；插原聲的地方先寫鋪墊句（references/audio.md） | 全文。點頭之前不做正式配音 |
| 2 導演表 | 見下面「導演表」一節 | 要點：開頭怎麼抓人、每處怎麼接、要不要加鋪墊句 |
| 3 素材 | 官方高清片 → 新聞原文 → 當事人原聲 → 當事人摳像用的整段實拍（沒有切點、有對得上台詞的動作）。先拼聯繫表看過，再定入點，逐幀查切點（references/sourcing.md） | 關鍵素材（可選） |
| 4 配音和時間線 | scripts/temp_voice.py：先用臨時語音排出時間線，畫面全部掛在字上 | — |
| 5 開頭 | 先挑 3 個機制不同的鉤子，各做 5–8 秒粗剪給用戶選（references/opening.md）；選中的再做成從 0 秒到第一個換段處的小樣（15–20 秒，帶聲音） | 3 個鉤子粗剪 → 選中後的開頭小樣 |
| 6 全片 720p | 按導演表鋪完；每寫兩三鏡截靜幀看，關鍵動作看連續幀（strip.py）；交片前跑 motion_check.py | 720p 全片、抽幀圖，再點出兩三處請他重點看 |
| 7 成片 | 改到滿意；換正式配音；出 1080p，只渲一次 | 1080p |
每次交付都要做到：
- 用
ffprobe驗證檔案能打開。 - 自己逐鏡看過靜幀和聯繫表，關鍵動作看過連續幀。
- 放進一個固定的審閱資料夾，用編號加中文名命名，舊版本加
舊_前綴。 - 說清楚這版改了什麼、哪些量過、哪些要用戶自己聽或看。
導演表
全片只有這一份計劃。用戶拿它核對畫面，做的時候照它做，審片時拿它對照。每一鏡寫這幾列：
| 鏡 | 時間 | 文案 | 屏上是什麼，在幹什麼 → 停下來時留下什麼 | 觀眾多懂了什麼 | 承擔 | 讀懂時刻 + 停留 | 承接 |
|---|
- 觀眾多懂了什麼：一句具體的話，和上一鏡的不一樣。寫不出來，這一鏡就該刪或者重想。
- 承擔：這一鏡靠什麼讓人看懂。人物 / 實證（真素材、原文）/ 構造（圓盤、圖表）/ 文字（大字、結論）/ 混合。
- 承接：上一鏡留下的哪樣東西被這一鏡接住，接法寫成
續 / 切 / 帶過 / 推近 / 展開 / 換章加上那樣東西。第一鏡寫—。 - 在「屏上」一列裡順手寫清鏡頭怎麼走：每次移動的落點是誰（推到誰、搖去找誰、什麼時候拉回看全），以及哪幾鏡用當事人摳像。
- 文案一字不改；一鏡可以覆蓋好幾句話；時刻掛在詞上（「說到『七千』的那一刻」）。
寫完做一次「讀表」檢查：遮住文案和「多懂了什麼」兩列，只讀「屏上」一列，看還講不講得通。再查有沒有連續好幾處硬切、有沒有停不夠的鏡頭。示例見 examples/ai-burn-money/director.md。
讀哪份
| 在做什麼 | 讀 |
|---|---|
| 想一鏡該放什麼、為什麼、憑什麼接下一鏡 | references/thinking.md |
| 動起來：為什麼不像 PPT/AI、手法清單、量化目標、相機和摳像的程式碼手感 | references/motion.md |
| 畫面長什麼樣：舞台、巨字、摳像、圓盤、數字、圖表、片名、字幕、實拍畫框 | references/style.md |
| 兩鏡之間怎麼接、運鏡和動作的手感 | references/grammar.md |
| 開頭 | references/opening.md |
| 找片、下片、挑入點、摳人、新聞原文、原聲 | references/sourcing.md |
| 文案、配音、原聲剪口、音效、混音 | references/audio.md |
| 交付前自檢 | references/review.md |
| 實踐中踩過的坑 | references/lessons.md |
工具（scripts/）
| 腳本 | 幹什麼 |
|---|---|
footage.py | search 搜片 / get 下載（可只下一段、只下音訊）/ sheet 帶時間碼的聯繫表 / scenes 鏡頭切點 / extract 抽 30fps 幀序列 / wave 看原聲剪口的響度 |
snap_news.mjs | 新聞和報告原文截圖：攔廣告、去浮層、等字體載入完再量關鍵詞的框 |
matte.py | 實拍逐幀摳人（GPU 上 ISNet 約 0.25 秒/幀），提示藏著的切點，只存人物外框那一塊 |
matte_clean.py | 摳像後處理：去細線零碎、整列抹掉貼著的椅背、寫出每幀頭肩中心（放人時跟住他） |
stage25d.js | 頁面裡用的小工具：分層相機、方向運動模糊、景深、摳像跟人、巨字、眉題、實拍退成底、按十億取整。只是工具函數，不是鏡頭 |
temp_voice.py | script.json → 臨時配音（edge-tts）和 timeline.json（每個字的時刻、原聲插段、片名位置）；有正式配音時自動換上，--asr 重新對齊 |
render.mjs | 逐幀渲染：--stills 看幀、--video --range 渲一段、--h 1080 出成片 |
strip.py | 連續幀拼圖：一個動作 8 張，查靜幀看不出來的穿幫；也用來拆參考片的動作 |
motion_check.py | 鏡頭運動自檢：畫面完全不動的時間、定住次數、鏡頭在動的時間、前後層、推拉比，和參考片的區間比 |
mix.py | 配音、原聲、音效、配樂（配樂給人聲讓路）→ -14 LUFS；--check 量各段響度 |
依賴：ffmpeg、yt-dlp、Python（edge-tts、numpy、opencv-python、Pillow；可選 faster-whisper；摳人要 onnxruntime-gpu 和 rembg 下載的模型）、Node 和 Playwright。安裝方法見 README。
配音：先用臨時語音
- 先用
temp_voice.py出 edge-tts 臨時配音，排出時間線，畫面照它做。 - 文案和畫面都定了，再換正式配音（任何 TTS、複製音色或真人錄音都可以）：每句存成
voice/<id>.final.wav，跑temp_voice.py script.json --asr。 - 配音一律：切掉首尾靜音、保持原速、句間停頓只由
gap決定。不要事後用 atempo 加速，切掉靜音以後再加速會很急促。
片子怎麼搭（骨架，不是拿來抄的）
- 一個片子目錄：
index.html、film.css、film.js、timeline.json、assets/（實拍幀在assets/clips/<名>/，摳像在assets/cut/<名>/）。要用相機小工具就把scripts/stage25d.js拷進來，先於 film.js 載入。 film.js暴露window.ready和window.seek(t)。seek找到 t 所在的鏡頭（shot(t0, t1, fn)），呼叫fn(t)返回這一幀的 HTML，並等圖片解碼和字體載入完。同一個 t 永遠畫出同一幀，不依賴 CSS 動畫和播放時鐘。- 時刻一律寫成
cue(句id, '詞')，從時間線裡取，不寫死秒數。換了配音，全片自動順延。 - 實拍抽成幀序列，按 t 取幀，不用
<video>。幀數要登記，漏了會取到不存在的幀，出現黑屏或空框。 - 一鏡 = 一個機位函數 + 幾層畫面：機位用
camPath(t, 起點, 移動表)，每層用L(機位, 上一幀機位, z, html)包起來，遠的層 z 小，運動模糊自動算。 - 鏡頭之間要承接時，把上一鏡的函數在它最後一刻的畫面拿來做下一鏡的開場（推過鏡頭、縮小挪走、撐開、橫推出去）。這樣上一鏡的末態和下一鏡的首態天然一致。
- 720p 看效果，1080p 只在定稿後渲一次。