電影感科普短片 · 統一製作規範 v1
來源：《人類簡史 · 宇宙的自畫像》（4K / 4'58" / 14 場）與《向下 · DESCENT》（2K / 1'30" / 90 秒垂直剖面）。 兩部片子的規格、工作流、風格、踩過的坑，全部收在這裡。新片先讀第 0、1 節，再讀與本次相關的章節。
0. 鐵律（違反任何一條都會返工）
- 先定聲音，再定畫面。旁白逐句生成 → 量出時長 → 由時長反推每場幀數。絕不先排畫面再配音。
- 旁白與數據必須一致：片中出現的數字、單位、量級，逐條對照事實表；旁白說 98，畫面就不能寫 90。單位錯（如壓力 atm ↔ t/m²）比配錯色嚴重十倍。
- 一顆鏡頭一個資訊：每場只允許一個主命題 + 最多 3 個讀數；多出來的資訊交給旁白。
- 文字永遠可讀：任何文字下方必須有底襯或壓暗；層名 ≥ 30px、讀數 ≥ 13px；小字透明度不低於 0.6。
- 不許硬切：場與場之間用疊化 / 黑場呼吸 / 連續運動；同一部片只能用一種轉場語言。
- 靜音渲染：Remotion 裡
<Audio>一律{false && ...}關掉，音訊由 ffmpeg 外部合入（長 WAV 會讓渲染卡在 audio preprocessing）。 - 渲染前必須
npx tsc --noEmit乾淨，否則會渲出一堆壞幀再重來。 - 交付前三件事：全長校驗、首尾幀校驗、關鍵轉場逐幀校驗（每條 3–6 幀）。
1. 標準流水線（按順序，不可跳）
script.json ──► VO 生成 ──► VO 後處理 ──► 時長表 ──► 時間軸
│
└──► 配樂（numpy）──► 混音 ──► master.m4a
畫面（Remotion）──► 靜音渲染 ──► ffmpeg mux ──► 交付
1.1 劇本
- 每條一個 file：
script.json，欄位id / act / text / caption。 - 中文旁白 ≈ 4.2 字/秒；60 秒片 ≈ 200–230 字，90 秒 ≈ 300–340 字。
- 數字寫成中文讀法（「三千六百八十八」），否則 TTS 會讀錯；畫面裡再用阿拉伯數字。
1.2 旁白（Qwen3-TTS VoiceDesign，男聲紀實）
INSTRUCT = ("A deep, calm, authoritative male documentary narrator. Slow, deliberate, cinematic. "
"Low register, warm, intimate, restrained emotion, close-mic. Consistent, even pacing. Mandarin Chinese.")
generate_audio(text=..., model=model, lang_code="zh", instruct=INSTRUCT,
temperature=0.65, top_p=0.9, repetition_penalty=1.05,
output_path="vo_raw", file_prefix=id)
- 模型
mlx-community/Qwen3-TTS-12Hz-1.7B-VoiceDesign-bf16，mx.random.seed(11)固定。 - 每條生成後立刻
ffprobe驗時長：若某條 > 30 秒或出現整段重複，就是 TTS 退化了，刪掉重生（換 seed 或把repetition_penalty提到 1.12）。 - ASR 複檢：
mlx_whisper轉一遍，核對數字/生僻字（氫→清、矽→龜、鐵→體 這類）。
1.3 聲音後處理（統一鏈，不許各條不同）
highpass=f=70,
asetrate=24000*0.912341, aresample=48000, atempo=1.096081, atempo=1.055,
equalizer=f=190:t=q:w=1.0:g=1.4, equalizer=f=3300:t=q:w=1.4:g=-1.8, equalizer=f=7200:t=q:w=1.8:g=-1.0,
acompressor=threshold=0.14:ratio=2.2:attack=10:release=200,
loudnorm=I=-20:TP=-3:LRA=7
再按 20ms 能量包絡裁掉首尾靜音、把超過 0.34 s 的停頓壓到 0.34 s，兩端 12ms/50ms 淡入淡出。
1.4 時間軸
frames = round(seconds * 24)；旁白偏移 = 場起點 + lead（一般 18–24 幀）。- 每場：
lead + vo + tail，tail 16–90 幀（結尾卡給足）。 - 生成
timeline.ts（自動生成，別手改），欄位{ id, from, dur, voAt, voDur }。
1.5 配樂（純程式碼合成，numpy）
- 要有結構，不要鋪滿：按時間碼寫「事件」，而不是一條 pad 到底。
- 和聲：每 12–18 秒換一次，交界處交叉淡化；低音只做 55 Hz 以上的持續音。
- 不要低頻轟鳴：觀眾會形容為「轟轟聲」「太吵」。低音截止 85–100 Hz，長音用純正弦，不加八度諧波。
- 安靜優先：音樂電平 ≈ 旁白的 −20 ~ −27 dB；旁白出現時再壓 40–70%（側鏈閃避）。
- 終混響度：紀實片 −18 ~ −24 LUFS（不是 −14，那是串流媒體流行樂）。
- 教程式的「音效設計」（入水悶響、聲納、金屬吱呀）只在客戶明確要時加；被否過一次，預設不用。
1.6 畫面（Remotion）
見第 2 節。
1.7 渲染與合入
npx tsc --noEmit
npx remotion render Film4K out/silent.mp4 --codec=h264 --crf=18 --concurrency=7
ffmpeg -i out/silent.mp4 -i public/audio/master.m4a \
-map 0:v -map 1:a -c:v copy -c:a aac -b:a 320k -shortest -movflags +faststart out/final.mp4
- 4K = 1920×1080 佈局 +
transform: scale(2)；2K =scale(2560/1920)。只寫一套佈局。 - 局部返工：只重渲該段幀區間 →
ffmpegtrim/concat三段拼接 →-c:v copy只換音軌；要換畫面就三段重編碼拼接（約 5–10 分鐘）。
2. 視覺系統
2.1 底板
- 畫布 1920×1080，24 fps；
AbsoluteFill背景近黑（#01050A/#010407），永遠不要純黑 #000。 - 三層結構：背景漸層 → 體積光/粒子 → 資訊層（文字、深度尺、讀數）。
- 收尾統一：
Vignette+ 靜態Grain（0.04，必須animate={false}，動態顆粒會讓細線閃）。
2.2 字型
- 標題/詩句：
Songti SC（serif），字距 0.4–0.6em，大字型（90–250px）。 - 數據/讀數：
SF Mono，8–14px，字距 0.16–0.36em。 - 說明：
PingFang SC，14–19px，透明度 0.55–0.7。
2.3 調色（兩部片各自的「世界觀色」）
| 片種 | 頂部亮 | 中段 | 底 | 強調色 |
|---|---|---|---|---|
| 宇宙 / 時間 | #050506 底 | 奶油 #F3E7D0 | — | 琥珀 #E8B06A |
| 海洋 / 深度 | #1E7C93 水面 | #07232E | #01050A | 青 #4FE0C0 |
規則：同一部片只用一個強調色；生物發光/熱液這類例外最多兩種，且各自綁定一種物理量。
2.4 粒子引擎（Canvas 2D）
- 確定性隨機（hash），同一幀永遠同一結果；雲類型：
ball / filament / disk / globe-surface / sphere-shell / figure / city / helix / neuron / glyph / single / text / timeline。 - 兩遍繪製：先大半徑低透明度做輝光，再小半徑高透明度畫核心；
globalCompositeOperation = 'lighter'。 - 點雲邊界必須在畫面外：
makeCloud('text', n)是 3×1.2 的盒子，投影後會出現矩形邊（最常被觀眾指出的 bug）。用expand(cloud, kx, ky, kz)放 2.4–3.2 倍。
2.5 生物與地形（SVG）
- 一律側視、頭朝運動方向；眼睛、鰭、嘴線、喉褶、藤壺等解剖細節至少 4 處，否則像貼圖。
- 剪影 + 邊緣光（0.2–0.35 透明度）；不要用
feTurbulence疊在身體上（會變成花崗岩）。 - 地形：多段折線 + 岩層線 + 岩屑 + 沉積，不要三角形；山體不要畫基線（會變成圖表）。
- 生物出現視窗按「深度/時間」綁定，別同時出現三種以上。
2.6 資訊層（HUD）
- 層帶銘牌：深色漸層底（0.72→0）+ 左側 2px 強調色豎條 + 中文 30–35px 純白。
- 讀數：每層 2–3 組，
LABEL8.5px /VALUE13–14.5px。 - 刻度尺：刻線 + 當前值加粗；當前值必須即時計算，不能寫死（寫死會與指標矛盾）。
- 所有數字帶單位；單位用空格分隔（
1,093 atm）。
2.7 轉場
- 首選連續運動（一鏡到底）：深度/時間是一個連續量，內容隨它進出畫面。
- 次選短疊化（4–6 幀，只有新鏡頭淡入、舊鏡頭保持不透明被覆蓋）——亮度不塌、HUD 不疊字。
- 禁用：斜向光掃、長交叉溶解、垂直推鏡（會露出暗邊）、黑場後硬切（除非是「入水」這類物理動機）。
3. 事實與數據
- 建一張
facts.md：每條數字 / 單位 / 來源範圍 / 片中怎麼寫。 - 三處最容易錯：① 單位換算（1 atm ≈ 10.3 t/m² ≈ 1.03 kgf/cm²）；② 「平均」與「極值」混用（平均 3,688 m vs 最深 10,935 m）；③ 簡化說法（90 vs 98 種元素）。
- 全片統一一種精確版本；旁白與畫面必須同源。
4. 交付物清單
deliverables/
片名-4K-旁白版.mp4 # 主版本
片名-4K-純音樂版.mp4 # 如需要
海報-4K.png / 預覽-4K.png # 關鍵幀合成
封面/ # 1920 PNG + 4K PNG + 1146×717 JPG
導演闡述.md # 結構、聲音、修改記錄
發布文案-B站.md # 標題/簡介/標籤/置頂評論/封面建議
事實表.md
發布包必帶：AI 生成聲明、製作分工（模型做了什麼、人做了什麼）、一版「容易看錯的數字」置頂評論。
5. 踩坑記錄（按出現頻率排序）
| 現象 | 根因 | 修法 |
|---|---|---|
| 渲染卡在 audio preprocessing | 長 WAV + <Audio> | 靜音渲染，外部 mux |
| 文字在粒子上一片糊 | 無底襯 + 透明度 0.4–0.5 | 底襯 + 純白 + 加大字型 |
| 畫面出現規則矩形（觀眾最愛問） | 點雲盒子邊界進畫 | expand() 放大 2.4–3.2× |
| 細線/山體閃爍 | 動態 film grain | Grain animate={false} |
| 鯨/魚「倒著游」 | 頭和尾畫反、眼在尾端 | 側視重構：頭在 +x |
| 山體像圖表 | 路徑用 L ... Z 收了水平基線 | 底邊沉到畫面外 |
| 轉場打斷視線 | 光掃/長溶解 | 短疊化或連續運動 |
| 配樂「轟轟」 | 27–80 Hz 持續低音 | 高通 85–100 Hz，去掉 sub drone |
| 音畫不同步 | 畫面節拍與旁白內容不對應 | 深度/時間曲線按旁白內容重排 |
| TTS 單條 600 s | 模型退化循環 | 刪掉重生，repetition_penalty 1.12 |
| 4K 返工太慢 | 全片重渲 | 只渲改動幀區間 + concat |
6. 兩部參考片的位置
- 《人類簡史 · 宇宙的自畫像》：
~/dsh-video-remotion/film/src/scenes/*，14 場，4K，4'58"。 - 《向下 · DESCENT》：
~/dsh-video-remotion/film/src/ocean/*，6 層帶，2K，1'30"；旁白與配樂在~/dsh-video-remotion/ocean/。 - 兩者共用
src/engine/particles.tsx（粒子）、src/engine/atmos.tsx（Vignette/Grain）、src/theme.ts（字型/調色/緩動）。