Kambaxon/Kambax-tiktok

紀錄片式 3D 影片（TikTok，德語）

所有內容都以程式碼建構：HyperFrames 加上 Three.js。請先閱讀 hyperframes 技能，其中有合約、check、snapshot 和 render 的說明。 語言：始終使用德語。 這適用於劇本、配音、標題、字幕以及對使用者的回覆。

格式（根據三部參考影片測量）

• 技術規格： 1080×1920，30 fps。
• 長度：標準 60–90 秒（使用者的明確要求；約 150–200 字，10–14 個鏡頭）。只有在明確要求時，長度才能更短。
• 視角： 觀眾就是你。「你走向海灘。」「你坐在莫斯科附近的一個碉堡裡。」「你的鬧鐘響了。」
• 倒數計時結構： 時間是核心骨架。「3 小時後」→「還剩 2.5 小時」→「還剩 30 分鐘」→「第 0 小時」→「+40 分鐘」。或者「第 0/25/100/160 分鐘」或「第 1/3/7/10 天」。轉折點是「第 0 小時」或「第 0 分鐘」。
• 結構：
  1. 平穩的開場（田園或日常），日期和地點顯示在上方資訊列。
  2. 徵兆與升級，每個鏡頭都是一次時間跳躍。
  3. 災難或轉折點。
  4. 以一個具體數字總結，最好顯示在風格化的地圖上（「≈ 230,000」，警報時數字顯示為紅色）。
  5. 解釋部分「…平均而言」/「為什麼？」，搭配深色面板與平面示意圖，字幕為「示意圖，非按比例繪製」。
  6. 結尾：一個教訓或一個向你提出的問題。
• 剪輯： 鏡頭之間使用硬切（每 2–4 秒）。在每個鏡頭內，攝影機作為推軌或推進鏡頭緩慢移動，並在整個鏡頭中使用 smooth()。

設計

3D 世界（Three.js r149，assets/vendor/three.min.js，在場景的 <template> 中載入）：

• 風格化、柔和的低多邊形世界，使用光滑材質 (roughness ~0.8)，溫暖的陽光和柔和的陰影 (PCFSoft，1024 像素地圖)。
• 天空使用漸層紋理，加上霧氣。色調映射使用 ACES，曝光度約 0.62，否則所有畫面會顯得蒼白。
• 角色 = 關節人偶： 膠囊形的腿、軀幹和手臂，球狀頭部，頭髮帽，單色衣服，沒有臉部。輔助函式 person(seed, {top, pants, scale})，動畫使用 idle() / walk()，相位永遠不同步。
• 道具使用方塊、圓柱和球體組成，細節透過 canvasTex()（錶盤、標誌、窗戶）製作。
• 夜晚場景使用自發光窗戶；關燈後，emissiveIntensity 根據距離分級。
• 每個鏡頭是 W.<id> = {scene, camera, update(tLokal, T)}，SHOTS 定義時間。渲染透過 GSAP 代理 (onUpdate → renderAt) 以及額外的 hf-seek 完成。
• 模板：templates/beispiel-keiner-arbeitet/welt.html，包含以下場景：臥室 + 鬧鐘、開放式辦公室、公車站、超市、醫院走廊、垃圾街 + 老鼠、夜晚城市（關燈）、帶蠟燭的廚房、窗戶/陽台。複製輔助函式、場景和渲染器，並重複使用或替換場景。
• 人像畫面裁切很窄（水平約 27°）：將攝影機放得比想像中更遠，並將角色置於畫面中央。
• 面板下的定格鏡頭：{ id, t0, t1, hold: true } 以場景的最終狀態進行渲染。

左上角標題區塊（scripts/titel.py，資料在 titel.json），使用 Open Sans 字型，白色，帶柔和陰影：

• 上方資訊列，32 px，600，全大寫字母並增加字距，例如「26. DEZEMBER 2004, ≈ 10:00 UHR」。
• 標題，132 px，700，例如「Noch 30 Min.」、「Minute 0」、「Tag 7」。警報時可顯示為紅色 ("farbe":"#ff4b3e")。
• 副標題列，32 px，600，全大寫字母，例如「DAS MEER ZIEHT SICH ZURÜCK」。
• 位置：左 72 px，上 228 px。每次剪輯時切換（模糊淡入 0.2 秒）。

字幕（scripts/untertitel.py）：

• Open Sans 700 斜體，54 px，垂直居中於 y ≈ 1210。
• 每次顯示一個短語（直到標點符號或最多 5 個詞）。尚未說出的詞語顯示為暗淡 (0.5)，並在說話時點亮。
• 關鍵字使用淺藍色 #6cc0ff（--blau "Meer,Welle"）。

總結地圖（模板 bilanz.html，路徑來自 europa-paths.json 或 Natural Earth）：

• 平面地圖：海洋 #123f73，陸地米色 #e9dfc6，目標國家顏色更亮並帶有白色邊框，黃色城市點。
• 白色圓圈從中心脈動，標題區塊中的大數字會向上計數並變為紅色。

解釋部分（模板 erklaerung.html = 鏈條，vorrat.html = 同一條帶中的兩個階段）：

• 場景大幅變暗（rgba(20,26,38,.97) 在上方，下方保留些微可見度）。
• 標題區塊「DIE URSACHE / Warum? / SCHEMA, NICHT MASSSTABSGETREU」。
• 一個淺色圖像條帶（y 640–1040），帶有平面插圖（剖面圖、鏈條、腔室…）和全大寫標籤。
• 條帶下方以青色 #5fd0e8 顯示狀態文字。
• 使用紅色叉叉或綠色勾勾作為圖示（OpenMoji）。

音效： 配音是時間的基準。精簡使用音效：

• 剪輯時使用 whoosh-short
• 轉折點使用 impact-bass
• 叉叉或警報時使用 error/pop

只有在使用者提供音樂檔案時才加入音樂。

流程（給定主題後，無需提問）

1. bash scripts/setup.sh（每個容器執行一次），然後 bash scripts/projekt.sh <slug>。
2. 編寫 skript.txt：每個鏡頭一行，使用「你」的形式，簡短的句子。
   • 長度：60 秒 ≈ 150 字，70 秒 ≈ 165，90 秒 ≈ 210（Piper 約 2.5 字/秒，含停頓）。
   • 配音用的數字需拼寫出來，顯示則用 zwölf{12}。
   • 事實只有在可靠時才使用；估計值使用「大約」/「約」，思想實驗使用虛擬式或作為情境描述。
3. python3 scripts/voice.py skript.txt assets/audio --speed 1.08 --gap 0.45
   • 結果：voice.wav 和 words.json，鏡頭根據 lines[].start 分割。
   • 使用者的錄音優先。
4. titel.json → python3 scripts/titel.py titel.json compositions/titel.html
5. python3 scripts/untertitel.py assets/audio/words.json compositions/untertitel.html --blau "..."
6. 構建 compositions/welt.html（3D）和 compositions/erklaerung.html（示意圖）；從模板繼承 index.html（圖層：welt 1，erklaerung 2，titel 3，untertitel 4，音訊）。
7. npx hyperframes check --json（錯誤必須消除；明亮天空上的對比度警告是風格因素）。
   • 然後 npx hyperframes snapshot --at a,b,c,d,e,f --no-end -o snap，每次調用最多約 6 個時間點。
   • 查看圖片並修正。
8. 背景渲染：npx hyperframes render -o renders/<slug>.mp4 -q delivery -w 2 --quiet。
   • WebGL 在 CPU 上運行，需要幾分鐘。
   • 之後使用 ffprobe 檢查，查看聯絡表單並將檔案發送給使用者。

配音（使用者要求：友善的女性聲音）

• 偏好：使用者提供的 ElevenLabs 檔案（目前為「Jessica – Playful, Bright, Warm」，eleven_v4）。流程：
  1. 將劇本作為文字區塊提供給使用者進行錄音（每個鏡頭一行）。
  2. 使用以下指令產生帶有時間戳的參考檔：python3 scripts/voice.py skript.txt /tmp/ref --voice ~/.cache/geo-voice/vits-piper-de_DE-kerstin-low/de_DE-kerstin-low.onnx --gap 0.4
  3. 對齊：python3 scripts/align.py /tmp/ref assets/audio/<eleven>.mp3 assets/audio（基於 MFCC 的 DTW，行開始時間對齊到實際停頓）。 結果：voice.wav + words.json；使用 silencedetect 交叉檢查行邊界。
  4. 所有時間（剪輯點、標題、特效、面板）都從新的詞時間推導出來。
• 無檔案時的替代方案：女性 Piper 聲音（Kerstin/Ramona/Eva，GitHub k2-fsa/sherpa-onnx 的 tts-models 版本）。這些聽起來很合成；僅作為最後手段，並告知使用者。
• 無法進行語音複製（模型被阻止），也不要模仿第三方或名人聲音。

音樂與音效

使用者總是想要輕柔的背景音樂和效果音。Openverse、Freesound、Pixabay、archive.org 和 HeyGen 被阻止，因此兩者都使用 scripts/klang.py 合成產生。

• 音樂： python3 scripts/klang.py musik musik-plan.json assets/music/musik.wav
  • musik-plan.json 為每個部分定義：和弦、能量、亮度，以及可選的 BPM 脈衝。此外還有一些鋼琴音符。
  • 這些部分遵循戲劇性弧線：陰暗 → 緊張（脈衝）→ 低點幾乎安靜 → 溫暖的大調和弦帶來希望。
  • 在影片中，data-volume 約 0.22，位於配音下方（音樂檔案約 −18 LUFS）。
• 效果： python3 scripts/klang.py sfx assets/sfx 產生風聲、隆隆聲、收音機、時鐘、腳步聲、車隊、警笛、鐘聲、心跳、嗡嗡聲、爆炸聲。
  • 此外還有 media-use 中附帶的 whoosh/impact/riser。
  • 音量 0.15–0.45，持續音效使用 data-fade-in/out。
• 控制： 使用 showspectrumpic 查看頻譜（點擊 = 垂直線）。我無法親自聆聽，因此告知使用者混音是測量而非聽覺調整的結果。
• 對於敏感主題（大屠殺、受害者），減少音樂；僅使用風聲或嗡嗡聲。

敏感的歷史主題

• 禁止使用卐字、SS 符文或其他納粹標誌，以及帶有臉部特徵的加害者肖像（TikTok 會封鎖這些內容，即使在歷史背景下）。旗幟和制服保持抽象。
• 集中營和暴力只能暗示（圍欄、瞭望塔、霧氣），不要展示受害者。語氣應客觀且批判。
• 對於假設情境，在結尾處說明現實情況（「現實」/「為何幾乎不可能」）並展示解放。

持續改進（使用者要求）

每個專案都應在氛圍、效果、動畫和音效上超越前一個。當前狀態位於 templates/beispiel-tschernobyl/：

• 粒子 particles(scene, n, seed, {x,y,z,v,drift,grav,life,color,size,opacity,add,fog})：確定性，並始終使用柔和的圓形紋理 SOFT（沒有它會出現方形）。用於火焰、餘燼、煙霧、雨水、灰塵、水柱和落葉。
• 作為敘事的光線： 警報燈閃爍、火焰點光源閃爍、光束是疊加的、地平線上的輝光是漸層平面（不是球體）。
• 攝影機： 撞擊時晃動（exp(-u*2.2)），每個鏡頭緩慢推軌。
• 外觀圖層 look.html（z-index 在世界之上，在標題/字幕之下）：底片顆粒（15 fps，確定性）、暗角、爆炸時白色閃光、靜默時刻淡出黑色、結尾淡出。
• 音效： klang.py sfx2 用於蓋格計數器（3 種密度）、警報、爆炸、火焰、警笛2、公車、雨水和嘎吱聲。在 musik-plan.json 中有 luft（泛音）、sub（低頻）和 stille（硬靜音視窗，例如緊接在爆炸後）。此外還有一個 riser，精確地在轉折點前到達（開始 = 撞擊點 − 10.03 秒）。
• 承載結構： 開頭和結尾相互呼應（你睡覺 ↔ 你醒著站在窗前），地圖和示意圖在中間。

陷阱

• cam() 的可視距離只有 400 米。對於所有更遠的物體（地平線、發電廠、拱門），使用 camFar(3000+) 並將霧氣設定得足夠遠，否則它們會不可見。

• 人像畫面視窗：透過開口精確計劃背景物件（角度 = atan(高度/距離)）。

• 品質優先於速度（使用者要求）：始終使用 1080×1920，-q delivery，完整陰影和抗鋸齒。一個 70 秒的渲染在雲端（CPU WebGL）大約需要 40–60 分鐘。請事先告知使用者，不要降低設定。

• pkill -f <模式> 會殺死自己的 shell，如果模式出現在命令中的話。應改用 PID 終止進程。

• Piper 聲音聽起來很合成（16 kHz）。建議使用自己的錄音或 ElevenLabs 檔案。

• 對於包含未知音素的行，無法進行對齊。voice.py 會根據能量和音節長度分詞；在快照中檢查時間點。

• 場景 ID 必須是唯一的（前綴 er-、ti-、ut-）。

• 容器是臨時的：立即發送影片。技能和專案只有在推送到 Git 儲存庫時才會保留。