Depth POV Explainer

製作一部約 10 分鐘的影片「為何你絕不會想遇見 [動物]」：使用 Remotion 製作的平面向量動態圖形（所有元素都會動，沒有靜態投影片），採用 ElevenLabs Eleven v4 進行旁白，每個句子一個視覺點。無論用戶使用何種語言書寫，一律使用英文與用戶交談；腳本、標籤和提示也使用美式英文。將所有 JSON/TXT/.env 檔案儲存為不含 BOM 的 UTF-8 格式。

步驟 0 - 工作區在 D:（每次執行，建立缺少的部分）

根目錄：D:\DepthPOV（如果 D: 不存在，詢問用戶使用其他磁碟機）。

D:\DepthPOV\.env
D:\DepthPOV\studio\            Remotion 專案 (npx create-video@latest studio, Blank template)
D:\DepthPOV\studio\src\lib\    共享視覺庫 (core.tsx, sets.tsx, art.tsx, ui.tsx)
D:\DepthPOV\tools\             voice.py stock.py stock_pick.py sfx.py
D:\DepthPOV\videos\<slug>\     facts.json script.txt script_tagged.txt beats.json timing.json stock.json packaging.md voice.mp3 out.mp4 FINAL\
D:\DepthPOV\assets\stock\ music\ sfx\ thumbnails\
D:\DepthPOV\brand\brand.json

此技能附帶的檔案（缺少時複製到工作區，切勿覆蓋較新的本地副本）：scripts/*.py -> D:\DepthPOV\tools\；remotion-lib/lib/*.tsx 和 brand.ts -> studio\src\lib\；remotion-lib/stills.mjs -> studio\；remotion-lib/example-blue-whale/ 是技能作者完成的完整影片（13 個章節檔案，約 66 個持久場景，Main.tsx, Thumb.tsx），作為參考實作閱讀，不要逐場景複製。函式庫從 studio\src\lib\brand.ts 讀取頻道名稱、強調色和角色顏色，tools\sync_brand.py 從 brand.json 產生該檔案；切勿在場景中硬編碼頻道名稱或顏色。建立 studio 後執行 npx remotion add @remotion/media @remotion/google-fonts。Python 需要 requests。如果 .env 不存在，則使用空值建立並停止，請用戶在記事本中開啟並填入金鑰：

ELEVENLABS_API_KEY=
ELEVENLABS_VOICE_ID=
ELEVENLABS_MODEL_ID=eleven_v4
PIXABAY_API_KEY=

PIXABAY_API_KEY 是免費的：在 pixabay.com 登入，複製 https://pixabay.com/api/docs/ 上顯示的金鑰（一個金鑰涵蓋影片和照片）。忽略較舊 .env 可能包含的任何額外金鑰。切勿列印金鑰值。檢查 Node.js LTS 是否已安裝；使用 npx skills add remotion-dev/skills 安裝 Remotion 代理技能一次，並在撰寫 Remotion 程式碼前載入它們。如果用戶說「Retention」，他們指的是 Remotion。提醒一次 Remotion 僅供個人和非常小的公司免費使用 (/remotion-license)。

步驟 1 - 品牌（僅首次執行，儲存至 brand.json；如果 brand.json 已存在則跳過）

依序詢問下列問題，每次一條訊息，務必附上建議：

頻道名稱。 詢問用戶是否已有名稱。如果沒有，以三種風格提出 8 個名稱（神秘風格，例如「深淵檔案」；探險家風格，例如「深入深海」；直接風格，例如「為何你絕不會」）：1-3 個單詞，易於口頭表達，不要使用現有大型頻道的名稱，不要使用類似「Depth Theory」的名稱，即使頻道後來離開海洋主題也適用。為每個名稱提供相符的 @handle。告訴用戶在 YouTube 上搜尋名稱和 handle 以確認可用性（Claude 無法確認可用性）。儲存 channel_name, handle, tagline。
「你」的角色，推薦一個：
1. 水肺潛水員（橘色潛水衣，紅色頭燈） - 海洋；最接近 Depth Theory，最不獨特。
2. 迷你潛艇駕駛員 - 深海；整個影片以圓形舷窗和 HUD（深度、氧氣）為框架。僅限海洋頻道的推薦選項。
3. 船難後的救生筏倖存者 - 海洋表面；筏子俯視圖。
4. 攜帶頭燈的探險家 - 叢林、洞穴、河流、冰層；黑暗中的光圈。如果頻道擴展到海洋以外，這是推薦選項。
5. 護林員/野外生物學家 - 陸地動物；望遠鏡和野外筆記本。
6. 時間旅行者 - 史前生物；年份計數器 (-66,000,000)。
強調色 + 字型，以及頻道自己的開場風格（展示 3 個範例冷開場，由用戶選擇）。將 {channel_name, handle, tagline, character, look, signature_frame, accent {threat, safe, danger}, character_colors {suit, suit2, stripe, fins, fins_dark, lamp}（fins 使用高可見度顏色）, font, opening_style} 儲存至 brand.json，然後執行 python D:\DepthPOV\tools\sync_brand.py 以寫入 studio\src\lib\brand.ts，並在每部影片中重複使用。隨附的美術庫繪製水肺潛水員；對於任何其他角色（潛艇駕駛員、探險家、護林員、時間旅行者），在 art.tsx 中使用相同的解剖結構規則（references/visual-style.md）建立一個新的元件。切勿使用 Depth Theory 的「Picture this.」開場、其精確調色盤或潛水員設計。在以下位置使用 channel_name：跨影片回呼行（「如果你已經關注 [channel_name] 一段時間了...」）、CTA/片尾畫面行、描述，以及影片最後 10 秒的小型標誌浮水印。

步驟 2 - 事實（在腳本之前進行）

在網路上搜尋該動物。facts.json：25-35 個項目 {id, claim, number, unit, everyday_comparison, source_url, confidence}。除非取得的來源有明確陳述，否則不要使用最高級（最大/最深/唯一/曾經）。列出常見迷思與真相。

步驟 3 - 腳本（固定結構；首先閱讀 references/script-patterns.md）

使用 script-patterns.md 的章節預算、裝置和原創性規則：從參考中學習節奏，切勿使用其措辭。每個腳本都根據此動物的新鮮事實來撰寫；如果該動物已在參考中涵蓋（例如抹香鯨），則避免其中列出的角度。

冷開場 0:00-0:25。第 1 行永遠是品牌的標誌性開場，簡短（少於 3 秒），讓觀眾記住：「潛水日誌，條目 [n]。深度 [depth]。氣壓：[PSI]。」第 2 行開始是鉤子，仍然在前 7 秒內：立即讓觀眾處於危險之中——有東西觸碰、抓取、繞圈或擋住光線，類似鯊魚的形狀、陰影、看不見的東西——現在式、不解釋，並在同一瞬間在螢幕上顯示（剪影、觸手、陰影、眼睛）。然後才介紹場景設定（夜間潛水、繫繩、深度以下）、觀眾信任的規則，以及一個打破規則且朝你逼近的感官訊號。切勿在前 7 秒花費在平靜的風景或後勤事務上。為影片中段的回報埋下一個感官細節的伏筆，並在稍後再次呼應開場的危險（真正的遭遇、近距離接觸）。沒有介紹。
重新框架：人們通常害怕的動物，讓步，然後針對 [動物] 提出三個主張；以「...為何你絕不會想遇見一隻。」結尾。
五個章節：體型、食物、狩獵/感官方式、大腦/行為、是否曾攻擊人類。每個章節以一個問題結束，該問題由下一個章節開頭回答。每個數字都有一個日常生活中的比較。
約在 3:30 揭曉先前埋下的細節。
「你實際上會怎麼做？」：逐個推翻 4 個選項，每個選項帶有一個冷幽默，最後一句定論。
轉折 1：它幾乎從不針對人類。轉折 2：真正的危險來自相反方向。
生態角色。
結尾：以新的意義重複規則。
行動呼籲：以 brand.json 中頻道自己的用語（切勿複製 Depth Theory 的「我確實會閱讀它們」）詢問接下來要涵蓋哪種生物。旁白：第二人稱（超過 35 個「你」），句子少於 20 個詞，5-7 個乾幽默比喻，1,600-1,800 字，速度約 170 wpm。沒有「我們開始吧」，沒有表情符號。儲存為 script.txt（無標籤）。

步驟 4 - 場景與節奏（首先閱讀 references/visual-style.md）

影片約有 60 個持久 SCENES，而不是每個句子一個卡片。scenes.json：{scene_id, chapter, setting (deep|mid|surface-split|paper|radar|xray|black|stock), camera (drift|push-in|follow-dive|tilt|top-down|macro), cast (illustrated subjects), beats:[...]}。一個場景持續 6-20 秒，涵蓋 2-6 個句子；每個句子為場景添加一個元素（主體進入、測量線繪製、計數器運行、標籤出現、印章落下、FX 觸發）而不是替換。 Beat = {id, scene_id, text, add (出現/變化的內容), label (0-5 個詞或空白；永不重複敘述), label_pos (top|under-subject|near:), accent, fact_ids, stock_query?}。使用每種句子類型的參考工具包：數字 -> 場景內圖表（測量線、公尺、計數器、圖示陣列、網格、圓餅圖）；比較 -> 物體在主體旁邊進入（公車駛入、大象跳出）；歷史 -> 紙質/褐色的道具和表面場景；笑話 -> 道具或簡單圖形（收據、表格、白板、印章、UI 對話框）；危險 -> 紅色標籤 + 撞擊 FX；感知 -> 雷達/X 射線模式切換。「你」的角色出現在冷開場、揭曉、選項章節和結尾，始終在主體旁邊保持微小。

步驟 5 - 事實審查（阻擋）

表格：句子 | 事實 ID | 來源 | OK/FIX，適用於每個包含數字或最高級的句子。修正所有 FIX 行，並在使用 ElevenLabs 點數之前向用戶顯示該表格。

步驟 6 - 語音（Eleven v4 + 音頻標籤）

透過添加 v4 音頻標籤建立 script_tagged.txt，格式類似 ElevenLabs 自動標籤：[thoughtful], [curious], [uneasy], [dry], [whispers], [short pause], [long pause]。每 2-3 個句子最多一個標籤；在揭曉和回報周圍使用耳語/暫停；在笑話之前使用 [dry]；不要在任何包含統計資料的句子內部使用標籤。每個頻道一次向用戶展示一個 10 行範例，以批准標籤密度。
呼叫 POST https://api.elevenlabs.io/v1/text-to-speech/{ELEVENLABS_VOICE_ID}/with-timestamps，使用來自 .env 的 model_id (eleven_v4)。每個請求限制 10,000 個字元：在章節邊界處分割（通常 2 個請求），傳遞 previous_text/next_text 以保持連續性，並使用 ffmpeg 串接。
如果 with-timestamps 被 v4 拒絕，則使用純文字端點，然後使用 ElevenLabs 強制對齊（POST /v1/forced-alignment）與音頻和 script.txt（移除標籤）。
將單詞時間對應到句子 -> timing.json {beat_id, start_s, end_s, start_frame, end_frame}，30 fps。

步驟 6b - 音效（ElevenLabs 音效，無需 CapCut）

在 D:\DepthPOV\assets\sfx\ 中維護一個可重複使用的 SFX 庫，使用 POST https://api.elevenlabs.io/v1/sound-generation {text, duration_seconds, prompt_influence 0.6} 產生，使用相同的 ELEVENLABS_API_KEY (tools/sfx.py；僅產生缺少的檔案，因此點數僅花費一次)。核心集合：whoosh_soft, whoosh_deep, pop_soft, tick_ui, counter_roll, stamp, paper_slide, impact_heavy, splash_big, bubbles, sonar_ping, low_hum, whale_moan, heartbeat_slow, riser_tension, scan_beep, warning_beep, strike_line, gulp, boat_motor；在需要時添加特定生物的聲音。將副本標準化為 -20 LUFS 並放入 studio/public/sfx/。將每個 SFX 放置在它所屬的動作上（元素進入、計數器、印章、撞擊、場景變化），使用 <Sfx at=... vol=...> 並放置在場景內，音量 0.3-0.6，每秒不超過一個；語音保持在最上層。

步驟 7 - 素材（目標 6-10 個片段，每個 3-6 秒，用於情感高峰；最多佔運行時間的 8%）

來源，依此順序（僅限這些；絕不使用 YouTube/TikTok 片段、紀錄片片段或任何標記為「僅限編輯使用」的內容）：

Pixabay（自動，API）。 一個 PIXABAY_API_KEY 服務影片 https://pixabay.com/api/videos/?key=...&q=... 和照片 https://pixabay.com/api/?key=...&q=...。每 60 秒最多 100 個請求；將每個回應快取 24 小時於 assets/stock/_cache；不進行大量下載。工具：tools/stock.py, tools/stock_pick.py。
NOAA（手動，最適合真實物種）。 NOAA 沒有素材影片 API。Claude 尋找片段（NOAA Fisheries 物種頁面和影片庫、NOAA Ocean Exploration、NOAA Photo Library、NOAA 在 Wikimedia Commons 自己的上傳），並提供給用戶一個編號列表：直接頁面連結、片段顯示內容、填補的槽位、確切來源行，以及要選擇的檔案（最大的 MP4，理想為 1080p）。用戶下載到 assets/stock//noaa/。NOAA 工作人員製作的片段通常屬於公共領域，但請閱讀每個頁面：許多鯨魚片段是根據研究許可證或由承包商拍攝，並需要包含「NOAA Fisheries, permit #XXXX」或攝影師姓名的來源行；如果頁面限制重用，則跳過該片段。下載後，務必閱讀檔案的開場板子和結束工作人員名單：NOAA Fisheries B-roll 板子會顯示「All footage courtesy of NOAA... Please credit NOAA Fisheries」加上任何許可證號碼（安全）；教育影片（例如 Ocean Today）通常會在結束工作人員名單中列出外部貢獻者，例如製作公司或素材機構，因此它們的鏡頭不是公共領域，必須拒絕；也拒絕帶有燒錄字幕或標誌的檔案。僅使用其板子指名目標物種的片段（B-roll 包裝會混合物種），並在描述中說明「NOAA 不認可此頻道」。切勿使用 NOAA 標誌。
Pexels（手動連結）。 最後一次檢查時（2026 年 11 月）API 金鑰發放已暫停，因此 Claude 搜尋 pexels.com/videos（Claude 在 Chrome 或網路搜尋中），並提供用戶直接片段頁面連結，以及要下載的內容（Full HD 1920x1080）到 assets/stock//pexels/。根據 Pexels 許可證（允許商業使用），手動下載少數幾個片段用於一部影片是可以的；禁止大量或腳本化抓取。如果 .env 中後來出現 PEXELS_API_KEY，則改用 API（標頭 Authorization: <key>, GET https://api.pexels.com/v1/videos/search?query=...&orientation=landscape&size=medium&per_page=..，每小時 200 個請求）。
Wikimedia Commons（手動，偶爾）。 僅限具有明確 PD / CC BY / CC BY-SA 授權的檔案；記錄作者 + 授權。將片段放置在參考位置：冷開場之後（真實動物或潛水員），在「真實世界」主張（躍出水面、群體、船隻、捕鯨、空拍）上，以及在轉折/生態處；分散放置（永遠不要連續 3 個）。對於每個槽位搜尋 3-5 個同義詞，僅保留其標籤/標題包含主體的結果，然後使用 ffmpeg 為每個候選提取一個影格並查看它；拒絕錯誤的物種（座頭鯨不是藍鯨）和離題的鏡頭。不同物種的片段僅能用於一般性台詞（「大型鯨類」），並帶有螢幕上的備註「（圖示：座頭鯨）」。將片段調暗/調冷以匹配調色盤，使用 8 影格的模糊溶解淡入淡出。 每個來源都需要來源標示。 每個片段在螢幕左下角顯示一個小型來源行，持續其持續時間的柵欄...

[truncated for translation]

depth-pov-explainer