動頁轉影片 是做什麼的?
本目錄就是工具。無頭瀏覽器像讀者一樣把動頁走一遍(滾動、點擊、拖曳,游標看得見),邊走邊錄畫面,配上人聲,出 1080p 的 mp4。
錄製和合成是自動的;每件動頁的腳本要你來寫:讀懂這件動頁,決定講什麼、刪什麼、每一步在頁面上做什麼。這是主要的工作量。
lib/record.mjs錄製器:開啟頁面、注入游標和字幕、抓幀壓成影片、錄頁面自己的聲音。lib/make.mjs講解型的一條龍:合成旁白 → 按旁白時長驅動操作並錄影 → 合成成片和字幕。lib/voice.mjs+lib/tts.py複製配音(IndexTTS-2)。lib/subtitles.mjs字幕分割、估時長、統計空鏡(有測試,npm test)。examples/demo/一個開箱能跑的小範例(一頁小動頁 + 它的腳本),先跑它確認環境沒問題。examples/另有兩類動頁各一個真實範例,照原樣跑不起來(依賴對應的動頁檔案),拿來看作法。
環境準備見 README。中間檔案寫到當前目錄的 work/,成片寫到 out/,所以在你想放影片的目錄下執行。
先分類
| A 講解型 | B 自帶聲音型 | |
|---|---|---|
| 動頁特點 | 沒有人聲,靠讀者自己讀和操作 | 自己有原聲、音效、字幕,按滾動自動演 |
| 影片的聲音 | 另寫一份旁白,複製音色配音 | 錄頁面自己的聲音;只給沒聲音的文字補人聲 |
| 範例 | examples/explainer-involution.mjs | examples/selfvoiced-jensen.mjs |
| 指令 | node lib/make.mjs <腳本>.mjs | node <腳本>.mjs |
做新的一期:複製對應範例改。範例裡的註解說明了每一段在做什麼。
原則
- 做完整的講解影片,不是預告短片。
- 節奏要緊:沒人說話的畫面盡量短。出片後看「沒人說話的時段」,超過十來秒的想辦法壓或刪。
- 有文字的地方要有人聲,不能只有打字聲。
- 動頁裡改成影片效果不好的地方就改或刪(小遊戲縮短、題目少做幾道)。只在錄製時改,不動動頁原檔案(見 B 裡的 transform)。
- 第一版先完整做出來再給人看,不要中途一項項問。
A 講解型
- 通讀動頁,寫腳本:
url、hideCss(把導航、進度條等藏掉)、setup、segments。每段{ id, say, run }:say是旁白(同時是字幕),run(ctx, t)是這段話期間的操作;await t.at(0.5)等旁白說到一半再動。ctx提供scrollTo / click / move / drag / wait / card。 - 旁白是講給觀眾聽的,不是照唸頁面文字。刪掉影片裡撐不起來的部分(自由探索的實驗、長列表、出處)。
- 參考錄音:腳本裡寫
voice: '路徑',或放成當前目錄的voice/ref.wav。要十幾到三十秒、安靜、一個人說話。 - 先不配音出一版:
node lib/make.mjs <腳本>.mjs --silent。按字數估每段時長,只出字幕,幾分鐘就能看到整片的畫面和節奏。配音很慢,畫面沒調好之前不要配。 - 畫面定了再去掉
--silent配音出片。調某幾段用--only 段id,段id。
lib/tts.py 會把各段語速拉齊、壓短句中停頓、降噪、對齊響度,語速或音色離譜的自動重做。
B 自帶聲音型
- 讀動頁原始碼,弄清三件事:怎麼往下走(滾動 / 點擊)、哪裡會停下來等讀者(互動)、哪些文字沒有聲音。
- 複製範例改:
serve:把本地資料夾當網站(請求攔截,不開埠口)。INTERACTIONS:每個互動「怎麼認出來(選擇器)+ 怎麼做」。用真實的滑鼠移動、拖曳、點擊。逾時才按頁面自己的「跳過」。- 主迴圈:沒在等互動就滾輪往下滾;文字在打字時停下等;旁白沒唸完也等。
transform:送給瀏覽器時臨時改腳本(縮短小遊戲、縮短停頓、接旁白),原檔案不動。按原文匹配來改,匹配不上要報錯,別悄悄失效。
- 沒聲音的文字:列成清單交給
synthesize()合成;錄製時文字開始出現就記時間點,最後按時間點混進頁面聲音。有人聲的文字關掉打字聲,出現的速度跟著人聲時長走。 --max 秒先錄開頭一段;--from 位置從中間開始調某一場;都沒問題再錄全片(即時錄,片子多長就錄多久)。
坑
- 聲音:無頭 Chrome 必須帶
--disable-audio-output(已寫在lib/record.mjs)。換成--mute-audio的話,聲音引擎掛在系統音效卡上,系統聲音一不穩,頁面裡的音訊就停住,整遍錄製作廢。 - 清晰度:1080p 靠
--force-device-scale-factor=1.5+ 1280×720 視窗。不要用 CSS zoom(100vh 會錯位,黏性配置歪掉)。 - 滾動敘事:GSAP ScrollTrigger 一類的頁面,高度變了(展開一段解析)之後要派發一次
resize,否則觸發位置是舊的。 - 卡死:範例裡有看門狗,頁面不動、聲音不走超過 40 秒就停。看到「卡住了」先查原因再重錄,別直接重跑碰運氣。
- 配音很慢:IndexTTS-2 在筆電上每句幾十秒到幾分鐘。三四十句要留出半小時以上。機器上同時只想跑一個這類任務時,設
HEAVY_LOCK。 - 硬碟:一遍 20 分鐘的錄製,中間檔案約 1.5GB。
出片後必須核對
Claude 聽不了音訊。這一條要對用戶明說,不能含糊過去。
- 抽幀:全片均勻抽四五十幀拼成一張圖看一遍,再單獨看每個互動的時刻,確認做對了、沒有停在半截。
- 日誌:每個互動都出現,沒有「出錯」「沒自己結束,跳過」「卡住了」,頁面報錯為 0。
- 聲音:音軌時長和畫面一致、中間沒有斷流;看「沒人說話的時段」清單。
- 報告時寫清楚:哪些是看過的,哪些只能人來聽(發音、語氣、中英混讀的詞);刪改了動頁的哪些內容;還有哪幾段無聲偏長。
聲音的規矩
- 只複製自己的聲音,或者明確拿到授權的聲音。
- 合成的旁白和真人原聲混在同一條影片裡時,發布時在簡介裡註明旁白為合成。