卡通短片：點子 → 腳本 → 配音 → 完成MP4
外觀：平面2D豆頭卡通角色（畫布繪製的「卡片」，帶有梅子色輪廓），位於色彩繽紛的3D世界中，具有黑色墨水輪廓、繪畫紋理、景深和滑動攝影機。輸出為1080x1920，30 fps，長度與配音完全相同。用戶的聲音保持原樣。背景音樂和音效以合成方式產生，並設定在人聲的50%。已於「永不離開的士兵」（19.7秒，8個鏡頭）中驗證。
規則
- 故事、角色和鏡頭必須始終原創。切勿逐鏡頭複製其他創作者的影片。針對相同概念提供原創詮釋。
- 角色不能是真實、具名的在世人物，也不能使用品牌吉祥物或標誌。
- 除非用戶要求，否則不加字幕。故事中的文字（如刻劃的訊息、招牌）可以接受，且必須正確閱讀（不能鏡像）。
- 絕不編輯或重新調整配音的時間。畫面需配合配音時間，每個視覺反應應在該詞語出現前0-3幀內發生。
- 音訊音量： 背景音樂設定在人聲的50%（−6 dB，門控RMS）。音效設定在50%或略低，峰值限制，確保沒有任何撞擊聲高過旁白。務必使用
mix.py進行混音，絕不手動。不使用任何會改變此比例的閃避或壓縮；僅在整個混音上套用一個線性增益和一個峰值限制器。 - 隨時告知用戶進度，使用任務清單。在長時間渲染前，先傳送靜態畫面聯絡表。
階段1：輸入（始終優先）
如果已有音訊檔案附件，直接跳到階段4。如果也提供了腳本，則使用該腳本進行時間校準。否則，提出一個 AskUserQuestion（或純文字，若該工具不可用）：「您從哪裡開始？」
- 配音已準備好：要求用戶上傳配音，以及腳本文字（如果有，腳本可使時間校準更精確）。收到後跳到階段4。
- 我有腳本，需要配音：如有必要，根據階段3潤飾腳本，連同錄音提示一起回傳，要求用戶上傳，然後跳到階段4。
- 需要影片點子和腳本：跳到階段2。同時詢問目標長度（如果用戶尚未提供）。預設為20-30秒；可接受45-60秒。
階段2：10個影片點子
一次回覆中提供恰好10個點子，編號，並要求用戶回覆一個數字（或「更多」）。每個點子需包含：
- 標題（5-8個詞，引發好奇心，例如「永不離開的士兵」）
- 鉤子句：第一句口白，以事實陳述一個悖論（「一個人賣掉了艾菲爾鐵塔。兩次。」）
- 轉折：一行說明（影片結尾的諷刺性收尾）
- 為何適合動畫化：2-3個重要的視覺時刻（倒塌、揭露、追逐）
- 真實或傳說：清楚說明是文獻記載的歷史、有爭議的說法，還是民間傳說。
什麼樣的點子對這個格式來說「完美」：
- 一個令人驚訝的故事，具有可展示的物理因果關係。
- 一個清晰的平凡角色，賭注逐漸升高，並在最後一句話中有轉折。
- 一個可以用簡單3D形狀加上卡通卡片建構的場景（城鎮、橋樑、船隻、城堡、沙漠、實驗室、宮殿）。
- 混合10個不同時代和主題的點子：古代、中世紀、1800年代、現代、科學、動物、發明、災難、奇怪的法律、幸運的意外。
- 對於任何呈現為真實的內容，在提供前先透過網路搜尋驗證關鍵事實。不要將流傳的傳說當作事實呈現。如果用戶仍想要，則以「傳說稱」的方式呈現。
- 不能以真實在世人物作為笑點，不能有血腥暴力或政治內容。
階段3：腳本（用戶選擇後）
僅撰寫旁白（口白文字中不含舞台指示），速度約為每秒3.7個詞：20秒 ≈ 75個詞，30秒 ≈ 110個，60秒 ≈ 220個。公式：
- 鉤子（第一句，無鋪陳）：荒謬的事實。
- 背景：1-2行：何時、何地、何人、一個具體細節。
- 升級：2-4個節拍，每個節拍更加劇烈。他人懷疑或嘲笑。使用一個誇張的笑話。
- 謎團或轉折：「但當...」/「你知道，」引出真正的機制，通常用一個日常的比喻。
- 轉折/收尾：簡短、諷刺，並作為影片的最後一句話。使用簡單的口語英文、縮寫，句子長度約8-15個詞，數字寫成單字。絕不描述觀眾已經看到的內容。
然後回覆：
- 包含腳本的可複製區塊，附上字數和預估長度。
- 一段視覺計劃（你將製作的鏡頭）。
- 錄音提示：一個平穩、溫暖的旁白聲音；ElevenLabs效果不錯（深沉的旁白聲音，速度約1.05-1.1，穩定性約45-55%）。Mp3或wav格式均可。在句子結尾處留自然停頓。匯出時不含音樂。
- 要求：「配音準備好後請上傳，我將製作完整的影片。」 保留最終腳本文字。它驅動階段4的時間校準，因此無需語音辨識。如果用戶錄製了修改過的版本，請要求提供最終文字。
階段4：建構影片（配音上傳後）
從這裡開始不間斷地執行所有操作。僅在時間無法解決時提問。
4.0 取得套件
程式碼套件位於此技能資料夾內的kit/（引擎、工具、工作範例，以及來自github.com/mromidev/claude-animated-shorts的第三方three.js r160和toon.ts Pen函式庫，兩者均為MIT授權）。使用find / -name SKILL.md -path "*cartoon-audio-short*" 2>/dev/null定位資料夾，並將其kit/視為唯讀。
然後執行bash <skill>/kit/tools/setup.sh ~/shorts/<slug>。它會將引擎和工具複製到專案中，安裝第三方three.js，使用Node 22的module.stripTypeScriptTypes從toon.ts移除型別，並連結Playwright。無需網路。如果第三方檔案遺失，它會回退到npm或git clone。
- 需求：Node 22.6+、Python 3（含numpy和Pillow）、ffmpeg，以及Playwright搭配Chromium（若缺少則執行
npm i -g playwright && npx playwright install chromium）。 - 如果套件註冊表被封鎖，透過GitHub的git通常可行。絕不禁用TLS或繞過代理。
- Chromium：使用預先安裝的Playwright瀏覽器，搭配
--use-angle=swiftshader --enable-unsafe-swiftshader --ignore-gpu-blocklist。這可提供CPU WebGL，每幀約3-10秒。
4.1 時間校準
執行python3 timing.py voice.mp3 script.txt --out work。
- 如果已安裝whisper或faster-whisper，則使用詞彙時間戳記。
- 否則，它會將腳本詞組（依標點符號分割）對齊到靜音偵測到的語音片段，使用動態規劃將音節與時長匹配，並懲罰句子結尾位於片段內以及詞組內的長間隔。
- 沒有ASR也沒有腳本時，要求提供腳本。Claude無法聽取音訊。
- 檢查
work/phrases.json：停頓應落在句子結尾。總幀數 = round(持續時間 × 30)。
4.2 鏡頭計劃（程式碼前先有work/PLAN.md）
為每個鏡頭製作一行：幀數、詞語、場景、光線、攝影機移動、角色/姿勢/表情、效果和音效提示。
- 第0幀即為鉤子影像。
- 通常一個詞組一個鏡頭。將極短的詞組合併到下一個鏡頭。
- 逐句說明每個句子。道具承載笑點。
- 變化鏡頭大小：鉤子中特寫 → 廣角揭露 → 兩人鏡頭 → 關鍵物體的特寫插入 → 反應特寫 → 環境移動以呈現收尾。
- 用光線表現節拍：白天用於正常，金色用於衰落或戲劇性，夜晚藍色用於解釋。時間跳躍會有一個6幀的白色閃光。
- 轉折句搭配一個刺擊音效（音樂停止、低音撞擊、推近並旋轉）。最後一個鏡頭的物理收尾落在最後一個詞上。
4.3 世界（web/main.js）
保留引擎部分：卡通材質、墨水收縮、add/tbox、天空、燈光、卡片、渲染目標/後處理、applyLight、drawActors、swapForNd、renderFrame。將// ---------- world ----------和// ---------- cards ----------之間的範例世界，以及worldState()的故事部分替換掉。
- 使用基本幾何形狀，搭配繪製的畫布紋理（
paint.js：木板、橫樑、腐爛木頭、石頭、苔蘚/常春藤、草、泥土、灰泥、屋瓦、大理石、旗幟、雕刻文字）。以相同的平面帶深色接縫風格撰寫新的繪製器。 - 使用
tbox保持恆定像素密度、2級卡通漸層，以及霧 = 地平線顏色。 - 背景：山丘（半埋球體）、山脈（圓錐 + 雪帽）、柏樹/松樹、遠方房屋、繪製的雲廣告板。
- 場景道具（崩塌、墜落、門）是由0..1進度驅動的樞軸群組，來自
worldAt(f)，並帶有緩和和交錯的部分。 - 曲線故事文字使用平面UV。檢查它沒有鏡像。
4.4 演員（web/roman.js → web/toon.js）
romanFront(p, outfitKey, opts)在600x1000的設計畫布上繪製，腳底在y=975處。卡片高2.25米，因此1單位 = 0.00225米。- 將服裝添加到
OUTFITS（束腰外衣/披風/盔甲/頭盔/頭髮/帽子/鬍鬚/圍裙/洋裝/長袍），並以相同風格添加新的頭飾和道具。 - 手臂姿勢：垂掛、持矛、指、舉起、揮舞、叉腰、摸肚、摸太陽穴（+旋轉）、舉起、伸手（+舉起）、摸臉頰、盾牌、交叉、豎拇指。
- 表情：toon.ts的FACE集合加上打鼾、固執、瞇眼。擴展FACE以獲得更多表情。
- 編輯後使用
cat web/toonbase.js web/roman.js > web/toon.js重建。在使用新設計前，渲染一個角色測試表。 - 廣告板僅繞偏航旋轉，獲得接觸點模糊和Alpha測試陰影，且絕不被世界通道描繪墨線。
- 從
q()四捨五入的值構建卡片鍵（以便畫布僅在可見變化時重新繪製）。 - 分離的部分（例如，舉起的頭盔）是它自己的卡片，與
headCenter(seed)對齊：y = DECK + (partY − hc) × 0.00225。
4.5 動態：流暢且生動（web/motion.js）
- 攝影機：
camFromKeys(keys, f, {kicks})。使用更平滑的步進滑行（18-45幀），揭露和甩鏡時使用easeOut，以及經過點（Catmull-Rom）的path進行曲線移動。每個靜止都有微動，且沒有任何東西保持靜止超過4幀。在戲劇性場景使用3-5°旋轉，衝擊時使用7幀翻轉晃動。 - 連續性：偏好連續移動（從特寫拉回廣角、拉焦、透過甲板移動起重機、推近物體）。僅在位置或時間跳躍時使用硬剪輯，並伴隨閃光。
- 角色絕不靜止：對每個卡片套用
idle(f, seed)、blinkAt眨眼，以及重音詞語上的頭部擺動。 - 動作：預期 →
back超調 →spring穩定。跺腳是2幀的下潛+灰塵噗+踢擊。笑聲是交替的傾斜+擺動。 - 次要動態：旗幟布料波浪、葉子/灰塵/水滴/Zzz效果卡片、流動的水。總有東西在動。
- 行走：
walk()給出距離+步伐相位。腳掌著地，擺動3-7%。 - 鏡頭：特寫和中景使用景深（cInf 8-14像素），對焦於眼睛。廣角鏡頭清晰。拉焦約需14幀。
4.6 外觀檢查（完整渲染前）
在每個鏡頭的中間點以及轉場和關鍵動作處渲染靜態畫面：node render.mjs stills/a "5,40,..."，然後執行python3 sheet.py stills/a stills/sheet_a.jpg。檢查看板並修正以下陷阱：
- 狹窄的垂直畫面：水平半寬度 = d·tan(hfov/2)，其中hfov = 2·atan(tan(vfov/2)·0.5625)。在4米和fov 40時約為±0.8米，因此角色需在深度上安排。
- 欄杆或柱子擋住臉部（攝影機在欄杆內或約2.5米高）。攝影機路徑穿過房屋、屋頂或灌木叢。前景道具距離小於約2米。主角躲在柱子後面。
- 鏡像文字。分離部分卡片的偏移方向錯誤。
- 擠出材質群組：0 = 端蓋，1 = 側面+頂部。
- 缺少墨線：偵錯僅邊緣輸出。墨線半徑約2.5像素（1080p）。天空被視為遠距離，而非卡片。將看板連同一行鏡頭摘要發送給用戶，然後開始完整渲染。
4.7 音效（audio.py → 音軌 → mix.py）
為故事重寫提示表；合成器保持不變。audio.py僅寫入音軌（music.wav、sfx.wav）。
- 音樂：類似進行曲的短循環（大鼓/小鼓、撥奏貝斯、銅管墊）。在轉折句處停止，然後一個低沉的持續音繼續。
- 音效基於事件（以幀/30為單位）：大動作時有呼嘯聲、跺腳時有砰聲、崩塌時有隆隆聲和撞擊聲、金屬刮擦聲、揭露時有叮噹聲、轉折時有刺擊聲、吱嘎聲、啪聲、潑、潑濺聲、鼾聲、樹葉聲、水環境音。
- 使用
python3 mix.py voice.mp3 music.wav sfx.wav進行混音。它會將音樂準確設定為人聲門控RMS的50%（−6 dB），並將音效設定為50%，峰值限制為人聲峰值的0.7倍。它會列印測量到的音量：確認音樂顯示相對於人聲為−6.0 dB，音效等於或低於此值。 - 在製作音效前鎖定畫面時間。任何時間變更都意味著需要重新執行audio.py和mix.py。
4.8 渲染 + 完成
- 使用Bash的
run_in_background執行node render.mjs frames "0-<N-1>"，並由監控循環監視，該循環回報進度並捕獲錯誤或程序退出。設定RESUME=1可在中斷後繼續。不要同時在小機器上運行沉重的Python程序。 - 執行
bash finish.sh "Title"。它會套用一個線性增益至約−14 LUFS，加上一個−1 dBFS峰值限制器，編碼為H.264 CRF 17 + AAC，執行凍結/黑畫面和大聲品質檢查，並寫入out/qa_sheet.jpg。查看看板。連續凍結≥0.4秒或黑畫面需要修正。 - 使用SendUserFile交付MP4，並附上幾行關於每個鏡頭顯示內容的說明。提供字幕、調整或列表中下一個點子的選項。
引擎注意事項（保留在套件中；如果重建請保留）
#include <fog_vertex>/<fog_fragment>需獨佔一行。- 最終通道寫入
linearToOutputTexel(...)（渲染目標為線性HalfFloat）。 - 法線+深度通道會按網格交換材質：世界 → 法線/深度，卡片 → Alpha測試遮罩（rgb 0，a = 深度），模糊/雲/天空隱藏，水 → 平面法線。在此期間霧和陰影關閉。
- 墨線僅在深度跳躍的近側繪製。褶皺來自法線點積。相鄰卡片跳過。墨線在約140-520米處淡出。
- 景深：48個取樣點，每個取樣點有CoC測試（無前景滲色）。
- 太陽來自每個光照預設的方位角/仰角。陰影攝影機以每個鏡頭的動作中心為中心。
架構（編輯套件的參考）
web/index.html透過本地HTTP伺服器載入main.js（ES模組）
...
[因翻譯而截斷]