MayorDapper/emoji-party

Emoji Party（節拍同步的表情符號世界歌詞影片，Blender Grease Pencil）

使用者提供任何類型的歌曲（音檔）及其歌詞，或提供無歌詞的純樂器曲。你將產出一部完整的 1080p 影片：每個段落有一個可識別的表情符號臉孔，各自處於自己的世界和配色方案中，做一些 relatable 的事情，隨著節拍起舞，歌詞在螢幕上彈出並隨低音震動。已在「Mr Me」（150 BPM，4:12，15 個場景，約 840 個物件，渲染時間約 10 分鐘）上驗證。

0. 創意規則（從使用者學到）

• 主角是傳達情緒的表情符號臉孔，每個場景一個（焦慮、咧嘴笑、纏繃帶、氣喘吁吁、笑哭、噤聲、震驚、書呆子、生氣、火熱、星星眼、拉鍊嘴、金錢眼、光環、派對）。物體（蠟燭、指南針、鑽石）僅作為道具，絕不作為主角。
• 每個主角都有行頭：每個主角都有穿戴配件。說唱風格：帶有吊墜的鏈條、牙套、臉部紋身、耳環和帽子（鴨舌帽、頭巾、水桶帽、毛線帽、皇冠）；其他類型請參閱第 0b 節。
• 每個場景都有關聯動作：開車、騎腳踏車、參加考試、用手機拍攝、釣魚、當 DJ、舉重、自拍、撒錢。
• 每個場景一個調色盤，根據歌詞情緒選擇。歌詞風格在場景間保持一致，使影片讀起來像一個整體。
• 一個重複出現的主角（墨鏡表情符號） 負責副歌，並在最後的副歌中帶著整個陣容回歸。
• 繪製原創的表情符號風格角色。不要複製任何廠商的表情符號集。
• 先顯示一個測試場景（或 3 種調色盤選項），獲得同意後再建構所有內容。使用 SendUserFile 發送預覽靜態圖像。

0b. 適應音樂（任何類型）

在選擇任何東西之前先讀取曲目。類型是輸入，而非假設。

• 速度搜尋：搜尋 60-180 BPM，然後根據小鼓或拍掌落在哪裡（第 2 和第 4 拍）來解析是半速還是倍速。Trap 和嘻哈通常讀作 140-150 但感覺是半速；鼓打貝斯（Drum and bass）讀作 170+ 但可以以半速動畫化。存儲 FPB（感覺節拍）和網格節拍。
• 拍號：預設每小節 4 拍；將每小節拍數設為參數（華爾滋為 3，6/8 拍為 6），並在 FR(bar) 和小節長度表達式中使用它。
• 速度漂移（現場樂團、較舊錄音）：如果 comb 分數較弱或有漂移，則使用追蹤的節拍列表，並為每個節拍鍵入一個 beat_phase 屬性，而不是使用固定週期的表達式。
• 幀率：選擇能讓每個感覺節拍得到整數幀的 fps；否則使用 25 並接受分數節拍。
• 按照感覺移動：
  • 四拍地板（House、Techno、Disco、Amapiano）：每拍均勻彈跳，穩定搖擺。
  • 半速（Trap、嘻哈、Drill、Dubstep）：第 1 拍重擊，第 3 拍後傾，小的高帽（hi-hat）速度細節。
  • Off-beat（雷鬼、Dancehall、Afrobeats、Ska）：在 OFFP 上彈跳，臀部以 2 拍週期搖擺。
  • 快速（鼓打貝斯、龐克、Hardcore）：半速身體，全速手部和道具。
  • 慢速（情歌、R&B、靈魂、Lo-Fi）：僅搖擺，長週期，幾乎無擠壓，歌詞以慢淡入取代彈出。
  • Swing/三連音（爵士、藍調、Shuffle）：將 off-beat 延遲到節拍的 2/3。
• 以能量決定切換速率：平靜時 8-16 小節一個場景，副歌時 4 小節，Drop 和高峰時 1-2 小節。
• 根據類型和歌詞決定外觀：選擇屬於該音樂的調色盤、世界、帽子和配件（說唱用鏈條和牙套，舞曲用耳機和遮陽板，鄉村用牛仔帽，民謠用花朵，搖滾用鉚釘）。始終保持表情符號臉孔作為主角，並維持行頭規則：每個主角都有穿戴配件。
• 歌詞風格：重低音曲目用硬彈出和震動；柔和曲目用平滑滑動和淡入；呼喊和 Hook 用較大字體。語言遵循提供的歌詞（永遠不要「修正」方言或洋涇浜語）。
• 純樂器曲：無歌詞圖層；在 Drop 處使用標題、段落名稱或簡短情緒詞，並讓道具講述故事。
• 用一句話與使用者確認讀取結果（BPM、感覺、段落地圖），然後再開始建構。

1. 分析歌曲（工作區）

• pip install --break-system-packages -q librosa，然後在 BPM 範圍內對低頻段（<130 Hz）通量進行 comb 搜尋，得到精確的 BPM 和第一拍偏移；列印每小節的 kick（K）和響度（R），以查看前奏、律動、Drop 和靜音部分。不要相信提示中寫的 BPM（Suno 提示說 140；但曲目實際是 150）。
• 當 25 fps 能給出每個節拍整數幀時（120、125、150 BPM 可以），就使用它。
• 歌詞時間碼：工作區內無法下載語音模型，且從 shell 上傳到 Descript 存儲會被阻止。調用 Descript file_upload_ui，要求使用者將音檔放入，wait_for_job，然後將 export_transcript 匯出為 srt。對於清晰的說唱/口語部分，期望逐行時間碼；對於密集或歌唱部分，期望區塊級（或缺失）時間碼；將使用者的實際歌詞與那些時間戳手動匹配，並將剩餘部分均勻地分配到小節中。告訴使用者哪些部分是估算的。
• 撰寫場景表：段落、開始小節、表情符號、世界、動作、調色盤。場景邊界位於小節上（半小節也可以）。在沒有人聲的段落添加純樂器場景（標題卡、Drop）。

2. Blender 設定

• 使用 blender__get_scene_info 檢查連線。在清除已儲存檔案前先詢問。及早儲存（要求一個資料夾；Blender 的 Python 可以直接讀取使用者的資料夾，因此將音效條指向原處的音頻，而不是複製它）。
• 扁平 2D：正交相機位於 y=-20，沿 +Y 方向觀看，ortho_scale 為 16（視野為 16 x 9 單位）。所有內容都在 XZ 平面繪製；深度是物體的 Y 值（較大的 Y 值在更後面）。
• 每個場景位於 X = 索引 * 40 處，在自己的集合 S01_... 中；相機在位置 X 上使用 LINEAR 鍵（以及在每個場景內的小幅漂移）在它們之間跳躍，並為每個剪輯點設定時間軸標記。
• 色彩：view_transform='Standard'，look 為 None。將可重複使用的程式碼儲存在 bpy.data.texts 中，並在每次呼叫的頂部使用 exec 執行。

3. 耗時找到的 Grease Pencil 規則（Blender 5.x）

• 資料是 bpy.data.grease_pencils；layer.frames.new(1).drawing；drawing.add_strokes([n])；設定 point.position=(x,0,z) 和 point.radius；呼叫 drawing.tag_positions_changed()。
• 除非每個填滿的筆畫都有非零的 fill_id，否則填滿不會渲染。對填滿使用 stroke.fill_id = unique int，對線條使用 0，並在僅填滿的筆畫上設定 stroke.hide_stroke = True。對一個文字字形的所有閉合迴圈使用相同的 fill_id，以便字母內孔能被切除。
• 材質：bpy.data.materials.create_gpencil_data(m)；show_fill / show_stroke；透過 fill_style='GRADIENT' 實現徑向漸層。材質顏色是線性的：使用 (v/255)**2.2 轉換十六進制，否則所有顏色看起來都會很淡。
• 在每個圖層上設定 layer.use_lights = False。
• 字型/曲線文字物件在渲染時會被 Grease Pencil 遮擋。 將文字轉換為 GP：建立一個臨時的 FONT 曲線，evaluated_get(dg).to_curve(dg)，使用 mathutils.geometry.interpolate_bezier 取樣貝茲曲線，將閉合迴圈繪製為 GP 筆畫（先畫輪廓筆畫，再畫填滿）。在單獨的暫存場景中進行臨時工作，這樣主場景的 depsgraph 就不會因每個文字而重新求值（此方式處理 486 個文字僅需 3 秒）。
• 半透明填滿疊加在半透明填滿上看起來很混濁；對於光線和光暈，偏愛使用不透明的深色。
• 驅動程式：自動執行 Python 通常已關閉，因此每個驅動程式必須是一個簡單的表達式（sin abs exp fmod min max pi frame）；斷言 driver.is_simple_expression。

4. 節拍表達式（F0 = 第一拍幀數，FPB = 每節拍幀數）

PULSE = exp(-fmod(frame-F0+BIG, FPB)/(FPB*0.25))        # 每拍為 1，衰減
OFFP   = 同上，偏移半拍                          # 弱拍
HALF   = exp(-fmod(frame-F0+BIG, 2*FPB)/(FPB*0.45))      # 每 2 拍
OFFB   = HALF 偏移一拍
SWAY(per,ph) = sin(pi*(frame-F0)/(FPB*per)+ph)
FR(bar) = F0 + round(4*FPB*bar)

dance(obj)：位置 Z += bouncePULSE，縮放 X (1+squashPULSE)，縮放 Z (1-squashPULSE)，旋轉 Y += swaySWAY。在相鄰物件之間交替使用 PULSE 和 OFFP。雙手在 HALF/OFFB 上聳肩。相機 ortho_scale = 16*(1 - zoom*PULSE)，帶有一個有鍵入的 zoom 自訂屬性（在 Drop 和副歌中更大）。

5. 一次性建立的輔助函式庫

• 形狀：ell（橢圓）、rect（矩形）、rrect（圓角矩形）、star（星形）、drop（水滴）；F（填滿）、S（線條）、P（填滿 + 墨線輪廓）。
• emo(C,name,x,z,r,mood)：陰影、黃色漸層圓盤、光澤，然後根據情緒繪製特徵。儲存 o["r"]=r 以便配件縮放。
• 行頭：chain(o,pendant,ice)（鏈條）、grills(o)（牙套）、tattoo(o,kind,side)（紋身，類型包括淚滴、十字、星星、線條、文字）、earring(o,side)（耳環）、hat(o,kind,col,col2,tilt)（帽子，作為子物件）、headphones(o)（耳機）、hand(...)（手，可帶戒指和手錶）。
• 世界：sky(C,X,top,mid,bot)（天空，16 色條帶）、ground（地面）、city（城市天際線，帶有發光窗戶）、wheel（輪子，帶有旋轉驅動器）、phone（手機）。
• preview(shots)（預覽）：以 33% 渲染靜態圖到 /tmp，並使用 montage(paths) 用 numpy 將它們拼貼成一個圖像；使用 blender__look(image=path) 查看。在渲染前以這種方式檢查每個場景。

6. 歌詞圖層

• 資料：列表 (kind, t0, t1, text)，kind 為 L（歌詞行）、A（即興詞）、H（Hook 詞）、B（大聲呼喊）。將其作為 JSON 儲存在文字區塊中。
• L：將文字分割成單詞，在大小為 0.78、間距為 0.44 的情況下，換行至 14.4 單位寬，置於畫面頂部。每個單詞都是自己的 GP 物件，在 start + i*step 處出現（step 從行持續時間計算，2 到 8 幀），並在下一行開始或場景切換時隱藏。
• 每個單詞的驅動程式：scale = vis * pop * (1+0.10*PULSE)，其中 vis 是 2 幀的淡入/淡出斜坡，pop 是 6 幀的過衝；location X/Z += shake*sin(frame*k+ph)*PULSE 用於低音震動。
• A：粉紅色、傾斜、交替左右。H：黃色、底部、從上方落下。B：金色、大小 1.5、頂部。
• 將每個場景的歌詞物件放入 LYR_Sxx 集合中，以便渲染區塊可以隱藏其餘部分。

7. 渲染（快速路徑）

• 全場景渲染約 1.3 秒/幀，因為每個 GP 物件都會被求值。改為並行渲染每個場景的一個區塊：為每個場景啟動一個背景 Blender，設定對除 Sxx_、LYR_Sxx 和 CAMERA 以外的所有集合 hide_render，移除音效條，並寫入無音訊的 H264。每次從分離的執行器進程（start_new_session=True）運行 5 個，並記錄到 render_log.txt。
• 然後在一個工廠空場景中組合，在每個場景的起始幀處放置影片條（movie strips），再加上音效條，輸出 H264 + AAC。將該場景的 view transform 設定為 Standard，否則最終影片會變暗且去飽和（工廠預設為 AgX）。
• 在最終檔案驗證完成前，不要刪除區塊。
• 驗證：將 mp4 載入為 movieclip（檢查幀數、fps、尺寸）和音效（檢查取樣率、通道數）；透過具有 Standard view transform 的臨時序列器場景提取約 16 幀，製成接觸表（contact sheet）並查看。背景日誌中的 bgl 插件回溯訊息是無害的。
• 不要在緊湊迴圈中輪詢；每次檢查之間休眠約 5 分鐘，並告訴使用者預期時間。

8. 交付

• 告知 mp4 和 .blend 檔案的位置（以純文字加上一個 computer:// 連結的形式），並發送接觸表。
• 說明哪些內容未被檢查（你只看到了靜態圖，而非播放），以及哪些歌詞段落是估算的。
• 提供按場景或按歌詞行的修正選項；時間軸標記代表剪輯點，歌詞 JSON 包含時間碼。