編輯型 AI 影片工作室工作流程 (短摘要 + 發布 + 長篇解說)
總覽
此工作流程在三種渲染軌道上強制實施 Anthropic 溫馨編輯美學(零藍色規則):
- 引擎 1 — 談話頭 + 編輯合成 (
scripts/fable_studio.py):- 真人主持人片段 (Google Flow / Veo):產生 2 到 N 個逼真的談話頭片段(暖色鎢絲攝影棚燈光 — 絕無氖藍/紫 — 加上純色
#97A396鼠尾草綠攝影棚牆壁),並嚴格遵守「無畫面文字」及政策安全的語音式/描述性中文口語。 - 程式化動態圖形:合成動態文字排版、頭後 GrabCut 圖層疊加、赤陶色 (
#D97757) 閃卡、鼠尾草綠 LAB 色版分離、即時 RMS 語音波形、暖色羊皮紙 (#FAF9F5) 貼紙剪影 + 傾斜拍立得、暖碳色光圈光圈 -> 建築級 3 軌 NLE 時間軸 + 雙邊框工作室視埠、暖碳色 (#1C1B19) 雙邊框打字卡片、阻尼彈簧物理效果 (spring_ease),以及 118 BPM 側鏈壓縮音訊混音。
- 真人主持人片段 (Google Flow / Veo):產生 2 到 N 個逼真的談話頭片段(暖色鎢絲攝影棚燈光 — 絕無氖藍/紫 — 加上純色
- 引擎 2 — 純向量產品/編輯發布 (
scripts/render_web_stage.py+scripts/stage_template.html,鏡像於web_stage/):- 確定性 無頭 Chrome + Playwright 影格捕捉渲染 HTML5/CSS3/SVG UI 卡片(
0.0%冷藍色、雙邊框容器、原生<kbd>按鍵、CSSletter-spacing、平滑自動跟隨縮放、阻尼彈簧)。
- 確定性 無頭 Chrome + Playwright 影格捕捉渲染 HTML5/CSS3/SVG UI 卡片(
- 引擎 3 — 長篇文章解說 (
scripts/explainer_studio.py+scripts/explainer_stage.html):- 無限章節(1–20+ 分鐘)Markdown/文章解說影片,具備音訊驅動的章節影格鎖定(
edge-tts神經網路中文語音 + 離線 macOSsay備援)、同步的即時 RMS 波形 + 子句字幕,以及 6 種編輯佈局(title_hook、quote_highlight、architecture_flow、code_walkthrough、comparison_bento、summary_takeaway)。
- 無限章節(1–20+ 分鐘)Markdown/文章解說影片,具備音訊驅動的章節影格鎖定(
四項反 AI 雜訊規則 (預設強制執行)
- 零藍色規則:預設畫布與卡片色調為暖色羊皮紙 (
#FAF9F5/#F3F1EA)、暖碳色 (#141413/#1C1B19)、赤陶色 (#D97757)、植物鼠尾草綠 (#788C5D),以及1px邊框 (#DFDCD2)。Google Flow 攝影棚燈光使用暖色鎢絲主光 + 柔和琥珀色邊緣光(零氖藍或紫色燈光)。 - 建築級 NLE 時間軸 B-Roll:節奏轉場使用帶尺規的
#FAF9F5製圖網格、雙邊框即時視埠,以及 3 軌時間軸(01 / VIDEO TRIM、02 / ZOOM · Z貝茲曲線、03 / VOICE 48K),禁止使用深藍色假天際線與氖光網格。 - 雙渲染引擎:Veo 主持人故事使用
fable_studio.py,或是在需要純 UI/瀏覽器級別向量動態圖形時,改用web_stage/render_web_stage.py+web_stage/stage_template.html。 - 阻尼彈簧物理效果與定量驗證:UI 轉場使用諧波
spring_ease(t, stiffness, damping)緩動函數,而fable_studio.py verify會報告跨合成圖形節拍(#3、#6、#7)的ui_beat_cold_blue_pct,以及ffprobe串流資訊和verify_grid.jpg。
預設獨立使用者工作目錄:/Users/wangxinglin/Downloads/AI視頻工作流/。
相依性
- 瀏覽器自動化:在瀏覽器中控制 Google Flow 之前,請參閱現有的
ego-browser技能。切勿在ego-browser之外複製瀏覽器自動化設定。 - Python 執行環境:
/Library/Frameworks/Python.framework/Versions/3.10/bin/python3(已預裝playwright、cv2、numpy和PIL;/usr/bin/python3缺少這些套件)。 - Web-Stage 瀏覽器:
/Applications/Google Chrome.app/Contents/MacOS/Google Chrome(render_web_stage.py以無頭模式使用)。 - 媒體二進位檔案:
/opt/homebrew/bin/ffmpeg、/opt/homebrew/bin/ffprobe。
快速開始
PY=/Library/Frameworks/Python.framework/Versions/3.10/bin/python3
STUDIO="/Users/wangxinglin/Downloads/AI視頻工作流"
# 1. 建立或重設 project.json(支援 --aspect 16:9|9:16 和 --segments 3|4|5)
$PY "$STUDIO/fable_studio.py" init --output "$STUDIO/project.json" --aspect 16:9 --segments 3
# 2. 匯出經過安全降風險處理的 Google Flow 提示與素材錨點說明
$PY "$STUDIO/fable_studio.py" flow-plan --project "$STUDIO/project.json" --output "$STUDIO/output/flow_tasks.json"
# 3. 在片段 clips/seg_01.mp4..seg_0N.mp4 存在後渲染最終影片
$PY "$STUDIO/fable_studio.py" render --project "$STUDIO/project.json" --output "$STUDIO/output/《今日AI大事件》成片.mp4"
# 4. 驗證 A/V 串流並產生 9 拍連絡表
$PY "$STUDIO/fable_studio.py" verify --video "$STUDIO/output/《今日AI大事件》成片.mp4" --output "$STUDIO/output/verify_grid.jpg"
工具指令稿
-
scripts/fable_studio.py(鏡像於/Users/wangxinglin/Downloads/AI視頻工作流/fable_studio.py):init -o <project.json> [--aspect 16:9|9:16] [--segments N] [--hud-prefix "AI DAILY"] [--cta "每天一分钟 · 点个关注"](N >= 2,無限制片段數)flow-plan -p <project.json> [-o <flow_tasks.json>]:對口語對話套用safety.auto_derisk,同時在疊加欄位中保留原始品牌拼寫。render -p <project.json> [-o <output.mp4>] [--keep-temp]:驗證所有片段存在,渲染完整的 Fable 節拍,自動清理暫存中間檔案。verify -v <video.mp4> [-o <verify_grid.jpg>]:執行ffprobe,報告跨圖形節拍(#3、#6、#7)的ui_beat_cold_blue_pct,並儲存 3x3 帶時間戳的連絡表。
-
scripts/explainer_studio.py+scripts/explainer_stage.html(鏡像於/Users/wangxinglin/Downloads/AI視頻工作流/explainer_studio.py和web_stage/explainer_stage.html):- 長篇音訊驅動的文章解說模式,支援無限章節(1–15+ 分鐘)。
init -o <explainer_project.json>:建立一個涵蓋全部 6 種 Anthropic 編輯佈局(title_hook、quote_highlight、architecture_flow、code_walkthrough、comparison_bento、summary_takeaway)的 6 章起始 JSON。from-markdown -i <article.md> -o <explainer_project.json>:自動將任何 Markdown 文章轉換為多章節解說 JSON。render -p <explainer_project.json> -o <output.mp4> [--voice zh-CN-XiaoxiaoNeural] [--tts auto|edge|macos]:透過edge-tts合成各章節旁白(並提供離線 macOSsay -v Tingting備援),將確切影格計數及 RMS 波形 + 子句字幕鎖定到音訊時長,透過無頭 Chrome Playwright 渲染,並混入 112 BPM 側鏈壓縮節奏。verify -v <output.mp4> [-o <verify_explainer_grid.jpg>]:執行ffprobe,測量取樣影格的cold_blue_pixel_pct,並建立 3x3 連絡表。
支援的輸入模式
- 一句話主題 ("一句話出片"):
- 當使用者詢問今日/近期新聞時,透過
search_web研究當前事實性新聞/事件。 - 為每個片段起草約 9 秒的口語腳本,將真實品牌排版映射到視覺疊加欄位,並填入
project.json。 - 執行
flow-plan,透過ego-browser在 Google Flow 中產生每個片段,將片段下載到clips/seg_01.mp4 ..,然後執行render和verify。
- 當使用者詢問今日/近期新聞時,透過
- 長篇文章 / Markdown 解說 ("講解一篇文章 / 長視頻模式"):
- 接受任何貼上的文章、Markdown 檔案或主題;轉換/結構化為 N 個邏輯章節(
explainer_studio.py from-markdown或跨所有 6 種佈局的自訂 JSON:title_hook、quote_highlight、architecture_flow、code_walkthrough、comparison_bento、summary_takeaway)。 - 執行
explainer_studio.py render+verify(音訊時長驅動影片影格計數,無 A/V 偏移)。
- 接受任何貼上的文章、Markdown 檔案或主題;轉換/結構化為 N 個邏輯章節(
- 自訂腳本 / 分鏡 ("自帶口播/分鏡"):
- 在使用者
segments[*].spoken_text中保留使用者的確切口白,並將醒目的視覺標註提取到疊加欄位中(behind_head_left/right、flash_card_title、behind_body_lines、cutout_title/cutout_serif_lines、broll_caption、user_prompt_text)。 - 執行
flow-plan-> Google Flow ->render->verify。
- 在使用者
- 自訂人物 / 照片 + 彈性格式 ("自帶照片 / 自定義形象 / 豎屏 9:16"):
- 將使用者的人像照片複製或參照到
persona.dark_anchor_path(及/或green_anchor_path),設定persona.mode = "custom",或設定format.aspect_ratio = "9:16"(1080x1920)。 - 可選地自訂
brand.hud_prefix和brand.cta_text。
- 將使用者的人像照片複製或參照到
Google Flow 瀏覽器操作手冊 (透過 ego-browser)
- 工作區檢查:首先呼叫
listTaskSpaces();在 Chrome "Profile 2"([email protected])上重用工作區"flow-google-duanju"。切勿留下未關閉的分頁;在下載完成後,透過task.finish({ keep: [...] })乾淨地結束。 - 模型與比例選取:使用
"Veo 3.1 - Lite"(預設)和"x1"批次計數;將"16:9"或"9:16"與project.json匹配。 - 附加一致性素材:
- 上傳或選取
assets/default_dark_anchor.png/assets/default_green_anchor.png(或使用者的人像照片)。 - 驗證素材晶片附件:在提交前,確認素材按鈕(
button "素材")嚴格位於 DOM/快照中最後一個svg_root和文字欄位"您希望創作什麼?"之間。
- 上傳或選取
- Snackbar 障礙處理:在點擊附近的媒體卡片之前,先點擊
text "關閉"來關閉任何"已將 X 項內容移至回收站"的 snackbar。 - 靜默安全重試:始終從
flow_tasks.json讀取提示(flow_prompt,已降風險處理)。如果 Google Flow 因政策/安全原因拒絕提示(儘管已執行auto_derisk),立即在spoken_text_safe中軟化其餘專有名詞、金融用語或地緣政治措辭,並靜默重試,不中斷使用者操作。
合成與排版護欄
- 無豆腐字:切勿在 Pillow 文字圖層中使用表情符號(
🔥、💳)或不支援的符號(▸);堅持使用乾淨的中文/ASCII 字元以及·、—、&、●。 - OpenCV 陣列連續性:將 PIL RGBA/RGB 切片轉換為供 OpenCV 呼叫(
rectangle、warpAffine、GaussianBlur)使用的 BGR 陣列時,務必使用np.ascontiguousarray(...)進行包裝,並使用np.zeros((H, W, 3), dtype=...)明確配置浮點緩衝區。 - 清理暫存檔案:在
render完成後,必須清理output/內部的暫存標準化 WAV/MP4 目錄(僅在除錯時使用--keep-temp)。
常見錯誤
- 執行
/usr/bin/python3而非 Python 3.10:導致ModuleNotFoundError: No module named 'cv2'。務必使用/Library/Frameworks/Python.framework/Versions/3.10/bin/python3執行。 - 將
"新聞記者"或未經遮罩的"OpenAI / IPO"傳入 Flow 對話:觸發安全封鎖或乾枯的新聞主播老套用語。維持"視頻創作者"框架,並先執行flow-plan。 - 讓 Flow 將字幕燒錄到原始影片中:破壞頭後方排版和鼠尾草綠剪影美學。在 Flow 提示中務必保持
嚴格禁止畫面文字。 - 跳過
verify/ 視覺檢查:渲染後務必透過read_file檢查verify_grid.jpg,以確認排版邊距、遮罩邊緣、拍立得放置位置和音訊時長。