svg-voiced-video-studio:60幀有聲 SVG 影片與多平台交付工作坊
把文稿、分鏡或核實過的案例轉化為 本地個人音色零吞字配音 + 4K 60fps 原生幾何 SVG 動態影片 + @2x 四尺寸防裁切封面 + 五平台標題簡介與置頂首評。
關鍵不變量
- 先體檢稿件與配音環境,再拆句多遍快取合成。 依據:漢語雙音節韻律詞理論、受眾共同基礎理論、Grice 會話準則與內容尋址冪等構建。合成前必跑 lint_script.py:清查書面公文單字、二元反轉、五類口播 AI 指紋(假共情、假深刻、自我加權、萬能模板、三連排比)、冷開場報幕、括號補充、氣口超長、句長變異係數(
≥ 0.25)、多音字與數字英文讀法;實測拆解類保留受眾通用計量詞(如token)並全片統一、直呼對象與信源真名、按時間先後收束選型;讀錯的詞用{念法=>字幕}或ttsText雙軌鎖定。合成腳本支援--check-only預檢與out/.tts_cache/分句哈希續合,在;:——(氣口0.18s)和。!?(氣口0.30s)處物理拆句多遍擇優(唯一參數出處見 口播人話與防切尾音工藝手冊)。 - 實測秒數反向驅動
60fps時間軸,快離場且露出幀對準命中點。 依據:歸一化時間參數化與視聽同步感知窗。合成腳本寫出scenesData.json;組件嚴禁寫死幀號,彈簧按SPRING_PRESETS四檔統一同類元素(模式 C 鎖無回彈檔),離場0.25s快於進場,遮罩轉場用revealOn()讓露出幀對準強調詞或切點,中文畫面字停滿minReadHoldSec()(字數÷4.5+1.5s,關鍵數字≥ 2.5s)。 - 先抽雙態靜態幀目視排雷,再跑全片編碼。 依據:缺陷檢測前移與格式塔圖底分離。每鏡抽
25%(進場態)與76%(文字滿載態),含裂片或軌跡交叉的分鏡加抽48%;確認線條不穿字、路徑閉合、字框淨距≥ 8px、同屏至多 1 處強調色焦點。 - 四尺寸封面一次配齊,
9:16嚴鎖中央3:4安全區。 依據:多視口安全框與中西混排視覺字寬規範。封面主標題純漢字每行≤ 6 字、中西混排視覺字寬≤ 6.2 em(超長不可拆專名用--allow-7特批至7.2 em並自動縮字號8%),9:16版上下留白≥ 240px。 - 發布文案守住語言與事實邊界。 依據:期望違背檢查與知識的詛咒。純文字零格式、去引號、快手最多
4個話題、禁用二元反轉句式、禁止把假設推演寫成作者既成事實、創作者固定結束語原字保留——細則統一見 五平台文案與四尺寸封面規範 第二節第 0 條,旁白與封面同樣適用。 - 哲思人文片終幕原字保留創作者固定結束語。
以不休止的追問,找到鮮活的自我;在有限的共識裡,達成無限的可能。來稿已有就一字不改;從選題生成腳本時預設作為終幕收尾,分號處拆兩句合成,句末留白4.5s~5.5s。純商業快解說按工作區規則或用戶指令執行。 - 分幕隨資訊點動態伸縮,畫面審美、數據口徑與瑞士版式按手冊執行。 依據:Mayer 多媒體學習原則、Tufte 圖形誠實度與瑞士模塊網格。嚴禁硬套或湊滿固定幕數:按「一幕只立一個核心資訊點」隨內容複雜度自然切分(短快評
3~5幕、常規拆解5~9幕、深度長片10~16+幕均可自由伸縮);數據圖表(未核實數字禁上屏、先座標後數據、柱從 0 起算、倍數驗算、來源小字)、橫 12 / 豎 6 欄網格與每期2~3個防同質化風格信號,均以 SVG 動態畫面審美手冊 為準。 - 成片經
-14 LUFS技術終檢與獨立盲審雙過關才交付。 依據:ITU-R BS.1770 響度標準與獨立驗證防確認偏誤。總混音合入避讓人的卡點音效(sfx_synth.py)並拉齊至-14.0 LUFS(真峰值≤ -1.2 dBTP);渲染後必跑 inspect_video.py 硬檢幀數、零黑幀、響度與真峰值(未檢規格標NOT_CHECKED不算通過),並執行獨立盲審。
視覺母版與畫布模式選擇
根據文稿氣質與發布主陣地選擇(工作區 AGENTS.md 或用戶已指定配色時以其為準):
| 模式 | 邏輯畫布 → 4K 成片輸出(--scale=2) | 核心色板(零漸變、0px 直角) | 合成預設 | 封面主題 | 適用題材 |
|---|---|---|---|---|---|
| A. 深炭黑夜車哲思風 | 1920×1080 → 3840×2160 | 底 #111110 · 主墨 #F2EFE9 · 焦點 #D94E28 | --preset long --speed 1.00 | --theme dark | 內省剖析、存在主義長片 |
| B. 瑞士典藏暖宣帳本風 | 1920×1080 → 3840×2160 | 底 #F5F0E6 · 紙面 #FAF7F1 · 炭墨 #191715 · 火漆印 #C83E2B | --preset long --speed 1.00 | --theme vellum | 時間與金錢帳本、古典哲學長片 |
| C. 瑞士暖紙媒豎屏快解說 | 1080×1920 → 2160×3840 | 底 #F5F1EA · 紙頁 #FAF8F3 · 墨黑 #1A1A18 · 硃砂紅 #D93B22 | --preset short --speed 1.07 | --theme editorial | 豎屏商業拆解、產品橫評與實盤數據短片(幕數隨資訊點自然伸縮) |
數字統一 font-variant-numeric: lining-nums tabular-nums,嚴禁預設舊式數字字體(如 Georgia)。
模式 C 額外注意:外殼傳 theme={EDITORIAL_PAPER_THEME};豎屏畫布自動切換平台遮擋安全區(上 ≥ 200px、下 ≥ 400px、右 ≥ 140px,字幕單行 ≤ 16 字);圖形只畫在 safe 矩形內並用 swissGrid(safe) 貼 6 欄網格;逐條核對 lint 輸出的數字讀法清單。
標準五步工作流
若工作區 AGENTS.md 設有人工審閱閘門(選題、文稿終審),先在對應閘門停下,嚴禁未獲放行提前渲染:
- 定稿前內部盲審與決策落盤:提交文稿終審包前,若宿主支援子 Agent,先派未參與寫稿的子 Agent 對照去 AI 味五類與事實邊界審一遍並改淨。定稿包將「核心主張一句話、模式及挑中的 2~3 個風格信號(至少 1 個跳出最俗版)、音色與語速、標好
*關鍵詞*的逐幕口播與九欄分鏡自檢、四尺寸封面大字、五平台標題」逐項編號;用戶拍板後立即寫入工程目錄out/定稿決策.md,後續渲染與跨會話接手均以該文件為唯一事實源。
第 1 步:稿件體檢與零吞字快取配音混音
- 執行
python scripts/lint_script.py 稿件路徑,修淨句式、五類 AI 腔與公文單字;核對多音字與數字英文讀法清單,讀法不對寫{念法=>原文}。 - 定位
gpt-sovits-studio/voice_profile.json(存在.venv\Scripts\python.exe專屬環境時優先用其執行,首次加--check-only秒級預檢權重、CUDA 與ffmpeg)。訓練新音色或遇 Windows 記憶體報錯先讀 GPT-SoVITS Windows 單卡微調排坑手冊。 - 執行 synth_voiceover_template.py(選
--preset、--speed、--sfx auto,含英文專名或技術詞時加--asr-verify;已合分句自動走out/.tts_cache/複用,全量重算加--force-resynth)。產出:public/audio/S01..SXX.mp3(純人聲質檢用)、ambient_pad.mp3、sfx_bus.mp3、mixed_master_ducked.mp3(48kHz-14.0 LUFS人聲+閃避底樂+避讓音效總母帶,成片唯一音軌)、src/data/scenesData.json、out/下.srt、chapters.txt與sfx_cues.json。 - 點睛的 1~2 句可加
"fx": "canyon" | "tape" | "water"(見 voice_fx.py);編碼影片前必須用多模態read_file逐幕真耳聽檢public/audio/S01..SXX.mp3(重點核聽英文專名與多音字無糊音、無跳詞;純中文微調音色遇token用{偷肯=>token}、PDF用{P D F=>PDF}雙軌鎖定)。
第 2 步:搭建解耦 Remotion 60fps 原生 SVG 工程
- 有可複用的
node_modules時用 Windows 目錄 Junction 掛載。 - 複製 motion_60fps.ts 與 SceneFrameShell_60fps.tsx,遵守工程約定:
- 合成 ID:整片
MainEssay,分幕Scene-S01…Scene-SXX;用toShellTimeline()轉換時間軸; - 音軌:只在
MainEssay根合成掛一次audio/mixed_master_ducked.mp3,外殼playSceneAudio保持關閉; - 所有
interpolate()顯式clamp;統一用SPRING_PRESETS、EASE_SNAP / EASE_GLIDE / EASE_WHIP、預設0.25s快離場、revealOn()露出對齊、minReadHoldSec()停留時長與swissGrid(safe)模塊網格; - 審美與數據實現用
accentAt()+mixHex()(紅隨聲走)、cameraAt()(單畫布推移)、taperStroke()/inkJitter()(模式 A、B 墨線),商業圖表嚴守審美手冊第二節數據口徑。
- 合成 ID:整片
第 3 步:雙態抽檢、-14 LUFS 程序化終檢與獨立盲審
npx tsc --noEmit零類型錯誤。- 執行 extract_keyframes_template.mjs 導出關鍵幀(預設綁定
18123端口避開 Windows Hyper-V/WinNAT3000–3100保留端口段),目視排查穿字、缺口、孤行與平台遮擋,再跑 audit_aesthetics.py 處理紅色焦點、元素數、方框線、主角高度、密度起伏與字號提示。 - 執行
npx remotion render … --scale=2 --codec=h264 --crf=16 --pixel-format=yuv420p --port=18123預設直出原生真矢量 4K60fps成片(豎屏2160×3840、橫屏3840×2160,徹底消除yuv420p4:2:0 色度減半導致的硃砂紅邊緣發虛;studio預覽附帶--port=18123防No available ports found)。 - 必跑 inspect_video.py(傳齊
--expect-size 2160x3840[橫屏3840x2160]、--expect-fps 60、--scenes-json src/data/scenesData.json),確認 4K 解析度、幀數、零黑幀、-14.0 ± 1.5 LUFS響度與≤ -1.0 dBTP真峰值全部PASS。 - 若宿主支援子 Agent,把生成的
qa_sheet.png、qa_phone.png與「觀眾該記住的一句話」交給不看程式碼的獨立審片子 Agent,交回最嚴重的≤ 3個帶時間碼問題;修淨複驗後再進入下一步。
第 4 步:渲染 @2x 四尺寸防裁切高清封面組
- 按 五平台文案與四尺寸封面規範 擬定封面大字並過三道硬檢。
- 執行 render_4covers_template.py(
--theme按模式表選擇)輸出四規格.png,逐張核查無單字孤行且9:16文字完全落在中央3:4安全框內。
第 5 步:交付純文字五平台文案與結構化驗收單
按規範第二節輸出純文字零格式文案(B 站時間軸直接取 out/chapters.txt;工程記錄留在 out/,不混入交付目錄)。最終回覆給出 .mp4、.srt、四張 .png、文案 .md 的可點擊連結、npm run studio 預覽與重渲命令,並固定附精簡交付驗收單(已驗證項、未驗證項、設計例外理由)。
邊界、授權與停止條件
- 適用邊界:實景剪輯、真人摳像、3D 寫實渲染需求,直接說明本 Skill 專注程序化原生 SVG 有聲動態影片與多平台包裝,不強套模板。
- 外部動作授權:預設只在本地生成檔案;未經用戶明確指令,不調用瀏覽器或介面自動上傳發布。
- 完成驗收標準:
inspect_video.py全部硬檢項為PASS(無FAIL或NOT_CHECKED),四尺寸封面與純文字五平台文案齊全,驗收單如實寫明已驗證範圍與例外說明。