combo 風格（博主A × 博主B）
定位與工作方式
暗底固定框架，數位人口播當「邏輯節點」、少而準的動效當「證據」，每一刀都跟著嘴走。 質感關鍵詞：釘死的框架 / 跟著嘴走 / 少而準。 預設以博主A的教學框架為骨架（暗底網格、字幕條、左下圓形 PIP、錄屏推拉、關鍵詞卡、章節卡、螢光綠 HUD），藉博主B 六點：大景每 15–20s 回歸；所有靜態素材線性慢推；數據選題用圖表當證據；PIP 疊在圖表/B-roll 上可「喊話放大」；3 分鐘數據型可加章節角標；大數字卡。 目標成片 1–3 分鐘、16:9、1920×1080、30fps（原片是 20 分鐘長影片，只遷移可遷移的部分）。
這是協作，不是一次性生成。 數位人影片由用戶提供（或用戶拿我們寫的稿子去數位人工具生成），素材（錄屏、截圖、數據）由用戶提供；Claude 負責稿子、分鏡、動效和渲染，每一輪把東西交給用戶看，按回饋改，直到成片和原片一樣精美。
- 品質標準是「像原片」：對照原片證據幀逐項比（字型、陰影、間距、緩動、節奏），不是 lint 通過。lint 只是底線檢查。
- 每輪只交一小份東西，請用戶做具體選擇（見 references/collaboration.md），不要把整條流程悶頭跑完再交。
- 用戶的每個確認和偏好記進該項目的 notes.md；跨項目通用的偏好回寫 references。
- 沒有的素材、沒有的工具如實說「缺/待搭建」，不編造、不假裝已有。
全流程階段與閘門（細節見 references/production-playbook.md）
S1 稿子（Notion 原稿→壓縮口播→鉤子改寫→英文改編，按實測語速回算詞數）→ S2 聲音（使用者 Fish 克隆聲音，絕不用 HeyGen TTS；本機 silenceremove 封頂停頓 + atempo；G2 使用者選最終時長）→ S2.5 素材提示詞包（使用者用 Gemini 生成全部影片/圖片，Claude 給每條提示詞+秒數；入庫質檢；G2.5，見 references/gemini-asset-prompts.md） → S3 HeyGen（瀏覽器驅動；形象/背景/13s 樣片 G3；整條渲染 ≈0.8 積分/秒；身份驗證/付款/刪除只由使用者做）→ S4 樣張 G4 → S5 B-roll（Pexels，記 LICENSES，30fps，航拍才插值）→ S6 timeline（字幕/關鍵詞時間必須來自詞級強制對齊，不得估算；預覽前過 G5.5 字幕同步檢查，見 references/subtitle-sync.md）→ S7 低清預覽輪 v1..vN G5 → S8 動效精修+SFX+創意圖形（references/motion-polish-and-sfx.md）→ S9 終版 crf18 + loudnorm -16 LUFS（-c:v copy）→ S10 自檢 + 拷到桌面 G6（130MB 不進雲盤）。
預設不做 BGM：交付「人聲+SFX」版，使用者自己在剪映加音樂；assets.bgm 不寫，SFX 保持安靜。
用戶在意什麼（每條影片動手前過一遍）
- 畫面要豐富的真實 B-roll，不是只有關鍵詞卡；缺素材就去免費商用庫找，別降級成字。
- 動效絲滑精緻：彈簧/緩動、遮罩+模糊出現、運動模糊、精確退場；逐幀自查。
- 有退場也有音效（SFX 輕、密度 ≤0.8/s）；結構點用創意圖形（鏈/階梯/閘門/圖標）而不是字，圖形用粗 Anton 數字、粗線。
- 英文影片螢幕零漢字（含 B-roll 裡的牌子，OCR 抽檢）。
- 原片是參考不是照抄：撞 PIP/字幕就按實際改，小設計自己定，只把改變觀感的大選擇交給用戶。
- 協作不是一鍵：每個閘門停下給用戶看，確認後寫 notes.md。
為什麼看著舒服（核心原理，數值見 references/comfort-rules.md）
- 剪輯跟著嘴走：約七成切點落在字幕換句處（博主A中位 69%、博主B 70–88%）；每 2–3 句一個主畫面（4–7s）；貼字在說到那個詞時出現（−2~+4 幀，寧晚勿早）。
- 固定框架裡只換內容：字幕全片一個樣式、y 抖動 ≤1% 畫高；只用兩種底（#010101 網格 / 壓暗 B-roll）；強調色 ≤3；一屏 ≤1 主標題 + 3–4 要素。
- 運鏡少而有目的：錄屏推近只到 1.12 倍、約 28 幀 ease-in-out；主播 punch-in 1.08 倍、≤2 次/分；B-roll 線性慢推 1→1.08；運鏡只作用於內容層，PIP/字幕/HUD 不動。
- 主播 = 判斷，動效 = 證明：提問、轉折、總結給主播大景；事實、數字、流程、界面、比喻給動效。大景每 15–20s 回來一次，無臉段 ≤10s。
- 動效時長有檔位：硬切 0 / 快 6 幀 / 標準 12 幀（慢 18 幀）；停留 ≥40 幀。
語言開關（中文版 / 英文版）
- 預設中文版：本文件與其他 references 的數值都是中文版參數，不變。
- 英文版（使用者說「英文版/純英文影片」，或 notes.md 記 lang=en）：先讀 references/english.md，它給出英文替換值（詞/秒、字幕詞數、拉丁字體與字號、lint 英文閾值、TTS 讀法、英文鉤子、HeyGen/Fish Audio 注意點）；與中文參數衝突時英文版以 english.md 為準，其餘（節奏、運鏡、色值、字幕位置 y 0.905H 與字號 46px）沿用。
- 英文版硬規則：螢幕上零漢字（字幕、關鍵詞、夾頭詞、章節卡、HUD、單位、標註、佔位、片頭片尾、錄屏界面、數位人燒入字幕全部英文/數字/符號）。清單與檢查命令見 english.md §4。
- 英文版的字體/字號/lint 已在工程裡實現：timeline 寫
meta.lang:'en'即切換（缺省 zh，中文不受影響）；只有 english.md §3 末行列的少數變體（gold_card 等）未適配。英文版佔位素材用public/placeholder/en/（舊佔位含漢字）。第 0 輪先問清：HeyGen 是否關字幕、導出分辨率/幀率、Fish 音頻格式。
文件地圖（按需讀取，不要一次全讀）
| 文件 | 何時讀 |
|---|---|
| references/collaboration.md | 每輪都用：交付物清單、怎麼提問、用戶反饋→參數對照表、notes.md 寫法、偏好回寫 |
| references/digital-human.md | 第 0 輪：數位人構圖/背景/語速/導出文件、時間戳獲取、各工具注意點 |
| references/thinking.md | 第 1 輪：選題 5 問、開頭/結構/心理節奏、信息密度、句子角色→誰出鏡、20 分鐘壓成 1–3 分鐘 |
| references/templates.md | 第 1 輪：模板 A/B/C 的 60/120/180s 分段時間表與字數預算 |
| references/hooks-and-copy.md | 第 1 輪：開頭手法庫（填空模板）、文案規則、口播標記、結尾 CTA |
| references/visual-mapping.md | 第 2 輪：內容類型→畫面→組件映射；四拍/演示序列；主播回歸；PIP 預設與切換；禁入區 |
| references/packaging.md | 第 2–5 輪：字幕、色值、字體、關鍵詞卡、夾頭詞、HUD、章節卡、標註框、寬銀幕等版式參數；兩種主題差異 |
| references/motion-and-camera.md | 第 2–5 輪：全部動效目錄（含博主B N23–N30）與虛擬運鏡參數表 |
| references/comfort-rules.md | 第 2、5 輪：11 條舒適度規律（量化）與檢查方法；lint 15 條；必須/應當/可選 |
| references/remotion-pipeline.md | 路徑 B（第 3–5 輪）：timeline.json 字段、組件 props、P2 未實現與替代、數位人接入、lint、渲染命令、常見坑 |
| references/jianying-guide.md | 路徑 A：剪映逐項操作（字幕、關鍵幀推鏡、圓形 PIP、文字動畫時長、轉場、音效、配樂） |
| references/production-playbook.md | 從零做一條完整影片（HeyGen+Fish+英文）：S1–S10 階段/閘門/成本/坑，示例項目 實跑記錄 |
| references/gemini-asset-prompts.md | 素材一律由使用者用 Gemini 生成（S2.5）：shotlist→提示詞包、style bible、影片/圖片提示詞結構、秒數、命名、入庫質檢、重出模板；腳本 make_prompt_pack.py / ingest_gen_assets.py |
| references/motion-polish-and-sfx.md | 退場編排、新轉場、SFX 庫與 cue 規則、無 BGM 預設、mg 圖形套件與何時用圖形 |
| references/english.md | 英文版：詞/秒換算、拉丁字體與字號、零漢字清單與 OCR 檢查、lint 英文閾值與待改代碼、英文口播/鉤子、HeyGen+Fish Audio |
| references/forbidden.md | 第 1 輪與交付前：不能複製的標誌性元素與替換 |
| templates/output-template.md | 最終交付匯總模板（各輪產物拼起來即是；見該文件頂部說明） |
| templates/timeline.example.json | 組件渲染樣例（佔位素材，模板 A 90s，lint 15/15）——只用來看組件長什麼樣、複製 JSON 結構，不是示例選題 |
| templates/build_demo_timeline.py | 用工程裡的 builder 從「beat 列表」生成 timeline 的寫法參考 |
| templates/grid_bg_1920x1080.png | 網格底圖（#010101 + #1A1A1A、72px），剪映路徑直接用 |
| scripts/README.md | 可複用腳本清單（SFX 合成/cue、混音檢查、聯繫表、轉場模式、出圖）及 TS 元件如何帶進新工程 |
| scripts/stills_timeline.mjs | 對任意 timeline 一次打包出多張關鍵幀 PNG（第 3 輪用，已驗證） |
| examples/demo-script.md | 一次協作過程示例：第 0–4 輪每輪交什麼、用戶可能怎麼回饋、怎麼改 |
| video-asset-prep/SKILL.md | 進階動效：口播片裡加 fx 動效積木、做純動效宣傳片、拆新的參考動效影片（規律 / 積木目錄 / 拆解方法） |
Remotion 工程：<工程目錄>/（本機，不在雲盤）。src/tokens.ts 與組件是參數唯一事實來源；與 references 衝突以工程代碼為準。src/ 不是唯讀：按需求需要就改（新增/擴展積木、改共享文件都可以，使用者 2026-10-19 明確認可）；改完建議跑 ae-motion-craft 的回歸檢查確認沒弄壞舊流程；不要 git commit，除非使用者要求。
每個影片專案的目錄約定
Remotion 的 staticFile 只能讀 public/，而 public/ 會被整個打包進每次渲染/出圖——大體積原始素材不要放進 public/。所以每個項目分兩處，slug 用英文小寫短橫線（如 meeting-notes）：
<工程目錄>/projects/<slug>/ # 工作區（不被打包）
input/ 用戶交來的原始文件：數位人原影片、錄屏、截圖、數據（唯讀，不覆蓋）
script.md 口播稿 + 句子角色表（第 1 輪）
storyboard.md 分鏡表 + 素材清單（第 2 輪）
words.json 句級/詞級時間戳（第 0 輪取得；工具見下）
notes.md 決定與偏好日誌（格式見 references/collaboration.md）
review/ 每輪給用戶看的圖/影片（stills、compare、preview，帶輪次與版本號）
<工程目錄>/public/projects/<slug>/ # 渲染用（會被打包，只放處理後的成品素材）
host_full.mp4 host_pip_480.mp4 host.wav # 由 input/ 轉碼得到，規格見 digital-human.md §8
assets/… # 渲染要用的錄屏/圖/B-roll/Logo
timeline.json # timelineSrc = "projects/<slug>/timeline.json"
- timeline 裡所有路徑相對
public/，如assets.hostVideo = "projects/<slug>/host_full.mp4"、assets.files指向projects/<slug>/assets/…（其餘字段見 remotion-pipeline.md §1）。 - 渲染輸出放
out/<slug>/（工程已 .gitignore 掉 out/）。lint:timeline接受任意路徑：npm run lint:timeline -- public/projects/<slug>/timeline.json。 - 本約定沒有改工程 src/；
projects/目錄需要時由 Claude 新建。
協作工作流（第 0–5 輪；任何時候都可以回到前面任一律）
每輪格式：交給用戶看什麼 → 請用戶確認什麼 → 用戶回饋後怎麼改。具體提問句式、回饋翻譯表見 references/collaboration.md。用戶確認後寫進 notes.md，再進下一輪。使用者回頭改前面的輪次時，只重做受影響的部分（改稿 → 分鏡/時間戳/timeline 要重對；改分鏡 → 樣張要重出；改視覺參數 → 不動稿子）。
第 0 輪 素材接收（使用者給數位人影片，或先寫稿再生成）
兩種起點：
- A. 使用者已有數位人影片 → 按下面驗收；通過後取音頻和文字。
- B. 使用者還沒有影片 → 先做第 1 輪的稿子，使用者確認後拿 digital-human.md §6 的粘貼版去數位人工具生成（構圖/背景要求先告訴使用者，生成後無法在後期改），再交回影片，回到本輪驗收。
數位人影片驗收（先 ffprobe -v error -show_entries stream=codec_name,width,height,r_frame_rate,avg_frame_rate,duration,pix_fmt -of default=nw=1 in.mp4 取客觀數據，再抽 3–5 幀用 Read 看圖；標準全文見 digital-human.md §1–§4、§8）：
| 檢查項 | 合格 | 不合格時請使用者怎麼辦 |
|---|---|---|
| 分辨率 | 1920×1080，橫屏 16:9 | 重新導出 1080p 橫版；720p 以下或豎屏需重做，不要拉伸 |
| 幀率 | 30fps 恆定（avg=r） | 可由我們轉碼（-r 30）；若是變幀率先告知轉碼有口型漂移風險 |
| 時長 | 與目標 60/90/120/180s 相符，一次生成整條（不是多段拼接） | 分段生成的膚色/光線會跳變，請合併成一次生成，或說明要接受拼縫 |
| 構圖 | 半身正面、雙手入鏡；臉高約 0.30H、臉中心約 (0.48W, 0.38H)；頭頂留白約 0.07H；臉兩側 x 0.03–0.305、0.667–0.97、y 0.07–0.35 乾淨；手勢不壓 y 0.86–0.93 字幕帶 | 讓使用者在工具裡調景別/縮放/位置重新導出；小偏差由我們在 PIP 取景處補償，大偏差必須重導 |
| 背景 | 暗色單色或乾淨場景（亮度 Y 約 42–62），不是原博主的房間；不閃 | 換暗色背景重導；若是綠幕/透明底，告知目前渲染器沒有換背景實現，需在工具裡燒入暗色背景 |
| 口型與表情 | 抽 3 個說話幀，嘴型清晰、無糊臉/掉幀/手變形 | 指出具體時間點，請使用者換形象/換工具設置重生成該條 |
| 服裝燈光 | 純色深色上衣，無細條紋；臉亮背景暗 | 同上，重導 |
| 音頻 | 影片自帶音軌；最好另導出無 BGM 的 wav | 沒有 wav 我們從影片裡提取（見下）；有 BGM 燒在裡面要請使用者導出無配樂版 |
| 字幕/文字 | 最好附 SRT 或口播稿原文 | 沒有則走下面的轉寫 |
| 驗收結論用 ✓/✗ 表交給使用者，不合格項逐條寫「重導時怎麼設」。 |
取音頻與文字（哪些已有、哪些待搭建）
- ✓ 已有（本機 ffmpeg/ffprobe）：轉碼 30fps、提取音頻
ffmpeg -i in.mp4 -vn -ar 48000 -ac 1 host.wav、做 480p PIP 代理——命令全在 digital-human.md §8。 - ✓ 已有 · 使用者有口播稿（方案 B 或使用者自己提供）：句級文字直接用稿子；時間用 wav 時長 + 字數比例估算，confidence=0.5，貼字偏移 +4 幀（digital-human.md §9-3）。
- ✗ 待搭建 · 語音轉寫 + 中文詞級強制對齊：本機未安裝 whisper / WhisperX / stable-ts / FunASR（已查），Python 裡也沒有；工程裡的
@remotion/openai-whisper只是解析 OpenAI Whisper API 返回結果的工具包，需要使用者的 API Key，我們沒有接入。在搭建並在樣例上驗證中文對齊誤差之前，不能聲稱已有詞級時間戳。可選替代：(1) 數位人工具導出的 SRT（句級）；(2) 使用者在剪映裡「識別字幕」導出 SRT；(3) 使用者同意後由 Claude 搭建本地 ASR（需先徵得同意，裝依賴要說明）；(4) 先用句級估算做樣張，終版前再補對齊。 - 無論哪種，把結果存成
projects/<slug>/words.json並在 notes.md 記明來源與置信度；中文讀錯字要對比稿子（digital-human.md §10）。 交給使用者：驗收表 + 時間戳來源說明 + 需要重導的清單。請使用者確認：影片是否就用這一條；時間戳走哪種方案。
第 1 輪 稿子（選題 → 口播稿 → 句子角色表）
做：選題 5 問（thinking.md §2）、模板類型、一句主張 + ≤3 條證據 + 一個反差（thinking.md §4–§7）、鉤子（hooks-and-copy.md §1–§2）、段落時間表（templates.md；字數 = 時長 × 4.8 左右，教學型 N = round((T−42)/25)）、逐句口播並打 role/intent/marks（hooks-and-copy.md §3–§5；每句 ≤20 字、數字單獨成句、CTA 只在結尾一次、不寫原博主句子，forbidden.md）。若使用者已有影片，則以影片裡的實際台詞為準，只做「角色表 + 修改建議」，不擅自改稿。
交給使用者：2–3 個標題/鉤子備選 + 口播稿全文（可粘貼版）+ 句子角色表（精簡列：句號｜原句｜role｜誰出鏡）。
請使用者確認：鉤子選哪個；哪些句子要刪改；數字/事實是否屬實；字數與時長是否合適。
回饋後：改稿 → 重算字數/語速 → 如已有影片需重新對齊時間。
第 2 輪 分鏡（分鏡表 + 素材清單）
做：判斷句→主播、證明句→動效，連續 2–3 句合一個主畫面，選 PIP 預設（visual-mapping.md、motion-and-camera.md、comfort-rules.md）；開頭 20–30s 最密，之後「15s 緊 + 15–20s 鬆」，大景每 15–20s 回歸，無臉段 ≤10s，punch ≤2/分，錄屏每 3–5s 一次推拉或標註。證據素材不夠就降級為關鍵詞卡 + 主播，不硬湊。
交給使用者：分鏡表（時間｜口播｜畫面｜PIP｜字幕與強調詞｜動效/運鏡）+ 素材清單（每項：id、用在第幾鏡、要什麼內容、怎麼錄/怎麼導、沒有的話的降級方案，如「screen_render：渲染命令運行的錄屏，≥1080p，5–10s，光標可見；沒有則改關鍵詞卡」）。
請使用者確認：分鏡節奏；每個素材能不能提供；缺的素材是補還是降級。
回饋後：改分鏡、更新素材清單；素材到了放 input/，檢查分辨率/內容/隱私信息（帳號、Key、人臉）後轉進 public/projects/<slug>/assets/。
第 3 輪 關鍵幀樣張（與原片證據幀並排）
做：寫 timeline.json（remotion-pipeline.md；可參考組件渲染樣例 templates/timeline.example.json，但內容換成本項目），npm run lint:timeline，然後出 6–10 張關鍵幀——鉤子幀、夾頭詞、關鍵詞卡/章節卡、錄屏推鏡中點、大數字/對比卡、PIP 畫面、字幕幀、片尾幀各選代表：
cd <工程目錄>
# 用法: node <腳本> <timelineSrc> <outDir> <幀號,幀號,…>；打包一次出多張，約 10 秒，輸出 f<幀號5位>.png
node talking-video-oneshot/scripts/stills_timeline.mjs projects/<slug>/timeline.json out/<slug>/stills 45,300,620
# 單張也可：npx remotion still Main out/<slug>/x.png --props='{"timelineSrc":"projects/<slug>/timeline.json"}' --frame=300
# 並排（左原片 右我們，均縮到 960×540）
scripts/compare.sh projects/<slug>/review/r3_cmp_01.png <原片證據幀> out/<slug>/stills/f00045.png # 左原片 右我們，均縮到 960×540
- 原片證據幀在
<素材目錄>的v03|v04|ex04–ex06/evidence/、ex01–ex03/ev/、v01|v08|v09|ex07|ex08/frames|bursts|scenes/；對應analysis.md/motion_catalog.md/transcript.md可查某鏡頭在原片裡的做法。工程compare/下還有各組件的既有對照圖。唯讀，不要改動原片目錄。 - 找不到同類證據幀時，如實標「無對應原片幀」，改用 packaging.md 的參數核對。
- 每張並排圖下寫一行：這是哪一鏡、對標原片哪一幀、我看到的差距（字型/陰影/間距/位置/色值）。 交給使用者：6–10 張並排圖（一次最多發 4 張，分批）+ 我自己看出的差距清單。 請使用者確認：每張「像 / 不像 / 哪裡不像」；哪幾處優先修。 回饋後：按 collaboration.md 對照表改 timeline 或（若是組件級缺陷）記錄為「工程問題」告訴使用者，需要時可以直接改 src/（改完建議跑回歸）；改完只重出被點名的那幾張。
第 4 輪 低清整片預覽
做：整片低清渲染，供看節奏和時間點（高 CRF、可半分辨率；首次渲染前告訴使用者預計耗時，60s 約 4 分鐘量級）：
cd <工程目錄>
npx remotion render Main out/<slug>/preview_v1.mp4 --props='{"timelineSrc":"projects/<slug>/timeline.json"}' --crf=32 --scale=0.5 --codec=h264
（只改局部時先用 --frames=a-b 渲染區間。）預覽若用佔位素材/時間戳是估算的，必須告訴使用者。
交給使用者：preview_vN.mp4 + 我標出的 5–8 個「請重點看」的時間點（mm:ss）。
請使用者確認：逐時間點回饋（格式：「0:23 貼字晚了」「1:05 錄屏推太猛」）；整體節奏是否像原片。
回饋後：把每條回饋翻譯成參數改動（對照表），改完說明「改了哪些鏡頭的那個參數」，再出 v2（盡量只重渲受影響區間）。可多次循環。
第 5 輪 精修與終版渲染 + 自檢
做：處理預覽遺留項；時間戳升級為真實對齊（若第 0 輪用的是估算）；lint 15/15；終版渲染：
npx remotion render Main out/<slug>/final.mp4 --props='{"timelineSrc":"projects/<slug>/timeline.json"}' --crf=18 --codec=h264
再抽 5–8 幀核對（無紅底 「P2 scene not implemented」、字幕不跳、貼字不早於口播、運鏡不過猛、hostAudio 有聲）。按下方「交付前自檢清單」逐條寫 ✓/✗/數值，不確定的列入「待使用者確認」，整理成 templates/output-template.md 交付。 交給使用者：final.mp4 + 自檢表 + 與原片的最後一輪並排幀。使用者不滿意 → 回到對應輪次，不要硬交。
路徑 A（剪映手工）
使用者要在剪映裡自己剪時，第 3–5 輪改為：按分鏡寫 references/jianying-guide.md 的逐項操作說明（字幕樣式、關鍵幀推鏡、圓形 PIP、動畫時長、轉場、音效、配樂），使用者剪出一版後截圖/導出片段交回，Claude 對照原片和 comfort-rules 手查後給修改意見。
兩條執行路徑對照
| 項 | 路徑 A：剪映手工 | 路徑 B：Remotion 自動 |
|---|---|---|
| 適合 | 不寫代碼、素材少、要快 | 要批量、要像素級一致、要自動檢查 |
| 輸入 | 數位人影片 + 分鏡表 + 剪輯說明 | 數位人影片 + host.wav + 時間戳 + timeline.json |
| 字幕 | 識別字幕 → 一個樣式批量套用，y≈0.90H | subtitles[]，box 46px，y 0.905H（stroke 56px，y 0.885H） |
| 推鏡 | 縮放關鍵幀 100→112%，28 幀，緩入緩出 | camera:[{kind:'push',dur:28,scale:[1,1.12],ease:'inOutCubic'}] |
| PIP | 畫中畫 + 圓形蒙版，直徑 0.14W，圓心 (0.08,0.85) | pip:{preset:'bl_circle'}，連續鏡頭自動合併 |
| 檢查 | 手查（comfort-rules.md 的「手查」項） | lint 15 條 + 抽幀 |
| 局限 | 剪映菜單/數值需按版本確認；標註隨推鏡需複合片段 | 圖表/成片全屏/片尾卡/毛筆字/音效未實現（有替代方案） |
最終交付格式（templates/output-template.md；各輪產物拼成）
- 基本信息 1. 標題與封面 2. 口播稿 + 角色表 3. 數位人設置 4. 分鏡表 5. 剪輯說明（5A 剪映 / 5B Remotion） 6. timeline 摘要 7. 自檢 + 待確認項。協作過程示例見 examples/demo-script.md。
交付前自檢清單
- 3 秒內出現鉤子（問句/反差/承諾）且有第一次畫面變化；開頭沒有寒暄、自我介紹、Logo
- 語速 4.5–5.5 字/秒（總字數 ÷ 時長）；每句 ≤20 字；字幕行 ≤14 字（8–10 最佳）
- 英文版：語速 2.2–2.6 詞/秒；每句 ≤16 詞；字幕 ≤7 詞/38 字符；全片抽幀無漢字（english.md §4：timeline 靜態 grep +
tools/ocr對抽幀 OCR，結果 NO_CJK） - 每句都有 role 與 intent；論點在主播、證據在動效；證據不足已降級為關鍵詞卡
- 切點落在句首（±3 幀）≥60%；2–3 句一個主畫面；刀/分 12–20（數據型 ≤24）
- 鏡頭時長：主播 3–6s；B-roll 1.5–3s；卡片 1.5–4s；錄屏 5–10s（中間有運鏡/標註）
- 大景每 15–20s 回歸；最長無臉段 ≤10s；punch-in ≤2/分；疊化 ≤2/分
- 貼字在關鍵詞開始 −2~+4 幀出現、停留 ≥40 幀；同屏文字塊 ≤4
- 動效時長落在 0/6/12（18）幀；運鏡幅度 ≤1.12，只作用於內容層；靜態素材全部慢推
- 字幕全片一種樣式、位置不變；強調色 ≤3；只用兩種底
- 沒有原博主的原句、口頭禪、口號、Logo、形象、標誌性標題與片尾（forbidden.md）
- 內容是使用者自己的主題與素材；示例數據已標「示例」；素材缺口已列出
- 路徑 B：lint 15/15 PASS；抽幀無紅底佔位；hostAudio 已設置（否則無聲）
- 終版：響度 -16 LUFS（人聲+SFX，peak < -1 dBFS）；影片/音頻時長一致（±0.05s）；OCR 每 1.5s 抽幀嚴格檔零漢字；
assets.bgm未設置；成片已拷到桌面，大小與時長寫進交付說明
禁區（詳見 references/forbidden.md）
帳號片尾卡與吉祥物、原博主的口號/問候/口頭禪/固定標題與過場句、原博主形象與演播室（服裝、霓虹房間、燈牌、書房沙發）、他們的 3D 卡通角色、國旗紋理角標、火焰轉場、口播廣告、綜藝化梗（VHS、惡搞卡、梗圖）、原片的素材與數據。可以沿用的只有視覺母題（黑底網格、螢光綠標籤、圓角藥丸、圓形 PIP 等），主色可換成自己的。
已知限制（如實告訴使用者）
- 樣本：13 集（博主A 9、博主B 4），均為 540P、2 倍速錄屏；<0.13s 的入場記為硬切；緩動/spring 多為估計；原片錄屏無聲，配樂與音效全部是推測。
- Remotion 未實現（P2）：圖表（餅/條形/折線/氣泡/3D 時間軸/翻牌）、clip_full 成片全屏、ClosingCard、BrushWord 毛筆字、TitleCard、Badge 章節角標、sticker_words/name_tag/checklist 貼字、換背景、主題切換（
meta.theme不被讀取，PIP 紫環不隨主題關閉）。用了會出紅底佔位或被靜默忽略——替代方案見 remotion-pipeline.md §4。 - 沒有語音轉寫/詞級對齊工具：本機未裝 whisper 類工具，第 0 輪的詞級時間戳目前只能用數位人工具的 SRT / 使用者剪映識別字幕 / 字數估算（待搭建，見第 0 輪）。
- 沒有自動 planner：timeline 目前由 Claude 手寫或用工程裡的 builder（按字數均分時間）生成；接入真實數位人後需用真實詞級時間戳重排（數位人工具未定，第 2 步流水線未驗證）。中文強制對齊誤差未驗證。
- 字體差距：窄體（ZCOOL QingKe HuangYou）偏重、數字（Barlow Condensed）偏寬；毛筆體需自查授權。字體經 google-fonts 線上加載。
- 剪映路徑：菜單名、字號