remotion-build — 生成 Remotion 视频
按 DESIGN.md（remotion-consult 产出）用 React 代码生成 MP4。字幕是唯一时间轴，动效从总动效库 import，素材走跨 harness 路由。
工作流
Step 0 — 模式选择（四选一，先定再动手）
- 按类别模板：用户要既定风格，或从
remotion-shared/categories/四类挑（口播字幕/数据可视化/产品演示/品牌动效）→ 读该类DESIGN.template.md+motion-list.md，继承设计系统只换内容与字幕。 - 借鉴参考：用户给参考视频（最优先）或
remotion-shared/video-real-library.md挑 → 拆解其字幕风/转场/节奏，用总动效库组件复刻。 - 自由设计：无参考无模板 → 只避开
video-anti-slop.md反向提示词。 - 按已有 DESIGN（consult 产出）：consult 已定 DESIGN + 风格样张通过 → 严格按 DESIGN tokens/§8 执行，不再重问风格方向（Step 0.5 只对齐验收标准，不重复 Phase 1 澄清）。 拿不准就列选项给用户。
渲染核二选一（第五维，DESIGN 标注）： 除上面四路模式，再定渲染后端（本技能默认 Remotion 核；DESIGN 标注或用户点名才 HyperFrames 核）：
- Remotion 核（默认）：React 复杂动效 / shottcraft 镜头卡 /
src/分层 +Sequence+useCurrentFrame。追求最高动效自由度时用。 - HyperFrames 核（HeyGen 开源 HTML→MP4，可选）：
index.html数据属性 + GSAP timeline（npx hyperframes init/render，本地免费）→ 更接近网页手感、内置npm run check（lint+对比度+运动）。素材/BGM/字幕/验收全复用，只换渲染写法。规则见references/hyperframes-guide.md。 - 判断：复杂镜头卡（翻牌/粒子/3D）或已有 Remotion 项目 → Remotion；纯 HTML/GSAP 动效、想网页手感、需内置 lint → HyperFrames。同一项目勿混两核。
Step 0.5 — 需求对齐 + 验收标准（grill-me，强制，≤10 轮）
跑 grill-me 技能对齐：一句话需求、画幅/时长/平台、字幕来源（.srt/.vtt/口播稿/从零）、模式、风格方向。必须产出验收标准四类：
- 结构：类别/画幅/时长/fps
- 视觉：字幕字体/配色/构图 与 DESIGN.md 或参考一致（自由模式"无 AI 味"）
- 内容：字幕全句到齐、无错字、时间戳覆盖全片、文案真实
- 技术：字幕帧对齐（句首句尾帧字幕存在）、still 抽帧通过、MP4 渲染成功
10 轮未对齐 → 记录未决项带病进入构建。
Step 1 — 字幕驱动流程（核心）
按 references/captions-guide.md：
- 来源路由：已有 .srt/.vtt → 直接用；有口播稿.md → 起草草稿 .srt；从零 → 先草稿口播稿再 .srt。
parseSrt({input})→Caption[]，校验空段/时间重叠/越界。- 帧对齐：
startFrame = Math.round((startMs/1000)*fps)、endFrame = Math.round((endMs/1000)*fps)，每句<Sequence from={startFrame} durationInFrames={endFrame-startFrame}>。 - 词级/句级高亮：
createTikTokStyleCaptions→CaptionLayer组件；中文整句单 token → 退化为句级（DESIGN.md highlightMode 决策）。 - 画面节奏绑定字幕句首 startMs；全片
durationInFrames = round(max(endMs)/1000*fps) + trailing。 - 改词后
serializeSrt回写。
Step 1.5 — 配音驱动 srt 重建（时序假设真正触发，先配音后抽帧）
口播片配音是必须流程（不问用户）：TTS 生成 → ffprobe 实测 → 重建 srt 定时间轴，时序以 TTS 实测为准（DESIGN §4 时序假设真正触发）。先配音后抽帧——避免 Step 1 srt 对齐后又被配音重建推翻、前几步白做。
python scripts/media/tts_gen.py --provider edge-tts --lines lines.txt --save-dir public/audio/ --voice <voice>（默认无 Key 兜底；MiniMax 可用时显式改为--provider minimax，国内云端 TTS 见mmx-media-pipeline.md§二）。- ffprobe 实测每句时长（
ffprobe -show_entries format=duration），句间 0.8s 呼吸。 - 重建 srt（
rebuild_srt.py）：每句 start/end = 实测时长累计 + 呼吸；写 public/captions.srt。 - Root
SHOTS帧区间按新 srt 更新（round(ms/1000*fps)），每 Sequence 挂<Audio src={staticFile("audio/s{n}.mp3")}>。 - BGM：不需要 AI 生曲时从项目授权素材库取得；需要按提示词生曲时默认使用 ACE-Step 本地生成，云端音乐后端作为可选备选。取得后裁剪到全长（ffmpeg
-t视频秒数），音量压低不抢口播（0.22-0.3）。 - 场景帧预算 + 卡时序预检（防"关键动效不出现"，实测踩 3 次）：rebuild_srt 输出的每句
to-from就是该场景帧预算。写卡/写数据动效前先核：卡内部最后一个关键帧 ≤ 场景预算，否则压缩卡时序（不是留到验收才发现）——- 短句（2-3s≈60-90f）：盖章/扫圈/周期点亮等尾部动效最容易超预算（S2 红章原 70-88f 超 68f 句 → 压到 55-65f；S6 周期点亮原 46-70 超 70f → 压到 46-64；S9 扫 5 圈原 136f 超 128f 句 → 压到 108f）。
- 规则：
卡最后关键帧 = 起始 + 级联总长 + 尾部定格，必须 ≤ 句预算；超了按比例压 stagger/单次时长，尾部定格 ≥4f 保留。
Step 2 — 找参考
用户给参考最优先 → video-real-library.md → 自由设计。有参考用"拆解动效法"（参考 → 总动效库组件组合，见 motion-patterns-video.md）。
Step 3 — 反向提示词（视频版浓缩，唯一硬约束）
- 不要全程同一种字幕节奏（每句等长、词级高亮无差别刷屏）
- 不要每场居中同构图、全程只有 fade 或全程硬切
- 不要均匀切画面（每 N 秒一切 = 无呼吸感）
- 不要默认紫靛渐变背景、不要烂大街 AI 字体
- 不要空泛旁白字幕（"欢迎观看""让我们开始"）
- 动效必须做：每场景至少入场动效 + 场景间转场
- 到此为止。
Step 4 — 构建（技术底线）
按 references/remotion-build-guide.md：
- 项目 init：从
_dev/remotion-tutorial复制骨架 +npm i @remotion/captions@<对齐版本>+ 保留 Chrome 路径。 - 从总动效库 import 组件（
工作台/视频/_动效库/）或复制到src/components/。 - 镜头卡可选接入：DESIGN §8.2 选卡则照
remotion-shared/video-shots-spec.md「镜头卡接入步骤」执行（含[copy]/[借思路]意图标记）；中文片默认借思路。 - src 分层：Root.tsx / theme.ts / captions.ts / components/。
- 确定性动画（
useCurrentFrame/interpolate/spring，禁Math.random与浏览器定时器）。 - 有 DESIGN.md 就严格按 tokens 执行。
- 素材按
references/video-image-spec.md跨 harness 路由（Codex image_gen / GPT 提示词往返 / 用户给图）。 - 素材生成后回校验大纲（强制）：素材生成完，对照 DESIGN §8 大纲逐句校验——①图片是否贴合该句语义/排版（vision 评估贴合度，<7 重新生成或调 prompt）②大字关键词是否和场景图协调、不遮挡 ③层次 z 序是否符合大纲设计。不符 → 调整关键词或重生成素材，不"生成即用"；每画面元素多候选挑最优。
Step 5 — 验收闭环（grill-me 节点表）
| 节点 | 触发 | 轮数上限 | 退出条件 |
|---|---|---|---|
| 开始 | Step 0.5 | 10 轮 | 验收标准定稿 |
| 修改 | 用户提改 | 5 轮/次 | 改什么清楚，每轮对照验收标准 |
| 最终 | 交付前 | 4 轮 | 逐条过验收标准 |
硬性验收动作（先抽帧后渲染，防长时间渲染白跑）： 分层量化（4 层，在 DESIGN §8.2 证明时刻关键帧=句首/中段/0.82 终态 上做）：
- 层1 背景图（场景图本身）：
python scripts/media/layout_calc.py <场景图>——构图/留白/建议文字区（按图留白结构找空区，不强制顶部纯净；顶部被侵入 → 文字移位到text_zone建议区，或重生成更纯净图）； - 层2 背景图+字（still 含文字）：layout_calc 文字落点 + frame_judge
--subtitle-hex真 WCAG 对比（大字≥3.0/正文≥4.5）； - 层3 +动效（连续帧）：帧差/连续帧 vision 判动效真实发生 + 动效与场景不重叠（卡是完整画面则不当场景图叠加，视觉模式见 §8.2）；
- 层4 整体（成片）：frame_judge 全片 +
audio_sync_check.py音画同步 + 遮挡校验 + 四技能计分 + 动作证明。
npx remotion compositions确认真 id；- still 抽帧 3-5 张（句首/句尾/转场帧）——抽"终态帧"不是动效中途（实测教训 2026-08-17）：抽帧选动作完成后的帧（0.82 终态 / 尾部定格后），不抽动效进行中帧——中途帧会让 vision/人眼误判"缺失/静态/黑框"（S2 翻牌中途无红章、S6 里程表滚动中无周期点、S7 时间线中段无人像卡都是抽帧时机错，抽终态帧才对）。字幕存在且对齐、构图不破；
- 字幕对齐验证：句首帧字幕已出现、句尾帧未提前消失；
- 自动化硬指标判别：抽帧后跑
python scripts/media/frame_judge.py preview/*.png --subtitle-hex <DESIGN 字幕色，如 E8833A> --subtitle-threshold 3.0 --text-bg-hex <文字胶囊底，如 F2F0EB>（--text-region 文字在角落时传实际位置 tl/tr/bl/br/center，防底部误报；--text-bg-hex 已知胶囊底则直接算字幕 vs 底真对比，跳过众数——众数抓场景色，文字叠场景时不准；大字场景阈值 3.0 / 正文 4.5；任一 FAIL 触发修订）；可选pip install iqa-pytorch后加 NIMA 美学分（>6.5 记参考档）；指标阈值见references/video-quality-metrics.md；暗色设计亮度 FAIL 不阻塞（见 metrics 暗色设计说明，以对比度为准）； - 每张抽帧对照 checklist 核（弱项 <3 触发修订）：
- 构图：≥2 视觉元素、不每场居中、层次 z 序正确（bg/mid/fg）
- 字幕：存在且对齐、可读（对比度 ≥3:1）、无破字
- 转场：句间有转场/入场动效，不是裸切或静止
- 素材：无 AI 乱码文字、层次符合 §8.1、透明叠加干净
- 动效：至少 2 种动效在场（素材进出场 + 字体 + 背景 三选二）、背景带动效
- 无 AI 味：对照
video-anti-slop.md反向提示词
- 遮挡校验 + 视觉模式核对（借鉴 paper-collage-video spatial-contract，2026-08-16 扩展）：抽帧逐句验证——①大字胶囊在预留区（顶部留白）②主体不压大字/字幕区 ③前景不遮挡中后景主体 ④卡动效与场景图不重叠：完整画面卡（里程表/表盘/粒子柱/聚光暗场）绝不当场景图叠加（视觉模式三选一，见 DESIGN §8.2）⑤动效意义与句意呼应（vision 判粒子柱/扫光/数字滚动在该场景表达什么、是否与口播语义一致，意义不明触发修订）。遮挡/意义不明 → 改视觉模式或去掉多余卡。
- 四技能审查硬门禁（任一门禁不过 → 修订，不是参考）：用子智能体独立跑（hallmark/taste 由独立 agent 执行，不主模型自审自放）——
taste-skillPre-Flight（40+ 项品味检查）hallmark audit（57 门禁反 AI slop）ui-ux-pro-max（UX 准则：可读性/层次/一致性）open-design/anti-ai-slop（"七宗罪"去模板） 抽帧/成片对照审，按过条数计分放行（评审补，防自审自放）：hallmark 57 门禁过 ≥90%（≥51 条）才放行、taste 40+ 项过 ≥85% 才放行、ui-ux-pro-max / open-design 关键项全过；未过条数列出触发修订，过全部门禁才 render 交付。
npx remotion render <id> out/final.mp4；- 动作证明时刻（借鉴 paper-collage-video proof moments）：按 DESIGN §8.2 每句证明时刻（句首/中段/0.82 终态）抽帧 + 验证动作类型真实发生（入场已发生/持续在动/终态定格）；
ffmpeg -vf "fps=4"抽连续帧 → vision 判动作按 DESIGN 发生——平移一帧静态帧 ≠ 动作证明（粒子/聚光/数字必须连续帧确认）；转场平滑/进出场无跳变（video-quality-metrics §四.6）； - 音画同步核对（口播片主轴，评审补）：成片跑
python scripts/media/audio_sync_check.py out/final.mp4 public/captions.srt——每句 srt 句首 ±0.15s 应有配音声音（RMS≥0.01），句首静音 = 配音错位/缺失/句尾截断 → 修订； - 逐条核对验收标准 → STATUS PASS/FAIL/BLOCKED，NEXT_OWNER。
红线
- 字幕驱动是硬约束：captions.srt 存在即时间轴唯一来源，时长由其推导。
- 先抽帧后渲染：still 不过不 render 全片。
- 镜头卡借鉴不强制：DESIGN §8 选卡则接入（copy
shotcraft/demos/{类}/{卡}适配），没选卡或中文片借思路不算漏；未接卡不 BLOCKED。 - 素材走真实生图，不生成 SVG：主体素材优先 Codex 或已配置图像后端，透明走
--transparent/remove_white_bg.py。 - 程序化数据卡优先真 copy shotcraft 完整版，不手写精简 SVG（实测教训 2026-08-17）：自建数据卡（表盘/环/里程表/图表）若手写精简 SVG（裸 circle/line/path、无刻度/红区/毂/辉光细节）会糙（S9 ring 手写版 mmx vision 3.5/10，真 copy shotcraft NeedleSweepSelftest 完整细节后 8.5/10）。数据卡一律从 shotcraft demos/data、typography 真 copy 完整版（刻度/主次/辉光/表盘毂/指针尾等细节都在），再重蒙皮配色；只有简单装饰（背景光斑/底轨）才程序化绘制。
- 配音驱动 srt 重建是必须（Step 1.5，先配音后抽帧）：口播片 Step 1.5 必须 TTS→ffprobe→重建 srt 定时间轴（时序以 TTS 实测为准，DESIGN §4），抽帧验收在配音重建 srt 之后，不问用户。
- 不改设计方向：DESIGN.md 定了就照做；要改方向回 remotion-consult。
- 禁编造：字幕/数据不虚构。
参考文件
| 文件 | 何时读 |
|---|---|
references/captions-guide.md | Step 1 字幕时间戳对齐（核心） |
references/remotion-build-guide.md | Step 4 工程规范 |
references/motion-patterns-video.md | Step 2/5 动效实现 |
references/video-image-spec.md | Step 4 素材路由 |
references/codex-imagegen.md | Step 4 素材走 Codex 时 |
references/mmx-media-pipeline.md | Step 4 媒体后端（MiniMax 可选 + TTS/BGM 降级链 + 已知坑） |
references/video-quality-metrics.md | Step 5 自动化判别指标（frame_judge.py + VMAF/NIMA/ASL 阈值） |
references/hyperframes-guide.md | Step 0 渲染核=HyperFrames 时：HTML 数据属性/GSAP/check 规则 + CLI |
references/hyperframes-blocks.md | HyperFrames 渲染核时选动效块：registry blocks 154 个按类速查（等价 shotcraft） |
.claude/skills/remotion-shared/video-anti-slop.md | Step 3 反向提示词基线 |
.claude/skills/remotion-shared/video-tokens-spec.md | 写 theme.ts 时 |
.claude/skills/remotion-shared/categories/{类别}/motion-list.md | 选动效组合 |
.claude/skills/remotion-shared/video-shots-spec.md | 镜头配方卡体系 + 权威技巧（build 选镜头卡：demos/{类}/{卡} copy 进项目） |
.claude/skills/remotion-shared/aesthetic-judgment/ | Step 5 验收：摄影/剪辑/前端排版六轴判别（<3 触发修订） |
.claude/skills/ui-ux-pro-max/SKILL.md | 设计规则引擎：Step 4 构建时查 UX 准则 + 优先级 |
.claude/skills/taste-skill/SKILL.md | Step 5 最终检查：Pre-Flight 40+ 项（交付前自检） |
.claude/skills/hallmark/SKILL.md | Step 5 设计审查：57 门禁 / hallmark audit（验收前） |
资料库/AI工具/design-skills/open-design/craft/anti-ai-slop.md | Step 3 去模板规则（"七宗罪"）+ 151 设计系统替代 |
.claude/skills/design-shared/review-panel.md | 评审面板：agency-agents 视角 + 设计系统库/审美参考库判据（Step 5 验收打分） |
输出与收尾
STATUS: PASS | FAIL | BLOCKED
产出物: out/final.mp4 路径 + preview/ 抽帧路径
验收标准: 逐条 达标 / 未达标 / 未决
NEXT_OWNER: user（看效果）| remotion-consult（改方向）
待确认: 未决事项