Next AI Draw.io
draw.io diagrams your AI agent draws on a live browser canvas that you can also edit by hand
ยังไม่มีคำอธิบายภาษาไทย ดูข้อเท็จจริงด้านล่าง หรือเปิดคำอธิบายต้นฉบับจากผู้ทำ
Agent skill that turns Claude Code / Codex into a motion-design studio for voiceover-driven explainer videos — word-level voiceover sync, 109 motion recipe cards, an anti-slideshow camera system, Remotion rendering.ถ้าคุณเป็นผู้ทำตัวนี้ คัดลอกโค้ดนี้ไปวางใน README ได้เลย ป้ายลิงก์กลับมาที่หน้านี้
[](https://mcp.popnx.com/th/skills/vincentwei1021-video-talkcraft)MCP ที่ต่อ AI เข้ากับบริการในงานเดียวกัน
draw.io diagrams your AI agent draws on a live browser canvas that you can also edit by hand
สร้าง ตรวจ และบันทึกฉากอาคาร 3 มิติที่แก้ไขได้ ด้วย Pascal
Verified React chart generation: select, validate, repair, render, and inspect charts through MCP.
หมวดงานเดียวกัน เรียงแบบเดียวกับหน้ารายการ Skill
| ตัวนี้ video-talkcraft | impeccable | diagram-design | frontend-slides | guizang-ppt-skill | |
|---|---|---|---|---|---|
| ผู้ทำ | Vincentwei1021 | pbakaus | cathrynlavery | zarazhangrui | op7418 |
| จำนวน Skill | 1 | 1 | 1 | 1 | 1 |
| ดาว GitHub | 2,420 | 113,042 | 68,296 | 32,579 | 30,091 |
| แก้โค้ดล่าสุด | 19 พ.ย. 2569 | 19 พ.ย. 2569 | 19 พ.ย. 2569 | 24 มิ.ย. 2569 | 30 ต.ค. 2569 |
| สัญญาอนุญาต | – | Apache-2.0 | MIT | MIT | AGPL-3.0 |
ชุดคำสั่ง (Skill) 1 ชุดจาก Vincentwei1021 ให้ AI อ่านแล้วทำงานตามวิธีนี้ · ไม่ใช่ MCP server
MCP = มือ
ต่อ AI เข้ากับบริการหรือข้อมูลข้างนอก เช่น อ่าน Notion หรือสร้างใบแจ้งหนี้ ต้องมีโปรแกรมหรือ server ทำงานอยู่
Skill = คู่มือ
ไฟล์ข้อความที่สอน AI ว่างานนี้ทำยังไง ไม่ต่อบริการใด
บางตัวคล้ายกัน: Skill บางตัวมีสคริปต์เรียกเครื่องมือ และ MCP บางตัวส่งแค่ความรู้ ให้ดูที่งานที่อยากทำเป็นหลัก
Claude CodeCodex
ตามที่ README ของผู้ทำเขียนไว้ และโฟลเดอร์ที่มีใน repo
บัญชี GitHub Vincentwei1021 (บุคคล) เปิดมา 10 ปี
★ 2,420 ดาว · แก้โค้ดล่าสุด 19 พ.ย. 2569
มีสคริปต์ 102 ไฟล์ที่รันบนเครื่องได้: runtime/check-runtime.sh, runtime/link-runtime.sh, scripts/pipeline_state.mjs, scripts/workbench_contract_lint.py และอีก 98 ไฟล์
ตรวจสคริปต์ได้ไม่ครบ (บางไฟล์ใหญ่เกิน) ควรอ่านเองก่อน
ไม่พบ hook หรือการเขียนค่าตั้งของเครื่อง
ตรวจอัตโนมัติจากไฟล์ใน repo ที่ commit 75e266f (อ่านไฟล์อย่างเดียว ไม่ได้รัน) ไม่ใช่การรับรองความปลอดภัย อ่านแล้วตัดสินใจเอง
ขั้นแรก: คุณใช้ AI ตัวไหน
เลือกแอปที่ใช้ แล้วหน้านี้จะแสดงเฉพาะวิธีติดตั้งของแอปนั้น
Skill นี้ไม่ระบุใบอนุญาต เราจึงไม่แจกไฟล์ ZIP จากเว็บเรา ดาวน์โหลดจาก GitHub แล้วจัดโฟลเดอร์เอง หรือใช้ทาง "ให้ AI ติดตั้งให้" ด้านบนซึ่งง่ายกว่า
ดาวน์โหลดจาก GitHub (ทั้ง repo) ↗
แตกไฟล์ แล้วบีบอัดเฉพาะโฟลเดอร์ video-talkcraft ใหม่ ZIP ต้องมีโฟลเดอร์ video-talkcraft ที่มี SKILL.md อยู่ชั้นบนสุด ห้ามวางไฟล์หลวมไว้ชั้นบนสุด
+Create skillUpload a skillเลือกไฟล์ video-talkcraft.zip
SettingsCapabilitiesCode execution and file creation
ต้องเปิด Code execution and file creation ก่อน (เมนูรุ่นใหม่เรียก Create and edit files) · แผนส่วนตัวที่ Settings → Capabilities · Team/Enterprise ผู้ดูแลเปิดที่ Organization settings → Plugins & skills · ใช้ได้ทุกแผนรวมแผนฟรี
อัปโหลดครั้งเดียว ใช้ได้ทั้ง claude.ai และ Claude Desktop รวมถึง Claude Code รุ่นใหม่ที่ล็อกอินด้วยบัญชี Claude (ล็อกอินด้วยคีย์ API ไม่ซิงก์)
Cowork และ session บนคลาวด์ใช้ Skill ที่เปิดในบัญชี claude.ai ไม่อ่าน ~/.claude/skills ในเครื่อง (งานตั้งเวลาของ Claude Desktop ที่รันในเครื่องยังอ่านได้)
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: support.claude.com, support.claude.com, code.claude.com
คัดลอกประโยคนี้ไปวางในแชตของ Claude Code
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
เปิด Claude Code ใหม่ แล้วพิมพ์ /video-talkcraft หรือสั่งงานที่ตรงเรื่อง Claude จะเลือกใช้เอง
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
ลงไว้แล้วหรือยัง? เช็กก่อน · เปิด Terminal แล้วพิมพ์คำสั่งนี้ กด Enter
node -vMac: กด ⌘ + Space พิมพ์ Terminal แล้วกด Enter
Windows: เปิดเมนู Start พิมพ์ Windows PowerShell แล้วกด Open
ยังไม่ได้ลง: เปิดหน้าดาวน์โหลดทางการ เลือกรุ่น LTS แล้วเลือกตัวติดตั้งแบบกดเอง: Mac ไฟล์ .pkg · Windows ไฟล์ .msi ดับเบิลคลิกแล้วกดถัดไปจนจบ ไม่ต้องใช้คำสั่ง curl
ลงเสร็จแล้ว ปิด Terminal เปิดใหม่ แล้วพิมพ์คำสั่งเดิมอีกครั้ง ต้องขึ้นเลขรุ่น: node -v
ลงครั้งเดียว ใช้ได้กับทุกตัวที่ต้องใช้ Node.js
npx skills add Vincentwei1021/video-talkcraftคำสั่งนี้คัดมาจาก README ของผู้ทำ จะดาวน์โหลดและรันโค้ดของผู้ทำ
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
git clone --depth 1 https://github.com/vincentwei1021/video-talkcraft.git /tmp/popnx-skill-vincentwei1021-video-talkcraft-75e266f && mkdir -p ~/.claude/skills && cp -R '/tmp/popnx-skill-vincentwei1021-video-talkcraft-75e266f/.' ~/.claude/skills/video-talkcraftSkill ที่ติดตั้งเองใช้ได้ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยาย Codex ใน IDE · ChatGPT บนเว็บและมือถือใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี
แอป ChatGPT บนคอมมี Codex อยู่ในตัว Codex อ่าน Skill จากโฟลเดอร์ ~/.agents/skills
เปิด Codex ในแอป ChatGPT บนคอม แล้ววางประโยคนี้ในแชต
AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
วางโฟลเดอร์ video-talkcraft ไว้ที่ ~/.agents/skills/video-talkcraft
~ คือโฟลเดอร์บ้านของคุณ ($HOME)
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
git clone --depth 1 https://github.com/vincentwei1021/video-talkcraft.git /tmp/popnx-skill-vincentwei1021-video-talkcraft-75e266f && mkdir -p ~/.agents/skills && cp -R '/tmp/popnx-skill-vincentwei1021-video-talkcraft-75e266f/.' ~/.agents/skills/video-talkcraftตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com
ใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี
อยากใช้ Skill นี้กับ ChatGPT ให้ใช้แอป ChatGPT บนคอมตามวิธีด้านบน
ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com
คัดลอกประโยคนี้ไปวางในแชตของ Codex · ใช้ได้ทั้ง Codex ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยายใน IDE
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
Codex เห็น Skill ที่ติดตั้งใหม่เอง ถ้ายังไม่ขึ้นให้ปิดแล้วเปิด Codex ใหม่ · เรียกใช้: ใน ChatGPT พิมพ์ @ แล้วเลือก Skill · ใน Codex CLI หรือส่วนขยายใน IDE พิมพ์ /skills หรือพิมพ์ $ แล้วตามด้วยชื่อ Skill
ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
git clone --depth 1 https://github.com/vincentwei1021/video-talkcraft.git /tmp/popnx-skill-vincentwei1021-video-talkcraft-75e266f && mkdir -p ~/.agents/skills && cp -R '/tmp/popnx-skill-vincentwei1021-video-talkcraft-75e266f/.' ~/.agents/skills/video-talkcraftคัดลอกประโยคนี้ไปวางในแชตของ Cursor
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
ใน Agent chat ของ Cursor พิมพ์ / แล้วเลือก video-talkcraft
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: cursor.com
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
git clone --depth 1 https://github.com/vincentwei1021/video-talkcraft.git /tmp/popnx-skill-vincentwei1021-video-talkcraft-75e266f && mkdir -p ~/.cursor/skills && cp -R '/tmp/popnx-skill-vincentwei1021-video-talkcraft-75e266f/.' ~/.cursor/skills/video-talkcraftสำหรับแอปอื่นที่อ่าน Skill ได้ ประโยคนี้มี path ของ Claude Code, Codex และ Cursor ให้ AI เลือกตามแอปที่ใช้ · คัดลอกประโยคนี้ไปวางในแชตของแอป
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com, learn.chatgpt.com, cursor.com
แอปอื่นที่รองรับ Agent Skills (เช่น Gemini CLI, GitHub Copilot) เก็บ skill ในโฟลเดอร์ต่างกัน ดูคู่มือของแอปนั้น แล้วคัดลอกโฟลเดอร์ที่มี SKILL.md ไปวาง
ตรวจโฟลเดอร์ skill กับคู่มือทางการของ Claude Code, Codex และ Cursor เมื่อ 11 พ.ย. 2569
✓ ตรวจคำสั่งแล้ว 19 พ.ย. 2569
ข้อความต่อไปนี้มาจาก repo ของผู้ทำ ไม่ใช่คำสั่งของ PopNx MCP
แสดง 8,000 ตัวอักษรแรก · เปิดไฟล์เต็มบน GitHub
---
name: video-talkcraft
description: 终极口播视频 skill:中文口播稿 + 成品配音 → CPU 字级时间戳 → SHOTBOOK 层矩阵分镜 → Remotion 电影感成片(横屏默认/竖屏)。当用户要"做口播视频"、"解说/科普视频"、"把文案变成视频"、"给配音配画面动效"时使用。默认使用成品配音,可选 Fish Audio 从稿子合成配音与时间戳;数字人生成技术不在本 skill 内(人物素材是输入)。含统一视觉语言(Apple 范式)、108 张动效配方卡、镜头三面分层工作单、七层镜头反PPT系统(极缓推拉相机/让位,运动做减法)、六式运动承接转场(每式一卡)、长镜头世界画布、anime.js+three.js 桥、自动静止检测 + 独立 subagent 评估循环。
---
# video-talkcraft — 口播视频 skill
三大来源合体:**管线**(配音→字级时间戳→Remotion)+ **词汇**(108 张动效配方卡,全配可播 demo + 自包含 tsx)+ **镜头**(七层模型反 PPT 系统)+ **视觉语言**(Apple 范式默认版)。
核心范式:解说词驱动画面,每句都要有**活的画面响应**(相机极缓推拉/已有元素的变化),
但**新元素只在语义拍边界进场,禁止机械的"一句一个新元素"**(一句一元素是堆积型凌乱的制度根源;
分镜按语义段落切,排版预算见 cinematography.md §4.5);
**一个节拍只有一个主角,说完就让位**;字幕句边界 = 全片时间锚点。
## 流程
```
① 文案 → ② 配音输入+时间戳(本机CPU) → ③ 素材 → ④ SHOTBOOK 层矩阵 → ⑤ 实现(全局系统 → 首镜先做先确认 → 其余镜头)
→ ⑥ 渲染 → ⑦ 三重验收(机器闸全过 + 1 轮审片修 P0/P1)→ ⑧ 交付(可选续审 ≤3 轮)
```
## ⓪ 开工体检:统一依赖 + 画幅与视觉语言
**依赖只有一份**:所有口播工程的 `remotion/node_modules` 与 `workbench/node_modules` 都是指向 `<skill根>/runtime/node_modules` 的软链,版本只在
`runtime/package.json` 里钉(`@remotion/*` 全家同号)。**新片开工第一件事**(用户 2026-09-15 定版:每次新做视频都要检查更新):
```bash
bash <skill根>/runtime/check-runtime.sh --upgrade # 装好共享依赖 + 共享无头浏览器 + 链好 workbench;Remotion 有新版就全家升级并冒烟渲 1 帧,不过自动回滚
```
末行 `[runtime] OK` 才往下走;升了级要把 `runtime/package.json` / `package-lock.json` 的改动提交。**制作中途不升级**(母版段缓存不认依赖版本,混版本渲出的段不一致)。
工程目录里**永远不跑 `npm install`**(会写进共享目录);要加包 → 加进 `runtime/package.json`,`npm ci`,再提交。
### 画幅与视觉语言(开工先定,全流程引用)
- **画幅默认横屏 1920×1080**(用户偏好);明确要发抖音/竖屏渠道才用 1080×1920
- 视觉语言:**用户明确点了风格就按用户的来**(整套 token 替换);没点时**先从口播稿判定领域、派生本片风格档**
(`references/design-language.md` §0:读全稿答"讲什么 / 对谁讲 / 什么口吻"→ 领域 → 风格档表给底色策略 / accent / 字体气质 / 材质与卡造型 / 图表语言 / 素材气质 / 能量档,
写进 SHOTBOOK §0 `G0 风格档`),骨架仍是 Apple 范式(一个强调色/一个投影/底色交替分幕/两档字重/
默认幕底:浅 `pastel-mesh-flow` / 深 `mesh-flow-dark`——12 款幕底见 §1.1,代码 `template/motion-systems/backdrop.tsx`),
派生本片 token 落成 `theme.ts`。对任何风格都成立的只有一条:禁止逐场景随手取色。
**卡是中性 UI,进片必须蒙皮**:动效卡的 demo / tsx 是无风格的中性呈现,复制进工程后按风格档改皮(颜色 / 字体 / 圆角 / 材质 / 图表坐标轴与标记 / 占位图形)、
不改运动命门(时序 / 缓动 / 几何比例 / 层级),契约与反例见 design-language §0.4;SHOTBOOK 每镜写**蒙皮行**
## ① 口播稿
- 每句一个信息点,钩子在第一句(数字/冲突);13 句 ≈ 95s
- **数字一律汉字**(时间戳按文本逐字锚定,`197747` 无法与"十九万七千"的读音对位);英文品牌词直接写(中英混合对齐已验证)
- 先调研核实事实,列"事实红线清单"(不可说错的数字/未验证数据不引用)
## ② 配音输入 → 预剪 → 字级时间戳(默认本机 CPU;可选 Fish Audio)
**默认使用成品配音**:真人录音或任何 TTS 皆可,输入 = 一条完整配音(wav/mp3)+ 与之逐字一致的口播稿。
没有录音且用户选择合成时,可使用下面方案 B;它不会替换已有配音或默认的本机 CPU 流程。
**②-0 配音预剪(真人录音必做;TTS 只会压气口,可跳过)**——剪掉口水词(嗯 / 呃 / 那个…)、结巴重说、过长停顿,
**在做时间戳之前**跑(时间戳做完再动音频 = timing / beats 全体错位;预剪 → 时间戳 → 一切后续,顺序不可换):
```bash
python3 scripts/voice_trim.py audio/raw.wav script.json --dry-run --words-out audio/asr_words.json # 先只出报告:逐条 [filler / repeat / pause] 起止 + 共剪多少;ASR 结果落盘
python3 scripts/voice_trim.py audio/raw.wav script.json --words audio/asr_words.json --out audio/full.wav \
[--video dh/host_raw.mp4 --video-out dh/host.mp4] # 用户认可后落盘(吃回上一步的词表,不再跑一次 ASR);同一条录音的人物视频用同一 EDL 剪(音画逐帧同长)
```
- **稿子是真值,宁漏勿错**:只剪 ASR 里**稿子没有的插入段**——全由口水词表拼成的(filler)、等于紧邻稿文的结巴 / 重说(repeat);
ASR 听错稿子里的字永不剪(剪它就剪掉了那个字的真实发音);稿外改了措辞的重说只报告,`--cut-unmatched` 才剪。
词表来源缺省跑 FireRed(与下面时间戳同一后端),也吃剪映等导出的**逐字** SRT(`--srt`)或词级 JSON(`--words`);
句级 SRT 定位不到口水词,脚本会警告。无稿时只剪**整 token 文字恰为**保守词表(嗯 / 呃 / 额 / um…)的口水词——按规范化文字精确比对、不认同音(五≠唔、饿≠呃);
紧邻重复的短词无稿只报告不剪(逐字 token 下分不清叠词与结巴)。剪同录的透明 webm 时会解一帧核 alpha,帧数对但透明丢了也算 FAIL。
- 停顿:≥0.7s 的静音压到 0.35s(留段内最安静的一窗真实房间音,不补数字零),首尾留白 0.25 / 0.5s;
切点先找能量谷、再吸附 30fps 帧网格;`cuts.json` 是 EDL(含源 → 新时间轴映射表,剪人物视频与后续任何对账都吃它)。
- **dry-run 报告必须给用户过目再落盘**:标了「切点未落在静音里,听一下」的条目让用户听那一处;脚本只删不合成,不改语速不改音高。
剪完人物视频后跑 ③ 的 `preflight.py --media-only` 核时长——同一 EDL 只对同一条录音成立。
字级时间戳(对**预剪后**的 `audio/full.wav`):
```bash
# 方案 A(已有录音,本机 CPU 对齐):
pip install zhconv pypinyin sherpa-onnx soundfile numpy # 默认后端 FireRedASR2-CTC int8 的全部依赖
# 首次:下载模型 767MB(model.int8.onnx + tokens.txt)放 ~/.cache/koubo/<模型名>/,地址见脚本头注释
python3 scripts/timestamps_cpu.py audio/full.wav script.json audio/timestamps.json
# 备选(免手动下模型):pip install faster-whisper 后加 --backend whisper(首跑自动下载 460MB)
python3 scripts/make_timing.py audio/timestamps.json remotion/src/timing.json
# 方案 B(可选生成配音 + 时间戳,默认请求 s2.1-pro-free;可用性以 Fish Audio 为准):
pip install requests python-dotenv # 还需 ffmpeg,生成前会检查
# 在 .env 配置 FISH_AUDIO_API_KEY=xxx 及可选 FISH_AUDIO_REFERENCE_ID=xxx(见 .env.example)
python3 scripts/tts_fishaudio.py script.json audio/full.wav audio/timestamps.json --timing-out remotion/src/timing.json
```
- tts_fishaudio.py:默认 `--mode sentence` 每句一次请求,插入 `--pause-sec` 指定的真实静音(默认 0.25 秒);`--mode stream` 整稿一次请求、保留自然停顿。两者均接收 UTF-8 SSE,生成结束才写文件,不提供流式播放。先解码 PCM 再拼接,偏移按采样数计算。空音频、缺失/无效对齐或文本不匹配时报错;只忽略标点、大小写与字符宽度,不自动转换数字读法。中文用接口字级锚点,英文词内插值;`match/ok` 仅确认文本映射,仍需试听。合成后若再预剪,须重新运行 CPU 对齐。
- timestamps_cpu.py:ASR 词级时间戳 → 与口播稿字符级对齐(**CJK 是可靠锚点**,
匹配键=繁简归一+无声调拼音,同音字不算错;拉丁词各家 ASR 都常拼错,在锚点间插值)→
每句 match 质检,<0.90 标出人工听核。默认后端 FireRedASR2-CTC(尾部最稳、零误报;整段喂入 ~200s 崩、内存平方涨,脚本默认按静音切 ≤75s 段再加回偏移,`--chunk-sec` 可调),备选 faster-whisper;
各后端横评数据与模型下载地址见脚本头注释。
- timestamps.json schema:`{sr, total, sentences:[{i,text,start,end,match,ok,words:[{text,start,end}]}]}`
——words 为 CJK 逐字 + 拉丁整段 token(标点跳过);满足此 schema 的任何对齐工具都可替换。
- make_timing.py:转成 timing.json(chars 与文本逐字符 1:1,标点零时长),供 `tSay/msSay` 锚点查询
- 配音自查(耳听):无爆音/截断/误读;句间留 ~0.3s 气口,时间锚点更稳
### ②-1 语义标注(2026-09-22 起必做,正主 `references/semantic-annotation.md`)
口播稿逐句标「这句在做什么」,落成工程根 `semantics.json`——**这是选卡的需求侧产物**,没有它,选卡只剩输入类型一道过滤、剩下几十张卡靠印象挑(2026-09-21 那支片的「我是万里」就这样拿到了全库能量最低的文字卡,库里 P0 的人名条没人查到)。
```bash
python3 <skill根>/scripts/semantic_annotate.py --init # 从 timestamps.json 出骨架(带词法提示 hint)
# 逐句填 sem(26 词封闭词表,见 taxonomy.md「语义索引」)/ weight(main 主句 = 允许进新元素、sub 陪衬句)/ entities / need
python3 <skill根>/scripts/semantic_annotate.py --stats # 校验:与时间戳逐字一致 · 词表封闭 · 词法硬规(我是X→自我介绍、点赞订阅→号召、数量词→数据)· 每镜至少一个 main
```
标注是**派生物**:预剪 → 时间戳 → 标注 → 其后一切;改稿或重剪后 `text` 对不上就是标注失效,重新 `--init`。
**②-1 早于分镜,所以 `shot` 字段此时是空的**(SHOTBOOK 还没写):④ 写完后必须回填一次,否则下游的镜头级覆盖核不到任何东西——
```bash
python3 <skill根>/scripts/semantic_annotate.py --sync-shots # ④ 之后:按 SHOTBOOK 标题的起止秒(或 shots.json)回填 shot,只动 shot,标注不丢
```
## ③ 素材
- **素材清单从 ②-1 的语义标注生成,不靠拍脑袋**:`need` 是 `证据` 的句去截真页 / 找出处,`身份` 要头像与账号信息,`量化` 要图表或数据源,`entities` 里的人名 / 品牌 / 地点 / URL 就是检索词。
- **先给每个镜头标素材模式(多选,可组合)**:`B-roll`(实拍视频)/ `图片`(照片 / 海报 / 插图)/ `截图`(网页 / 界面证据画面)/
`纯动效`——如"B-roll 打底 + 截图证据卡"。新闻/信息类话题证据优先:Playwright 实时截图比泛用 B-roll 更有信息量。
四档对应 taxonomy.md 输入类型代号 **V / 图 / 截图 / 文**,SHOTBOOK 每镜写一行 `素材:V(路径)· 图(路径)· 文`(格式见 ④)
- **实拍素材是必需项,不是可选项**(2026-09-06 硬规):全片零 B-roll / 图片 = 只有动效 + 口播人物 = 观众看到的是"讲 PPT"。
`preflight.py` 对账 SHOTBOOK:**零 V / 图 镜头直接 FAIL**,V / 图 镜头占比 < 1/3 WARN(要在 SHOTBOOK 给依据,如证据类题材以截图为主)。
「本片不做 B-roll」**不允许**写成设计决定;视频源搜不到就降级图片(Pexels photos 原图 → Pixabay),图片也没有才进「未完成 / 未采集清单」。
图片与视频同源同 key,采集规格(分辨率下限、落盘目录、登记)见 `references/broll-sources.md`「配图采集」
- **真图硬规**:话题存在可截的真实页面(产品官网/GitHub/文档/画廊)时,
成片中的浏览器/页面类镜头**禁止用代码 mock 冒充截图**——卡片 demo 里的灰条假 UI 是占位物,
成片必须按卡片"复用指引"整块换成 `<img>` 真图;mock 只允许表现无真实对应物的示意 UI,
且 SHOTBOOK 逐镜标注"为何无真图"。**引申**:口播讲"这样的成片/效果"时,
示例画面必须是真成片片段(`<OffthreadVideo>` 内嵌已有成片/真机内录裁切,muted);
讲"长页面/看板/参数页"时用 Playwright **全页长截图**(放大镜/巡航类动效直接吃真图坐标)。
**真图上的标注坐标一律机器实测,禁目测**:页面元素用 DOM `getBoundingClientRect`、成图用逐像素量测
(目测偏 ±30px 就会把环框到别的元素上);**会滚动/移动的真图,标注(环/框/pill)必须钉在内容坐标系上随内容动**,
钉屏幕固定位就是错位根源
- **单视频镜头要有主题边框**(2026-09-07 用户定版):镜头里唯一主体是一段视频(录屏 / 单条 B-roll / 引用别人的成片或采访)时,
**禁止裸贴满幅、禁止裸放白卡、也不装假播放器**(进度条 / 播放键 / 时间码一律不要——不是真播放器就是在撒谎),视频区必须包一层
`template/components/theme-frame.tsx` 的 `<ThemeFrame kind>`:八式(复古浏览器窗口 / 杂志相框 / 35mm 胶片 / 拍立得 / 工程图纸 / 笔记本 / 邮票齿边 / 双发丝线),
**按片子调性选一式、一片只用一式**,写进 SHOTBOOK 蒙皮行;多视频的卡(bed-echo-blur 前景 / split-60-40-story 左格 / gallery-wall-dolly)的视频区也包同一式。
框只管造型与自己的装饰接力,整体入场 / 退场 / 极缓推归镜头层;框里的画面零处理(不滤镜 / 不缩放 / 不淡入淡出)。
例外只有两种:视频当**底床**不当主体(bed-echo-blur / §1.2 实拍底床),以及产品界面卡(chat-gpt / claude-code 类,皮即内容)。
静图不进框(框说"这是录像",画面不动一眼假;图用 media-pop-in / slow-push-in)。规则与八式表:design-language §1.3
- **网页拍摄不贴图**:找资料/找素材时判定可用的网页,成片里**禁止以静态截图贴屏**,
必须像手持镜头一样"拍"它——**滚**(`evidence-scroll-tour◆`:匀速上滚 ≈10% 页高/s,讲到关ถาม แชร์เคล็ดลับ หรือแจ้งว่าใช้ไม่ได้ เรียงตามที่คนกดว่ามีประโยชน์
ยังไม่มีใครโพสต์ ถามหรือแชร์เป็นคนแรกได้เลย
ข้อความในส่วนนี้เขียนโดยผู้ใช้ ไม่ใช่ทีม PopNx