itwanger 二哥风格 Remotion 视频
本 Skill 维护制作规则，实际工具与默认配置由仓库中的 docs/src/ai/script/shared/ 维护。不要再把 Python 工具、默认配置或公共组件复制到每条视频里。
先定位路径
- 从当前仓库根目录定位
docs/src/ai/script/；不把终端 cwd 当作视频项目目录。下文命令示例均从仓库根目录运行；其他目录执行时，为工具和--project传绝对路径。 - 共用资源：
docs/src/ai/script/shared/。项目：docs/src/ai/script/<topic>/。 - 继续旧项目先读
project.json、script.md、beats.json、OUTLINE.md和当前检查记录，核实本轮授权到哪一步。 - 初始化或迁移后运行路径检查；禁止通过增加另一套配置、依赖或生成目录掩盖找不到路径的问题。
详细布局及新建、配音、预览命令见 项目布局与执行约定。维护 Skill 或目录时同时更新该文件并验证其命令。
配置和素材
- 新项目默认值：shared/config/video.config.json。初始化时复制为项目
project.json中的完整config。已有视频只读项目配置，不随默认值改变。 - 用户指定音色或语速时，修改对应项目配置；只有用户要求修改默认值时才改共享配置。不要从历史示例恢复旧音色或固定倍率。
- 密钥只从
config.volc.apiKeyEnv指定的环境变量读取（默认VOLC_TTS_API_KEY），不写进项目、Skill、日志或命令参数。 - 默认人物：shared/assets/ergo-avatar.jpg。初始化复制到项目
assets/images/ergo-avatar.jpg。用户指定素材优先；修改默认头像不批量替换旧视频。 - 主题配图放在项目
assets/images/，参考材料放assets/references/。保留正文中的原稿配图是视频素材，不只是参考：在OUTLINE.md中逐张映射到场景及 beat 范围，原样展示；不自行用简化图形替换或重新生成。未采用时记录具体原因。下载成功不等于已用于画面。 remotion/public/images、remotion/public/audio是指向本项目assets/images、build的相对软链接，由初始化工具创建。组件继续用staticFile('images/...')和staticFile('audio/voiceover.wav')；不要重复拷贝媒体。
流程与验收
- 文章与稿子：整理项目视频用稿
article.md、口播script.md、beats.json与OUTLINE.md。默认从文末微信公众号推广尾段的起点截到文件末尾，文字和后续图片全部移除；同步清理项目article.md、口播、配音清单、分镜及图片引用清单，不能仅标记“不使用”却仍保留。KV Cache 的明确截断点为“这个公众号历史发布过很多有趣的 Agent 知识点”，该句本身也删除。正文学习资料领取（如 288 道 / 222）和视频点赞关注结尾保留；用户明确要求保留公众号引导时再覆盖此默认规则。源文章文件不因整理项目用稿自动改写。稿子确认后才合成配音。 - 拆分与配音：按意群拆 beat，数量由文本长度决定 · 参考 3–4 分钟 ≈ 55–75 beat。逐 beat 合成配音，章节数由内容决定。迁移旧项目不自动重拆或重合成。
- 逐 beat 动画：
beats.json保存有稳定 ID 的 beat，动画按各 beat 的实际音频时点定位。相邻 beat 需要连续画面时合并为一个场景 Sequence，保持画面连续。 - 真实时间轴：原速 TTS → 项目倍率处理 → 解码累计采样数，生成
build/cues.json、build/chapters.json、build/cues.ts、build/voiceover.wav。动画读取这些生成文件，不手改生成的时间轴，也不按字数估计最终时长。 - 逐章动画：共享视觉组件从
shared/remotion/components引入，主题动画留在项目remotion/src/。连续场景合并 Sequence，避免每句卸载重挂。 - 逐章预览：每章完成后运行类型检查、抽查各类场景及配图的关键帧并打开 Studio；核对素材映射是否实际出现、图片可读性和连续展示。用户指定旧版为视觉基准时，对照实际视频截图检查，而非只读旧代码。已有 Studio 可继续使用；先核实端口和项目，默认端口不是固定占用要求。用户回复「继续」或明确通过后制作下一章。
- 完整导出：只有用户明确说「渲染」或「出片」才调用 render。已有明确授权不重复询问。输出在项目
output/，使用共享渲染入口处理音轨封装。 - 成片检查：检查完整解码、尺寸、帧率、帧数、音频同步和导出关键帧。交付真正位于
output/的 MP4，不能把旧版或仅 Studio 预览称作本次成片。 - 成片纳入 Git：项目
output/顶层只保存project.outputName指定的最终音画合成 MP4；试做、预览放preview/，旧版放output/legacy/。仓库通用规则自动放行*/output/*.mp4，排除*.tmp.mp4，新增视频无需追加.gitignore。验收后按 成片版本管理 核对待提交文件；commit/push 按用户明确指令执行。
用户要求整理所有已有最终视频时，扫描各项目配置的 outputName，逐项目核对成片和检查结果。混放在 output/ 顶层的其他 MP4 先确认用途，再移入 preview/ 或 output/legacy/，保持文件内容不变且不覆盖同名文件。
Codex 预览浏览器
在 Codex 中制作视频时，Studio 通过共享入口以 --no-open 启动，默认使用 Codex 内置浏览器打开实际预览 URL，复用当前项目已有标签。不要默认另起 Chrome 或 agent-browser；只有内置浏览器不可用或确有兼容问题时才说明原因并使用外部浏览器。预览结束暂停播放，临时自动化浏览器在完成、失败或取消时关闭本次会话。still / render 继续使用 Remotion 所需的后台渲染浏览器。具体操作见 预览与导出。
音画与风格
- 配音读已确认的稿子，不自动加语气词或情绪指令。
text是字幕原文，ttsText只承载明确的读法调整；没有ttsText时读text。 - 技术名词、缩写或多音字读法不确定、被用户指出异常时，先核对作者或官方一手来源，再用
ttsText明确读法；搜索摘要和 AI 答案不能直接作为官方依据。ASR 识别出正确拼写不代表发音正确，需复听该词及前后衔接；无法试听时如实记录，不能标记读音验收通过。已核实的 SQLite 读法和局部修复流程见 TTS 使用约定。 - 评论口令
222的指定读法是「二二二」，数量288 道的指定读法是「二百八十八道」；字幕仍保留数字。不要推广为全部数字自动转换。 - 先合成用户确认的音色，再按项目
atempo调整；不要承诺变速无损。修改倍率后重建处理音频与时间轴。音色变化需要重合成相关配音。 - 配音负责讲述、字幕承载原文，画面呈现关系、动作和结果。原稿信息图中的解释文字完整保留；自制图形保留理解所需的对象、标签、箭头和中间步骤，不能为少文字而退化成几个术语方块。对话避免大段台词和底部字幕重复；字幕切换不等于切换场景。
- 视觉表达优先于长段文字堆屏：原稿大图与语义动画互补，按内容安排独立场景，不把“动画为主”理解成持续运动或替换原稿配图。金句和术语强调可用大字整屏；机械结构用 SVG/div，不用 emoji 替代。
- 正文默认采用冷白背景、红蓝绿橙灰、白底黑边圆角卡片、完整章节胶囊导航
ChapterStrip、底部单行字幕与细进度条。当前章节黑底白字，已过章节弱化；章节名称和数量随内容变化，不用当前章节编号替代完整导航。具体版式见 用户偏好。共享组件调整应兼容旧项目，主题文字和字幕时点不得写进公共组件。 - 长字幕分句显示，一次只显示一行。通过真实音频能量、试听和必要的 ASR 核验短语边界；能量检测不是逐词对齐证明。
- 元素在术语起音前约 4–6 帧开始快速入场，之后稳定显示，避免循环脉动和频繁重复入场。
- 「3 分钟」保留用户稿子的表述；实际时长由配音决定，不为凑时长删内容。
进一步规则：用户偏好、音画对齐、TTS 使用约定。
转场、提示音与图标
新制章节沿用用户已认可的轻量增强风格，旧项目不批量改版。场景切换可用短淡入、轻位移或展开，元素在起音前入场后稳定显示；连续讲解中的字幕切换不重复触发转场。按语义需要安排，不以每章固定次数填满效果。原稿配图仍完整展示，转场不改配音长度或字幕时点。
提示音只标记少量有意义的变化，如错误出现、反馈落点、资料场景切入；优先放在短停顿，轻于配音，不给每个词配音效。图标优先帮助识别对象：产品使用可核实的官方素材并记录来源，概念使用统一线条的 SVG；没有官方图标时用通用概念图标，不伪造品牌标志。保留原图署名。
产品名称需要图标辅助识别时，先查共享品牌素材库，复用已核实来源的 Claude Code、Codex 等官方图标；同一排图标按视觉大小统一容器与文图间距，保留各自比例。新增并确认的品牌素材连同来源记录纳入共享库，供后续视频复用，具体清单见下方执行约定。
共享组件、图标及音效工具的调用见 增强效果执行约定。逐章预览同时抽查转场中间帧、图标布局和提示音；原配音、字幕、整图可读性仍是主要验收项。学习资料领取与二哥自介按内容分场景，避免画面领取提示与字幕整句重复。
面试对话开场（按稿子选用）
稿子实际包含“面试官问你”、求职者回答或面试追问时，先读 面试头像开场。采用豆包面试官与二哥求职者的头像对话、中央语义动画和底部字幕；人物在左右相对的位置，不画两个并排朝观众坐的全身人物。普通科普稿不自动增加面试剧情。
该模式只约束面试对话范围，不扩散为后续正文的改版；面试结束后回到正文的完整章节导航、配图和语义动画。复用共享头像与头像组件，主题分镜和实际音频时点留在本项目；不复用 KV Cache 样片的固定台词、帧数、音色 ID 或语速。
最短执行示例
python3 docs/src/ai/script/shared/tools/init_project.py --project docs/src/ai/script/what-is-prefix-caching --source docs/src/ai/video/what-is-prefix-caching.md --title 'Prefix Caching'
python3 docs/src/ai/script/shared/tools/doctor.py --project docs/src/ai/script/what-is-prefix-caching
初始化只建草稿骨架，不调用 TTS、不创建成片。随后按稿子确认、配音、章节验收的实际进度执行；不能把草稿 DraftPreview 当成已制作的视频。