Generate Scene Scripts

从口播文案生成 scene-scripts.json

何时使用

• 用户提供口播文案（.txt 文件或直接贴文本），要求生成动画脚本 / scene-scripts / 视频分镜
• 用户要求"分析文案"并产出可被 Remotion 管线消费的 JSON

前置准备

1. 确认视频名称：向用户确认 name（英文，用作目录名），如 认知偏见_达克效应
2. 读取配置：从 narrator_pipeline/config.yaml 获取以下关键参数：
   • fps（帧率，当前 30）
   • image_style（图片风格描述，写入 image_prompt 类字段时参考）
   • cover_* 系列字段（封面信息，后处理注入）
3. 输出路径：src/remotions/{name}/scenes/scene-scripts.json
4. 预清理：若目标路径已有旧文件，先确认是否覆盖

三阶段工作流

阶段 1：场景拆分 + Topic 生成

将口播全文拆为若干大场景（Scene），并生成封面钩子 topic。

详细规则见 PHASE_1_SCENE_SPLIT.md

输入：口播全文 输出：{ "topic": "...", "scenes": [{ "sceneId", "sceneName", "text" }] }

阶段 2：逐场景分镜 + 模板选型

对每个 scene 的 text 做分镜切分，产出 items，每个 item 选择一个模板。

详细规则见 PHASE_2_ITEM_TEMPLATE.md

模板详情请查阅 scene-scripts-templates skill 的各 references/*.md 子文件。

输入：单个 scene 的 text、topic、sceneName 输出：该 scene 的 items 数组

阶段 3：逐 Item 参数细化

对每个 item，根据其 template 的 param_schema 填充 param 对象。

详细规则见 PHASE_3_PARAM.md

输入：item 的 text、template、所在 scene 全文（上下文） 输出：item 的 param + content 数组

后处理（阶段 3 完成后）

完成三阶段分析后，对整份 JSON 执行以下后处理：

1. 清理临时字段：删除 scene 级 text、item 级 text
2. content 归一化：每条 content 仅保留 { "text": "..." }，不写 startFrame/durationFrames（留给 Step2 音频处理）
3. 锚点清洗：
   • 非 TEXT_FOCUS 模板：校验 param.anchors，showFrom 必须是 content 数组的合法 0-based 下标，text 非空
   • TEXT_FOCUS 模板：不使用 anchors，使用 coreSentenceAnchors，每项 coreSentenceAnchor 必须是 coreSentence 拼接后的子串
4. 注入 fps：顶层写入 "fps": 30（或 config 中的值）
5. 注入 cover：按 narrator_pipeline/config.yaml 中的 cover_* 字段注入顶层 cover 对象（详见 OUTPUT_FORMAT.md）
6. param 禁止字段：param 内不得出现 content 或 totalDurationFrames（这两者只属于 item 顶层）

输出格式

最终 JSON 结构规范与完整示例见 OUTPUT_FORMAT.md

校验

生成完成后，按 VALIDATION_RULES.md 自查。

也可运行校验脚本（从项目根目录执行）：

python -m narrator_pipeline.cli.validate_scene_scripts src/remotions/{name}/scenes/scene-scripts.json

硬性约束（全流程必须遵守）

1. 原文零修改：所有 item 的 content[].text 拼接后，必须与口播原文完全一致（允许忽略空白差异）。严禁修改、缩写、重新措辞
2. 完整覆盖：所有 scene 的所有 item 的 content 拼合，必须 100% 覆盖口播全文，不遗漏、不重叠
3. 换行保留：原文中的段落分隔必须以 \n 保留在对应位置
4. 模板合法：template 必须来自 scene-scripts-templates skill 定义的合法模板列表
5. 分场景输出：为避免单次输出过大，按 scene 逐步生成，每完成一个 scene 的全部 items + params 后再处理下一个

与 Python 管线的关系

本 skill 替代 narrator_pipeline 分析域（Step1）的 Gemini AI 分析环节。后续步骤：

• Step2（TTS）：python -m narrator_pipeline.audio.step2 --name {name}
• Step3（生图）：python -m narrator_pipeline.images.step3 --name {name}
• Step4（代码生成）：python -m narrator_pipeline.codegen.step4 --name {name}