# Ascii Video

> ASCII 视频：将视频/音频转换为彩色 ASCII MP4/GIF。

- Skill: `tencentcloud/ascii-video` (Agent Skill)
- Install (CLI): `npx get-skill add tencentcloud/ascii-video`
- Raw SKILL.md: https://api.skillmd.com/api/skills/tencentcloud/ascii-video/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: tencentcloud (https://skillmd.com/u/tencentcloud)
- Updated: 2026-11-16
- Page: https://skillmd.com/skills/tencentcloud/ascii-video

---


# ASCII 视频制作流程

## Harness-agent 工具

本技能从 Octop 移植。使用以下 harness/deepagents 工具：

| 概念 | 工具 |
|---------|------|
| Shell | `execute` |
| 读/写/编辑文件 | `read_file`, `write_file`, `edit_file` |
| 查找文件/搜索内容 | `glob`, `grep` |
| 获取 URL | `web_fetch` |
| 浏览器自动化 | `browser_use` |
| 子代理工作 | `task` |
| 记忆 | `memory_store`, `memory_recall`, `memory_search` |

内置技能文件位于 `/_builtin_skills/<name>/`。用户安装的技能位于 `/skills/<name>/`。

## 何时使用

当用户请求：ASCII 视频、文本艺术视频、终端风格视频、字符艺术动画、复古文本可视化、音频可视化（ASCII）、将视频转换为 ASCII 艺术、矩阵风格效果或任何动画 ASCII 输出时使用。

## 内容概览

ASCII 艺术视频制作流程——支持任何格式。将视频/音频/图像/生成式输入转换为彩色 ASCII 字符视频输出（MP4、GIF、图像序列）。涵盖：视频转 ASCII 转换、音频反应式音乐可视化、生成式 ASCII 艺术动画、混合视频+音频反应式、文本/歌词叠加、实时终端渲染。

## 创意标准

这是视觉艺术。ASCII 字符是媒介；电影是标准。

**在编写一行代码之前**，阐明创意概念。情绪是什么？这个视频讲述了什么视觉故事？是什么让*这个*项目不同于其他所有 ASCII 视频？用户的提示是一个起点——要用创意野心去诠释它，而不是字面转录。

**首次渲染 excellence 是不可协商的。** 输出必须在不需要修改轮次的情况下在视觉上引人注目。如果某些东西看起来普通、平淡或像"AI 生成的 ASCII 艺术"，那就是错误的——在交付之前重新思考创意概念。

**超越参考词汇表。** 参考中的效果目录、着色器预设和调色板库是一个起始词汇表。对于每个项目，组合、修改并发明新模式。目录是颜料调色板——你来绘制画作。

**主动具有创意。** 当项目需要时，扩展技能的词汇表。如果参考中没有视觉需求，就构建它。至少包含一个用户没有要求但会欣赏的视觉时刻——过渡、效果、提升整个作品的色彩选择。

** cohesive 美学优于技术正确性。** 视频中的所有场景必须通过统一的视觉语言连接起来——共享色温、相关字符调色板、一致的运动词汇。一个技术正确但每个场景使用随机不同效果的视频是美学失败。

**密集、分层、经过深思熟虑。** 每一帧都应该值得观看。绝不要平淡的黑色背景。始终多网格构图。始终每个场景都有变化。始终有意的色彩。

## 模式

| 模式 | 输入 | 输出 | 参考 |
|------|-------|--------|-----------|
| **视频转 ASCII** | 视频文件 | ASCII 重现源素材 | `references/inputs.md` § 视频采样 |
| **音频反应式** | 音频文件 | 由音频特征驱动的生成式视觉 | `references/inputs.md` § 音频分析 |
| **生成式** | 无（或种子参数） | 程序化 ASCII 动画 | `references/effects.md` |
| **混合式** | 视频 + 音频 | 带音频反应式叠加的 ASCII 视频 | 两个输入参考 |
| **歌词/文本** | 音频 + 文本/SRT | 带视觉效果的定时文本 | `references/inputs.md` § 文本/歌词 |
| **TTS 旁白** | 文本引用 + TTS API | 带打字文本的旁白证言/引用视频 | `references/inputs.md` § TTS 集成 |

## 技术栈

每个项目一个独立的 Python 脚本。无需 GPU。

| 层 | 工具 | 用途 |
|-------|------|---------|
| 核心 | Python 3.10+, NumPy | 数学、数组操作、向量化效果 |
| 信号 | SciPy | FFT、峰值检测（音频模式） |
| 成像 | Pillow (PIL) | 字体光栅化、帧解码、图像 I/O |
| 视频 I/O | ffmpeg (CLI) | 解码输入、编码输出、混合音频 |
| 并行 | concurrent.futures | N 个工作线程用于批处理/剪辑渲染 |
| TTS | ElevenLabs API（可选） | 生成旁白剪辑 |
| 可选 | OpenCV | 视频帧采样、边缘检测 |

## 流程架构

每个模式都遵循相同的 6 阶段流程：

```
INPUT → ANALYZE → SCENE_FN → TONEMAP → SHADER → ENCODE
```

1. **INPUT** — 加载/解码源素材（视频帧、音频采样、图像或无）
2. **ANALYZE** — 提取每帧特征（音频频带、视频亮度/边缘、运动向量）
3. **SCENE_FN** — 场景函数渲染到像素画布 (`uint8 H,W,3`)。通过 `_render_vf()` + 像素混合模式组合多个字符网格。参见 `references/composition.md`
4. **TONEMAP** — 基于百分位的自适应亮度归一化。参见 `references/composition.md` § 自适应 Tonemap
5. **SHADER** — 通过后处理 `ShaderChain` + `FeedbackBuffer`。参见 `references/shaders.md`
6. **ENCODE** — 将原始 RGB 帧通过管道传输到 ffmpeg 以进行 H.264/GIF 编码

## 创意方向

### 美学维度

| 维度 | 选项 | 参考 |
|-----------|---------|-----------|
| **字符调色板** | 密度斜坡、块元素、符号、文字（片假名、希腊语、如尼文字、盲文）、项目特定 | `architecture.md` § 调色板 |
| **色彩策略** | HSV、OKLAB/OKLCH、离散 RGB 调色板、自动生成和谐、单色、色温 | `architecture.md` § 色彩系统 |
| **背景纹理** | 正弦场、fBM 噪声、域扭曲、沃罗诺伊图、反应扩散、元胞自动机、视频 | `effects.md` |
| **主要效果** | 环形、螺旋、隧道、漩涡、波浪、干涉、极光、火焰、SDF、奇异吸引子 | `effects.md` |
| **粒子** | 火花、雪、雨、气泡、如尼文字、轨道、群集 boid、流场跟随者、轨迹 | `effects.md` § 粒子 |
| **着色器情绪** | 复古 CRT、干净现代、故障艺术、电影感、梦幻、工业、迷幻 | `shaders.md` |
| **网格密度** | xs(8px) 到 xxl(40px)，每层混合 | `architecture.md` § 网格系统 |
| **坐标空间** | 笛卡尔、极坐标、平铺、旋转、鱼眼、莫比乌斯、域扭曲 | `effects.md` § 变换 |
| **反馈** | 缩放隧道、彩虹轨迹、幽灵回声、旋转曼陀罗、色彩演变 | `composition.md` § 反馈 |
| **遮罩** | 圆形、环形、渐变、文本模版、动画虹膜/擦除/溶解 | `composition.md` § 遮罩 |
| **过渡** | 交叉淡化、擦除、溶解、故障剪切、虹膜、基于遮罩的揭示 | `shaders.md` § 过渡 |

### 每段变奏

绝不要为整个视频使用相同的配置。对于每个段落/场景：
- **不同的背景效果**（或组合 2-3 个）
- **不同的字符调色板**（匹配情绪）
- **不同的色彩策略**（或至少是不同的色调）
- **变化着色器强度**（高峰期更多 bloom，安静期更多颗粒）
- **不同的粒子类型**（如果粒子处于活动状态）

### 项目特定发明

对于每个项目，至少发明以下之一：
- 匹配主题的自定义字符调色板
- 自定义背景效果（组合/修改现有构建块）
- 自定义色彩调色板（匹配品牌/情绪的离散 RGB 集合）
- 自定义粒子字符集
- 新颖的场景过渡或视觉时刻

不要只是从目录中挑选。目录是词汇表——你来写诗。

## 工作流

### 步骤 1：创意愿景

在编写任何代码之前，阐明创意概念：

- **情绪/氛围**：观众应该感受到什么？充满活力、冥想、混乱、优雅、不祥？
- **视觉故事**：持续时间内发生了什么？建立张力？转变？溶解？
- **色彩世界**：温暖/凉爽？单色？霓虹？大地色调？主导色调是什么？
- **字符纹理**：密集数据？稀疏星星？有机点？几何块？
- **是什么让这个*不同***：使这个项目独一无二的一件事是什么？
- **情感弧**：场景如何进展？以能量开始，建立到高潮，解决？

将用户的提示映射到美学选择。"寒冷的低传真可视化"需要与"故障赛博朋克数据流"完全不同的所有东西。

### 步骤 2：技术设计

- **模式** — 上述 6 种模式中的哪一种
- **分辨率** — 横向 1920x1080（默认）、纵向 1080x1920、方形 1080x1080 @ 24fps
- **硬件检测** — 自动检测核心/RAM，设置质量配置文件。参见 `references/optimization.md`
- **段落** — 将时间戳映射到场景函数，每个都有自己的效果/调色板/色彩/着色器配置
- **输出格式** — MP4（默认）、GIF（640x360 @ 15fps）、PNG 序列

### 步骤 3：构建脚本

单个 Python 文件。组件（带参考）：

1. **硬件检测 + 质量配置文件** — `references/optimization.md`
2. **输入加载器** — 模式相关；`references/inputs.md`
3. **特征分析器** — 音频 FFT、视频亮度或合成
4. **网格 + 渲染器** — 带位图缓存的多密度网格；`references/architecture.md`
5. **字符调色板** — 每个项目多个；`references/architecture.md` § 调色板
6. **色彩系统** — HSV + 离散 RGB + 和谐生成；`references/architecture.md` § 色彩
7. **场景函数** — 每个返回 `canvas (uint8 H,W,3)`；`references/scenes.md`
8. **Tonemap** — 自适应亮度归一化；`references/composition.md`
9. **着色器管道** — `ShaderChain` + `FeedbackBuffer`；`references/shaders.md`
10. **场景表 + 调度器** — 时间 → 场景函数 + 配置；`references/scenes.md`
11. **并行编码器** — 带 ffmpeg 管道的 N 工作线程剪辑渲染
12. **主函数** — 编排完整流程

### 步骤 4：质量验证

- **首先测试帧**：在完整渲染之前在关键时间戳渲染单个帧
- **亮度检查**：所有 ASCII 内容的 `canvas.mean() > 8`。如果暗，降低 gamma
- **视觉一致性**：所有场景是否感觉属于同一个视频？
- **创意愿景检查**：输出是否匹配步骤 1 中的概念？如果看起来普通，返回

## 关键实现注意事项

### 亮度 — 使用 `tonemap()`，而不是线性乘数

这是 #1 视觉问题。黑色背景上的 ASCII 本质上是暗的。**绝不要使用 `canvas * N` 乘数**——它们会剪切高光。使用自适应 tonemap：

```python
def tonemap(canvas, gamma=0.75):
    f = canvas.astype(np.float32)
    lo, hi = np.percentile(f[::4, ::4], [1, 99.5])
    if hi - lo < 10:
        hi = lo + 10
    f = np.clip((f - lo) / (hi - lo), 0, 1) ** gamma
    return (f * 255).astype(np.uint8)
```

流程：`scene_fn() → tonemap() → FeedbackBuffer → ShaderChain → ffmpeg`

每段 gamma：默认 0.75，曝光过度 0.55，海报化 0.50，明亮场景 0.85。对暗层使用 `screen` 混合（不是 `overlay`）。

### 字体单元格高度

macOS Pillow：`textbbox()` 返回错误的高度。使用 `font.getmetrics()`：`cell_height = ascent + descent`。参见 `references/troubleshooting.md`。

### ffmpeg 管道死锁

绝不要对长时间运行的 ffmpeg 使用 `stderr=subprocess.PIPE`——缓冲区在 64KB 处填满并死锁。重定向到文件。参见 `references/troubleshooting.md`。

### 字体兼容性

并非所有 Unicode 字符在所有字体中都能渲染。在 init 时验证调色板——渲染每个字符，检查空白输出。参见 `references/troubleshooting.md`。

### 每段架构

对于分段视频（引用、场景、章节），将每个渲染为单独的剪辑文件以进行并行渲染和选择性重新渲染。参见 `references/scenes.md`。

## 性能目标

| 组件 | 预算 |
|-----------|--------|
| 特征提取 | 1-5ms |
| 效果函数 | 2-15ms |
| 字符渲染 | 80-150ms（瓶颈） |
| 着色器管道 | 5-25ms |
| **总计** | ~100-200ms/帧 |

## 参考

| 文件 | 内容 |
|------|----------|
| `references/architecture.md` | 网格系统、分辨率预设、字体选择、字符调色板（20+）、色彩系统（HSV + OKLAB + 离散 RGB + 和谐生成）、`_render_vf()` 辅助函数、GridLayer 类 |
| `references/composition.md` | 像素混合模式（20 种模式）、`blend_canvas()`、多网格构图、自适应 `tonemap()`、`FeedbackBuffer`、`PixelBlendStack`、遮罩/模版系统 |
| `references/effects.md` | 效果构建块：值场生成器、色相场、噪声/fBM/域扭曲、沃罗诺伊图、反应扩散、元胞自动机、SDF、奇异吸引子、粒子系统、坐标变换、时间一致性 |
| `references/shaders.md` | `ShaderChain`、`_apply_shader_step()` 调度、38 种着色器目录、音频反应式缩放、过渡、色调预设、输出格式编码、终端渲染 |
| `references/scenes.md` | 场景协议、`Renderer` 类、`SCENES` 表、`render_clip()`、节拍同步剪切、并行渲染、设计模式（图层层次结构、方向弧、视觉隐喻、构图技术）、每个复杂度级别的完整场景示例、场景设计检查清单 |
| `references/inputs.md` | 音频分析（FFT、频带、节拍）、视频采样、图像转换、文本/歌词、TTS 集成（ElevenLabs、语音分配、音频混合） |
| `references/optimization.md` | 硬件检测、质量配置文件、向量化模式、并行渲染、内存管理、性能预算 |
| `references/troubleshooting.md` | NumPy 广播陷阱、混合模式陷阱、多处理/序列化、亮度诊断、ffmpeg 问题、字体问题、常见错误 |

---

## 创意分歧（仅当用户请求实验性/创意/独特输出时使用）

如果用户要求创意、实验性、令人惊讶或非传统的输出，请选择最适合的策略，并在生成代码之前通过其步骤进行推理。

- **强制连接** — 当用户想要跨域灵感时（"让它看起来有机"、"工业美学"）
- **概念混合** — 当用户命名两个要组合的事物时（"海洋遇见音乐"、"太空 + 书法"）
- **斜向策略** — 当用户最大开放时（"给我一个惊喜"、"我从未见过的东西"）

### 强制连接

1. 选择一个与视觉目标无关的域（天气系统、微生物学、建筑学、流体动力学、纺织编织）
2. 列出其核心视觉/结构元素（侵蚀 → 渐进式揭示；有丝分裂 → 分裂复制；编织 → 互锁图案）
3. 将这些元素映射到 ASCII 字符和动画模式
4. 综合——"侵蚀"或"结晶"在字符网格中看起来像什么？

### 概念混合

1. 命名两个不同的视觉/感知空间（例如，海浪 + 乐谱）
2. 映射对应关系（波峰 = 高音，波谷 = 休止，泡沫 = 断奏）
3. 选择性混合——保留最有趣的映射，丢弃强制的映射
4. 开发仅存在于混合中的新兴属性

### 斜向策略

1. 抽取一个："尊重你的错误作为隐藏意图" / "使用旧想法" / "你最接近的朋友会做什么？" / "强调缺陷" / "把它颠倒过来" / "只要一部分，而不是整体" / "反转"
2. 针对当前的 ASCII 动画挑战解释指令
3. 在编写代码之前，将横向见解应用到视觉设计中

