motion-showreel

Motion Showreel

把一个想法做成以图形、文字或界面动画为主的视频，交付 MP4 和能重建的源码。保留短片的动效密度和创意自由，也支持按章节制作最长 20 分钟的内容。

原理：页面暴露确定性的 render(t)，脚本逐帧截图，再用 ffmpeg 合成 MP4。画面、口播、配乐和音效共用 timeline.js。无口播时按内容和音乐节拍组织画面；有口播时以真实语音时间为准，再安排音乐和音效。

好片子从哪来：变化密度、运动质感、一个记忆点、音画关系，这四项通常决定观感。但具体怎么动、动多少，由风格和内容决定，不是每支片子都要多机位、弹簧和满屏音效。全局只守几条底线（见「底线」），其余都是给模型的起点，不是天花板。

视频感：讲解、产品演示和叙事片要让对象的行为与关系随内容发展，保持镜头间的空间承接。不能把口播逐句变成静态标题卡，再用淡入、缩放和背景粒子包装。分镜先写清「观众要看懂什么变化、主体前后状态、如何接上一个镜头」，再选动效。Logo、动态排版、循环与刻意静止的风格仍按自身语法制作；不靠持续乱动或强制 60fps 判定好坏。具体方法见 references/craft.md 的「连续叙事」。

适用范围

时长：最长 20 分钟（1200 秒），以用户确认的时长为准。短片仍适合 5–60 秒，不把长片做成连续二十分钟的高密度卡点。超过 2 分钟，读 references/long-form.md，按章节规划、制作和审片。用户指定时长与口播实际长度或内容量冲突时，停下来确认调整方案，不擅自截断、加速口播或改变片长。

Opus 的长处和默认坑

• 长处：一个文件里能混用 Canvas、SVG/DOM、WebGL、Three.js，甚至每段换一种媒介；运动可以用公式精确计算（闭式弹簧、节拍网格、子帧运动模糊）；声音和画面读同一张时间表；能长时间自主「渲静帧 → 看图 → 修改」；审美判断力强，一句「全力以赴」就可能出很惊艳的东西。
• 默认坑：没有约束时，画面会落到深色背景、居中大字、所有元素一起淡入、紫蓝渐变加发光、机位不动；配乐会落到 A 小调四踩、每个重拍 impact + crash、钟声落版，几支片子听起来像同一首歌。所以要先找对标（画面和声音都要）、写清风格和禁止清单。但约束也不能写死：这个 Skill 的风格库和手法库都是起点，主题需要时随时改造、混搭或自定义。
• 做不好的：写实人物、复杂的手部 / 布料 / 毛发、需要真实物理精度的东西、照片级产品（除非用户提供模型或图片）。遇到这些就风格化处理，或者换成绿幕人物 + 代码场景的分工。

工作流

0 环境检查（一次）
1 需求确认 ──────── 补齐必填项，汇总要求 → 🛑 等用户确认
2 brief.md ──────── 对标 → 用途 + 风格 → Reel Read → 分镜 + 声音计划
3 风格帧 ────────── 已定风格：3 张帧；未定风格：3 个方向各 1 张 → 🛑 等用户确认
4 制作 ──────────── 有口播先准备真实音频及时间戳 → timeline → 逐镜头 → 小样 → 正片
5 配乐与混音 ────── BGM、音效独立选来源；有口播时人声优先
6 验收 ──────────── 技术检查（程序判定，必须全过）+ 审片（看图列问题，交给用户终审）
7 交付

工作目录：在用户当前目录下建 <slug>/，所有文件都放在里面：brief.md、index.html、motion.js、timeline.js、score.mjs 或 score.tone.js（按 scaffold 的 --audio 选择）、build.sh、fonts/、assets/、audio/、qa/、out/。

第 0 步：环境

第一次使用时运行 sh <skill>/scripts/setup.sh：它会安装 Playwright 和 Chromium，再跑 check-env.mjs。需要 Node 18+ 和 ffmpeg；缺了就告诉用户怎么装，不要替用户装系统软件。工具自带测试：cd <skill>/scripts && npm test。

第 1 步：需求确认（停下来等用户）

集中补问缺失项，已经提供的不要重复问。以下信息必须明确，不能用固定默认值代替用户决定：

条件必填：选 TTS 时必须由用户提供口播稿，不代写、不补写、不改写后擅自合成；同时明确 TTS 服务及所需 API 配置（已有配置复用，凭据用环境变量，不写进 brief）。支持 Gemini、MiniMax 和自定义适配器，按需读 references/narration.md。选用户录音时，需要录音文件或可访问地址；选用户 BGM/音效时，需要相应文件。口播语言、音色等能从稿件或配置判断的写入摘要，否则一并询问。

可选信息：相关资料、受众与发布平台、主题风格。受众和平台未给时根据内容推断，并在摘要说明。风格未给时留到风格帧阶段提供三个方向。

素材怎么处理：用户已经给了具体内容并授权 AI 生成，就据此制作；用户未给足具体内容时，询问必要资料，也可以根据主题开展网上调研并保留来源。有口播稿时先从原稿提取信息，不再让用户重复填写。AI 可生成插画、场景、抽象图形和明确标注的示意内容；真实产品功能、数字和品牌素材仍守「底线」，不能用虚构资料冒充真实内容。品牌 Logo 或真实产品截图的要求见 references/stack.md。

• 用户给了参考视频：先跑 inspect.mjs sheet <ref> --cells 30 看全貌，inspect.mjs grid <ref> --strips 量出剪点和它们落的节拍网格（BPM 候选、每段占几步、每个转场的连续帧），inspect.mjs heat <ref> 看每段里哪里在动、动多大面积。把量到的数写进 brief 的对标一栏。只学结构和手法，不搬素材。
• 用户给了曲子：无口播时先跑 audio.mjs beats <track> --out <slug>/audio/beats.json；有口播时音乐拍点服从讲述节奏。
• 画面里要出现的产品、品牌或技术名词，不确定的先查证。

补齐后汇总主题、时长、画幅、BGM/音效各自来源、口播方式和素材情况，停下来等用户确认，再写 brief。即便首次请求信息齐全，也先发摘要确认。用户说「全力以赴」「给我惊喜」「你看着办」只授权创意选择，不代表可省略必填信息或跳过确认；只有用户明确要求跳过某次确认时才可继续，记录其授权。

放手模式：保留创意自主权，只守底线和技术管线，风格、结构、手法可自行判断，也可完全不用风格库。仍写 brief、提供三个方向，按上面的规则执行两次确认；用户明确免除的确认除外。

第 2 步：brief.md

先找对标：动笔前为这支片子（这个主题 + 这种用途）挑 1–2 个对标作品，可以是电影片头、广告、游戏、动效作品、设计流派。在 brief 里写下「学什么」（构图、节奏、镜头语法、配色逻辑、配乐结构）和「不学什么」（角色、具体镜头、旋律、logo、字体文件）。对标比任何规则都更能拉高上限。

再想三个候选结构：比如一段旅程、一次前后对比、一次倒数、一个变成另一个、一个不切镜头的长镜头。各用两三行写下来，选一个并写明理由。第一个冒出来的想法往往是这个风格的陈词滥调。

用途和风格分开选：

• 用途（拍什么、按什么结构讲）看 references/formats.md，只读对应的那一节。
• 风格（长什么样、怎么动、什么声音）先看 references/styles/INDEX.md，再只读选中的 1–2 个风格文件。风格可以直接用、改造（替换其中一两条规则）、混搭（一主一辅，或者按段落切换媒介），也可以按 styles/_template.md 自定义。风格规则保持不变，故事、镜头和结构从用户的主题来，不要沿用别的片子。每个风格文件都有「辨识信号」和「最俗的版本」两节：按主题挑 2–3 个信号（至少一个不在俗套里），在 brief 里写明翻掉了俗套的哪几条，或者为什么保留。用户选了风格，要的是一眼认出这个风格，两三个信号就够了。
• 再按需翻 references/craft.md（手法库）。

按 references/brief-template.md 写 brief，核心是：

Reel Read:
  format: [用途，formats.md 里的类型]
  benchmark: [对标作品 · 学什么 · 不学什么]
  structure: [三个候选结构 → 选中哪个、为什么]
  style: [styles/ 里的风格（含改造点），或者混搭方案，或者自定义规则]
  signals: [挑了哪 2–3 个辨识信号、为什么；翻掉了俗套的哪几条]
  takeaway: [观众记住的一句话或一个画面]
  hook: [前 1 秒发生什么]
  signature: [记忆点：第几秒、什么手法]
  palette / type / motion / camera / texture: [按所选风格写出具体值]
  sound: [无声 / 合成（声音对标、律动、和声、配器、曲线，见 sound.md 第 2 节）/ 用户曲子（BPM、drop）]
  audio-sources: [BGM 与音效各自为 AI / 用户 / 关闭]
  narration: [无 / 用户原稿 TTS / 用户录音；有口播时句段时间轴路径、人声优先]
  forbidden: [这支片子的禁止清单]

接着写分镜表：无口播时保留节拍网格 + 分镜表。有口播时把句段关联到镜头与事件，写明 镜头 / 句段 ID | 要解释的变化 | 对象起止状态 | 继承的对象与空间 | 关键事件及时间依据 | 镜头与声音。一镜可以覆盖多句，一句可以有多个动作；不把口播分句当作切镜指令，也不要求逐句把原稿写满屏。实际区间在音频准备后回填，不把字数估时当成最终对齐依据。长片另写章节表、各章时长和跨章一致性规则。

用户只说了一句「全力以赴」，也要把它翻译成上面这份具体约束，否则结果就是抽卡。

第 3 步：风格帧（第二次停下来等用户）

建项目：sh <skill>/scripts/scaffold.sh <slug> [--audio synth|tone|layer|file|none]（synth = 第 1 档合成；只拷贝选中的那份 score，file 使用已准备好的最终音轨）。脚手架的引擎默认值只用于技术初始化，不能代替需求确认。starter 只用来验证管线能跑通，画面和文案都要换掉。

A. 用户已经定了风格（或者给了明确的参考）： 以下命令中的秒数只是示例，实际取本片开场、记忆点与结尾的有效时间；短片和长片都不要照抄 14.5 秒。

1. 用真代码搭出 hook 帧、记忆点帧、结尾帧，配色、字体、文案都用最终的。
2. render.mjs <slug> --still 0.6,7.2,14.5 --sheet，自己先看一遍，明显的问题修完再给用户。依赖运动的方向，按本节下方要求另出连续小样（--start --duration）。
3. 把 Reel Read 摘要、分镜概要、风格帧发给用户，问「方向对吗？」。

B. 用户没定风格（包括放手模式）：给 3 个拉开差距的方向，规则见 styles/INDEX.md：

• A 贴合主题 / 品牌，B 换一种画面语言（来自另一个分组），C 大胆（自定义、混搭或结构上很大胆，至少一个方向不是库里现成的）。
• 每个方向写一段迷你 Reel Read（风格、对标、记忆点、配乐方向，3–5 行），并用真代码渲一张最能代表它的关键帧。三个方向的页面放在同一个项目里，用 ?dir=a|b|c 切换。B、C 只为这一张关键帧服务，不必做成能播的整片。
• render.mjs <slug> --directions a,b,c --at 14.5,2,0 一次渲出三张并拼成带标签的 qa/directions.png，发给用户，问「选哪个，或者怎么混合？」。

两种情况都真的等用户回复，再进入制作。TTS 项目同时附用户原稿的分段方案和音色短样（只使用用户给的文字），一起确认声音方向，不额外增设必停节点。用户事先明确说过不用确认的，就自己选一个、写明理由，自查后继续；交付时把没选的方向一起给用户（B 情况附上 qa/directions.png，A 情况各写一句另外两个可能的方向），让用户回来还能换。

对依赖连续动作的方向，静帧之外附 6–10 秒代表性运动小样（短于 6 秒的片子用全片），覆盖一次状态变化及前后承接；先自行看连续帧排除跳变。小样随风格帧一起确认，不增加第三次必停。口播尚未生成时明确标为动作预演，不能声称已与语音精确对齐。

第 4 步：制作

制作前先读 references/stack.md（页面契约、确定性、各技术的坑）。要现成写法时查 references/recipes.md。

有口播时先锁定口播时间轴：按 references/narration.md 合成用户原稿或导入用户录音，取得真实时长和句段时间戳，再安排画面。用户录音需通过可用转录工具或用户提供的 SRT/JSON 获得文本与时间；没有可靠时间戳时不能声称已完成逐句对齐。发现时长冲突先确认，不静默填充、裁切或变速。将真实区间导入镜头表，保留口播停顿和重点，不强行对齐音乐小节。超过 2 分钟按 references/long-form.md 分章制作，保留章节缓存。

句段只提供同步范围，镜头和主体运动可以连续跨句。关键变化需要词级同步时，用真实词时间或人工标注锚点，通过 narration.js 查询，让画面与音效引用同一事件；只有句级时间时维持句级同步，不伪造逐字时点。制作过程中用 preview.mjs 带声音预览拖动与逐帧检查；预览只驱动同一个 render(t)，不进入正式渲染。

1. 时间点全部写进 timeline.js，页面和 score.mjs 都从这里 import。镜头表写进 SHOTS（验收时按镜头报运动），刻意的停留写进 HOLDS（比如落版 [[b(36), DUR]]），要留呼吸的重拍写进 DROPS，验收工具会读它们。转场要对拍时，用 revealOn(拍点, 转场时长, 揭开点) 倒推起点，让新画面露出来的那一帧落在拍上。
2. 逐个镜头做。每个镜头渲开头、中段、结尾 3 张静帧；关键状态变化和镜头接缝另看连续小样，检查主体是否凭空重置、动作速度是否突变、镜头是否中断。静帧好看不能替代运动检查，快速动作用 inspect.mjs strip 看连续帧。
3. 跑确定性检查 render.mjs <slug> --determinism，不通过就先修。
4. 片长 30 秒以上或渲染慢的，先出低清小样：--size 960x540 --out out/proxy.mp4。
5. 出正片：先在 build.sh 顶部按 brief 设好 FPS、SIZE、AUDIO、LOOP，再 sh <slug>/build.sh。它会构建配乐，先跑确定性检查（不过不出片），再渲染，接着跑文字框景检查（只出审片材料，不挡构建），最后带着同一份规格跑技术检查（时长取 timeline.js 的 DUR）。--subframes、--dpr、--grain 作为参数加在后面，按风格需要加。这些参数都会成倍增加耗时，开渲前先报预计时间。

混合音轨用 AUDIO=file AUDIO_FILE=audio/final.wav sh build.sh；旧的 synth/tone/layer/none 构建方式继续可用。长片使用 build-long.mjs 持久分章构建，详见 references/long-form.md。

硬规则：

• 画面只由 t 决定：不用 Math.random、Date.now、rAF、定时器、CSS 动画，帧和帧之间不保存状态。
• 字体和素材全部加载完，再设置 READY = true；字体放进项目自托管。
• 布局从 stageSize() 返回的宽高推导，不写死像素。

第 5 步：BGM、音效与混音

看 references/sound.md。BGM 和音效分别按确认的来源制作，允许用户配乐 + AI 音效等组合。下表是 AI 合成的引擎选择，不能用引擎默认值覆盖已确认的素材来源。声音方向（对标、律动、和声、配器、曲线）在 brief 里就定好：

• 构建：audio.mjs build <slug>/score.mjs 或 score.tone.js，都会输出 −14 LUFS 的 audio/music.wav。
• 用户曲子：无口播时先跑 audio.mjs beats（有 librosa 时自动使用）对齐 timeline，再在 score 里 S.load() 叠音效。有口播时只把音乐节拍作为参考，调整音乐和音效配合语音，不移动已确认的口播时间轴。
• 无声：BGM、音效和口播均关闭时跳过；仅关闭 BGM 不代表整片无声。
• 有口播：音乐减少主旋律、密集打击和大动态；音效只保留有信息作用的动作，避开关键词与句首。保留独立轨，通过 narration.mjs mix 做人声期间的避让、统一响度和峰值处理。用真实句段时间戳核对画面，听感仍需用户终审。

每次 build 之后都要对最终混音跑 audio.mjs check，看数值和图；宿主支持试听时再听，不能把数值通过写成「听感已确认」。timeline.js 里写了 DROPS 时，它还会量出重拍前的凹陷和抬升，没有呼吸就给 WARN。

第 6 步：验收

技术检查：由程序判定，失败就不能交付。

node <skill>/scripts/inspect.mjs qa <slug>/out/final.mp4 --out <slug>/qa/final \
  --expect-size 1920x1080 --expect-fps 30 --expect-duration 16 --audio required   # 无声片用 --audio none；循环片加 --loop

它检查文件能否解码、尺寸、帧率、时长、帧数、音轨、黑帧、响度、真峰值，以及循环接缝（需要时）。只要有一项 FAIL，退出码就是 1，必须修好。没传的规格项会列成 NOT CHECKED，这时不算验收通过。build.sh 会自动带上规格。渲染工具本身也会拒绝发布帧数不对的文件。

审片：给人判断用，不是程序判定。看抽帧图、手机尺寸抽帧图、冻结段（HOLDS 里声明过的会标成刻意停留，其余要判断是不是空拍）、切点、按镜头的运动和闪帧、文字框景的标记图（qa/text-*.png）、音频图，按 references/review.md 的审片表逐项写下观察和最严重的 3 个问题，有数字和图表的片子要核对内容与数字口径。修完只重渲有问题的那一段，再出整片，过程记到 qa/review_log.md。宿主支持子 agent 时，再派一个没参与制作的 agent 只看这些材料挑问题（review.md「独立审片」）。

有口播时额外运行 narration.mjs check，核对句段时间覆盖、音频长度与确认规格；逐句审查原稿、画面与语音是否一致，自动检查不能代替听感审片。长片逐章审片，并检查拼接处的画面、声音和时间轴。

审片结论是给用户的参考，不能代替用户自己看片。不适用的项标「不适用」，比如无声作品的音画同步，不要硬给分数。

第 7 步：交付

告诉用户：

• out/final.mp4 和 out/poster.png 的路径（poster：render.mjs <slug> --poster <t>）。
• brief.md：完整的结构化提示词、两次确认记录，可以复用，不含 API 凭据。
• 有口播时附用户原稿、句段时间轴和各轨来源；长片附章节 manifest 和断点重建命令。
• 技术检查结果（全部 PASS）、审片记录里还没解决的问题、渲染用时。
• 怎么重建（sh build.sh）、怎么只改一段。
• 第三方素材（字体、用户素材、曲子）的来源和授权；事实类内容提醒用户再核对一遍。

复盘结论和复核证据保存在项目的 qa/review_log.md，与本次制作文件一起交付。

底线（所有风格都要守）

1. 需求与原稿：必填信息经确认；视频不超过 20 分钟；TTS 原稿必须来自用户。时长冲突须确认，不擅自改稿、截断或变速。
2. 事实准确：产品功能、数字、名称只来自用户或可靠来源，不确定的标出来。
3. 文字可读：字号在手机尺寸下看得清，停留时间够读完（见 craft.md 第 7 节）；文字不溢出、不重叠、不被遮挡。
4. 素材有授权：logo、截图、字体、曲子都要能用，并在交付时列出来。
5. 技术正确：确定性渲染，技术检查全部通过，没有黑帧，结尾不能戛然而止（落版定格或无缝循环）。
6. 风格一致：选定的风格规则从头守到尾，不落入 brief 的禁止清单。

除此之外，镜头动多少、用不用弹簧、音效密度、节奏快慢，都按风格和内容来定（见 references/styles/ 和 craft.md）。

工具速查（S=<skill>/scripts）

参考文件（按需读）