懒人口播视频制作（口播原片+图片/视频直接帮你制作炫酷科技风格口播视频）

概述

懒人口播制作

将口播内容变成可看懂的演示，保留真人存在感。当前基线为2026-10-20用户明确满意的最终v2：“真人原色 + 可耐麦圆文字挂件 + 卡通对比与本人小窗 + 深色真实界面演示 + 纸质叙事”。该片已获风格确认，尚未完成第二条新素材的一次通过验证，不承诺后续必然零修改。

2026-10-29 增加第二条已确认方向「撞色块面」（见[撞色块面](references/graphic-blocking.md)）：电蓝/荧光黄绿/黑白撞色、按段落换底色、粗标题与大数字承担视觉重点、可耐麦圆保留解释文字、文字揭示与重复字墙、卡片散开→汇聚→排序→进入处理节点、截图聚焦/轻透视/局部放大、本人小窗换形态。该方向用于信息量大的功能讲解，与纸质叙事、深色演示可在同一片内分工混用。两条方向都已获用户确认，选择哪条由当前素材与用户要求决定，不互相替代。

已确认的创作约束

• 真人不加滤镜，不主动调整曝光、对比度、饱和度、美颜或肤色。画中画可缩放、移动，但不拉伸。画幅跟随当前用户要求；无新要求且原片竖屏时沿用9:16。
• 默认保留原声，不加音乐、音效或逐句口播字幕。关键词、文字挂件、道具说明可以出现。用户后续明确改变要求时按新要求处理。
• 人物在大部分镜头可见；复杂演示可把真人缩成画中画，也可按内容短暂切到完整举例场景。不能为了塞卡片遮挡脸或关键操作。
• 对比场景默认用卡通角色，不用写实陌生人代表受众；左右卡通与身份标签之外，穿插口播者本人小窗。以最终满意版本为准，不沿用中途“去掉真人小窗”的临时版本。
• 全片后期新增文字默认用 KN Maiyuan Regular / 可耐麦圆，保持圆润、轻松、易读。先读[字体与本地配置](references/typography.md)，缺字体时不得静默退回黑体。原始截图、录屏中的字体不重绘。用户明确要求“粗标题、大数字承担视觉重点”时（2026-10-29 已确认），标题与数字改用 display / num 两个角色，解释文字仍用可耐麦圆；这是用户指定的双角色排版，不改变本条默认规则。
• 不在后期页眉、角标、小窗旁或片尾主动添加“驰誉AI/驰誉 AI”品牌叠字。技能名称不代表视频必须打品牌；原始证据中的品牌不涂改。
• 真实素材优先。缺对应截图、录屏或视频时主动列出具体缺口和用途，不用空图标或虚构界面替代。解释性动画与真实操作证据要分清；不制造评分、认证、客户评价、业绩或安装成功画面。
• 横竖屏变化只改变构图，不应换掉已确认的表现语言。不要把旧片的时长、1:54截止时间、具体产品名称或私域主题当成后续视频的固定规则。

按任务阶段工作

1. 审素材与对齐口播。 按[完整制作流程](references/production-workflow.md)识别口播、录屏、截图，检查方向、时长、色彩与音轨。转录用于内部时间轴，修正产品名和识别错字，不默认烧录字幕。输出镜头表：源时间 → 成片时间 → 语义 → 实际素材 → 动作/构图 → 缺口。剪气口遵守[气口与时间轴](references/breath-editing.md)，不自动剪掉所有识别间隙。
2. 设计镜头。 先读 [视觉语言](references/visual-language.md)。引用当前参考的具体场景和动作，不停在“科技感、手绘风”这类概括。按语义切换真人、真实演示、具体道具叙事；不机械定时换版。功能讲解片或用户要求撞色/大字/卡片流时，同时读[撞色块面](references/graphic-blocking.md)与 assets/high-contrast-layouts.json；两边都读时按内容分工：撞色做结构与强调、深色做界面证据、纸质做需要慢下来的推测。
3. 沿用确认，针对变化试片。 用户已确认的方向直接沿用；新视频必要时先给少量代表片段。用户要求整片且方向已确认时，直接完成整片，不重复索要同一批准。不要把样片当整片交付。
4. 合成与验证。 读 [媒体管线](references/media-pipeline.md)。使用[已确认布局参数](assets/approved-layouts.json)、[撞色布局参数](assets/high-contrast-layouts.json)和[绘制原语](assets/style-primitives.mjs)建立当前内容的场景；原语不代替分镜。先验证一段小窗合成的实际帧数与字体，再完成整片。图形变更不得顺带修改已确认的剪点、录屏参数或声音。
5. 交付并迭代。 给可播放的视频和简短检查结论，明确样片/整片、完成与未完成的检查。风格满意由用户确认，技术指标不能替代。按照 [版本与发布](references/versioning.md) 维护技能；创建视频不等于授权发布技能。

检查工具

python scripts/media_audit.py SOURCE --output FINAL --report report.json（依赖 PyAV）。报告尺寸、色彩元数据、视频帧数、音轨包哈希及潜在差异。全长且不剪口播时严格比较时长/帧数与原声；节选、变速、转码或剪辑时解释预期差异，不为通过检查而改阈值。

python scripts/timeline_plan.py timeline.json --output compiled.json（Python标准库）校验镜头连续性、剪点边界，编译保留区间、逐镜帧数与精确时钟滤镜。输入格式见气口与时间轴。

python scripts/verify_delivery.py FINAL --expected-frames N [--same-audio-as PREVIOUS] --report checks.json（依赖 PyAV）完整解码、检查时间戳/时长；纯视觉迭代时逐包核对原声未变。它不证明文案、审美或听感正确。

绘制与合成（Python 管线）

撞色方向已用这条链路跑通整片（1080×1920 / 2171 帧 / HLG 10bit / 原声流复制）。三条命令构成闭环，examples/block-poster/ 是可直接复制改写的骨架：

python scripts/gfx.py                       # 自检：打印各字体角色实际解析到的文件
python examples/block-poster/scene.py       # 出帧：写 frames/bg 与 frames/fg 两套 PNG 序列
python scripts/compose.py spec.json --out final.mp4   # 合成：叠真人小窗与证据片段后编码

• scripts/gfx.py：字体角色解析、文字层缓存、贴纸/光芒/半调/斜纹/箭头/发光、圆角还原 corner_fix、轻透视 warp_rgba、缓动。颜色全部由调用方传入，不绑定某个项目的配色。
• scripts/motion.py：段落时间、文字揭示 rise/弹出 pop、胶囊 chip、色块字 block_text、字墙 wordwall、角标 index_label、媒体框 media_frames、多进程出帧 render_frames。
• scripts/compose.py：读 spec.json 生成 ffmpeg filtergraph。真人小窗按尺寸分组 split/trim/overlay，证据片段先裁切成小片再按时间窗叠加，最后叠图形层。--start/--end 或 --start-frame/--end-frame 可只合成一段做技术验证（秒值会吸附到帧边界），--no-enc 复用已编码证据小片，--dry-run 只打印命令。
• 图形层与录屏的色彩转换、偶数尺寸、接缝处理等硬约束写在[媒体管线](references/media-pipeline.md)。spec.json 里 evidence 的 scale 必须等于 rect 宽高且为偶数，否则 compose.py 直接报错。
• 出帧用 fork 把渲染函数留在父进程，闭包也能用；没有 fork 的平台自动退化为单进程，结果一致只是慢。分镜函数必须只依赖传入的 t，不要在帧之间累积状态。

同一时间点重复绘制应一致；有意运动应落在叙事对象上，不靠整屏纹理闪烁制造运动。长片有可用代理时安排两位独立审片者分别检查视觉与交付，告知审查依据与限制。若自动检查工具不可用，记录原因并完成可用检查，不宣称全项通过，也不为重新试片扩大任务。