make-static-history-video

name	make-static-history-video
description	制作中文竖屏静态历史信息图解说视频的通用生产流程 适用于任意朝代 人物 战争 制度或历史专题 仅支持暖色宣纸 Vox 和美漫 Vox 两种视觉预设 使用 APIMart gpt-image-2 独立单图生成与口播对应的历史场景 地图 路线 箭头和准确中文标签 使用用户指定的 ElevenLabs voice ID 和模型取得字符级对齐 生成无标点字幕 配置 BGM 并由 Remotion 静态切镜合成和执行发布前 QA 用于一分钟测试 完整集 画面与台词一一对应 配音 字幕 BGM 和完整成片任务

静态历史信息图视频

将经过确认的史料或生产脚本转换为可发布成片 不把整张图的轻微缩放当成动画 不让无关图片循环顶替内容对齐

运行前检查

• Python 3.11 或更高版本 并安装 requirements.txt
• Node.js 20 或更高版本
• ffmpeg 和 ffprobe 必须能从 PATH 找到
• 系统需安装 PingFang 黑体 微软雅黑或 Noto Sans CJK SC 之一 也可在字幕命令中使用 --font 指定字体文件
• 只从环境变量读取 APIMART_API_KEY 和 ELEVENLABS_API_KEY voice ID 可由 --voice-id 或 ELEVENLABS_VOICE_ID 提供

python3 -m pip install -r requirements.txt
command -v ffmpeg
command -v ffprobe

默认生产合同

• 竖屏 9:16 1080×1920 30fps
• static-infographic 静态信息图模式
• 视觉预设只能二选一 warm-xuan-vox 或 american-comic-vox
• 未指定风格时默认 warm-xuan-vox
• APIMart gpt-image-2 1K 独立单图 默认四并发 禁止宫格
• 每个项目必须提供 ElevenLabs voice ID 模型默认 eleven_v3 也可显式指定
• 台词信息 地图 路线 战争方向 章节文字直接烘焙进生成图
• Remotion 只组装静态图 字幕 配音 BGM 和经批准的片尾卡
• ElevenLabs 必须返回字符级 alignment
• 实际时长由配音决定 不硬凑 60 秒或 10 分钟
• 图像底部 22% 保留低细节 字幕位于底部 18% 安全区
• 字幕删除全部 Unicode 标点 配音文本保留必要标点控制韵律
• 先输出 out/candidates/ 候选 通过 QA 后才晋级 out/final.mp4

用户明确指定其它非风格参数时以用户参数为准并把偏离写入 project.json 第三种视觉风格不视为普通参数偏离 必须先修改固定合同

工作流

1 锁定内容和视觉合同

1. 读取原文 史料 脚本和用户要求
2. 核定时间 人物 地理 战争方向 制度和因果表述
3. 把确认事实与分析判断分开 没有依据不补齐
4. 写入 project.json 并生成生产分镜
5. 只在内容和视觉合同确认后进入付费生成

初始化项目

python3 scripts/init_project.py /absolute/project/path \
  --title "视频标题" \
  --voice-id "用户的 ElevenLabs voice ID" \
  --model-id "eleven_v3"

读取 project-contract.md 创建目录 分镜和 manifest

2 把口播拆成镜头和信息图

• 一张图只承担一个核心信息动作
• 建立 shot_id 配音段落与 frame_id 实体图片的明确关系
• 每张图指定 start 或 on_word 锚点
• on_word 必须原样出现在 TTS 文本中
• 快切多帧使用独立实体资产和 hold_seconds
• 不允许一张无关图在多段台词中循环
• 脚本标注秒数只是节奏参考

3 生成配音

1. 先试单次连续 with-timestamps 请求
2. 单次请求超时或断开时 只能在镜头边界分块降级
3. 分块时保持相同 voice ID model ID stability seed 策略和文本顺序
4. 不自动在每个 chunk 之间插入停顿 只添加脚本明确要求的停顿
5. 保存完整 manifest 全局镜头时间 chunk 映射 request ID 文本哈希和字符对齐
6. 如需 atempo 后加速 必须同比缩放 alignment 时间

python3 scripts/generate_continuous_voiceover.py \
  --project project.json --out voice-continuous-candidate

连续请求成功后 将该候选复制为规范 voice/ 目录 连续请求失败时保留失败日志 将候选目录归档 然后向空的 voice/ 目录生成分块降级版

python3 scripts/generate_chunked_voiceover.py \
  --project project.json --out voice \
  --max-chars 430 --speed 1.0 --post-speed 1.0

不把 API key 写入技能或日志 仅从 ELEVENLABS_API_KEY 环境变量读取

配音细则读取 voice-and-captions.md

4 生成并审查信息图

1. 选择且只选择一个视觉预设
   • warm-xuan-vox 暖色宣纸 撕纸拼贴 旧地图 高密度木刻线条 低饱和土色和少量朱砂红
   • american-comic-vox 粗重炭黑轮廓 受控网点印刷 青蓝 珊瑚红 芥末黄 米白和炭黑
2. 不混搭两种预设 不提供纪念碑谷 复古报纸或第三种默认风格
3. 先生成四类压力测帧 钩子 人物 复杂地图 高密度文字
4. 通过后再以1K独立单图四并发生成其余图片 禁止宫格裁切
5. 每张保存服务原图和 1080×1920 RGB canonical PNG
6. 保存 task ID 耗时 成本 原尺寸 canonical 尺寸和 SHA256
7. 生图失败时只重试当前帧 不用邻帧冒充
8. 用 view_image 原尺寸审查文字 方向 地理 时代符号 字幕安全区和重复元素
9. 错字 伪字 越界或时代错误必须定向重生当前帧 保留失败候选和 repair 日志
10. 不用 Remotion 叠字掩盖生图错误

读取 visual-prompt-contract.md 构建提示词

python3 scripts/generate_apimart_images.py /absolute/project/path

5 根据 alignment 生成字幕和镜头时轴

python3 scripts/build_aligned_captions.py \
  --project project.json \
  --voice-manifest voice/voiceover_manifest.json \
  --pronunciation pronunciation.json \
  --caption-dir captions

python3 scripts/build_timeline.py /absolute/project/path

• 字幕使用批准后的正字 不显示 TTS 谐音替代字
• 字幕生成前删除全部 Unicode 标点符号 最终扫描命中数必须为 0
• 单条建议不超过 16 个中文字符
• 时间轴必须连续无重叠 分块尾静音由前一张图承接
• 把字幕预渲染为透明 PNG 避免渲染机字体差异

6 生成 BGM 并合成

优先使用原创或已确认授权的音乐 未确定版权时可生成原创程序化氛围床

python3 scripts/generate_original_bgm.py /absolute/project/path
python3 scripts/sync_remotion_assets.py /absolute/project/path
cd /absolute/project/path/remotion
npm install --no-audit --no-fund
npm run lint
npm run still
npm run render

静态版禁止背景呼吸 整图推拉 Ken Burns 视差漂浮或装饰性动画 只使用硬切或克制的静态转场

7 发布前 QA

1. 先检查所有源资产和 manifest
2. 先渲染首帧 中段 复杂地图 关键错字帧 揭晓帧和片尾帧
3. 候选片渲染完成后运行媒体和内容双重检查
4. 任何 P0 或 P1 不通过时不得复制到 out/final.mp4
5. 修复后重新运行受影响阶段和最终检查

python3 scripts/validate_project.py /absolute/project/path

完整命令和阈值读取 release-qa.md

阶段门

• S0 内容合同 史实 脚本 视觉定稿
• S1 配音 音色模型正确 alignment 完整 无异常断点
• S2 生图 数量尺寸正确 台词语义一一对应
• S3 字幕 正字 时轴 安全区和可读性正确
• S4 Remotion 编译和关键帧通过
• S5 候选成片的编码 黑帧 静音 响度 裁切 字幕通过
• S6 正式输出哈希与 QA 报告完整

必要产物

project.json
source/original-script.md
storyboards/production-storyboard.json
storyboards/frame-manifest.json
storyboards/timeline.json
prompts/frame-prompts.json
assets/source-images/
assets/backgrounds/
voice/voiceover_full_48k.wav
voice/voiceover_manifest.json
captions/subtitles.srt
captions/caption-manifest.json
audio/music/bed.wav
out/candidates/candidate.mp4
out/qa/release.json
out/final.mp4

发布文案

按平台分别写微信公众号 抖音和 X 文案 标题不使用标点符号 正文保留必要标点 读取 publishing-copy.md

禁止行为

• 不用旧图循环冒充新台词
• 不把 Remotion 文字叠加当成场景生图
• 不在没有 alignment 时猜字幕时间
• 不把全屏缩放或轻微平移宣称为动画
• 不混用不同 voice ID model ID 或未标记候选配音
• 不使用明代砖长城表示秦汉初年的夷土障塞
• 不接受错字 伪文字 现代旗帜 错位岛屿和相反方向
• 不直接覆盖已经批准的 out/final.mp4
• 不使用 hybrid layered 拆层动画或把静态推拉宣称为动画
• 不使用九宫格 四宫格或本地裁格
• 不自动增加第三种风格或混合两种固定预设