ktv

name	KTV 歌词特效视频
description	用 Remotion 在视频或音频上叠加 KTV 风格歌词：asr-to-lrc.py 调火山 openspeech 生成 LRC（可选逐词时间戳），再渲染歌词动画。 视频模式底部双行，音频模式全屏滚动高亮。需 DOUBAO_SPEECH_API_KEY 等，详见正文。
trigger	KTV 歌词、LRC、歌词特效、Remotion 歌词、卡拉OK 字幕、视频加歌词

ktv-video-production

Description

使用 Remotion 在源视频/音频上叠加 KTV 歌词效果。通过独立的 asr-to-lrc.py 脚本调用火山引擎 openspeech 自动识别语音并生成 LRC 歌词（可选逐词时间戳），再由 Remotion 项目渲染歌词动画。视频模式下歌词叠加在视频底部（当前行+下一行），音频模式下歌词全屏滚动高亮显示。

Trigger

当用户提到以下关键词时触发此 Skill：

• KTV 歌词视频
• remotion 歌词
• 歌词特效视频
• 制作歌词 MV
• LRC 歌词动画
• 视频加歌词
• 视频字幕特效
• 音频加歌词

Instructions

概述

本 Skill 分为两个独立阶段：

阶段 A — 语音识别（asr-to-lrc.py）

• 独立 Python 脚本，输入音频/视频文件，输出 LRC 歌词
• 默认使用火山引擎 openspeech（需要 DOUBAO_SPEECH_API_KEY）
• 支持尽量输出逐词时间戳（若接口返回 words 字段），否则输出普通 LRC

阶段 B — 歌词视频渲染（Remotion 项目）

• scaffold.sh 生成 Remotion 项目骨架
• 导入增强 LRC → 解析为逐字时间轴 JSON → 渲染歌词动画
• 输出视频时长与原始媒体完全对齐

完整执行步骤

Step 1：确认用户输入

向用户确认：

• 媒体文件：视频（mp4/webm/mov）或 音频（mp3/wav/m4a/flac）（必需）
• 视频分辨率：默认 1920×1080
• 帧率：默认 30fps
• 高亮颜色：默认 #00ff88（亮绿色）

判断文件类型：

• 扩展名为 mp4/webm/mov/avi/mkv → 视频模式 (MODE = "video")
• 扩展名为 mp3/wav/m4a/flac/ogg/aac → 音频模式 (MODE = "audio")

Step 2：阶段 A — 生成增强 LRC 歌词

前置条件（仅首次）：

• 本机可用 ffmpeg
• 项目根目录存在 .env，包含 DOUBAO_SPEECH_API_KEY=...

使用独立脚本生成增强 LRC：

python scripts/asr-to-lrc.py <媒体文件路径> -o lyrics.lrc

asr-to-lrc.py 参数：

参数	默认值	说明
media	(必填)	音频/视频文件路径
-o/--output	lyrics.lrc	输出 LRC 文件路径
--result-json	(自动)	保存火山 ASR 完整结果 JSON（默认与输出同名，后缀改为 .asr.json）
--no-enhanced	关	输出普通 LRC（默认尽量输出逐词时间戳，若返回含 words 字段）
--poll-interval	5	轮询间隔（秒）
--timeout-sec	600	超时（秒）
--keep-temp	关	保留临时 mp3

输出格式为增强 LRC（逐字时间戳）：

[00:05.20] <00:05.20>我<00:05.60>在<00:05.90>人<00:06.30>民<00:06.70>广<00:07.10>场<00:07.50>吃<00:07.90>炸<00:08.30>鸡<00:08.80>

如果用户自己有 LRC 歌词文件，可跳过此步骤。

Step 3：获取媒体时长

⚠️ 关键步骤：获取原始媒体的精确时长，用于保证输出视频时长对齐。

# 获取时长（秒，带小数）
DURATION=$(ffprobe -v error -show_entries format=duration -of csv=p=0 <媒体文件路径>)
echo "媒体时长: ${DURATION}s"

Step 4：阶段 B — 初始化 Remotion 项目

bash ktv-video-production/scripts/scaffold.sh

Step 5：导入文件并更新配置

1. 将用户上传的媒体文件下载到 ktv-video-production-project/public/ 目录，重命名为 media.mp4 或 media.mp3

2. 将增强 LRC 转为 JSON 并放入项目：

cd ktv-video-production-project
node scripts/parse-lrc.mjs ../lyrics.lrc 30 > src/data/lyrics-data.json

3. 修改 src/config.ts：

export const MODE: "video" | "audio" = "video";  // 根据文件类型
export const MEDIA_SRC = "media.mp4";             // 媒体文件名
export const TOTAL_DURATION_SEC = 245.32;         // ⚠️ 填入 Step 3 获取的精确时长
export const VIDEO_WIDTH = 1920;
export const VIDEO_HEIGHT = 1080;
export const FPS = 30;

Step 6：打包项目给用户

cd ktv-video-production-project && zip -r ../ktv-video-production-project.zip . -x "node_modules/*"

Step 7：告知用户使用方式

cd ktv-video-production-project
npm install
npm start          # Remotion Studio 预览
npm run preview    # Vite + Player 预览
npm run render     # CLI 导出 MP4（推荐）

两种展示模式

视频模式（用户上传视频时）

┌──────────────────────────────────┐
│                                  │
│         源视频画面（全屏）          │
│                                  │
│                                  │
├──────────────────────────────────┤ ← 渐变半透明蒙层
│  ▶ 当前行：我在人民广场吃炸鸡      │ ← 64px 亮色逐字填充
│    下一行：而此时此刻你在哪里       │ ← 48px 半透明预览
│▁▁▁▁▁▁▁▁▁▁ 进度条 ▁▁▁▁▁▁▁▁▁▁▁▁│
└──────────────────────────────────┘

音频模式（用户上传音频时）

┌──────────────────────────────────┐
│        (已唱) 第一行歌词           │ ← 暗色，缩小
│        (已唱) 第二行歌词           │ ← 暗色，缩小
│                                  │
│   ★ 当前行：我在人民广场吃炸鸡 ★   │ ← 居中，最大，逐字填充
│                                  │
│        (下一行) 第四行歌词         │ ← 半透明
│        (下一行) 第五行歌词         │ ← 更半透明
│▁▁▁▁▁▁▁▁▁▁ 进度条 ▁▁▁▁▁▁▁▁▁▁▁▁│
└──────────────────────────────────┘

时长对齐机制

src/config.ts 中的 TOTAL_DURATION_SEC 控制输出视频的总帧数：

• 设置了 > 0：totalFrames = Math.round(TOTAL_DURATION_SEC * FPS)，输出视频时长精确等于原始媒体
• 未设置 (= 0)：fallback 到歌词最后一行结束 + 3 秒

务必通过 ffprobe 获取原始媒体精确时长并填入此字段。

注意事项

• asr-to-lrc.py 是独立脚本，不依赖 Remotion 项目
• asr-to-lrc.py 默认使用火山引擎转录；请确保 .env 中有 DOUBAO_SPEECH_API_KEY
• 视频文件会自动通过 ffmpeg 提取音频并转码为 mp3 再转录
• 如果用户已有 LRC 歌词文件，可跳过 ASR 步骤