| name | wjs-converting-text-to-video |
| description | Use when the user wants a 王建硕-style WeChat article (article.md) turned into a narrated short MP4 video — TTS voiceover via 火山引擎 Volcano TTS, HyperFrames CSS/GSAP animation per scene, subtle SFX, abstract watercolor background, full pipeline rendering to 1080×1920 portrait MP4 (30-90s). Triggers — "把这篇文章做成视频", "做一个解说视频", "讲解视频", "/wjs-converting-text-to-video". |
wjs-converting-text-to-video
把一篇王建硕风格的微信公众号 article.md 做成 1080×1920 竖屏、30-90 秒 的中文解说短视频：TTS 旁白 + HyperFrames CSS/GSAP 动画 + 抽象水彩背景 + 转场 SFX。输出 MP4 给视频号 / 抖音 / 小红书 / Reels。
What this skill produces
| 维度 | 默认 |
|---|
| 尺寸 | 1080×1920 竖屏 (9:16) |
| 时长 | 30-90 秒 |
| Scene 数 | 5-10 |
| 旁白 | 火山引擎 Volcano TTS，默认阿虎对话男声 |
| 背景 | GPT Image 2 生成的抽象水彩 (bg.png) + blur 30 + 暖黑半透明 overlay |
| 字体 | Noto Sans SC，hero 900，主文字暖奶白 |
| 输出 | <article-folder>/<slug>.mp4（与 video/ 平行，不放 video/ 里） |
| 发布 | 自动上传到 YouTube — Portrait → Shorts，Landscape → 普通 video；重新渲染会替换老视频（不累积） |
When this skill fires
- 用户已有
article.md，说「做成视频」「做一个解说」「讲一遍」
- 用户跑
/wjs-converting-text-to-video <article-folder>
- 用户说「把昨天发的那 X 篇都做成视频」之类的批量请求
When NOT to use
- 没有文章稿，只是一个想法 → 先用
/wjs-publishing-wechat 写出 article.md，再来
- 用户要的是字幕烧录 / 翻译 / 配音替换 → 用
/wjs-burning-subtitles / /wjs-dubbing-video / /wjs-localizing-video
- 视频要英文 / 西语等非中文 → 本 skill 专注中文 TTS (Volcano 火山引擎)；非中文走 hyperframes 自带 tts 命令 (kokoro 英文还可以)
- 横屏 16:9 → 本 skill 默认竖屏；横屏仅在用户明确要求时改
Core Principle
视频不是文章的可视化朗读，而是文章的视觉重构。
每个 scene 是一个独立的视觉时刻 —— 一个对比、一个排比、一个数字、一个比喻。文字撑满屏幕，黑体加粗，重点字橙色高亮。背景是抽象水彩 (blur 后柔化)，整体调子稳重、克制、有冲击力。
节奏 > 模板。一段 5-10 scene 的视频，如果从头到尾都是"两行对照"的同一种排版，就不是视频，是 slideshow。现代感来自对比 —— 极端字号差、不对称布局、短 scene 与长 scene 交替、纯文字 scene 与几何元素 scene 交替、水彩底 scene 与亮色 punch scene 交替。
默认是平庸的。如果只是从模板表顶端挑几种最容易的，结果一定是"平铺直叙的两行格式"。强制走 Step 1b Scene Mix Rule 配比。
Workflow
Step 1: 设计 5-10 个视觉时刻
读 <article-folder>/article.md，按论证结构拆成 5-10 个 scene（控制在 30-90 秒总时长）。短文（核心 1-2 个要点）做 5-6 scene / 30-50s；长文 8-10 scene / 60-90s。每个 scene 一段叙述（旁白）+ 一个清晰的视觉骨架。
模板表 —— 6 类共 16 种，按需混搭：
A. Hero / Punch（强对比 climax，每片 ≥1，时长 ≤4s）
| 模板 | 适合 |
|---|
| A1. 全屏单字 hero | 1-3 字 climax 词撑满屏，字号 280-400px |
| A2. Outline hero | 空心字 -webkit-text-stroke: 4px #f5efe5; color: transparent; |
| A3. Color-flip punch | 整屏背景换亮色（橙/红/金/翠绿等），反白字 |
| A4. Gradient text hero | 大字加 background: linear-gradient(...); -webkit-background-clip: text; |
B. Contrast / 对照（反差结构，每片 1-2 个，时长 5-8s）
| 模板 | 适合 |
|---|
| B1. 双行对照 + strikethrough | 「以前 X，现在 Y」「不是 A，是 B」 — 整片最多 2 个 |
| B2. 左右分屏对照 | 屏幕一分为二（可加竖线分隔） |
| B3. 对角线对照 | 左上 ↔ 右下，中间大量留白 |
C. List / 结构（多项并列，每片 1-2 个，时长 6-10s）
| 模板 | 适合 |
|---|
| C1. N 个卡片横排 | 3-5 个并列，用深暖黑 + 单色边框 |
| C2. 垂直堆叠关键词 | 6-8 个排比项，可加大数字编号 01-08 |
| C3. 真网格 | 2×2 / 3×2 网格，每格图标 + 标签（竖屏宽度有限，4 列横排会挤） |
| C4. 阶梯 / 错位列表 | 每项 margin-left 递增 |
D. Stat / 数据（数字 climax，每片 ≥1，时长 4-6s）
| 模板 | 适合 |
|---|
| D1. 数字 ticker | 0 → N 滚动动画（gsap.to({textContent})） |
| D2. 数字 + 标签 | 主数字 200-400px + 60-80px 解释 |
| D3. 进度条 / 时间轴 | 横向 progress bar + 节点 |
E. Quote / Climax（金句落点，每片 1-2 个，时长 6-10s）
| 模板 | 适合 |
|---|
| E1. 段落级 hero text | 一句 60-100px 金句，左对齐 + 左侧 emphasis bar |
| E2. 大引号 + 内文 | 巨大半透明开引号作背景装饰 |
F. 装饰 / 几何（节奏调味，可选）
| 模板 | 适合 |
|---|
| F1. 格子 + spinner / 进度条 | 多并发画面 |
| F2. 对话气泡 ↔ 回应 | 角色 A 说 → 角色 B 做 |
每个 scene 的旁白控制在 3-12 秒（短 punch 3-4s，长 breath 10-12s，不要全部都是 5-7s）。所有 scene 加起来 30-90 秒，不要超过 90 秒。文章短就做短，5 个 scene × 6s = 30s 也是合格。
Step 1b: Scene Mix Rule（强制）
写完 5-10 个 scene 设计后，按下面 checklist 自查。任何一条不满足 → 回去调整。
配比硬规则
节奏硬规则
布局硬规则
配色硬规则
反单调自检
- 把所有 scene 截图缩成缩略图并排 — 能一眼分辨吗？如果 8 个看起来一样 → 重做
- 第 1、4、7 scene 的视觉密度是不是不一样？应该有的密、有的极简
- 有"meta-rhythm"吗？比如 A 开场 → 3 个 B/C 展开 → D climax → E 收尾 — 比线性铺更有戏剧弧
Step 2: 写 narration_chunks.json
[
{"id": "s01", "text": "我们以前，是 AI 的领导。现在，我们就是它的维修工。"},
{"id": "s02", "text": "..."}
]
写旁白细节：
- 比 article.md 更口语、更短促，逗号/句号多用让 TTS 自然停顿
- 数字 / 英文混排 OK（"Claude Code"、"100 倍"），Volcano 都能读
- 不写括号注释、不写
...、不写破折号 ——（TTS 会念出 "破折号" 三字）
- 删掉 article.md 里的
**加粗 markdown**，只留纯文字
- 去掉百姓网相关 facts：article.md 里如出现「百姓网」「百姓网现在 X 人」「百姓网员工」等都要 strip 或泛化（"百姓网现在 158 个人" → "现实里没几个真人"）。这是过时信息，不要进视频。同理 visuals 不要出现 "百姓网" label 或 "158 人" stat。详见 [[no-baixing-facts]]
Step 3: 生成 TTS narration
cd <article-folder>/video
python3 tts_narration.py
脚本默认用 zh_male_ahu_conversation_wvae_bigtts（阿虎对话）— 段间插 0.35s 静音，输出 narration.mp3 + timing.json。
Volcano TTS 注意事项（踩过的坑）：
- 用 resource
volc.service_type.10029，speaker 选 zh_*_*_bigtts
- 绝对不要传
emotion / emotion_scale — 大部分 _bigtts 声音会返回 data: null 静默失败
- 绝对不要用 kokoro（hyperframes 自带 tts）— 中文质量差，用户明确不接受
- 避免
zh_male_jieshuonansheng_mars_bigtts — 含英文专名（如 "Claude Code"）会循环 hallucinate
备用声音（按推荐顺序）：
zh_male_ahu_conversation_wvae_bigtts (阿虎对话) — 默认，自然口语zh_male_M392_conversation_wvae_bigtts — 同 wvae 系列zh_male_wennuanahu_moon_bigtts (温暖阿虎) — 更暖、播音感zh_male_silang_mars_bigtts (思朗) — 沉稳思考，戏剧感强zh_male_baqiqingshu_mars_bigtts (霸气) — 更有力度
切声音：python3 tts_narration.py --voice zh_male_silang_mars_bigtts
Step 4: 生成水彩背景图
bg-image 是视觉主基调（柔化的抽象水彩）。不要用 article 的 illustration.png — 手绘示意图细节太多，blur 后变成均匀深色泥（视觉上仍是纯黑）。必须用专门生成的抽象水彩。
~/.claude/skills/wjs-converting-text-to-video/scripts/generate-bg.sh <article-folder> <theme>
<theme> 选（根据文章主题）：
| theme | 色板 | 适合 |
|---|
personal | bright warm yellow, soft coral pink, terracotta, sage green, cream | 个人、手作、温暖 |
tech | cool teal, electric blue, deep purple, mint, white | AI、技术、数据 |
reflection | sage green, dusty blue, lavender, pearl, cream | 反思、沉静 |
warning | burnt orange, deep red, mustard, charcoal | 警示、张力 |
growth | fresh green, gold, soft yellow, sky blue | 增长、复利 |
abstract | lavender, dusty rose, sage, soft amber | 抽象、哲思 |
输出：<article-folder>/video/bg.png (1088×1920, ~3MB)。
⚠️ 图片必须在 video/ 目录内 — 不能用 ../illustration.png，hyperframes render 不解析跨目录相对路径，会渲染成纯黑。
Step 5: 写 HyperFrames composition (index.html)
读 timing.json，按每个 chunk 的 start/end 设计 scene。竖屏 1080×1920 结构：
<html><head><script src="https://cdn.jsdelivr.net/npm/gsap@3.14.2/dist/gsap.min.js"></script>
<style>
html, body {
width: 1080px; height: 1920px; margin: 0; overflow: hidden;
background: #0e0b08;
font-family: 'Noto Sans SC', 'PingFang SC', 'Heiti SC', sans-serif;
font-weight: 900;
color: #f5efe5;
letter-spacing: -0.02em;
-webkit-font-smoothing: antialiased;
}
#bg-image {
position: absolute; inset: 0;
background-image: url('bg.png');
background-size: cover;
background-position: center;
filter: blur(30px) brightness(0.65) saturate(0.85);
z-index: 0;
transform: scale(1.1);
}
#bg-overlay {
position: absolute; inset: 0;
background: rgba(14, 11, 8, 0.28);
z-index: 1;
}
.scene { position: absolute; inset: 0; overflow: hidden; opacity: 0; z-index: 2; }
#s1 { opacity: 1; }
</style></head>
<body>
<div id="root" data-composition-id="main" data-start="0" data-duration="<total+2>" data-width="1080" data-height="1920">
<div id="bg-image"></div>
<div id="bg-overlay"></div>
</div>
<script>
</script>
</body></html>
🎬 第一帧规则（硬性）
视频 t=0 必须包含：
- bg-image 完全可见 — 永远 opacity 1，从不 fade-in（CSS 默认就可见，别在 GSAP 里改它的 opacity）
- 标题元素可见 — s1 的主要标题元素
tl.from({y:30, scale:0.95}) 可，但 不要 tl.from({opacity:0})，否则 t=0 就是黑屏
- s1 不能是 A3 color-flip — 否则盖住 bg-image，第一帧就看不到水彩。color-flip 留给 s2+
色彩系统
主文字 / 锚定色（design system，全片一致）：
| 角色 | 值 | 用法 |
|---|
| 主文字 | #f5efe5 暖奶白 | hero / 主要内容 |
| 二级文字（副标题、caption） | #f5efe5 + opacity: 0.7 + 小字号 | 不要用灰色（#8a7e72 在水彩底上看不清）。用 opacity + 缩字号做 hierarchy |
| 划掉文字本身 | #f5efe5 + opacity: 0.5 + strikethrough line | 不要用 #6d635a 暗灰 — 在水彩底上看不清。改用 opacity 弱化 + 橙色 strike line |
| 装饰大编号（01-08） | #f5efe5 + opacity: 0.18 或 #e87a3e + opacity: 0.35 | 不要用 #2b2620 等深灰（水彩底上完全消失） |
| Outline 描边 | #f5efe5 4-8px stroke + color: transparent | A2 空心字 |
| 默认 fallback bg | #0e0b08 深暖黑 | 被 bg-image + overlay 覆盖；color-flip 不用 |
核心原则：所有文字用 #f5efe5 cream 或 #e87a3e 橙系（accent palette），用 opacity + size 做 hierarchy，不用色相变化。灰色是黑底时代的遗物，水彩底上一律不用。 详见 [[no-low-contrast-text]]
Color-flip 背景 palette（A3，不只是橙/蓝/白）：
| hex | 适合 |
|---|
#e87a3e 经典橙 | 警示、强调、climax punch |
#6b9bc4 亮蓝 | 数据、技术 climax |
#f5efe5 暖奶白 | 收尾、安静的反差 |
#c45c3e 深红 | 警告、错误 climax |
#d4a040 深金 | 成就、价值 climax |
#5a8c6a 翠绿 | 增长、复利、生命力 |
#4a8a8a 青松 | 冷静、长期主义 |
#7a5a8a 暗紫 | 智慧、神秘 climax |
#c48a8a 暗粉 | 柔软、人性 |
color-flip 上的文字用 #0e0b08 或 #f5efe5 反相。
Emphasis / Accent palette（不只是橙）：
| hex | 适合 |
|---|
#e87a3e 橙 | 默认 emphasis |
#6b9bc4 蓝 | 数据、技术词、AI |
#d4a040 金 | 价值、成就 |
#5a8c6a 翠绿 | 增长、好结果 |
#4a8a8a 青松 | 长期、稳定 |
#c45c3e 深红 | 警告、反差 |
#8a7aaa 暗紫 | 抽象、智慧 |
#c48a8a 暗粉 | 柔软、人性化 |
整片 emphasis ≥ 2-3 种，根据 scene 主题选 accent。
字体系统（竖屏 1080 宽）
| 项 | 值 |
|---|
| 字重 | hero 900 / 主文 800 / 二级 600-700 / caption 500 |
| 字距 | hero -0.04em 到 -0.06em / 主文 -0.02em / caption 0 |
| Punch hero (A1/A2，1-3 字) | 280-400px |
| 短句 hero (4-6 字) | 160-240px |
| 长句 hero (7-10 字) | 100-150px |
| 卡片内容 | 56-130px |
| 副标题 | 40-72px |
| Caption / 序号 / 标签 | 20-40px |
布局系统（反居中惯性）
| 布局 | CSS 关键 | 适合 |
|---|
| 居中 | flex; center; center; | A 类 hero，但 ≤50% scene |
| 左对齐贴顶 | padding: 80px 80px 0 80px; | E 类金句、长 quote |
| 右下角锚定 | position: absolute; right: 80px; bottom: 80px; | 落款、climax 词 |
| 对角线 | top-left / bottom-right | B3 对角对照 |
| 网格 | display: grid; grid-template-columns: repeat(2, 1fr); | C3（竖屏 2×N 而非 3×N） |
| 阶梯 | 每项 margin-left: calc(60px * var(--i)); | C4 错位列表 |
| 贴底 + 上方留白 | position: absolute; bottom: 60px; 上方空白 | 呼吸 scene |
| 边角小元素 | 文字小贴一角，其他全空 | 极简 / 留白 punch |
Padding：撑满型 40-80px，呼吸型 120-200px。不要所有 scene 都用同一个 padding。
几何装饰元素
每隔几个 scene 用一个：
- 粗短线 8-16px × 40-200px，emphasis bar，橙色
- 左侧 emphasis bar 6px × 100%，配长 quote
- 大数字编号 01-08，list 项序号（淡灰、巨大、装饰性）
- 大引号字符
" 半透明超大置左上
- 横向分隔线 2-4px 奶白 30% 透明
- 圆点 / 方块 12-20px、橙色，list bullet
- 箭头 ➜ 或自绘 SVG
Scene 转场（4 种 + 混用规则）
不要全片都 blur crossfade。每 4 个转场必须 ≥2 种类型。
T1. Blur crossfade（默认柔和）
- 0.6s，
sine.inOut
- 后 scene
opacity: 0, filter: blur(24px) → opacity: 1, filter: blur(0)
- 前 scene 同时 fade-out + blur
T2. White flash cut（punch 切，最现代）
- 0.18s 总长：60ms 白闪 → 切 → 40ms 新 scene scale 1.05 → 1
- 适合：进入 A 类 hero、D 类 stat、climax 切换
tl.to('.flash', { opacity: 1, duration: 0.06, ease: 'none' }, T - 0.06)
.set(prevScene, { opacity: 0 }, T)
.set(nextScene, { opacity: 1 }, T)
.to('.flash', { opacity: 0, duration: 0.12, ease: 'power2.out' }, T)
.from(nextScene, { scale: 1.05, duration: 0.25, ease: 'expo.out' }, T);
T3. Scale push（推进感）
- 0.55s，前 scene
scale: 1 → 0.85，后 scene scale: 1.15 → 1
- 适合：从概览推到细节
T4. Color flash cut（橙/蓝闪一下，强烈节奏）
- 0.22s 总长：80ms 全屏橙 → 切 → 40ms 收
- 适合：进入 A3 color-flip 或关键转折
- 全片最多 2 次
flash overlay 在 HTML 里加 <div class="flash"> 全屏定位、默认 opacity 0、z-index 100。
入场动画规则
- 每个 scene 的每个元素都用
tl.from(...) 入场（y/opacity/scale）
- 入场 stagger 0.1-0.3s；首元素 t = scene.start + 0.3 起
- ≥3 种不同 ease（
power3.out / back.out(1.3) / expo.out / elastic.out(1, 0.5)）
- 不要
gsap.to({opacity: 0}) 退场 — 转场已处理。只有最后 scene 可 fade-to-black
- 整片必须用到 ≥3 种 Modern Motion Techniques
Modern Motion Techniques
平庸视频和现代视频的差别一半在排版、一半在 motion。下面 7 种每片必须用 ≥3 种（特定 scene 用，不要全片堆）。
1. Kinetic Typography（字符 stagger 入场）—— A 类 hero
<h1 class="kinetic">维 修 工</h1>
tl.from('.kinetic span', {
y: 180, opacity: 0, rotateX: -90,
duration: 0.7, stagger: 0.06,
ease: 'back.out(1.4)',
transformOrigin: '50% 100%',
}, T);
2. Camera Punch（推近 / 拉远）—— A3、D 类
tl.from(scene, { scale: 1.15, opacity: 0, duration: 0.5, ease: 'expo.out' }, sceneStart);
3. Mask Reveal（clip-path 揭示）—— E 类 quote
.reveal { clip-path: inset(0 100% 0 0); }
tl.to('.reveal', { clipPath: 'inset(0 0% 0 0)', duration: 0.9, ease: 'expo.inOut' }, T);
4. Number Ticker（数字滚动）—— D1
<div class="ticker" data-end="3600">0</div>
const ticker = document.querySelector('.ticker');
const obj = { val: 0 };
tl.to(obj, {
val: parseInt(ticker.dataset.end),
duration: 1.8, ease: 'power2.out',
onUpdate: () => { ticker.textContent = Math.round(obj.val).toLocaleString(); },
}, T);
5. Outline → Fill（空心字变实心）—— A2
.morph { -webkit-text-stroke: 4px #f5efe5; color: transparent; }
tl.to('.morph', { color: '#e87a3e', webkitTextStrokeColor: '#e87a3e', duration: 0.5, ease: 'power2.out' }, T);
6. Letter Highlight Sweep（关键词扫光）—— E 类 climax 词
<span class="sweep"><span class="sweep-bg"></span>搭档</span>
.sweep { position: relative; display: inline-block; padding: 0 8px; }
.sweep-bg { position: absolute; inset: 0; background: #e87a3e; transform: scaleX(0); transform-origin: left; z-index: -1; }
tl.to('.sweep-bg', { scaleX: 1, duration: 0.5, ease: 'power3.inOut' }, T);
tl.to('.sweep', { color: '#0e0b08', duration: 0.1 }, T + 0.25);
7. Background Color Punch（背景闪变）—— 全片 1-2 次
tl.to(scene, { backgroundColor: '#e87a3e', duration: 0.08 }, T)
.to(scene, { backgroundColor: '#0e0b08', duration: 0.4, ease: 'power2.out' }, T + 0.1);
Strike-through 动画：用真实 DOM <span class="strike-line"> 而不是 ::after。伪元素 + CSS 变量在 hyperframes 某些渲染路径下不工作。
<span class="strike">领导<span class="strike-line"></span></span>
.strike-line { position: absolute; left: -10px; right: -10px; top: 56%; height: 10px; background: #e87a3e; transform: scaleX(0); transform-origin: left; }
tl.to('.strike .strike-line', { scaleX: 1, duration: 0.55, ease: 'power2.inOut' }, T);
Step 6: 加 SFX
~/.claude/skills/wjs-converting-text-to-video/scripts/synth-sfx.sh <article-folder>/video
生成 video/sfx/{tick,chime,bell}.mp3：
tick.mp3 — 80ms 1.2kHz sine，转场用（每次 scene 切换前 0.3s）chime.mp3 — 220ms 880+1320Hz 双音，对话/列表某项亮起时（可选）bell.mp3 — 1.5s 低频钟，最后 climax 词出来时（全片最多 1 次）
接入 timeline：
<audio id="aud-narration" src="narration.mp3" data-start="0" data-duration="<total>" data-track-index="0" data-volume="1"></audio>
<audio id="aud-tick-s02" src="sfx/tick.mp3" data-start="<scene2.start - 0.3>" data-duration="0.1" data-track-index="2" data-volume="0.55"></audio>
<audio id="aud-chime-s08-1" src="sfx/chime.mp3" data-start="<T>" data-duration="0.3" data-track-index="3" data-volume="0.45"></audio>
<audio id="aud-bell-s12" src="sfx/bell.mp3" data-start="<climax-T>" data-duration="1.6" data-track-index="4" data-volume="0.55"></audio>
⚠️ 每个 <audio> 必须有 id，否则 render 出 silent（hyperframes 强制要求）。
不同 track-index 不冲突，同 track 不能时间重叠。
SFX 用量节制：转场 tick 必须；chime / bell 是装饰，scene 内容简单时不加；bell 全片只 1 次。
Step 7: Lint + Inspect + Render（必须按顺序）
cd <article-folder>/video
npx hyperframes lint
npx hyperframes inspect --at 1,8,15,25,35,45,55,65
npx hyperframes snapshot --at <t1>,<t2>,<t3> .
npx hyperframes render --quality standard --fps 30 --output ../<slug>.mp4
为什么 inspect 必跑：竖屏 1080 宽很窄，3-4 字 hero 在 280-400px 字号下就接近溢出。每次必须 inspect，0 errors 才能 render。
fix overflow：
- 字号缩小（inspect 给具体建议）
- 长 hero 分行（"没法积累" → 两行 "没法" / "积累"）
white-space: nowrap 只在确认字数 × 字号 < 屏宽时- 若
.em 在 reveal-wrap 内溢出 → 加 line-height: 1 到 .em
渲染质量：
--quality draft ~30s 渲染 — 迭代用--quality standard ~1.5min — 默认，发布够用--quality high ~3min — 投大屏 / 商务
Step 8: 预览
输出：<article-folder>/<slug>.mp4（与 video/ 平行，不在 video/ 内 —— video/ 留给中间文件）。
open <article-folder>/<slug>.mp4 给用户预览。不要自动上传到视频号（用户可能想先剪/调）。
Step 9: 发布到 YouTube（自动 cron，不在 render 流程内）
新视频 render 完成后不立即上传 —— YouTube 有 daily quota 限制（默认 6 个/天 @ 1600 配额点/上传），渲染多了会卡 quota。
做法：cron 每天 10:00 自动跑 daily-upload-batch.sh，挑最多 5 个还没上传过的 MP4（按文章日期升序），上传后写 .youtube.json 记录。
cron 已注册（一次性，不用重复跑）：
0 10 * * * /Users/jianshuo/.claude/skills/wjs-converting-text-to-video/scripts/daily-upload-batch.sh
手动触发（不要在 wjs-converting-text-to-video 流程里跑 — 让 cron 处理）：
~/.claude/skills/wjs-converting-text-to-video/scripts/daily-upload-batch.sh
~/.claude/skills/wjs-converting-text-to-video/scripts/publish-to-youtube.py <article-folder>
每个上传的脚本行为：
- 检测 MP4 portrait/landscape → portrait 标题加
#shorts、landscape 普通 video
- title 从 article.md H1 / description 从前几段
- 检查
<article-folder>/.youtube.json：存在 → 尝试删老再传新（需 youtube.force-ssl scope，当前 token 没这个 scope → 跳过 delete + 上传新）
- 写
.youtube.json 记录
详见 memory: [[auto-publish-youtube]]
目录结构
<article-folder>/
├── article.md
├── illustration.png # 用户原始示意图，不直接用作 bg
├── <slug>.mp4 # ⭐ 最终视频（与 video/ 平行，不放 video/ 里）
└── video/ # 所有中间产物
├── narration_chunks.json # 5-10 个 scene 的旁白文本
├── tts_narration.py # bootstrap 复制进来
├── narration.mp3 # 合并的全段 TTS
├── narration/ # 单段 mp3 (s01..sN)
├── timing.json # 每段 start/end/duration
├── bg.png # GPT Image 2 生成的水彩背景
├── sfx/{tick,chime,bell}.mp3
├── index.html # HyperFrames composition
├── hyperframes.json
├── meta.json
├── package.json
└── snapshots/ # 渲染前快照
Skill 自身文件
~/.claude/skills/wjs-converting-text-to-video/
├── SKILL.md
└── scripts/
├── bootstrap-project.sh # init video/ 目录 + 复制 helper + 生成 sfx
├── generate-bg.sh # 调 GPT Image 2 生成抽象水彩 bg.png
├── tts.py # Volcano TTS narration 生成
├── synth-sfx.sh # tick/chime/bell 合成 (ffmpeg)
├── retrofit-bg-image.py # 给已有视频补 bg-image 层
├── strip-dark-scene-bgs.py # 剥离 scene-level 暗色 bg，让 bg-image 透出
└── publish-to-youtube.py # 自动上传 MP4 到 YouTube（portrait→Shorts），可替换已有上传
Anti-Patterns
反单调（最重要 — "平铺直叙"的根源）
| 不要 | 原因 |
|---|
| 所有 scene 都用 B1 双行 strikethrough | 历史最大失败模式。B1 整片最多 2 次 |
| 所有 scene 居中布局 | 死气沉沉。≥2 非居中 |
| 所有 scene 字号差不多 | 跨度必须 ≥240px |
| 所有 scene 时长 5-7s | 跨度必须 ≥6s |
| 整片只用 blur crossfade | 每 4 个转场 ≥2 种 |
| 整片没有 color-flip | ≥1 个 A3 是硬要求 |
| 整片没有几何元素 | ≥1 个 scene 加粗线 / 大编号 / 引号 |
整片只用 tl.from({y, opacity}) | ≥3 种 Modern Motion Techniques |
| 每个 scene 都堆满 | ≥1 个 scene 留白 ≥60% |
给每个 scene 都加 background: 色 | 盖住 bg-image，等于白生成水彩。普通 scene 不写 bg；只有 A3 color-flip 用纯色 |
| color-flip / emphasis 永远只用橙 | 至少 2-3 种 accent |
| 用灰色作 secondary text / strike / 装饰 | 水彩底上灰色对比度太低，会消失。改用 #f5efe5 cream + opacity 弱化（详见 [[no-low-contrast-text]]） |
内容 / 工程
| 不要 | 原因 |
|---|
| 用 Kokoro 做中文 TTS | 中文质量差，用户明确不接受 |
Volcano TTS 传 emotion 参数 | _bigtts 声音返回 data: null 静默失败 |
用 zh_male_jieshuonansheng_mars_bigtts | 含英文专名时循环 hallucinate |
| 用 serif 字体（Songti / 宋体 / Noto Serif） | 不够冲击 |
| 把整段文章贴屏 | 那是 PPT。视频每屏一个视觉时刻 |
| 超过 10 scene / 超过 90 秒 | 注意力放不下 |
| 短文硬填到 90 秒 | 文章短就做 30-50s，硬撑长会注水变浅 |
| 每个 scene 换字体配色风格 | 风格漂移。design system 固定，模板变化 |
::after 伪元素 + CSS 变量做 strike | hyperframes 渲染路径下失效。用真实 DOM <span class="strike-line"> |
最后 scene 之外用 gsap.to({opacity: 0}) | 退场动画 hyperframes 禁止 — 转场才是退场 |
| 每段 chunk 都加 chime | 太吵 |
用 ../illustration.png 作 bg url | hyperframes render 不解析跨目录路径，渲染成纯黑。bg.png 必须在 video/ 内 |
<audio> 没 id | render 会 silent。每个 <audio> 必须 id="..." |
| s1 是 A3 color-flip | 第一帧看不到 bg-image。color-flip 放 s2+ |
s1 标题元素都 from({opacity: 0}) | 第一帧黑屏。s1 主元素 opacity: 1 默认，只动 y/scale |
Common Pitfalls
- 改了旁白文字但 TTS 没变（用了缓存） →
tts_narration.py 按 chunk id 缓存单段 mp3，改文案但 id 没变会复用旧音频（症状：timing.json 时长和上一版一模一样，明明文字变长了）。重合成前先 rm -rf narration/ narration.mp3 timing.json 再跑
- narration 写「——」破折号 → TTS 念出 "破折号"。删掉用句号或逗号
- 某段 chunk 异常长（>3 chars/s） → Volcano hallucinate 循环。换声音，或拆短
- scene 时长 < narration 时长 → 旁白被下一个 scene 切掉。scene 必须覆盖整段 narration + 0.3s 缓冲
- 黑底大字 opacity: 0 时仍可见 → 检查
.scene 是否有 opacity: 0 默认（除了 s1）
.em 在 .reveal-wrap 里少量溢出（top/bottom 几 px） → 给 .em 加 line-height: 1- snapshot 字形和 render 不一致 → 现在都用 Noto Sans SC，正常一致
Dependencies
- HyperFrames CLI (
npx hyperframes) — composition lint / inspect / snapshot / render
- GPT Image 2 (
~/.claude/skills/gpt-image-2-skill/) — 生成 bg.png；--provider codex 用 ChatGPT auth
- Volcano TTS —
VOLC_TTS_APPID / VOLC_TTS_ACCESS_TOKEN 在 ~/code/.env
- ffmpeg — SFX 合成、audio concat、aspect-ratio 检测
- YouTube uploader (
~/.claude/skills/wjs-uploading-video/) + OAuth token at ~/.config/youtube/token.json —— Step 9 自动发布
