SHILIU · 创作资源
Vox 拼贴科普短片 · 创作技能
Vox 拼贴风科普短片：先查权威资料与可用真实素材，再用拼贴视觉把新闻、科学发现讲清楚。
这个技能解决什么问题
Vox 拼贴风科普短片：先查权威资料与可用真实素材，再用拼贴视觉把新闻、科学发现讲清楚。
来源与使用
作者 weilanx；许可 MIT。已核对来源与包结构，未据此宣称完成运行实测。
机器可读详情 · 读取 SKILL.md · 下载完整技能包
技能说明全文
---
name: weilanx-creator-vox-video
description: 「Vox 拼贴风科普短视频」工作流：给一个科普主题（新闻、诺奖、科学发现、科技事件），先上网查权威资料和可用的真实素材（NASA、Wikimedia Commons、官方新闻稿插图），写一份像聊天一样有语气、有强钩子和深度结尾的口播稿，用带语气提示的豆包复刻音色配音，再在 weilanx-claude-videos 工程里做成横屏 16:9 的 Vox 拼贴片：A-roll 是黑卡大字，B-roll 是钉在旧纸桌面上的真实视频和照片，按字幕硬切，配一条有律动的电子配乐。最后打开 Remotion Studio 给用户预览，确认后再导出。用户说「做一期 Vox 风格的科普」「用 Vox 风格讲讲 XX」「做一期 XX 的科普，要真实素材」「像诺奖那期一样做一期」时使用。
---
# 一个科普主题 → 一期 Vox 拼贴风科普短视频
> **目录约定（2026-10-13 起）**：`materials/` 和 `out/` 按风格分类、风格内从 00 编号，代码里的作品 ID（下文的 `<期>`）不变。下文 `<素材目录>` = `materials/<风格>/<编号-中文短题>/`，`<成片目录>` = `out/` 下同名目录。新一期开工时先建：`bash scripts/ep-dir.sh <期> materials --new <风格目录> <中文短题>`（自动取下一个编号，materials 和 out 一起建）；之后查路径用 `bash scripts/ep-dir.sh <期> materials` / `bash scripts/ep-dir.sh <期> out`。`npm run export -- <期>` 会自动把成片放进 `<成片目录>`。
> 本 skill 的风格目录是 `04-Vox科普`。
参考样片：`ep21-nobel-physics`（2026 诺贝尔物理学奖：南极冰下抓中微子）。用户认可的效果就是这一期：**口播像聊天、开头有钩子、结尾有余味；黑卡大字和真实素材交替硬切；配乐有律动、跟着剪辑走。**
一口气做完第 0～8 步，中途不等用户确认，每步做完用一两句话同步进度。**不导出、不提交 git**，除非用户另外要求。动手前先读工程根目录的 `CLAUDE.md`、`src/library/README.md`。所有 npm / npx / node 命令前先 `export NODE_OPTIONS=--max-old-space-size=4096`。
## 规格
| 项 | 默认 |
|---|---|
| 画面 | 横屏 16:9（1920×1080），`VoxShow` 骨架，无主持人 |
| 时长 | 约 1 分钟（稿子 400～430 字，配音 58～63 秒），用户另说时按用户的 |
| A-roll | 黑卡大字（`BlackCard`） |
| B-roll | 钉在桌面上的真实素材（`VoxFootage`）：视频、实拍照片、官方插图 |
| 配音 | 豆包复刻音色 + 语气提示 + 语速 +30，**不做后期 1.2 倍加速** |
| 配乐 | 124 BPM 电子律动，侧链呼吸，切点重击，`level 0.071`（压在人声下） |
| 封面 | 16:9 首帧 + 3:4 竖版 |
## 依赖（开源版说明）
配音和字幕两步用的是作者的私人工具，仓库里没有带：
- **配音**：`scripts/tts_expressive.py` 需要一个豆包语音合成的封装模块，用环境变量 `DOUBAO_VOICE_PY` 指向它、`DOUBAO_TTS_SPEAKER_ID` 指定复刻音色（见脚本开头说明）；不用豆包就换成任何能输出 mp3 的 TTS，或者真人录音。
- **字幕**：第 5 步提到的 `weilanx-doubao-voice-srt` 是作者的私人 Skill，换成任何能输出 SRT 的语音识别工具。
- 其余步骤（查资料、找素材的 `commons.py`、出片、配乐）都在仓库里。
## 0. 定期数和目录
- 期号取 `src/episodes/` 里最大的下一个，作品 ID `epNN-英文短名`，下面记作 `<期>`。
- 代码 `src/episodes/<期>/`，素材 `public/footage/<期>/`（不进 git），音频 `public/audio/<期>/`，原始材料和文稿 `<素材目录>/`。
- 在 `materials/00-公共/选题候选池.md` 的「已做」表补一行，状态 🎬。
## 1. 调研：只用权威来源
- 用 WebSearch 查主题，**优先一手来源**：官方新闻稿（如 nobelprize.org 的 press-release / popular-information）、NASA、机构官网、顶刊；新闻媒体只做交叉核对。
- 官网对 WebFetch 返回 403 时，用 `curl -A "Mozilla/5.0 ..."` 抓页面，再用 Python 去标签取正文。
- 把要讲的每个数字、年份、说法和出处记进 `<素材目录>/调研.md`。**不确定的说法不进稿**（例：「第一次……」这类绝对说法要先查是否真是第一次）。
## 2. 找真实素材（B-roll 的底子）
详见 `references/素材.md`。要点：
- 来源优先级：**NASA / 美国政府机构（公有领域）> Wikimedia Commons（CC0 / CC BY / CC BY-SA）> 官方新闻稿插图（看清使用条款，常见是「非商业免费、需署名」）**。不用来路不明的图，不扒 YouTube 视频。
- 用 `scripts/commons.py search / info / get` 搜索、查授权和**真正的作者**（`Artist` 字段，不是上传者用户名）、下载原图。
- 视频先每 5 秒抽一帧拼成联系表，挑出要用的片段，**再细抽确认画面真的在那几秒**，然后剪成 720p H.264 小段（`-an -vf scale=1280:720,fps=30 -c:v libx264 -crf 20 -pix_fmt yuv420p -movflags +faststart`）。
- 大图用 `sips -Z 1800` 缩小；全部放 `public/footage/<期>/`。
- 每个素材的文件名、内容、作者、授权写进 `<素材目录>/素材来源.md`；画面上每个素材左下角都标「作者 / 授权」。
## 3. 写口播稿：像跟朋友聊天
详见 `references/语气与写稿.md`。硬规则：
- **强钩子**：第一句把观众拉进现场，用「就在你听我说这句话的这一秒……」「你一点感觉都没有，对吧？」这类和观众本人有关的反差。
- **带语气**：每 1～2 段放一个口语抓手——问句（「那怎么抓一个幽灵呢？」）、反转（「听起来很疯狂，可他们真干了。」）、引导（「你想啊，……」）。
- **深度结尾，不说「OK 本期视频就到这里」**：最后两三句从事实上升到意义（「这个诺奖奖励的不只是一台仪器，而是人类看宇宙，多了一双不靠光的眼睛」），结尾那句要短、要能单独成立。
- 400～430 字；数字写成阿拉伯数字（TTS 读得准），但「两千多米」这类约数用汉字；不用冒号、括号、破折号。
- 稿子存 `<素材目录>/口播稿.txt`，在回复里贴全文和字数。
## 4. 配音：语气提示 + 模型语速
```sh
python3 .claude/skills/weilanx-creator-vox-video/scripts/tts_expressive.py \
--text-file <素材目录>/口播稿.txt --output <素材目录>/<期>-口播-自然版.mp3
```
- 默认语气提示是「自然、松弛、像跟朋友聊天的科普博主，有轻重缓急；问句带好奇和调侃；惊人处有惊叹；结尾放慢带感慨；不要播音腔」，默认语速 +30。
- **不要再 `atempo=1.2`**：后期硬加速会让语调发僵；要变快就提高 `--rate` 或删字。
- 时长目标 58～63 秒：超了先删修饰语，再把 `--rate` 提到 35～40；短了反过来。
- 用 `scripts/voice_stats.py` 量一下（`uv run --with numpy python ...`）：音高范围 ≥15 半音、停顿 40 次左右算合格；两版对比时把数字报给用户。
- 声音只能用户自己听：保留试音，告诉用户文件位置。
## 5. 转字幕、处理人声
- 用 `weilanx-doubao-voice-srt` 的三个脚本识别**这份 mp3**（转 16k 单声道再识别），用稿子校对，每行 6～16 字、一个完整意思，输出 `<素材目录>/字幕.srt` 和 `字幕稿.md`。识别和稿子对不上的地方记下来让用户去听。
- 人声：`ebur128` 测响度 → `volume=<增益>dB,alimiter=limit=0.8:level=false` 调到 −16 LUFS（±0.5）→ 48kHz 立体声 16-bit → `public/audio/<期>/voice.wav`。
- **结尾留余韵**：`cues.ts` 的 `VOICE_SECONDS` 设为最后一条字幕结束 + 约 2 秒，并用 `apad=whole_dur=<VOICE_SECONDS>` 把 voice.wav 补到同样长，这样配乐能铺满余韵再淡出。
- `npm run cues -- <素材目录>/字幕.srt src/episodes/<期>/cues.json`，然后打印每条字幕的起止帧，后面排镜头用。
## 6. 画面：A-roll 黑卡 + B-roll 真实素材，按字幕硬切
详见 `references/画面.md`，代码照抄 `src/episodes/ep21-nobel-physics/film.tsx` 的骨架。核心：
- 整片是一张**镜头表** `SHOTS: {from, kind: 'A' | 'B', C}[]`，`Film` 只渲染当前镜头，镜头之间**全是硬切**，切点落在字幕开头（`cf(n)`，最多提前 2～6 帧）。
- **A-roll 黑卡**用来接住口播里的「钩子数字、名词揭晓、问句、反转、结论」：一句一张，字号 150～330，关键词用**黄色字 + 红色手画下划线**（黑卡上不要用 `Highlight` 荧光笔，叠在黑底上看不见）。
- **B-roll** 是 `VoxFootage` 钉在旧纸桌面上（白边、两条胶带、左下角署名），整个镜头慢推 5%，旁边配 Vox 批注：`Label` 黑底标签、`IndexCard` 索引卡、`PostIt` 便利贴、`Stamp` 盖章、`RedCircle` 红圈、`HandLine` 手画箭头 / 对勾、手写红字。
- 节奏：每 2～4 秒一个切点；黑卡和实拍交替，不要连续三个以上同类镜头；视频镜头必须传 `start`（开始播放的全局帧）。
- 抽象的道理配一张**手画图解**（例：光被尘埃挡住、中微子笔直穿过），元素按口播分步出现。
- 每个镜头配音效（`paper` 切实拍、`stamp` 切黑卡、`ding` 数字落定、`magic` 揭晓、`question` 问句）。
## 7. 配乐：有律动、跟着剪辑走
详见 `references/配乐.md`，代码照抄 `audio/episodes/ep21-nobel-physics.mjs`（用 `audio/score.mjs` 的乐器），只跑 `node audio/episodes/<期>.mjs`。核心：
- 全片一条 **124 BPM** 的节拍网格从头走到尾，段落切换吸附到离字幕最近的小节线（`snapBar`）。
- 四拍底鼓 + 二四拍军鼓 + 十六分踩镲；铺底和方波琶音做**侧链式呼吸**（每拍压下去再放开）。
- 解释概念的段落转半速；**结尾前留白**（「你想啊」那种转折句只留铺底），再起拍一路推到最后一句落重击，余韵铺满再淡出。
- **每次切到黑卡前推 0.9 秒渐强、切点落一下低频重击**；全片挑 3～4 个高潮词（揭晓、震撼数字、结论）加镲 + 重击。
- `level 0.071`、`depth 0.7`，整轨约 −32～−34 LUFS；用户想让律动更突出时再整体调大。
## 8. 封面、文案、预览
- 写 `src/episodes/<期>/Cover.tsx`：16:9 首帧封面（左黑卡大标题 + 右侧两张真实素材 + 一个贴纸）和 3:4 竖版封面，在 `Root.tsx` 注册 `<期>-cover-tall` 的 `Still`；渲染存为 `<素材目录>/封面-16x9.png`、`封面-3x4.png`（导出脚本会自动带上）。
- `Ep*.tsx` 用 `VoxShow`，`cover: {C, frames: 第一句开始帧 − 5}`，`subY: 965`，`keywords` 放本期高亮词；仿 `tests/episodes/ep21-nobel-physics.test.ts` 加测试；`npm run typecheck`、`npm test` 都要过。
- **抽帧自查**：每个镜头至少一帧（`--scale=0.25`，按顺序一帧一帧渲，`bash -c` 包循环），拼图看：视频是不是黑的、字有没有压到素材或字幕、句尾词挂的元素是不是一闪而过、黑卡下划线有没有压字。
- 用 `dbs-xhs-title` 出主标题 1 个、备选 2 个（注明公式编号，≤20 字）；描述第一句是钩子，然后要点清单，末尾写素材来源和授权，最后一行话题。存 `<素材目录>/发布文案.md`。
- `lsof -i :3000 -sTCP:LISTEN` 看 Studio，没开就后台 `npm run studio`。把 `http://localhost:3000/<期>` 给用户，汇报：稿子全文和字数、时长、人声响度、语气统计、字幕条数、镜头表、配乐结构、素材授权（尤其非商业条款）、需要用户确认的事实和读音。提醒用户：听感只能自己听。
- 用户确认后再 `npm run export -- <期>`，检查时长、1920×1080、−16 LUFS、峰值 < −1 dBFS，并把成片复制一份到 `<素材目录>/`，候选池改 ✅。
## 踩过的坑
- NASA 等长视频里画面会切好几次：按 5 秒抽的联系表定位后，**还要在目标附近每秒抽一帧确认**，否则剪出来的可能是黑场或别的画面。
- 署名用 Commons 的 `Artist`（真正的作者），不是上传者用户名。
- `cw(n, '词')` 挂在句尾的元素会一闪而过：改挂到句首 `cf(n) + k`，或让下一个镜头晚几帧切。
- 镜头的 `start` 和镜头的 `from` 要一致，否则视频会从中间开始播。
- 配乐长度跟着 voice.wav 走，所以要给 voice.wav 补静音到 `VOICE_SECONDS`，不然结尾余韵没有音乐。
- 「不只是 X，而是 Y」这种句子，别给 X 加删除线（会被读成「不是 X」），把 X 调暗就行。
技能是任务材料，不会自动授予账户权限、付费授权或其他系统权限。请让 Agent 按说明核对依赖，再在授权范围内使用。