Popiai-skill

Popiai-skill仓库

7.2 KiB

Raw Blame History

详细技术规范与文件组织，供阶段六合成时参考。

关键规范速查

字幕规范

📸 视觉参考：assets/subtitle_style_ref.jpg（实拍样式图，收录于 skill assets）

项目	规范
渲染方式	PIL 生成全帧 RGBA 透明 MOV，再用 ffmpeg overlay 叠加（本环境无 `drawtext`/`ass` filter）
字体	Arial Black，全大写（`text.upper()`）
颜色	白色填充 `(255,255,255)`，橙红色描边 `(210,70,10)`，`stroke_width=4`
自适应字号	从 56pt 开始逐步缩小（52→48→44→40→36→32→28→24），直到文字宽度 ≤ 756px（画面宽 70%）
左右边距	每侧留白 15-20%；最大文字宽度 = `1080 × 0.70 = 756px`
竖向位置	文字底边在 `y = 1344`（画面高度 70%，位于数字人 PiP 上方）
显示方式	逐句单行：一次只显示一句话，句与句之间无重叠；长句拆成短语分时段显示
时间戳来源	先用 `audio_transcribe_lyrics` 获取句级时间戳，再按自然语义拆成 5-7 词的短语，时长按字符数比例分配
无背景条	文字直接叠加在视频画面上，不加半透明底条

PIL 渲染核心代码：

font, tw, fs = fit_font(text, max_w=756)   # 自适应字号
x = (1080 - tw) // 2                        # 水平居中
y = 1344 - fs                               # 底边对齐 y=1344
draw.text((x, y), text.upper(), font=font,
          fill=(255,255,255,255),
          stroke_width=4, stroke_fill=(210,70,10,255))

数字人 PiP 规范

⚠️ pip_clean.mov 易过度抠像（alpha 全零），阶段七合成时改用 talking_head_green.mp4 + ffmpeg chromakey 实时抠像，更可靠。

项目	规范
抠像方式	ffmpeg `chromakey` 实时抠绿幕（阶段七合成时内联，无需预处理）
绿幕颜色	采样视频角落像素确定实际颜色（AI 生成绿幕通常为 RGB≈56,138,61 = `0x388A3D`）
⚠️ similarity	必须 ≤ 0.10（深色皮肤角色 YUV 距离仅 0.25，similarity=0.15 即开始抠掉人物；切勿使用 0.2 以上）
blend	`0.02`（边缘锐利，减少半透明残边）
缩放	`scale=400:-2`（宽 400px = 画面宽 37%，高度保持比例，约 541px）
位置	`overlay=x=0:y=H-h`（左对齐，底部与视频底边齐平）
起始时间	`enable='lte(t\,{voiceover_end})'`（第 0s 出场，口播结束即消失）
图层顺序	数字人必须在最上层（覆盖字幕层之上）
幕色选择	默认绿幕 `#00FF00`；角色服装含绿色调时改用蓝幕 `#0000FF`

阶段七 filter_complex 片段：

[2:v]chromakey=0x388A3D:0.10:0.02,scale=400:-2[pip_keyed];
[v_sub][pip_keyed]overlay=x=0:y=H-h:enable='lte(t\,13.735)':format=auto[v_out]

similarity 诊断方法：

# 提取单帧检查抠像结果
ffmpeg -ss 3 -i talking_head_green.mp4 -frames:v 1 -vf "chromakey=COLOR:SIM:0.02" test.png
# 用 PIL 检查 non-zero alpha 像素数
# 正常：~55-65% 像素可见（人物占画面大部分区域）
# 过度抠像：< 5% 像素可见 → 降低 similarity

教程段规范

项目	规范
tut_002 时长	1-1.5s，严禁超过 2s
tut_004	不展示静态原图；上传动画结束即为确认状态
教程 overlay	必须预拼接为单一 tut_combined.mp4，禁止分段 overlay
教程结束衔接	教程段结束后立即切回写真照片，无缝衔接

音频规范

项目	规范
语音收尾	截断而非 fade out：尾板开始时直接截断口播，禁止 fade out
BGM 音量	`volume=0.15`，不可盖过口播
voice_id	根据角色性别，调用声音列表工具（如 `get_voice_id`）选择合适的声音
尾板音频	用 `amix` 混合，保留尾板自身声音
音效保留	原 skill 中的所有音效必须保留（如闪光灯音效、转场音效等）

口播超过 6s 时的画面循环处理（数字人视频生成上限 ~5.88s）：

ffmpeg -stream_loop N -i talking_head_green.mp4 -i voiceover.mp3 \
  -map 0:v -map 1:a -c:v libx264 -c:a aac -shortest -t {实际音频时长} output.mp4

图片转场规范

写真图之间必须使用 xfade 转场（slideleft / slideright / fadeblack）
禁止硬切

文件组织总览

{project_name}/
├── fonts/
├── brief.md                     # 需求摘要
├── character.jpg                # 角色形象图
├── character_prompt.txt         # 生图提示词
├── digital_person/
│   ├── green_screen.jpg         # 绿幕肖像（Step 1）
│   ├── talking_head_green.mp4   # official 图音视频（口型同步，Step 2）
│   ├── pip_clean.mov            # 抠像后透明视频（Step 3）
│   └── talking_head_preview.mp4 # 5s demo 预览
├── photos/                      # 换脸写真
│   ├── photo_01.jpg
│   ├── photo_02.jpg
│   └── photo_03.jpg
├── voiceover.mp3                # 口播语音
├── voiceover_script.txt         # 口播文案
├── voiceover_subtitle.json      # 字幕时间戳
├── final.mp4                    # 最终视频
└── final_4x5.mp4               # 4:5 裁切版

⚠️ 合成时音频处理：数字人视频（talking_head_green.mp4）自带音频，合成时直接使用该音频，不要分离音频再混合，避免口型错位。

导出剪映/CapCut

使用 clip-export skill 与 scripts/export_to_jianying.py 导出工程到剪映/CapCut 进行精细调整。

脚本已内置多路径自动查找 jy_wrapper（同级 ../clip-export/scripts/、~/.claude/skills/clip-export/scripts/ 等），无需手动指定路径。

使用方式

python scripts/export_to_jianying.py \
  --project-name "my_promo" \
  --photos photos/photo_01.jpg photos/photo_02.jpg photos/photo_03.jpg \
  --digital-person digital_person/talking_head_green.mp4 \
  --voiceover voiceover.mp3 \
  --bgm bgm.mp3 \
  --subtitles voiceover_subtitle.json

若找不到 jy_wrapper，脚本会打印安装提示；也可通过 JY_WRAPPER_PATH 环境变量手动指定 clip-export/scripts/ 目录路径。

合成命令参数

动作模板合成

python scripts/composite.py action \
    --dance ./dance_video.mp4 \
    --tutorial ./tutorial_segment.mp4 \
    --voiceover ./voiceover.mp3 \
    --bgm ./bgm.mp3 \
    --subtitle-json ./voiceover_subtitle.json \
    --endcard ./assets/endcard_en.mp4 \
    --output ./final.mp4

图片模板合成

python scripts/composite.py image \
    --photos ./photos/photo_01.jpg ./photos/photo_02.jpg ./photos/photo_03.jpg \
    --tutorial ./tut_combined.mp4 \
    --pip ./digital_person/pip_clean.mov \
    --voiceover ./voiceover.mp3 \
    --bgm ./bgm.mp3 \
    --subtitle-json ./voiceover_subtitle.json \
    --endcard ./assets/endcard_en.mp4 \
    --output ./final.mp4

所有路径均相对于 {project_name}/ 项目目录。--photos 传入所有写真图，顺序即展示顺序；--pip 仅图片模板需要传入。

7.2 KiB Raw Blame History

hilo-promo · 规范速查与文件结构