vox-explainer

Plain-Sight 讲解短片（Gateway 工作流）

按照 HyperFrames 的合成约定构建（片段、data-* 计时，以及 #root 架构）。使用 npx skills add heygen-com/hyperframes 安装上游 HyperFrames 技能，或使用 npx hyperframes init 搭建项目脚手架，并先阅读生成的项目文档。

制作一部 60–90 秒的讲解短片，介绍观众每天都能看到、却从未仔细观察过的事物。影片先营造熟悉感，再通过因果历史揭晓答案。视觉语言参考 Vox 的 Cooper Black 影片；动态效果则沿用相同的逐帧校准流程。

这是一套受 Vox 启发的设计语言，与 Vox 无关联，也不代表其认可。 请勿使用 Vox 徽标，也不要暗示成片由 Vox 制作。

信任边界与要求

• 捆绑的接缝脚本需要 Node.js 22 或更高版本。脚本启动预览服务时，npx 可能会从 npm 注册表下载 scripts/seam-gate.mjs 中固定的确切 HyperFrames 版本。
• 仅读取用户提供的文件和 URL。源文件模式可以获取公开引文，以及来自已声明来源的公共领域或开放许可素材。绝不向其他服务发送私人文档、凭证或私人 URL。
• 使用任何 TTS 或转录 API 前都必须征求同意。调用前说明服务提供商、将发送的数据、所需凭证和可能产生的费用。
• 仅在用户选定的项目目录中写入项目源文件、下载的素材、音频、联系表和渲染结果。不要自动发布或上传成品。
• 接缝验证器会启动本地预览服务和隔离的 Chrome 配置文件。其 --url 和 --comp-url 输入仅接受 localhost。不过，预览仍可能加载用户合成配置中声明的远程素材。

参考资料索引

仅阅读当前阶段所需的参考资料：

• 主题选择：plain-sight-topics.md
• 脚本和字幕：plain-sight-script.md
• 布局和素材：vox-collage-layout.md
• 文字和高亮：vox-text-overlays.md
• 拼贴动态效果：vox-collage-motion.md
• 动态规律和接缝关卡：motion-continuity.md
• 转场目录和代码：velocity-matched-transitions.md 和 velocity-matched-transitions-gsap.md
• 多阶段元素动态效果：animation-overlap.md
• 渲染安全的接缝机制：render-safe-seams.md
• 接缝清单和脚本用法：seam-gate.md

流程（按顺序运行；每个关卡都会阻止后续步骤）

1. 入口路由 — 两种模式，一个关卡。 阅读 plain-sight-topics.md。

   • 主题模式（用户指定主题，或征求创意）：四部分筛选仅用于构思和决胜。如果用户选择的主题未通过筛选，指出未通过的部分以及影片会因此失去什么，并提供符合条件的替代方案——如果用户确认，再创作他们要求的影片。筛选绝不会拒绝用户选定的主题。
   • 素材模式（用户提供材料——文档：备忘录、策略文档、报告、论文、演示文稿、文字记录、PDF，或包含这些材料的文件夹；或者链接：文章、文档页面、代码库、公告）：筛选完全不适用。确认允许的网络范围后，阅读所有提供的文件，抓取所有提供的 URL，并在论证需要时，最多沿公开引用追溯一跳。引用失效或内容被截断时（导出的 PDF 中很常见），不要猜测来源——在将其作为佐证之前，先通过开放网络独立核实该说法，否则就删掉。然后开展故事线挖掘。人物＋日期和 PD 档案要求不再适用；机制节拍仍然适用。受众是素材的预期受众，而不是“任何观众”——熟悉感节拍要根据他们每天看到的内容来调整。旁白绝不提及素材来源——参见 plain-sight-script.md。

   故事线挖掘（素材模式）。 素材是矿石，不是大纲——绝不要按章节逐段拍摄。提取五项内容：

   • 切入点——预期受众在素材自身语境中已经熟悉的内容（一个习惯、他们每周都会看到的数字、此刻就在他们屏幕上的东西）。
   • 张力——素材中最尖锐、且与该受众认知相矛盾的主张。
   • 转折点——深挖的落点：素材中有人物＋日期时就采用；否则采用故事围绕其展开的决策、数字或时刻。
   • 机制——观众无需帮助就能在屏幕上核实的一项主张。如果素材只是断言，就构建演示（双栏对比、以两种方式重新分布圆点、相同比例下的前后对比）。
   • 佐证——素材及开放网络中的真实材料（图表、截图、申报文件、屏幕上标明出处的引语）。真实素材规则仍然适用。

   将这些内容映射到结构主线上；素材无法如实支撑的节拍就删掉，不要伪造。面对多个素材，或单个素材承载多个候选故事线时，分别挖掘，再选定一条主线：一部影片只讲一条故事线；其他内容都降为佐证。起草脚本前，先提交节拍图供审核。

2. 脚本——阅读 plain-sight-script.md。 起草旁白＋节拍图。关卡：每一句都通过删除测试；开场／结尾规则均须遵守。如果是为特定人物代笔，其声音风格技能优先于此技能。

3. 设计环节——阅读 vox-collage-layout.md。使用真实素材制作联系表（每个节拍一帧，960×540 瓦片，HTML → 无头 Chrome 截图）。在制作任何合成之前，先交付联系表。此处迭代——成本比合成修改意见低 10 倍。 外观检查关卡 — 交付画面前先检查。 使用这种拼贴语法， 但不要暗示与 Vox 有关联。先核实，不要想当然：

   • 调色板采用测得的配色 — 墨色 #1a1a1a、黄色 #FFE619、工艺蓝 #66CFFF、样本蓝 #58BCEC、灰色 #F2F2F2 / #8d9399、底色 #fbfaf8。 将亮蓝色用作填充色和强调色。在白色背景上使用 #3E87A8 或更深的颜色 绘制小号文字，并通过渲染器的对比度检查。
   • 标题使用 Archivo Black。
   • 每个画面都采用布局参考中的一种命名配方（证据堆叠、缩放隔离、 双栏对比、样本网格、下三分之一布局、报纸分层、圆形揭示）。 在画面表中标注每个画面所用的配方。
   • 黄色圆形作为反复出现的视觉载体。

   **陷阱：**如果源文档属于拥有自己设计系统的公司，或者项目文件夹里 已经有品牌素材截图、frame.md，或该品牌的先前构建版本，就很容易 沿用那些设计令牌。不要这样做。brand-faithful 是针对产品发布影片的 另一种工作流。品牌皮肤必须由用户明确决定，绝不能设为默认选项。先询问， 不要自行替换。

4. VO — 录制或使用 TTS。TTS 输入文件是发音脚本： 数字要拼写出来（“eighteen thirty-nine”），姓名要按读音拼写。 转录生成的音频，以获得词级时间戳 — 音频就是时间基准；每次剪切、 弹出和高亮都要对应到词语时间点。更换 VO = 必须重新调整全部时间。 字幕应逐字转录实际朗读内容，而不是脚本文档。TTS 操作指南：先运行 npx hyperframes tts；如果其捆绑的语音栈失败（Python 版本过旧、 espeakng-loader 中止），则安装 espeak-ng，并使用 CLI 缓存的模型文件 直接调用 Kokoro 模型。只有在用户批准服务提供商、数据共享、凭据和费用后， 才能使用 TTS API。之后转录生成的音频；无论使用哪种引擎， 时间戳都是时间基准。

5. 构建 — 使用一个 HyperFrames comp，每个节拍对应一个剪辑组，并设置安静的字幕轨 （如果画面中突出的文字已承载相应内容，则抑制提示）。编写时间线前， 请阅读 vox-text-overlays.md 和 vox-collage-motion.md。

6. QC 关卡（全部为数值要求，全部必须满足）

   • lint/check：错误数为 0。
   • 静帧时长扫描：对 RENDER 中每一对连续帧计算 MAD；任何静帧持续时间超过 3 秒 都是规划错误 — 应添加分阶段揭示，而不是让画面晃动。
   • 接缝测量：对于任何缩放隔离剪切，渲染替换前的最后一帧和替换后的第一帧， 在两帧中检测载体，确认中心位置相差约 30px 以内、尺寸相差约 10% 以内。 应通过测量修正，不要凭目测。
   • 事件密度：每个节拍中，已编写的时间线事件之间最大间隔 ≤3.0s （动态参考解释了为什么 MAD 扫描无法发现仅缓慢移动的静帧）。
   • 构图完整性：逐项对照布局参考中的硬性规则审核最终关键帧表，并记录结果。
   • 关键帧表：每个节拍截取一帧；检查它。

技法底线（防幻灯片门槛——在节拍图阶段声明）

通过缺陷门槛并不等于拍成了一部电影。如果一个成片把每个节拍都处理成卡片、并排画面和下三分之一字幕，那么它虽然通过了 lint、接缝和无效时长检查，观感仍然像幻灯片——拼贴风格依赖的是谨慎的 Agent 永远不会主动采用的技法。因此，技法必须在节拍图中声明，而非在制作时临时发挥：每个节拍都要指定布局方案，以及来自动态参考目录的动态处理方式；整部影片的技法分布必须达到以下底线：

• ≥1 次变焦分离切换——镜头推进到一张照片内部，分离出承载主体，并穿过它剪切（按动态参考中的数值对齐）。
• ≥1 次反向穿越变焦入场，用于一个回报节拍。
• ≥2 次驶过或尺度穿越，并在离开时／穿过画面填满状态。
• ≥1 个去背景抠图主体（从底板上提取），执行平面卡片无法做到的运动——嵌入网格、随驶过运动，或作为等距切换的锚点。
• ≥1 个新闻纸叠层时刻；圆形揭示（品牌承载元素）。
• CAPS：静态卡片／并排布局不得超过节拍总数的三分之一；不能有两个连续节拍使用相同的布局方案或相同的处理方式。
• 当画面中出现具有内部纵深的照片时，镜头应进入照片，而非在卡片行上方漂移——在卡片上方平移就是幻灯片的标志。进入照片受以下变焦推进契约约束。

**变焦推进契约。**推进到照片内部，就意味着向观众承诺，回报就在图像之中。后续只有两种合法处理方式：

1. 去除背景——主体从底板上提取出来，成为承载元素（等距切换、嵌入、驶过）；
2. 全画幅停留 + 标注——图像停留在接近全出血的状态，同时在图像上绘制标注（标签、箭头、注意力窗口）。 推进进入一张照片后，却切换到无关构图，这种做法禁止——那只是披着技法外衣的转场。如果这两种回报方式都不适用于该节拍，就不要进入照片。

契约边界（何为“进入”）：持续推进，起点位于图像内部，最终达到接近全出血。接缝尺度的变焦（整场景机制约 0.2 秒）和低于 10% 的镜头缓慢推进属于不同类别，不算进入。朝镜头运动的元素是进入动作的镜像，同样遵守契约（它必须已经是去背景的承载元素，绝不能是飞向镜头的平面卡片）。穿越只有在进入全画幅时，才能进入同一张图像，或进入其自身运动所引发的节拍——绝不能进入无关构图。

QC：节拍图需记录处理方式分布表；最终关键帧审查需确认每种声明的处理方式确实出现在画面中（接缝验证器已通过数值测量变焦分离）。无法诚实达到底线，说明规划有误：重新规划节拍，不要用装饰填充。当底线最低要求与变焦推进契约冲突时，以契约为准并删去该技法——缺少一种技法，比使用缺乏动机的技法问题更小。

结构主线（60 秒剪辑的权重）

以下加权主线为权威依据。家庭（参见剧本参考）是熟悉感后半段的延续——增加熟悉感的实例，而不是一个新节拍。剧本参考的主线中，文物节拍也位于故事与机制之间；两份参考看似有出入时，以本列表为准。在素材模式中，素材无法如实支撑的主线节拍（第二次转机、DIG 中的人物）应予删除，并重新分配其权重——宁可删除也不造假的规则优先于主线的完整性。

熟悉感 15% → DIG（点明人物 + 日期）5% → 故事 15% → 文物节拍 10% → 观众可在画面中验证的机制 20% → 第二次转机（某项技术消除一项限制）15% → 黄色圆圈中的论点 10% → 结尾呼应开场 10%。

从运动层继承的不可妥协原则

• motion-continuity.md 规定了接缝要求。看似生硬的切换必须落在经过验证的延续接缝处；静态画面之间的直接切换也不能绕过接缝检查。
• 只使用真实素材——公有领域档案（Wikimedia Commons API、LOC）；缺少扫描件时，可使用明确标注的复刻素材。用图形重制文物会显得粗制滥造。
• 高亮始终按照文本叠加层参考进行动画处理。
• 元素以 12 fps 逐帧变化，叠加平滑缓动；镜头移动按照拼贴运动参考保持平滑。