what-if-animation

假如动画

输入一行主题，产出一集 15-25 秒的成片。每一帧都是 Claude 编写的 SVG（由 Remotion 渲染）；配音和音效来自 ElevenLabs。studio/src/episodes/ 中附有两个示例，都已准备好渲染：rewind（“假如你能倒回 10 秒？”——展示能力的片段：镜头倒放，体现这项能力）和 copy-paste（“假如你能复制粘贴任何东西？”——本技能的首次完整运行：全新的厨房布景、科学环节的示意图，以及悬念式黑屏）。开始前，请先阅读与主题最接近的示例。

文件	内容
references/formula.md	What If 的七拍公式、15-25 秒的节奏结构、脚本规则、如何选择主题
references/look.md	经过校准的视觉风格、节奏、镜头词汇，以及分镜和动态效果检查清单
references/kit.md	构建模块：引擎、角色、布景、房间套件、灯光、UI、视觉风格，以及如何添加每一项
references/sound.md	编写声音事件、提示词、音量、电量成本
references/traps.md	两集示例中所有耗费时间的问题
studio/	Remotion 项目：复制一次，之后每集都在其中制作
scripts/	配音、计划、静帧、分镜、音效、混音检查、动态网格、成片（需要 Python 3.9+ 和 Node）

规则

• 只能使用原创角色。 Pip（主角，视觉风格 B）和他的朋友 Mo 是我们的原创角色，妹妹、妈妈和机器装置上的西装角色也一样。绝不能使用某个频道自己的主角，也不能使用与知名卡通角色相似的角色：请在角色表上检查每个新造型（Mo 最初的帽子因设计过于相似而被弃用）。
• 故事必须原创。 公式可以共享，但这一集不能属于别人。不要重制某个频道的标题。
• 绝不要声称热门频道是用 Claude 或其他工具制作的。没人说过他们是怎么制作的。
• 只按名称处理密钥。 ELEVENLABS_API_KEY，从环境变量或 studio 上层目录中的 .env 文件读取。绝不打印、粘贴或硬编码密钥。
• 报告每次运行消耗的 ElevenLabs 点数： 脚本会将点数记录到 out/<slug>/costs.json，master.py 会在 report.json 中汇总。配音的成本从账户历史记录中读取（精确值）；音效片段不会显示在历史记录中，因此其成本来自账户计数器，该计数器可能有延迟：报告前请重新读取。交付剧集时要告知点数。copy-paste 运行消耗了 152 点（配音 78 点，12 个新音效片段 74 点）。
• 先做分镜，再做动画。 静帧通过自检（步骤 5），且在有人参与审核的情况下由对方看过分镜前，不得渲染视频。
• 所有事实都必须真实。 脚本中的数字必须先在剧集的 science 字段中计算并注明来源。

设置（每台机器只需一次）

需要 Node 18+、已加入 PATH 的 ffmpeg 和 ffprobe、装有 numpy 和 Pillow 的 Python 3.9+，以及 ElevenLabs 密钥。

cp -r <skill>/studio ./what-if-studio && cd what-if-studio && npm install

以下所有操作都在该 studio 文件夹中运行；<skill> 是本技能的文件夹。若要离线工作或使用自己的品牌字体，请将显示字体放入 public/fonts/，并在 src/studio.config.ts 中设置 titleFont（默认标题字体 Bricolage Grotesque 和 UI 字体会在渲染时从 Google Fonts 加载）。若要将现有 studio 更新到较新的引擎，请将 <skill>/studio/src/engine 复制到其 src/engine。

工作流程

按顺序完成以下步骤。每一步结束后都要先查看成果，再进行下一步。

1. 脚本

阅读 references/formula.md。先在 YouTube 上搜索这个设想：如果某个 What If 频道已经做过完全相同的一集，就更改能力或规则。根据主题行，确定能力的名称、规则、三个逐步升级的演示，以及转折点（一个带数字的真实事实）。编写 src/episodes/<slug>/episode.json，其中包含 id（PascalCase，即合成名称）、slug、topic、title（两行）、script（每拍一条）和 science（每项事实包含：论点、推算过程、来源）。共 45 到 65 个词。按节奏大声读出来：每句话都必须能让人脑海中浮现画面。

2. 配音

python <skill>/scripts/voice.py <slug>

用 ElevenLabs 生成一条带字符时间戳的配音（356 个字符的复制粘贴版本花了 78 个积分），然后剪辑停顿，让节奏符合该类型的步调：public/<slug>/voice.wav 和 src/episodes/<slug>/words.json。检查时长（15-25 s）和打印出的词语时间。用 episode.json 中的 gaps 调整停顿，然后重新运行：配音会缓存，因此这次免费。修改一个词就会再次调用 API。

3. 镜头列表

为脚本中的每张画面设计一个镜头（通常为 9 到 14 个），每次剪辑都变换景别和角度（远景、插入镜头、中景、特写、过肩镜头、俯拍、仰拍；参见 references/look.md）。添加到 episode.json：

• shots：{ "id": "S1", "size": "medium", "set": "kitchen", "key": 14, "note": "what we see" }（key 是分镜显示的该镜头自身时钟的帧）
• edit：每次剪辑对应一个 { "shot": "S1", "at": "cookie" }，以剪辑落点所在的词作为提示（plan.py 会列出提示形式；reverse、from、to 和 look 用于改变镜头时钟的特殊效果）
• fx：单帧闪光和抖动，{ "at": "S3+2", "kind": "flash" }

python <skill>/scripts/plan.py <slug>

它会写入 timeline.json 和 out/<slug>/shotlist.md，并打印节奏。开场每分钟争取剪辑 27 次以上，且不要出现超过约 3 s 的静止镜头；在绘制任何内容前，先修正它标出的问题。

4. 分镜

阅读 references/kit.md 了解构建模块。编写 src/episodes/<slug>/shots.tsx，每个镜头对应一个组件，组件仅由其时钟 t 决定（复制两个示例中 shots.tsx 的模式）；再编写 index.tsx（集数及其特殊效果风格），然后将该集添加到 src/episodes/index.ts。此时，每个镜头只需在其 key 帧上正确即可。如果某个主题需要的场景库里没有，就用房间套件构建，并将其添加到 src/engine/sets/（以及该技能的副本）中，以便下一集使用；复制粘贴的那次运行就添加了厨房和示意图。新增角色或服装时，先添加外观，再在角色表上检查（npx remotion still src/index.ts Cast out/cast.png）。

npx tsc --noEmit
node <skill>/scripts/stills.mjs <slug>
python <skill>/scripts/board.py <slug>

out/<slug>/storyboard.jpg：每个镜头一张带说明文字的静帧。

5. 自查静帧

查看分镜，然后以全尺寸打开 out/<slug>/board/ 中的每张静帧，并逐镜头如实执行 references/look.md 中的分镜检查清单。记下所有问题，修复后只重新渲染那些镜头（stills.mjs <slug> S3 S7），重新生成图页并再次检查。重复此过程，直到通过为止。遇到问题时，先查看 references/traps.md，再想办法解决。如果有人参与审核，现在就把图页给对方看，并在制作动画前记录对方的意见。

6. 动画

从关键姿势开始，让每个镜头动起来：用 poseAt 设置关键帧，加入预备动作、停顿和过冲；用 faceAt 设置表情；用 kf 设置摄像机运动；再加入特殊效果风格和 fx。然后渲染草稿并检查运动：

python <skill>/scripts/master.py <slug>
python <skill>/scripts/motiongrid.py <slug> S2 S5
node <skill>/scripts/stills.mjs <slug> --frames 120 240

对照 references/look.md 中的运动检查清单，把网格当作翻页动画来查看；修复并重新渲染，直到效果清晰易读。

7. 音效

阅读 references/sound.md。在 episode.json 中添加 sound：片段（提示词和时长）、每个可见动作对应一个按镜头提示的事件、每个地点的环境音、音乐底轨和音量。先检查库里已有的内容，再生成：

python <skill>/scripts/sfx.py <slug> --dry
python <skill>/scripts/sfx.py <slug>

它会打印所用积分，并在 timeline.json 中设置各音轨的音量。然后检查每个词是否都清晰可辨：

python <skill>/scripts/mixcheck.py <slug>

它会列出说话期间音效或音乐与人声相差不到 3 dB 的时刻。用于表现某个词的音效应落在该词之后紧接的停顿中，不能与词同时出现；关键台词下方的背景音（如嗡鸣或持续低音）要调低；如果大部分音轨都盖过人声，就调低 sfx_lu。重新运行 sfx.py 和检查，直到只剩有意为之的重叠（标题轰鸣、转场）。

8. 完成并交付

python <skill>/scripts/master.py <slug>

渲染视频，将混音调整到 -14 LUFS、峰值低于 -1 dBTP，并写入 out/<slug>/report.json（时长、响度、语速、积分）。戴上耳机，从头到尾完整听一遍最终文件。交付 out/<slug>/<slug>-final.mp4 和 out/<slug>/storyboard.jpg，并附上时长、使用的 ElevenLabs 积分，以及你认为仍可改进的地方。

单集文件存放位置

路径	内容
src/episodes/<slug>/episode.json	你编写的所有内容：剧本、科学内容、镜头、剪辑、特效、声音
src/episodes/<slug>/shots.tsx, index.tsx	绘图内容：每个镜头一个组件，以及超能力的视觉效果
src/episodes/<slug>/words.json, timeline.json	由 voice.py 和 plan.py 写入（sfx.py 会添加音量）
public/<slug>/	voice.wav、sfx.wav、music.wav
out/<slug>/	分镜静帧、storyboard.jpg、shotlist.md、动态网格、渲染文件、costs.json、report.json
library/sfx/	每个生成的音效片段，供所有单集共用