@autoaiai/aicut 0.1.7 → 0.1.11

package/skills/ai-product-video/references/final-review.md

@@ -0,0 +1,110 @@
+# final-review — 成片独立终检
+
+独立审查 Agent 使用本清单验证“成片是否符合当前创作模式的制作基准”，并结合
+`aesthetic-rules.md` 检查视觉技术质量。审查 Agent 必须处于干净上下文，不参与
+制作；不要给它制作过程中的理由、辩解、修改历史或预期结论。
+
+## 审查输入
+
+- 最新成片 MP4 和每镜头关键帧；
+- 创作模式：直接使用模板、自主自由创作或共同创作；
+- 产品视频简报与必须展示的功能；
+- 需求到执行决策表；
+- 共同创作中用户确认、自主自由创作中 Agent 记录的视觉方向、品牌 tokens、
+  styleframe（或跳过理由）和禁用风格；模板模式则提供原模板结构与实际替换记录；
+- 功能到镜头映射；
+- 用户指定或 Agent 在设计 spec 中记录的镜头卡名与具体样式变体；
+- 卡片文档定位到的准确 demo TSX 源码；
+- 最终分镜、字幕、页面状态和 SFX 计划；
+- 选中的 `references/shots/*.md`；
+- `aesthetic-rules.md`；
+- 数据合规口径。
+
+缺少某项输入时标记“无法验证”，不要自行猜测制作基准。卡片文档与 demo 源码
+互相冲突时，明确报告冲突来源，不自行挑一个当真相。
+
+## 检查项
+
+### P — 产品目标
+
+- P1：产品定位、目标用户和核心卖点是否清楚；
+- P2：成片是否把注意力放在当前模式确认或记录的功能优先级上；
+- P3：是否出现项目不存在、未经确认或容易误导的功能宣称。
+- P4：需求到执行决策表中的执行选择，是否能在分镜、文案、页面状态、音频和素材中
+  找到对应落地；不得用固定的“受众/用途→风格”刻板映射替代项目依据。
+
+### F — 功能完整性
+
+- F1：每个“必须展示的功能”是否至少有一个清楚可辨的镜头；
+- F2：每镜头是否提供新信息，是否存在重复功能或重复 tagline；
+- F3：页面状态是否能让观众理解功能，而不只是装饰性运动。
+
+### V — 视觉方向
+
+- V1：字体、色板、材质、圆角、光感和信息密度是否符合确认或记录的视觉方向；
+- V2：动效速度、过冲、停留和能量曲线是否符合确认或记录的动效性格；
+- V3：是否偏离制作基准，漂移到 Ink Press、赛博霓虹或其他无关风格；
+- V4：禁用的颜色、效果或品牌特征是否被使用。
+
+### S — 镜头卡与样式变体
+
+- S1：功能映射中的镜头卡是否实际出现在对应镜头；
+- S2：用户点名 `卡名 · 样式名` 时，卡片文档与准确 demo TSX 是否指向同一变体，
+  成片是否使用该变体；
+- S3：对照准确 demo TSX，是否保留配方卡/demo 的动作
+  语法、关键时值、缓动关系和遮罩时机；
+- S4：是否违反卡片标注的“已知坑/命门”；
+- S5：适配后的产品截图、坐标和品牌 token 是否自然。
+- S6：标为“仅供参考，需要自定义实现”的样式是否得到用户明确点名，并在报告中
+  标注其实现风险。
+
+不要求和 demo 源码像素级一致。检查的是运动语法和关键参数是否忠实，同时
+允许为目标产品调整截图、坐标、文案、品牌视觉和必要构图。
+
+### B — 分镜一致性
+
+- B1：镜头顺序、时长和功能信息是否符合确认或记录的最终分镜；
+- B2：主动作、页面状态、素材来源、字幕、转场和 SFX 是否一致；
+- B3：品牌字标 hold 是否至少 1 秒，批量动效收尾是否至少静止 0.5 秒；
+- B4：是否在最终分镜放行后，无依据地删除、替换或增加关键镜头。
+
+### D — 数据与素材安全
+
+- D1：是否遵守真实数据、虚构数据或脱敏口径；
+- D2：是否暴露客户、个人、密钥、内部地址或其他敏感信息；
+- D3：表现真实产品页面时是否使用真实截图，而非低质量手搓复刻；
+- D4：截图状态、字体、图片和动态数据是否完整加载。
+- D5：公开演示数据是否有可复核的公开属性；客户、个人、内部、密钥、实时
+  或其他敏感数据是否已虚构、脱敏或冻结。
+
+### A — 音频与节奏
+
+- A1：BGM 是否符合确认或记录的音频方向，音量是否给 SFX 和可选配音留出空间；
+- A2：SFX 是否钉在真实动作关键帧，是否出现明显错位；
+- A3：强节奏音乐的切点误差是否不超过 3 帧；
+- A4：结尾能量峰值和 riser→impact→sparkle 句式是否成立（若分镜采用；sparkle 一拍取自 `sfx/light/`）；
+- A5：长样本（>5s，库里 21 个）是否都显式给了 `durationInFrames`，有没有音效拖到动作结束后还在响；
+- A6：每条 SFX 在**渲染产物**里是否真的听得见（不看预览——预览把 volume 钳到 1.0）；本身录得轻的素材（峰值 <-12dB，库里 7 个）即便给 1.0 仍可能被 BGM 盖住，是否已换素材／预归一化／给足 >1 的增益，且渲染后 max_volume 未削波；
+- A7：UI 类音效是否为真实物件质感而非合成反馈提示音（S1 判别问句）——`sfx/ui/` 中 `ui-confirm-*` `ui-*-tone` `ui-notify-*` 等合成音若出现在成片，是否有“系统在说话”的叙事理由并已写入项目说明文档（逐文件质感表见 sound-design 3.3）。
+- A8：配了 BGM 的片子是否交付了带 BGM / 无 BGM（保留 SFX）两版成片，
+  且两版出自同一时间线（无 BGM 版画面与 SFX 与带 BGM 版逐帧一致）。
+
+### Q — 视觉技术质量
+
+完整执行 `aesthetic-rules.md`。至少检查文字锐度、构图、圆角遮罩、3D 纹理
+清晰度、元素落位、相机抖动、转场接缝、光效廉价感、可读时长和确定性渲染。
+
+## 报告格式
+
+每条结论使用编号，并给问题附帧号或截图：
+
+```text
+P1 ✓ 产品定位和核心卖点清楚。
+F2 ✗ 第 340 帧：已确认的知识图谱功能没有出现在成片。
+V3 ✗ 第 420 帧：大面积琥珀纸张材质偏离已确认的深蓝科技方向。
+S2 ✗ 第 515 帧：用户选择 whip-pan，实际实现为 flash-cut。
+Q2 ✗ 第 615 帧：3D 推近后正文文字发糊，见关键帧 f615.png。
+```
+
+最后按严重程度列出必须修复项、建议优化项和无法验证项。不要用没有证据的
+“整体不错”代替逐项检查，也不要为了报告好看而全部标记通过。

package/skills/ai-product-video/references/guided-free-creation.md

@@ -0,0 +1,194 @@
+# guided-free-creation — 共同创作引导流程
+
+共同创作模式用于用户希望参与产品短片的关键业务与创意决策。它把产品简报、
+需求决策、视觉方向、镜头映射和最终分镜交给用户确认，把视频工程细节交给
+Agent 执行。自主自由创作不读本文件，也不使用这里的逐阶段确认节点。
+
+## 目录
+
+- 产品简报与安全素材预检
+- 需求到执行决策表
+- 视觉方向与 styleframe
+- 功能到镜头映射
+- 镜头名称解析
+- 分镜确认与制作放行
+
+## 1. 产品简报
+
+先只读检查项目，不写视频代码、不修改业务项目、不采集或导出敏感内容。检查技术栈、
+入口、启动命令、页面路由、主要组件、交互状态、API、页面文案、CSS 视觉 token、
+外部依赖和数据风险，并判断哪些功能能通过真实页面状态清楚表达。
+
+输出一张由 Agent 先填写的产品简报表。每一行都必须先给出判断或推荐，
+再写明依据；不要把所有字段原样丢给用户填写。
+
+```text
+当前阶段：产品理解
+
+| 项目 | Agent 的判断或推荐 | 依据 |
+|---|---|---|
+| 项目定位 |  |  |
+| 目标用户 |  |  |
+| 视频用途 |  |  |
+| 核心卖点 |  |  |
+| 必须展示的功能 |  |  |
+| 可用页面/状态 |  |  |
+| 首屏主张 |  |  |
+| 期望时长/画幅/语言 |  |  |
+| 音乐/配音 |  |  |
+| 数据合规口径 |  |  |
+| 视觉线索 |  |  |
+
+需要确认：
+1. 只列出无法从项目或用户已有描述中确定的事项。
+2. 对可以推荐但仍需用户拍板的事项，先写“推荐方案＋依据”，再在此处提问。
+```
+
+填写规则：
+
+- 能从 README、源码、路由、页面状态、文案或 computed styles 确定的，直接填写
+  判断和证据，不再询问；
+- 无法完全确定但可以根据项目合理推荐的，填写动态推荐、推荐依据和需要用户
+  拍板的选项；
+- 完全无法判断的，明确写“无法从当前材料判断”，只把它放到下方问题中；
+- 每轮只追问 1–3 个最影响视频结果的问题；不显示“置信度”字段；
+- 推荐必须来自当前上传项目或页面，不得使用固定答案。
+
+用户确认简报后，先按数据口径进行一次**临时安全素材预检**：只采集制作
+styleframe 所需的少量页面截图或 token，不做完整切片、全量导出或最终素材入库。
+公开演示数据只有在简报明确确认后可保留；客户、个人、内部、密钥、实时或其他
+敏感数据必须先替换、脱敏或冻结。已经明确提供的信息不要重复询问。
+
+## 2. 需求到执行决策表
+
+把已确认的用户需求、项目证据和 Agent 的执行选择写成同一张可追溯表。它不是
+固定的“受众→风格”规则表：每行都必须写明当前项目与用户材料带来的依据，
+并允许 Agent 提出与常见套路不同的推荐。
+
+```text
+当前阶段：从需求到制作决策
+
+| 已确认需求 | 项目/用户依据 | 受影响的执行范围 | Agent 推荐 | 需要确认项 |
+|---|---|---|---|---|
+| 视频用途 |  | 叙事结构、信息量、CTA |  |  |
+| 目标受众及其情境 |  | 场景、语言、节奏、功能优先级 |  |  |
+| 核心卖点与必须展示功能 |  | 页面状态、镜头、文案 |  |  |
+| 时长/画幅/语言 |  | 镜头数、字幕密度、构图 |  |  |
+| 音乐/配音 |  | 节奏、停顿、SFX 留白 |  |  |
+| 数据合规口径 |  | 采集、mock、打码、终检 |  |  |
+| 视觉方向 |  | tokens、材质、转场语气 |  |  |
+```
+
+表只记录对当前视频会产生实际影响的项。无法确定的项保留在“需要确认项”，
+每轮合计只问 1–3 个；已经确认的项不得再次提问。后续的视觉方向、镜头映射、
+分镜、素材采集、声音设计与终检都必须能追溯回此表，并在设计 spec 中保存。
+
+## 3. 视觉方向
+
+从页面、源码或 computed styles 提取字体、色板、圆角、信息密度、光感和动效
+性格。视觉方向分两轮确认：
+
+1. 先给出最多 3 个根据当前项目生成的文字方向。每个方向说明：名称、一句话
+   视觉主张、3–5 个关键词、字体/色彩/材质、镜头运动性格、适合原因和取舍。
+   只有产品确实适合纸张、编辑部或叙事质感时，才把 Ink Press 列为候选；不能
+   因为仓库里有它就固定加入。
+2. 用户选出 1–2 个入围方向，或明确授权 Agent 自选。对入围方向制作一个纯
+   HTML/CSS 的实际 styleframe 对比页：每个方向展示 2–3 张 1920×1080 的
+   静态关键画面（例如品牌开场、核心功能、品牌收尾），使用当前产品的真实
+   页面素材或已提取的视觉 token，不写 Remotion 代码、不渲染完整视频。
+3. 用 Playwright/Puppeteer 截出 styleframe 对比图，展示并列方向的字体、色板、
+   材质、构图、光感和信息密度。用户确认最终方向后，才能进入功能到镜头映射。
+
+Styleframe 用来确认静态视觉语言，不能单独证明缓动、运镜速度或节奏；这些仍需
+结合动效 tokens 与 demo 源码判断。若动效差异无法靠文字和源码判断，再做
+短的运动测试。用户已经提供严格品牌规范、明确参考片、直接选定 Ink Press，或
+明确授权 Agent 自选并跳过视觉确认时，可以记录理由后跳过 styleframe 对比。
+
+## 4. 功能到镜头映射
+
+先列产品功能，再扫描 `references/shots/` 各卡 frontmatter 的用途、能量、建议
+时长和限制。给每个必须展示的功能推荐首选和备选镜头：
+
+| 功能 | 首选镜头 | 备选镜头 | 画面要表达什么 | 需要的页面状态 |
+|---|---|---|---|---|
+
+用户可以接受、替换、删除或授权 Agent 自选。确定映射后，必须完整读取选中卡片，
+并按其“参考实现”定位准确 demo 源码；没有合适镜头时可以新写，但要说明新写范围
+和验证风险。卡片标为“仅供参考，需要自定义实现”的样式不默认推荐；用户明确
+点名后才允许自定义实现，并把风险写进设计 spec。
+
+这张映射表不是完整分镜，不得在用户确认映射后直接开始制作。它只确定“哪个
+产品功能使用哪一种镜头语法”，之后还必须进入第 5 节，展开镜头顺序、时长、
+页面状态、具体动作、素材、字幕、转场和声音。
+
+## 5. 镜头名称解析
+
+镜头定义和实现源码全部在本仓库：配方卡是 `references/shots/<类别>/<卡名>.md`，
+demo 实现在 `demos/<类别>/<卡名>/` 下。用户不需要描述动画，只需报卡名。
+
+收到镜头名后按以下顺序处理：
+
+1. 在 `references/shots/` 下按 `<卡名>.md` 定位卡片文件校验 `card-name`，
+   用卡内列出的样式名校验 `style-name`；不要用模糊猜测代替文件校验；
+2. 完整读取该 `references/shots/*.md`；
+3. 按卡片“参考实现”的明确路径，把具体样式解析到准确的 demo TSX；若文档只写
+   demo 目录，读取目录文件并根据导出名、注释和样式语义确定对应文件；
+4. 在设计 spec 记录：卡名、样式名、卡片文档、准确 demo TSX；
+5. 如卡片需要通用组件，再读取并复制 `assets/lib/` 的对应文件；
+6. 保留 demo 中已经调校的缓动、时值配比、遮罩时机和“已知坑/命门”参数；
+7. 只替换目标产品的截图、布局坐标、文案、品牌 token 和必要的构图参数。
+
+镜头名可能是两种形式：
+
+```text
+spotlight-hero-card
+shot-transitions · whip-pan
+```
+
+- 只有卡名：使用卡片默认变体；如果同一卡的多个变体表达差异明显，Agent 先按
+  前后镜头和产品气质推荐一个具体变体，并说明原因，必要时让用户确认。
+- `卡名 · 样式名`：优先使用用户点名的具体变体，读取对应实现，不擅自换式。
+- 名称不存在：报告无法匹配，并给出仓库中最接近的真实卡名；不要凭名字臆造。
+- 卡片标为“仅供参考，需要自定义实现”：不主动推荐；用户明确点名后，明确说明
+  该样式没有可复用的完整实现，按配方参数制作，并把实现风险写进设计 spec。
+
+严禁只根据卡名含义重新写一套近似动画。卡片文件提供语义，demo 源码才是参数
+真相。用户选中多个镜头后，把它们与产品功能映射，再继续生成完整分镜。
+
+## 6. 分镜确认
+
+把确认的功能和镜头组合成分镜，并至少包含：
+
+```text
+| # | 时间/帧 | 功能信息 | 镜头卡 | 主动作 | 素材来源 | 字幕/SFX |
+```
+
+检查每镜只讲一个主要动效，品牌字标 hold 至少 1 秒，批量动效收尾至少静止
+0.5 秒，避免重复 tagline 或让同一种动效反复当主角。用户确认分镜与最终设计 spec
+后，二者共同构成**制作放行**：不重新打开此前已确认的业务或创意问题，只补实现
+必要的未决项。此时再做最终全量素材采集（整页 2x 截图、元素切片、layout.json），
+把批准分镜转成帧级时间轴，再进入 `pipeline.md` 阶段 4 的最终素材采集、阶段 5
+逐镜头实现、阶段 6 声音设计和阶段 7 终检。
+
+将用户确认后的产品简报、需求到执行决策表、视觉方向/tokens、styleframe 或跳过理由、
+功能到镜头映射、镜头卡名与具体变体、最终分镜和数据合规口径保存为稳定的设计 spec
+（或在终检交接时完整提供），作为 `final-review.md` 的审查基准。不要让独立
+审查 Agent 依赖零散聊天记录猜测用户确认过什么。
+
+## 默认与跳过规则
+
+用户授权 Agent 全权决定时，仍须根据产品内容动态推导：从视觉 token 生成方向，
+从核心功能与页面状态选择镜头，从发布渠道、功能数量和阅读密度推荐时长/画幅/
+语言，从品牌能量与节奏推荐音乐。只有项目和用户描述都没有相关线索时，才使用
+30–38 秒、1920×1080 作为兜底。数据口径按项目风险决定：公开演示数据可沿用，
+客户、个人或内部数据改用虚构/脱敏内容。首次整片渲染前仍需提交分镜备案，除非
+用户明确要求不看中间产物。
+
+## 每轮回复格式
+
+```text
+当前阶段：
+已确认：
+本轮需要确认：
+确认后交付：
+```

package/skills/ai-product-video/references/music-beat-sync.md

@@ -0,0 +1,219 @@
+# music-beat-sync — BGM 节奏分析与卡点方法论
+
+强节奏 BGM 的片子，**所有转场和关键动效必须落在拍上**。本文档给出从
+"拿到一首曲子"到"成片切点误差 ≤3 帧"的完整可复现流程。实测：一支
+70s、18 镜、131.97 BPM 的强鼓点宣传片按此法制作，渲后回测全部切点
+误差 ≤2.2f（感知阈值约 3f）。
+
+## 目录
+
+- 何时启用
+- 节拍网格测定
+- 鼓点分类与能量结构
+- 网格验收与产物
+- 用拍号编排时间线
+- 渲后回测
+- 工具备忘
+
+## 0. 何时启用
+
+阶段 0 先检查用户是否已指定音乐。
+- 已选好 → 走本文档：先分析节奏，再让分镜的每个切点/动效锚到拍号
+- 未选 → BGM 选型放到阶段 6（见 pipeline.md），此时动效时间线按
+  内容节奏排，不强行卡点
+
+**铁律：音乐先行。** 网格没验收通过之前不设计分镜；时长对不上时改
+时间参数，不删改用户文案。分析全程用浮点秒记录时刻，**换算成帧只发生
+在进 Remotion 的最后一步**（提前取整会让误差在管线里滚雪球）。
+
+## 1. 节拍网格测定（不要相信 beat_track 的 tempo 标量）
+
+用 `uv run --with librosa --with scipy --python 3.11` 跑一次性脚本：
+
+```python
+import numpy as np, librosa
+
+y, sr = librosa.load("bgm.mp3", sr=None, mono=True)
+tempo, beats = librosa.beat.beat_track(y=y, sr=sr, tightness=400, units="time")
+
+# 关键一步：对 beat 序列做最小二乘等距网格拟合，求真实 BPM 与相位。
+# beat_track 返回的 tempo 标量可能偏差 2%+（实测 129.2 vs 真值 131.97），
+# 但它输出的 beat 时刻序列本身是好的——用整个序列拟合直线 t_i = t0 + i*T：
+i = np.arange(len(beats))
+A = np.vstack([i, np.ones_like(i)]).T
+(T, t0), *_ = np.linalg.lstsq(A, beats, rcond=None)
+bpm = 60.0 / T
+residual = beats - (t0 + i * T)
+print(f"BPM={bpm:.2f}  t0={t0:.4f}s  T={T:.5f}s  残差±{np.abs(residual).max()*1000:.0f}ms")
+```
+
+验收标准：残差 ≤ ±15ms（半帧内）说明曲子是机器鼓点、网格可信；
+残差大说明有变速段，需要分段拟合。
+
+**半倍/双倍歧义必查**：beat 检测常在 2x/0.5x 之间跳（70 BPM 报成
+140）。判据不是听感，是下一节的鼓点数据——正确的网格下 kick 应该
+主要落在整数拍；如果 kick 一半落拍一半落半拍，多半是网格快了一倍。
+拿 0.5x/1x/2x 三个候选按 §3 的指标各算一遍分数，选覆盖率最高的。
+
+**复杂曲先分离鼓 stem**：人声/贝斯厚的编曲会把鼓的攻击埋掉，
+beat_track 和 onset 都会漂。轻量方案 `librosa.effects.hpss` 取打击
+成分；重方案 Demucs 分离整条鼓轨（见 §6），之后所有鼓点检测都在
+鼓 stem 上做，不在全混音上做。
+
+## 2. 鼓点分类与能量结构（决定什么钉在哪一拍）
+
+### 2a. 三分类瞬态检测
+
+不同鼓件驱动不同类型的动效，分频段各测一遍（在鼓 stem 或 hpss
+打击成分上）：
+
+| 类别 | 频段 | 驱动的动效 |
+|------|------|-----------|
+| kick | 40–160 Hz | 冲击 / slam / 骤缩——画面"被砸"的一拍 |
+| snare | 150–500 Hz 体 + 1–3 kHz 打击面（两者都要有） | 替换 / 闪切 / 构图切换——"换一件事"的一拍 |
+| hihat | 6–14 kHz | 微动密度——hihat 密的段落微动效可以密，稀的段落必须收 |
+
+```python
+from scipy.signal import butter, sosfilt
+def band_env(y, sr, lo, hi):
+    sos = butter(4, [lo, hi], btype="band", fs=sr, output="sos")
+    env = librosa.onset.onset_strength(y=sosfilt(sos, y), sr=sr)
+    return env, librosa.times_like(env, sr=sr)
+
+kick_env, times = band_env(y, sr, 40, 160)
+# 把每个整数拍位置的 env 能量列出来，排序找最强 hit：
+for n in range(int((times[-1]-t0)/T)):
+    t = t0 + n*T
+    e = kick_env[np.argmin(np.abs(times - t))]
+    # 记录 (拍号 n, 能量 e)，取 top 若干作为"大 slam 候选拍"
+```
+
+命中记成 `{t 秒, s 强度, k 类别}` 的列表存档，设计分镜时按类别取用。
+
+### 2b. RMS 能量曲线与结构表
+
+`librosa.feature.rms` 拉全曲能量曲线，配合鼓点密度切出段落边界。
+产出两样东西进设计 spec：
+
+- **音乐结构表**：能量从第几拍起满、breakdown/静默段在第几拍——
+  分镜的能量曲线要贴着它排（breakdown 处放品牌呼吸位是天然结构），
+  高能段镜头可以多层动效并行，低能段收到 1–2 层
+- **最强 hit 拍号清单**：全片 2–3 个最大 slam（开题/高潮/收尾）
+  必须钉在这些拍上
+
+**易错点（实测踩过）**：最大 slam 钉在了 b52.5（两拍之间）而最强
+kick 在整数拍 b52 上，渲后回测偏差 +5.75f。强鼓点曲的重音几乎总在
+整数拍上，半拍钉点必须有 env 数据支持，不能凭听感。
+
+## 3. 网格验收与产物（先验收，后分镜）
+
+拿候选网格（含 0.5x/1x/2x）逐一对齐最近的真实鼓点瞬态，算四个指标：
+
+| 指标 | 含义 | 门槛 |
+|------|------|------|
+| match | 网格拍命中真实瞬态的比例 | ≥98% |
+| mean_abs_ms | 平均绝对对齐误差 | <10ms |
+| drift | 残差对时间做线性回归的斜率（漂移） | 全曲累计 <5ms |
+| 首拍有效性 | 网格第 0 拍是否落在真实的音乐攻击上 | 必须 |
+
+按分数选出获胜网格，把**所有候选和获胜理由**写进分析产物留档。
+拿不准时给候选网格各合成一条 click 轨叠回原曲听一遍，但最终以
+指标定夺，不以听感定夺。
+
+分析产物随项目留档（是每一个切点的审计链）：
+
+```text
+analysis/
+  beat_data.json    # bpm, t0, T, beats[], hits[{t,s,k}], rms[], sections[]
+  grid_drift.json   # 各候选网格的 match/误差/漂移 与获胜理由
+  click_*.wav       # 候选 click 轨（可选，听感复核用）
+```
+
+`beat_data.json` 里的时刻永远是浮点秒、不预取整；下游只依赖
+`bpm / beats / hits / rms / sections` 这几个字段名。
+
+## 4. 时间线用拍号写，不用帧号写
+
+Remotion 项目里把网格常量化，一切镜头边界/动效关键帧用 `beatF()` 表达：
+
+```ts
+export const FPS = 30;
+export const BEAT0 = 0.2244;   // t0，秒
+export const BEAT_INT = 0.45465; // T，秒
+export const beatT = (n: number) => BEAT0 + n * BEAT_INT;          // 拍→秒
+export const beatF = (n: number) => Math.round(beatT(n) * FPS);    // 拍→帧
+
+export const SHOTS = {
+  s0_open:  { from: 0,        to: beatF(8) },
+  s1_slam:  { from: beatF(8), to: beatF(16) },
+  // …每个镜头边界都是 beatF(整数拍)；镜头内部动效用局部拍：
+};
+export const localBeat = (shot: {from: number}, n: number) => beatF(n) - shot.from;
+```
+
+好处：换曲/换段落时改两个常量全片重排；SFX 钉帧表也写 `beatF(n)`，
+与画面共用同一事实源，永不错位。
+
+**锚点绑定规则**（哪些用网格、哪些用真实瞬态）：
+
+- 密集规则切点（每拍/每两拍一切）→ 用获胜网格的 `beatF(n)`
+- 稀疏重音、孤立定格 → **钉真实瞬态**，不用网格插值点（网格在稀疏
+  处的微小漂移会被单个重音放大成可感偏差）
+- 结尾定格 → 最后一个真实瞬态 + RMS 静默确认（防止钉在余韵尾巴上）
+- 视频素材/SFX 按**内部峰值**对齐，不按文件头对齐：
+  `素材起始 = 目标拍时刻 − (峰值时刻 − 裁剪偏移)`；峰值用音频能量
+  包络或 FFmpeg 帧差定位
+
+设计规矩：
+- 镜头时长以拍为单位（4/8 拍一镜），加速段可用半拍/四分之一拍阶梯
+  （如 CUT_BEATS = [48, 49.5, 50.5, 51, 51.25] 的收敛逼近）
+- 每拍一动作的步进类镜头（清单逐项、马赛克逐格）直接 map 拍号
+- BGM 鼓点已密时 SFX 克制：只钉画面独有动作，大 slam 只给 2–3 处，
+  其余让位给 BGM 的鼓
+- 结构性运动（形变/运镜/位姿）用连续帧函数；冲击事件（出现/替换/
+  闪/骤缩）在选定的那一帧上开关。多层动效同帧命中构成重音；要错
+  开只错 1–2 帧且必须是设计意图，不允许来自取整的意外错位
+
+## 5. 渲后回测（闭环，必做）
+
+### 5a. 两种误差分开报，不混为一谈
+
+- **音频真值误差**：设计切点秒值 vs 真实瞬态秒值的距离，验的是
+  分析管线；门槛：平均 <5ms，全部 ±33ms 内，90% 在 ±15ms 内
+- **视觉量化误差**：秒值换算到最近可渲染帧引入的取整误差，验的是
+  帧率够不够；`beatF()` 取整那一步的误差就是它，逐锚点记录
+
+最近帧取整的误差上限由 FPS 决定：30fps 是 ±16.7ms、60fps 是
+±8.3ms、120fps 是 ±4.2ms。**30fps 交付不要声称 <5ms 的视觉精度**；
+量化误差报表超出容忍时升帧率，而不是去改音频分析。
+
+### 5b. 渲出成片抽音轨回测
+
+```bash
+ffmpeg -i out/promo.mp4 -vn -acodec pcm_s16le /tmp/render-audio.wav
+```
+
+对渲出音轨重跑第 1 步的网格拟合（BGM 从视频里量，不从源文件量——
+这样连音频编码/对齐偏移一起验），然后逐一对比：
+**设计切点帧号 vs 最近测得拍的帧号**，输出误差表。
+
+| 判定 | 误差 |
+|------|------|
+| 合格 | ≤3f（感知阈值） |
+| 理想 | ≤1.5f |
+| 必修 | >3f 的任何切点 |
+
+误差超标的钉点回第 4 步改拍号或帧偏移，重渲再测，直到全表合格。
+
+## 6. 工具备忘
+
+- librosa 不在系统 python：`uv run --with librosa --with scipy --python 3.11 script.py`
+- 只有人声/复杂编曲的曲子 beat_track 会漂：先用 `librosa.effects.hpss`
+  分离打击成分再测；仍不干净时上 Demucs 分离鼓轨——
+  `uvx --from demucs demucs --two-stems=drums -n htdemucs bgm.mp3 -o analysis/`，
+  之后 §1/§2 全部在 `drums.wav` 上跑
+- BPM 拿不稳（多方法交叉验证）：madmom 的 RNN+DBN 和 Essentia 的
+  RhythmExtractor2013 可作 librosa 之外的第二、第三票；三者对不齐时
+  回 §3 用瞬态覆盖率投票，不猜
+- 变速曲（DJ 转场、accelerando）：先用 librosa 局部 tempogram
+  （约 5s 窗）确认变速点，再按能量段分段拟合，各段各自 t0/T