@autoaiai/aicut 0.1.7 → 0.1.11

package/skills/gbro-collage-info/SKILL.md

@@ -0,0 +1,135 @@
+---
+name: gbro-collage-info
+description: "半调纸拼贴风信息动画（AICUT）。给一份口播逐字稿，从中挑出适合做成信息动画的段落（数字冲击、流程结构、清单收敛、对比翻转、结果高光），经用户确认后出静态样帧，再确认后产出 1080×1920 竖屏带拟音的 mp4 动画。用户说「拼贴信息动画」「collage info」「gbro-collage-info」「信息动画挑段落」「逐字稿做信息动画」「半调纸拼贴动画」，或给逐字稿/分镜并想要这种米色纸场+卡纸剪片+定格动效的信息动画时，必须使用此 skill。本 skill 只做无角色的信息图动画（纯 HTML/CSS/GSAP，本机渲染）；情绪独白、隐喻类段落不做，建议归实拍或角色/隐喻动画。 Runs in AICUT: the film is film.html, a page per shot, drawn by `aicut look` and `aicut render`."
+license: MIT
+source: "pyang5166/gbro-collage-info"
+---
+
+# gbro Collage Info（半调纸拼贴 · 信息动画）
+
+## Running it in AICUT
+
+AICUT's film is `film.html`: it cuts pages, footage, pictures and sound together on tracks. A page is a web page that
+sets `window.film = { frame(t) }` and draws that moment — no framework, no build step, no composition object, no
+`registerRoot`. Five shots are five pages cut together, not one page that changes scene, so each shot stays trimmable
+and replaceable in Studio.
+
+```sh
+npx -y @autoaiai/aicut@latest          # the manual: the format and the commands, always current
+npx -y @autoaiai/aicut@latest open .   # make this folder a film and print Studio's address
+npx -y @autoaiai/aicut@latest look     # a contact sheet of the whole film, its sound, and a determinism check
+npx -y @autoaiai/aicut@latest look 4.5 # one frame, full size — look at the PNG, not at the code
+npx -y @autoaiai/aicut@latest render   # the MP4, beside film.html
+```
+
+Run the manual before the first film: it is authoritative for the format, and this skill is about the method above it.
+
+Where the words below name another program's part, it becomes this:
+
+| elsewhere | in AICUT |
+|---|---|
+| composition, timeline, project file | `film.html`; tracks and clips inside it |
+| a scene, a sequence, a slide | a page (`pages/<name>.html`) cut onto a track |
+| `useCurrentFrame()`, `interpolate()` | `frame(t)` — the picture depends only on `t`, never on state or `Date.now()` |
+| a still, a screengrab | `aicut look <t>` |
+| `render` / `build` / `export` | `aicut render` (the person can also export from Studio) |
+| a dev server, a preview window | `aicut open` and the Studio address it prints |
+
+Hard rules that hold whatever the method says: the picture depends only on `t`; every value in the person's prompt is
+binding; look at the frames `look` writes before saying a film is done.
+
+
+把逐字稿里"讲信息"的段落，做成 editorial 半调纸拼贴风的信息图动画：米色纸场、卡纸剪片、单一点色、半调截图、stop-motion 定格。
+
+效果参考：仓库 README 里的 GIF 演示与末帧一览图。
+
+## 三道确认门
+
+```text
+Gate 1  选段 + 主动效分配 → 用户确认
+Gate 2  静态样帧（headless Chrome 截图 + 拼图）→ 用户确认
+Gate 3  HyperFrames 动画 + 拟音 + QA → 交付
+```
+每道门都停下来等确认，不跳门。用户在 Gate 1 改名单、在 Gate 2 改构图，都比在 Gate 3 改成片便宜。
+```
+
+## Gate 1：选段
+
+读逐字稿（或分镜脚本，只取其中标为动画的段），按下面的判据挑段落。
+
+**适合做信息动画的段落**（一条至少命中一类）：
+
+| 类型 | 信号 | 对应主动效 |
+|---|---|---|
+| 数字冲击 | 台词里有具体数字（7 条、10 句、2 分钟、12 类） | 数字撞入 / 计时压缩 |
+| 流程结构 | 步骤、决策树、分类收敛（30 个→5 大类） | 从底部生长 / 抽屉抽出 |
+| 清单收敛 | 多个候选收敛到一个结果 | 推焦收敛 |
+| 对比翻转 | 正面 vs 痛点、以前 vs 现在 | 三联卡翻面 |
+| 结果高光 | 观众最想要的东西落地的那句 | 推焦 + 点色描边 |
+| 概念封装 | 抽象论点第一次被看见（钩子落点） | 吸入 / 汇聚 |
+| 系列标题卡 | "第一个…第二个…第三个…"的章节口 | 同模板换色派生 |
+
+**不适合、要拦下来的**：界面操作演示（归录屏）、需要实拍质感的（归实拍）、情绪独白和隐喻（归角色/隐喻动画，不在本 skill 范围）、在截图上画重点（归录屏+后期描边）。
+
+**数量与去重**：
+
+- 默认精选 6–10 条独立设计；用户指定数量就按用户的。
+- 每条分配一个**不重复的主动效**（吸入 / 堆叠 / 撞入 / 景深 / 生长 / 抽屉 / 推焦收敛 / 翻面）。两条段落同形时合并或派生，不做两条同质动画。
+- 主动积极找派生机会：系列标题卡从一个模板换色导出；相邻的收拢/翻面/汇聚三段可以做成一条长 composition 分段切。落选段落写明去处（录屏/合并/派生），不是丢掉。
+
+**产出**：一张表（段落原文落点 / 入选理由 / 主动效 / 需要的截图锚点），加落选段的降级说明。停，等确认。
+
+## Gate 2：样帧
+
+确认名单后，每条先做静态 hero frame（不写动画代码）：
+
+1. 写单页 HTML（1080×1920），引用 skill 自带的 `assets/collage.css`，放在项目 `style-plates/` 下。
+2. headless Chrome 截图（macOS 路径如下；Linux 用 `google-chrome` / `chromium` 可执行名）：
+
+```bash
+"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" --headless=new \
+  --disable-gpu --hide-scrollbars --force-device-scale-factor=1 \
+  --window-size=1080,1920 --screenshot=<名>.png "file://<绝对路径>.html"
+```
+```
+3. 自己先看图 QA（读 PNG）：留白够不够、点色是否只有一处、信息是否都在 y≤1280、撕边地层是否只在底部。不合格先改再给用户。
+4. 拼 contact sheet 发给用户确认。
+
+风格规则读 [`references/style-system.md`](references/style-system.md)。核心六条：纸场底不用渐变；一件信息=一张卡纸剪片；真实截图=半调剪片、全帧只一处点色批注；一帧一个点色 + 一个出画大色块；3–6 个大组大留白；底部 640px 只放撕边地层。
+
+**截图锚点纪律**：需要真实界面截图的位置，没拿到截图前一律用 `.shot` 抽象半调剪片（灰条+网点），**绝不画假界面**；不是原文就不框选放大。拿到截图后换 `<img class="shot-img">` 一行即可。
+```
+
+## Gate 3：动画
+
+样帧确认后，搭 HyperFrames 项目并渲染。动效与拟音规则读 [`references/motion-grammar.md`](references/motion-grammar.md)，环境与渲染命令读 [`references/production.md`](references/production.md)。
+
+1. 用 `scripts/new_project.sh <项目名>` 建项目（自动拷 collage.css / gsap / sfx，写 hyperframes.json）。
+2. 每条一个 `compositions/<段号>-<名>.html`，把样帧 DOM 原样搬进去，再加 paused GSAP timeline。样帧就是动画的收帧——动画结束时的画面必须和确认过的样帧一致。
+3. 加拟音 cue（每条 3–7 个，音量 ≤0.5，写在文件底部 `<!-- SFX -->` 区块）。
+4. `lint` → 逐条 `render -q standard` → 抽末帧拼 contact sheet 自查 → 交付 mp4 + 末帧一览，并问是否要拷贝到指定目录。
+
+交付默认：1080×1920 / 30fps / 每条 5s / AAC 拟音音轨 / 无口播无字幕（剪辑台合成）。
+
+## 色本
+
+固定四组「纸场 + 点色」，按内容功能段分组使用，一个功能段锁一组色：
+
+| 纸场 | 点色 | 默认给 |
+|---|---|---|
+| 奶白 `#EEE7D6` | 深绿 `#1F5142` | 第一个功能段 |
+| 冷灰白 `#E6E7E3` | 墨蓝 `#18334D` | 第二个功能段 |
+| 暖石灰 `#D8D0BC` | 珊瑚 `#E0783C` | 第三个功能段 |
+| 暖石灰 `#D8D0BC` | 芥末 `#D6A92B` | 钩子与结尾（首尾闭环） |
+
+（可选集成）同一支片子里若还有其他拼贴风动画条目且带有自己的色本定义，继承其纸场/点色，让全片看起来是一家人；没有就用上表默认。功能段少于四段时优先保住"钩子结尾=芥末"的闭环。
+
+## 写作纪律
+
+- 屏幕文字只用逐字稿里有的事实：数字、名称、原话。台词没给的内容（比如第 4 个候选的文案、5 大类的名字）用空白卡占位，**不替内容编数据**。
+- 中文短句，每帧一个论点；mono 小字只放编号 / 路径 / 单位。
+
+## Source
+
+Rewritten for AICUT from [`pyang5166/gbro-collage-info`](https://github.com/pyang5166/gbro-collage-info)
+(MIT), SKILL.md. The method is that skill's own; the way it runs is AICUT's.

package/skills/gbro-collage-info/references/motion-grammar.md

@@ -0,0 +1,66 @@
+# 动效语法 · stop-motion 定格 + 拟音
+
+## 为什么是定格
+
+这个风格假装自己是手工纸拼贴的定格动画。smooth ease 会立刻暴露"这是网页动画"，所以：
+
+- 30fps 渲染，落位对齐 **10fps 网格**（每 3 帧一格），一律 `ease:"steps(n)"`。
+- 常用档位：`{duration:.3, ease:"steps(3)"}`（落位）、`{duration:.4, ease:"steps(4)"}`（滑入）、翻面 `steps(6)`、计时/进度 `steps(24)`。
+- 每次重要落位后 **hold ≥ 0.8s**——暂停即是一张可读海报。5s 一条的节奏大致是：0–0.4 页眉，0.4–3.5 拼装，3.5 起静止收帧。
+- 转场是纸片被**抽走 / 翻面 / 吸走 / 推入**，不用 opacity fade 当主转场（fade 只做 0.1–0.2s 的辅助消隐）。
+- **样帧 = 收帧**：动画结束时的画面必须与 Gate 2 确认过的样帧一致。动画是"这张海报怎么拼出来的"，不是另一张画。
+
+## 主动效清单（每条选一个，全片不重复）
+
+| 主动效 | 适用 | 要点 |
+|---|---|---|
+| 吸入 | 概念封装、收纳 | 元素缩小 + 位移进入容器口，`steps(5)`，吸完目标内容逐行揭示 |
+| 堆叠落位 | 系列预告、多单元 | 逐张从画外飞入，色条/编号/名称按 0.2s 间隔跟进 |
+| 撞入 | 数字冲击 | 数字 scale 1.5→1 定格 3 格，配 pop 拟音 |
+| 景深 | 时间压缩、背景文档 | 背景 blur 15px→0，与计时/进度同步收清 |
+| 生长 | 决策树、流程 | 根→干→梁→支→节点，严格自下而上，`transform-origin` 对准生长方向 |
+| 抽屉 | 分类库、公式库 | 全部格先松开一档，重点格抽到底 + 变点色 + 标签揭示 |
+| 推焦收敛 | 多选一 | 落选项 blur+降透明+微缩，选中项微放大 + 点色描边遮罩画出 |
+| 翻面 | 对比、痛点翻转 | rotateY 180，`preserve-3d`，正反面信息互为答案 |
+
+派生不占名额：同模板换色（标题卡系列）、同 composition 延长时间轴分段（收拢/翻面/汇聚三段一条）。
+
+## GSAP 结构（确定性硬规则）
+
+```js
+window.__timelines = window.__timelines || {};
+const tl = gsap.timeline({paused:true});   // 必须 paused
+tl.from("#x", {y:-40, opacity:0, duration:.3, ease:"steps(3)"}, 0.9);  // 绝对时间
+window.__timelines.<compositionId> = tl;    // 必须注册
+```
+
+- 只用绝对时间参数，不用相对链式默认排队。
+- 计数器（计时、数字滚动）用 `tl.to(obj, {v:目标, ease:"steps(24)", onUpdate})` 由时间线驱动——不用 `setTimeout`/`rAF`/`Date.now()`。
+- 撕边、微旋等"随机"全部预生成写死（collage.css 里的 torn-11/22/33 就是固定种子产物）。
+- 无渲染期网络请求：gsap 用项目内 `assets/gsap.min.js`。
+
+## 拟音（内置进成片）
+
+音色库在 skill `assets/sfx/`（已裁短加淡出，来源 Mixkit 免版权）：
+
+| 文件 | 用途 |
+|---|---|
+| pop-land / pop-soft / tick | 卡纸落位 / 大色块落位 / 密集序列小节拍 |
+| click | 文字遮罩揭开 |
+| whoosh-soft / whoosh-in / flip | 剪片滑入·纸条抽走 / 吸入·汇入 / 翻面 |
+| reveal / focus / grow | zoom snap·合上 / 景深转清·退焦 / 生长 |
+
+写法——`<audio>` 必须有 `id`，必须放在 `#root` 内（`.clip` 之后）：
+
+```html
+<!-- SFX · cue 表集中放文件底部，方便改时间 -->
+<audio id="sfx-16-01" src="assets/sfx/pop-land.mp3" data-start="0.95"
+       data-duration="0.31" data-track-index="2" data-volume="0.5"></audio><!-- 7 条观点 -->
+```
+
+规矩：
+
+- 每条 3–7 个 cue，只配真正的落位/揭示/转场，静止段不配。
+- 同一时间点只放一个，相邻 ≥ 0.25s；track-index 从 2 起逐个 +1。
+- 音量一律 ≤ 0.5（BGM 在剪辑台叠加，预留 0.2 余量）。目标电平：峰值约 −9dB。
+- cue 的 `data-start` 对齐动画时间线上的落位时刻，不对齐动作起点——咔哒声属于"落地"不属于"起飞"。

package/skills/gbro-collage-info/references/production.md

@@ -0,0 +1,67 @@
+# 生产环境 · 渲染 · QA
+
+## 环境
+
+- hyperframes 需 Node ≥ 22（`node -v` 先确认）。若系统默认 node 版本过低但装有新版，把新版目录前置到 PATH（如 `PATH=/usr/local/bin:$PATH`）再跑 npx。
+- 版本锁定 `hyperframes@0.7.56`（`npx --yes hyperframes@0.7.56 <cmd>`），避免 latest 漂移。
+- 样帧截图用 headless Chrome（见 SKILL.md Gate 2），不依赖 hyperframes。
+- 项目默认放 `~/hyperframes-projects/<YYYY-MM-DD>-collage-info-<主题>/`，可用环境变量 `HYPERFRAMES_PROJECTS_DIR` 改根目录。
+
+## 项目结构（scripts/new_project.sh 自动生成）
+
+```
+<项目>/
+├── hyperframes.json      # paths: blocks=compositions, assets=assets
+├── package.json          # scripts 锁 0.7.56
+├── meta.json
+├── index.html            # 项目索引页（可选，给 preview 用）
+├── assets/               # collage.css + gsap.min.js + sfx/（从 skill 拷入，项目自包含）
+├── style-plates/         # Gate 2 样帧 HTML + PNG
+├── compositions/         # 每条一个 .html
+├── renders/              # 成片
+└── qa/                   # 末帧 contact sheet
+```
+
+## composition 要点
+
+- 根节点：`<div id="root" data-composition-id="sNN" data-start="0" data-duration="5" data-width="1080" data-height="1920" data-fps="30">`
+- 内层 `.clip` 要有稳定 id（`id="scene-NN"`），否则 lint 警告。
+- 资源路径写**根相对**（`assets/...`），不写 `../assets/`——渲染器以项目根为 base。
+- 字体：collage.css 顶部已有 `@font-face src:local()` 三连，够用。
+
+## 渲染与 QA
+
+```bash
+cd <项目>
+npx --yes hyperframes@0.7.56 lint
+npx --yes hyperframes@0.7.56 render \
+  -c compositions/<名>.html -o renders/<名>.mp4 -q standard --quiet
+```
+
+- 单条 5s 约 7–10 秒渲完。逐条渲，看输出里的 `"audioCount"` 是否等于 cue 数。
+- **lint 已知误报**：加了 `<audio>` 后会报 `media_in_subcomposition`——lint 假定 compositions/ 下是挂在 index.html 的子合成，而我们用 `render -c` 当独立入口。只要渲染日志有 `hasAudio:true` 且产物有 AAC 流即可无视，不要为它改结构。其余 lint 错误（路径、字体、缺 id）要真修。
+- 末帧 QA（暂停即海报的最终检查）：
+
+```bash
+for f in renders/*.mp4; do n=$(basename "$f" .mp4); \
+  d=$(ffprobe -v error -show_entries format=duration -of csv=p=0 "$f"); \
+  ffmpeg -v error -ss $(echo "$d - 0.3"|bc) -i "$f" -frames:v 1 -vf scale=400:-1 -y "qa/end-$n.png"; done
+ffmpeg -v error -pattern_type glob -i "qa/end-*.png" \
+  -filter_complex "tile=<列>x<行>:margin=8:padding=8:color=0x1E1E1E" -frames:v 1 -y qa/all-end.jpg
+```
+
+- 音频抽查一条：`ffmpeg -i <mp4> -af volumedetect -f null /dev/null`，峰值应在 −12 到 −6dB。
+
+## QA 检查单（交付前自查）
+
+- [ ] 末帧与 Gate 2 确认样帧一致
+- [ ] 信息全部在 y ≤ 1280，底部只有地层
+- [ ] 每帧只有一处点色批注；点色占比 <10%
+- [ ] 主动效全片不重复；落位有 hold
+- [ ] audioCount = cue 数；无 lint 真错误
+- [ ] 屏幕文字全部来自逐字稿原文，占位处是空白卡而非编造内容
+
+## 交付
+
+- 成片留在项目 `renders/`；把 mp4 + `qa/all-end.jpg` 发给用户，并问要不要拷到指定目录（如 `~/Downloads/<主题>-信息动画/`）。
+- 项目里补 `DESIGN.md`（色本分配 + 截图锚点待替换表）和 `STORYBOARD.md`（逐条节拍），照参考实现的格式写短点。

package/skills/gbro-collage-info/references/style-system.md

@@ -0,0 +1,38 @@
+# 风格系统 · 半调纸拼贴 · 信息版
+
+所有类和变量都在 `assets/collage.css` 里现成可用，先引它再谈别的。这份文档解释每个部件为什么长这样，避免改样式时破坏家族感。
+
+## 视觉 DNA（继承 gbro-collage-ip）
+
+拼贴 IP 动画的六要素，信息版全部保留，只是把"角色+机器"换成"卡纸+信息"：
+
+1. **平涂纸场**：一个纯色底 + 纸纤维 + 印刷网点 + 极轻暗角。`.fiber`（feTurbulence，multiply .30）+ `.grain`（4px 网点，.10）+ `.vig`。这三层永远压在最上、不参与动画。渐变背景会立刻脱离纸质感，禁止。
+2. **卡纸剪片**：`.cut` = 卡纸色 + 2px 暖奶油 keyline（`#FCF8ED`，模拟刀口高光）+ 统一纸影。层级用卡纸色分：主卡 `#F6F1E4` / 次级 `.dk #EAE1CC` / 点色卡 `.acc`。±0.3–1.6° 手摆微旋是必须的——正得笔直就成了 PPT。
+3. **单一点色**：一帧只有一个 accent（body class 决定），面积 <10%。另放一个 `.blob` 出画大圆做色彩重心（半径过大、被画框裁掉一部分才对，完整的圆会变成装饰）。
+4. **半调照片**：`.shot` = 灰度 + 4px 网点 multiply。真实截图进来也要过这层处理（`img.shot-img` 自带 grayscale+contrast filter），保持印刷品质感。
+5. **撕边地层**：底部字幕安全区用 `.torn-11/22/33` 三条不同随机种子的撕边纸层（呼应拼贴条的纸片地基）。规则锯齿看起来像机器切的，必须用预生成的不规则 polygon。
+6. **统一纸影**：全画面只有一种影子方向和柔度（`--shadow` / `--shadow-sm`），影子跟着剪片动。
+
+## 布局硬规则
+
+- 画布 1080×1920；**信息只能落在 y ≤ 1280**，底部 640px 是字幕安全区，只放纸场延续与撕边地层，连低对比的说明文字都不放。
+- 每帧 3–6 个大组，留白宁多勿少。挤了就删信息，不缩字号。
+- 全帧只允许**一处**点色批注：`.box` 框选 / `.under` 下划 / `.lead` 引线，三选一。两处批注等于没有重点。
+- kicker（mono 顶标）+ `.rule` 短横线固定在 (88,112) 起，是全系列的页眉签名。
+
+## 字体
+
+- 中文：PingFang SC 600，当"剪字"用；不再加粗、不描边、不加阴影。
+- 数字：Helvetica Neue 700，超大 editorial 数字，`letter-spacing:-.05em`。数字是这个风格里最强的视觉物，能用数字扛的帧不要用长句扛。
+- mono：Menlo，只用于编号 / 路径 / 单位 / 段标识，`letter-spacing:.18em`。
+- 三个 family 已在 collage.css 顶部用 `@font-face + src:local()` 声明（渲染器字体解析需要），别删。
+
+## 截图锚点纪律
+
+- 没拿到真实截图：`.shot` 内放 `<div class="bars">`（宽度不一的灰条 + `.dots` 网点）做抽象文档，可加一条深色 `.ph` 标注"截图锚点位 · xxx"。这是占位符美学，不是假界面——**不画按钮、不画输入框、不写假 UI 文字**。
+- 拿到截图：`bars` 整块换成 `<img src="assets/shots/xxx.png" class="shot-img">`，批注、布局、动效都不动。
+- 引用的规矩：不是原文就不要框选放大（框选=向观众担保这是真的）。
+
+## 禁止清单
+
+黑底霓虹、任何渐变、玻璃拟态、通用 icon（火箭 / 闪电 / 齿轮 / 灯泡 / 对勾堆）、粒子、3D、SaaS 圆角卡、纯 vector 扁平插画、emoji。这个风格的全部装饰预算都花在纸质感上，任何"数字产品感"的元素都会破功。

package/skills/gemini-tts/SKILL.md

@@ -0,0 +1,208 @@
+---
+name: gemini-tts
+description: "Generate speech from text using Google Gemini TTS. Use when creating voiceovers, narration, podcasts, or any text-to-speech task. Supports 70+ languages, style/emotion control via natural language prompts, and 30 prebuilt voices. Trigger on \"Gemini TTS\", \"Google TTS\", \"voiceover\", \"narration\", \"text to speech\", \"speech generation\". Runs in AICUT: the film is film.html, a page per shot, drawn by `aicut look` and `aicut render`."
+license: MIT
+source: "memex-lab/product-launch-video-skill"
+---
+
+# Gemini Text-to-Speech
+
+## Running it in AICUT
+
+AICUT's film is `film.html`: it cuts pages, footage, pictures and sound together on tracks. A page is a web page that
+sets `window.film = { frame(t) }` and draws that moment — no framework, no build step, no composition object, no
+`registerRoot`. Five shots are five pages cut together, not one page that changes scene, so each shot stays trimmable
+and replaceable in Studio.
+
+```sh
+npx -y @autoaiai/aicut@latest          # the manual: the format and the commands, always current
+npx -y @autoaiai/aicut@latest open .   # make this folder a film and print Studio's address
+npx -y @autoaiai/aicut@latest look     # a contact sheet of the whole film, its sound, and a determinism check
+npx -y @autoaiai/aicut@latest look 4.5 # one frame, full size — look at the PNG, not at the code
+npx -y @autoaiai/aicut@latest render   # the MP4, beside film.html
+```
+
+Run the manual before the first film: it is authoritative for the format, and this skill is about the method above it.
+
+Where the words below name another program's part, it becomes this:
+
+| elsewhere | in AICUT |
+|---|---|
+| composition, timeline, project file | `film.html`; tracks and clips inside it |
+| a scene, a sequence, a slide | a page (`pages/<name>.html`) cut onto a track |
+| `useCurrentFrame()`, `interpolate()` | `frame(t)` — the picture depends only on `t`, never on state or `Date.now()` |
+| a still, a screengrab | `aicut look <t>` |
+| `render` / `build` / `export` | `aicut render` (the person can also export from Studio) |
+| a dev server, a preview window | `aicut open` and the Studio address it prints |
+
+Hard rules that hold whatever the method says: the picture depends only on `t`; every value in the person's prompt is
+binding; look at the frames `look` writes before saying a film is done.
+
+
+Generate natural, expressive speech from text using Google Gemini TTS. Supports 70+ languages, 30 prebuilt voices, and style control via natural language prompts and audio tags.
+
+> **Requirements:** Node.js 18+, ffmpeg, `@google/genai` npm package, `GEMINI_API_KEY` env var.
+
+## Available Scripts
+
+- **`scripts/generate-tts.mjs`** — All-in-one TTS generator with single-request consistency, silence-based splitting, and automatic trimming.
+
+## Quick Start
+
+### Single text to speech
+
+```bash
+GEMINI_API_KEY=your-key node scripts/generate-tts.mjs \
+  --text "Hello, welcome to our product!" \
+  --output-dir public/vo \
+  --voice Kore
+```
+
+### Multi-segment voiceover (consistent voice)
+
+Create a `segments.json`:
+
+```json
+[
+  { "id": "intro", "text": "Welcome to our product launch." },
+  { "id": "features", "text": "Here are the three features you will love." },
+  { "id": "close", "text": "Get started today at our website." }
+]
+```
+Run:
+```
+```bash
+GEMINI_API_KEY=your-key node scripts/generate-tts.mjs \
+  --segments segments.json \
+  --output-dir public/vo \
+  --voice Kore \
+  --director-notes "Tone: Warm, confident, inspiring. Style: Professional narrator with a vocal smile. Accent: Neutral American English. Pacing: Moderate."
+```
+```
+Output (JSON to stdout):
+```
+```json
+{
+  "success": true,
+  "segments": [
+    { "id": "intro", "file": "public/vo/vo-intro.mp3", "duration": 3.25 },
+    { "id": "features", "file": "public/vo/vo-features.mp3", "duration": 4.10 },
+    { "id": "close", "file": "public/vo/vo-close.mp3", "duration": 2.80 }
+  ],
+  "totalDuration": 10.15,
+  "fullAudioFile": "public/vo/vo-full.wav"
+}
+
+### Script Options
+
+| Flag | Default | Description |
+|------|---------|-------------|
+| `--segments FILE` | — | JSON file with `[{id, text}]` segment definitions |
+| `--text TEXT` | — | Single text to generate (alternative to `--segments`) |
+| `--output-dir DIR` | — | Output directory for audio files (required) |
+| `--voice NAME` | `Kore` | Prebuilt voice name (see Voices table) |
+| `--model NAME` | `gemini-3.1-flash-tts-preview` | Gemini TTS model ID |
+| `--director-notes TEXT` | — | Performance guidance: style, pacing, accent, breathing, articulation. Does not control gender/age (use `--voice` for that). |
+| `--retries N` | `3` | Max retry attempts for API errors |
+| `--trim` / `--no-trim` | `--trim` | Trim silence from segment boundaries |
+| `--format FORMAT` | `mp3` | Output format: `mp3` or `wav` |
+
+### Exit Codes
+
+| Code | Meaning |
+|------|---------|
+| 0 | Success |
+| 1 | Missing required arguments or env vars |
+| 2 | API error after retries exhausted |
+| 3 | ffmpeg not installed or processing failed |
+| 4 | File I/O error |
+
+## How It Works (Multi-Segment)
+
+Gemini TTS does NOT guarantee voice consistency across separate API requests. The script solves this by:
+
+1. Combining all segments into ONE prompt with `[3 second pause]` markers between them
+2. Generating a single continuous audio file in one API call
+3. Detecting silence gaps with ffmpeg `silencedetect` using adaptive thresholds (starts at noise=-35dB, d=1.5s, progressively relaxes). If an exact match is found, uses it directly. If a threshold jump occurs (too few → too many), regenerates audio with faster speech pacing to make inter-segment pauses more distinct, then retries detection.
+4. Splitting at silence midpoints into individual segment files
+5. Trimming residual silence padding (~1.5s per side) from each segment, keeping 0.15s breathing room
+
+## Models
+
+| Model | Best For |
+|-------|----------|
+| `gemini-3.1-flash-tts-preview` | Latest, most controllable, 200+ audio tags (default) |
+| `gemini-2.5-flash-preview-tts` | Fast, good quality, general use |
+| `gemini-2.5-pro-preview-tts` | Highest quality, complex performances |
+
+## Voices
+
+30 prebuilt voices:
+
+| Voice | Gender | Character | Pitch |
+|-------|--------|-----------|-------|
+| Achernar | Female | Soft | Higher |
+| Achird | Male | Friendly | Lower middle |
+| Algenib | Male | Gravelly | Lower |
+| Algieba | Male | Smooth | Lower |
+| Alnilam | Male | Firm | Lower middle |
+| Aoede | Female | Breezy | Middle |
+| Autonoe | Female | Bright | Middle |
+| Callirrhoe | Female | Easy-going | Middle |
+| Charon | Male | Informative | Lower |
+| Despina | Female | Smooth | Middle |
+| Enceladus | Male | Breathy | Lower |
+| Erinome | Female | Clear | Middle |
+| Fenrir | Male | Excitable | Lower middle |
+| Gacrux | Female | Mature | Middle |
+| Iapetus | Male | Clear | Lower middle |
+| Kore | Female | Firm | Middle |
+| Laomedeia | Female | Upbeat | Higher |
+| Leda | Female | Youthful | Higher |
+| Orus | Male | Firm | Lower middle |
+| Puck | Male | Upbeat | Middle |
+| Pulcherrima | Male | Forward | Middle |
+| Rasalgethi | Male | Informative | Middle |
+| Sadachbia | Male | Lively | Lower |
+| Sadaltager | Male | Knowledgeable | Middle |
+| Schedar | Male | Even | Lower middle |
+| Sulafat | Female | Warm | Middle |
+| Umbriel | Male | Easy-going | Lower middle |
+| Vindemiatrix | Female | Gentle | Middle |
+| Zephyr | Female | Bright | Higher |
+| Zubenelgenubi | Male | Casual | Lower middle |
+
+## Director's Notes (`--director-notes`)
+
+Performance guidance for the selected voice. Define only what matters — overspecifying limits the model's creativity and can worsen results.
+
+The three most common directions are Style, Pacing, and Accent, but you can include any custom instructions relevant to the performance.
+
+- **Style** — Emotional quality and delivery character. Be descriptive: `"Infectious enthusiasm — the listener should feel part of something exciting"` works better than just `"energetic"`. You can layer characteristics and use voiceover industry terms like "vocal smile".
+- **Pacing** — Overall speed and rhythm variation. Can range from `"Speak as fast as possible"` to `"Incredibly slow and liquid, words bleed into each other, zero urgency"`.
+- **Accent** — Be specific. `"British English as heard in Croydon, England"` works much better than `"British accent"`.
+
+```bash
+--director-notes "Style: Enthusiastic and sassy GenZ beauty YouTuber. Pacing: Extremely fast, rapid delivery like short-form video influencers. Accent: Southern California valley girl from Laguna Beach."
+```
+
+## Audio Tags
+
+Inline `[brackets]` in segment text for per-word control. Override director-notes locally.
+
+`[whispers]` `[shouting]` `[excited]` `[serious]` `[short pause]` `[laughs]` `[very fast]` `[very slow]` `[sarcastic]` `[curious]`
+
+Creative tags work too: `[like dracula]`, `[whispering conspiratorially]`
+
+Example: `"[excited] This changes everything! [short pause] Let me show you how."`
+
+## References
+
+- [Prompting Guide](references/prompting-guide.md) — Advanced prompt engineering for style, emotion, and accent
+
+## Source
+
+Rewritten for AICUT from [`memex-lab/product-launch-video-skill`](https://github.com/memex-lab/product-launch-video-skill)
+(MIT), skills/gemini-tts/SKILL.md. The method is that skill's own; the way it runs is AICUT's.
+
+The repository holds 2 skills; this is the one its entry stands for.