@baimingtao/lbs-agent 1.0.0

package/extensions/skills/builtin/creative/manim-video/references/paper-explainer.md

@@ -0,0 +1,255 @@
+# 论文讲解视频工作流
+
+如何将一篇研究论文转化为动画讲解视频。
+
+## 为什么要将论文制作成动画？
+
+研究论文追求的是精确性和完整性。而视频则为了理解和记忆进行了优化。这种转化**不是**“看着图片把论文大声读出来”——而是“提取核心洞见，并通过视觉叙事让它变得浅显易懂”。
+
+论文的任务只有一个：证明其观点的真实性。而视频的任务则有所不同：让观众理解**为什么**这个观点是真实的，以及**为什么**它很重要。
+
+## 受众是谁？
+
+在做任何事之前，先确定你的受众：
+
+| 受众 | 先修知识 | 节奏 | 深度 |
+| ---------- | -------------- | -------- | ------- |
+| 普通大众 | 无 | 慢，多用类比 | 仅限直觉，跳过证明 |
+| 本科生 | 基础数学/计算机科学 | 中等，保留部分形式化表达 | 展示关键方程，跳过推导 |
+| 研究生 / 研究人员 | 具备领域知识 | 较快，使用更多符号 | 完整方程，简述证明 |
+
+这决定了一切：词汇、节奏、要制作动画的章节，以及展示多少数学内容。
+
+## 5 分钟模板
+
+大多数论文讲解视频都符合这种结构（如果是较长的视频，请按比例缩放时间）：
+
+| 章节 | 时长 | 目的 |
+| --------- | ---------- | --------- |
+| **Hook（钩子）** | 0:00-0:30 | 令人惊讶的结果或具有挑衅性的问题 |
+| **Problem（问题）** | 0:30-1:30 | 在这篇论文之前，哪里出了问题/缺失了什么 |
+| **Key insight（核心洞见）** | 1:30-3:00 | 核心思想，通过视觉进行解释 |
+| **How it works（运作原理）** | 3:00-4:00 | 简化的方法/算法 |
+| **Evidence（证据）** | 4:00-4:30 | 证明其有效的关键结果 |
+| **Implications（意义）** | 4:30-5:00 | 为什么它很重要，它能实现什么 |
+
+### 应该跳过的内容
+
+- 相关工作调研 → 一句话概括：“以前的方法做了 X，但存在 Y 问题”
+- 实现细节 → 除非它们是核心贡献，否则跳过
+- 消融实验 → 最多展示一张图表
+- 证明 → 展示关键步骤，而不是完整的证明
+- 超参数调优 → 完全跳过
+
+### 应该展开的内容
+
+- 核心洞见 → 这部分应该占用最多的屏幕时间
+- 几何/视觉直觉 → 如果论文包含数学，展示它代表**什么含义**
+- 前/后对比 → 最具说服力的证据
+
+## 编码前的工作流
+
+### 关卡 1：旁白脚本
+
+在编写任何代码之前先写好完整的旁白。每一句话都对应一个视觉节拍。如果你写不出旁白，说明你对论文的理解还不够深入，无法将其制作成动画。
+
+```markdown
+## Hook (30s)
+"What if I told you that a model with 7 billion parameters can outperform
+one with 70 billion — if you train it on the right data?"
+
+## Problem (60s)
+"The standard approach is to scale up. More parameters, more compute.
+[VISUAL: bar chart showing model sizes growing exponentially]
+But Chinchilla showed us that most models are undertrained..."
+```
+
+### 关卡 2：场景列表
+
+写完旁白后，将其拆分为多个场景。每个场景对应一个 Manim 类。
+
+```markdown
+Scene 1: Hook — surprising stat with animated counter
+Scene 2: Problem — model size bar chart growing
+Scene 3: Key insight — training data vs parameters, animated 2D plot
+Scene 4: Method — pipeline diagram building left to right
+Scene 5: Results — before/after comparison with animated bars
+Scene 6: Closing — implications text
+```
+
+### 关卡 3：样式常量
+
+在编写场景代码之前，先定义视觉语言：
+
+```python
+# style.py — import in every scene file
+BG = "#0D1117"
+PRIMARY = "#58C4DD"
+SECONDARY = "#83C167"
+ACCENT = "#FFFF00"
+HIGHLIGHT = "#FF6B6B"
+MONO = "Menlo"
+
+# Color meanings for THIS paper
+MODEL_COLOR = PRIMARY      # "the model"
+DATA_COLOR = SECONDARY     # "training data"
+BASELINE_COLOR = HIGHLIGHT # "previous approach"
+RESULT_COLOR = ACCENT      # "our result"
+```
+
+## 第一性原理方程解释
+
+当论文中包含关键方程时，不要仅仅展示它——要从直觉出发逐步构建它：
+
+### “你会怎么做？”模式
+
+1. 用通俗的语言描述问题
+2. 询问最简单的解决方案是什么
+3. 展示它为什么行不通（将失败的过程可视化）
+4. 引入论文的解决方案作为修复手段
+5. **然后**再展示方程——此时它就显得顺理成章了
+
+```python
+# Scene: Why we need attention (for a Transformer paper)
+# Step 1: "How do we let each word look at every other word?"
+# Step 2: Show naive approach (fully connected = O(n²) everything)
+# Step 3: Show it breaks (information overload, no selectivity)
+# Step 4: "What if each word could CHOOSE which words to attend to?"
+# Step 5: Show attention equation — Q, K, V now mean something
+```
+
+### 方程展示策略
+
+```python
+# Show equation dimmed first (full destination)
+eq = MathTex(r"Attention(Q,K,V) = softmax\left(\frac{QK^T}{\sqrt{d_k}}\right)V")
+eq.set_opacity(0.15)
+self.play(FadeIn(eq))
+
+# Highlight Q, K, V one at a time with color + label
+for part, color, label_text in [
+    (r"Q", PRIMARY, "Query: what am I looking for?"),
+    (r"K", SECONDARY, "Key: what do I contain?"),
+    (r"V", ACCENT, "Value: what do I output?"),
+]:
+    eq.set_color_by_tex(part, color)
+    label = Text(label_text, font_size=18, color=color, font=MONO)
+    # position label, animate it, wait, then dim it
+```
+
+## 构建架构图
+
+### 渐进式构建模式
+
+不要一次性展示完整的架构，而是逐步构建它：
+
+1. 第一个组件单独出现 → 进行解释
+2. 箭头生长 → “这馈送到……”
+3. 第二个组件出现 → 进行解释
+4. 重复直到完成
+
+```python
+# Component factory
+def make_box(label, color, width=2.0, height=0.8):
+    box = RoundedRectangle(corner_radius=0.1, width=width, height=height,
+                           color=color, fill_opacity=0.1, stroke_width=1.5)
+    text = Text(label, font_size=18, font=MONO, color=color).move_to(box)
+    return Group(box, text)
+
+encoder = make_box("Encoder", PRIMARY)
+decoder = make_box("Decoder", SECONDARY).next_to(encoder, RIGHT, buff=1.5)
+arrow = Arrow(encoder.get_right(), decoder.get_left(), color=DIM, stroke_width=1.5)
+
+self.play(FadeIn(encoder))
+self.wait(1)  # explain encoder
+self.play(GrowArrow(arrow))
+self.play(FadeIn(decoder))
+self.wait(1)  # explain decoder
+```
+
+### 数据流动画
+
+构建完图表后，展示数据在其中流动的过程：
+
+```python
+# Dot traveling along the pipeline
+data_dot = Dot(color=ACCENT, radius=0.1).move_to(encoder)
+self.play(FadeIn(data_dot))
+self.play(MoveAlongPath(data_dot, arrow), run_time=1)
+self.play(data_dot.animate.move_to(decoder), run_time=0.5)
+self.play(Flash(data_dot.get_center(), color=ACCENT), run_time=0.3)
+```
+
+## 结果动画展示
+
+### 柱状图对比（最常见）
+
+```python
+# Before/after bars
+before_data = [45, 52, 38, 61]
+after_data = [78, 85, 72, 91]
+labels = ["Task A", "Task B", "Task C", "Task D"]
+
+before_chart = BarChart(before_data, bar_names=labels,
+    y_range=[0, 100, 20], bar_colors=[HIGHLIGHT]*4).scale(0.6).shift(LEFT*3)
+after_chart = BarChart(after_data, bar_names=labels,
+    y_range=[0, 100, 20], bar_colors=[SECONDARY]*4).scale(0.6).shift(RIGHT*3)
+
+before_label = Text("Baseline", font_size=20, color=HIGHLIGHT, font=MONO)
+after_label = Text("Ours", font_size=20, color=SECONDARY, font=MONO)
+
+# Reveal baseline first, then ours (dramatic comparison)
+self.play(Create(before_chart), FadeIn(before_label))
+self.wait(1.5)
+self.play(Create(after_chart), FadeIn(after_label))
+self.wait(0.5)
+
+# Highlight the improvement
+improvement = Text("+35% avg", font_size=24, color=ACCENT, font=MONO)
+self.play(FadeIn(improvement))
+```
+
+### 训练曲线（适用于机器学习论文）
+
+```python
+tracker = ValueTracker(0)
+curve = always_redraw(lambda: axes.plot(
+    lambda x: 1 - 0.8 * np.exp(-x / 3),
+    x_range=[0, tracker.get_value()], color=PRIMARY
+))
+epoch_label = always_redraw(lambda: Text(
+    f"Epoch {int(tracker.get_value())}", font_size=18, font=MONO
+).to_corner(UR))
+
+self.add(curve, epoch_label)
+self.play(tracker.animate.set_value(10), run_time=5, rate_func=linear)
+```
+
+## 特定领域的模式
+
+### 机器学习论文
+- 展示数据在模型中的流动过程（动态 pipeline）
+- 使用 `ValueTracker` 绘制训练曲线
+- 将 Attention 热力图绘制为彩色网格
+- 将 Embedding 空间表现为 2D 散点图（PCA/t-SNE 可视化）
+- 将 Loss landscape 表现为带有梯度下降点的 3D 曲面
+
+### 物理/数学论文
+- 使用 `LinearTransformationScene` 展示线性代数
+- 使用 `ArrowVectorField` / `StreamLines` 绘制向量场
+- 使用 `NumberPlane` 加轨迹绘制相空间
+- 使用时间参数化图表展示波动方程
+
+### 系统/架构论文
+- 逐步构建 Pipeline 图
+- 使用 `ShowPassingFlash` 展示沿箭头流动的数据
+- 使用 `ZoomedScene` 放大组件细节
+- 进行前/后的延迟/吞吐量对比
+
+## 常见错误
+
+1. **试图涵盖整篇论文。** 一个 5 分钟的视频可以出色地解释**一个**核心洞见。试图涵盖所有内容，意味着什么都没解释清楚。
+2. **将摘要作为旁白朗读。** 学术写作是为读者设计的，而不是为听众设计的。请用通俗的口语重写。
+3. **展示无意义的符号。** 在没有从视觉上展示其代表的含义之前，绝不展示任何符号。
+4. **跳过动机介绍。** 直接跳到“这是我们的方法”，而不说明这个问题为什么重要。问题（Problem）部分是让观众产生共鸣的关键。
+5. **全程节奏一成不变。** Hook 和核心洞见部分需要最多的视觉能量。方法部分节奏可以快一些。证据展示应具有冲击力（在展示出关键大数字后稍作停顿）。

package/extensions/skills/builtin/creative/manim-video/references/production-quality.md

@@ -0,0 +1,190 @@
+# 制作质量检查清单
+
+确保动画输出达到发布准备状态的标准与检查项。
+
+## 编码前检查清单
+
+在编写任何 Manim 代码之前：
+
+- [ ] 旁白脚本已编写完成，并标记了视觉节点
+- [ ] 场景列表包含每个场景的用途、时长和布局
+- [ ] 定义了调色板并赋予了特定含义（`PRIMARY` = 主要概念等）
+- [ ] 将 `MONO = "Menlo"` 设置为字体常量
+- [ ] 确定了目标分辨率和宽高比
+
+## 文本质量
+
+### 防止重叠
+
+```python
+# RULE: buff >= 0.5 for edge text
+label.to_edge(DOWN, buff=0.5)     # GOOD
+label.to_edge(DOWN, buff=0.3)     # BAD — may clip
+
+# RULE: FadeOut previous before adding new at same position
+self.play(ReplacementTransform(note1, note2))  # GOOD
+self.play(Write(note2))                          # BAD — overlaps note1
+
+# RULE: Reduce font size for dense scenes
+# When > 4 text elements visible, use font_size=20 not 28
+```
+
+### 宽度限制
+
+长文本字符串会溢出画面：
+
+```python
+# RULE: Set max width for any text that might be long
+text = Text("This is a potentially long description", font_size=22, font=MONO)
+if text.width > config.frame_width - 1.0:
+    text.set_width(config.frame_width - 1.0)
+```
+
+### 字体一致性
+
+```python
+# RULE: Define MONO once, use everywhere
+MONO = "Menlo"
+
+# WRONG: mixing fonts
+Text("Title", font="Helvetica")
+Text("Label", font="Arial")
+Text("Code", font="Courier")
+
+# RIGHT: one font
+Text("Title", font=MONO, weight=BOLD, font_size=48)
+Text("Label", font=MONO, font_size=20)
+Text("Code", font=MONO, font_size=18)
+```
+
+## 空间布局
+
+### 坐标预算
+
+可见画面约为 14.2 宽 × 8.0 高（默认 16:9）。包含强制边距的情况下：
+
+```
+Usable area: x ∈ [-6.5, 6.5], y ∈ [-3.5, 3.5]
+Top title zone: y ∈ [2.5, 3.5]
+Bottom note zone: y ∈ [-3.5, -2.5]
+Main content: y ∈ [-2.5, 2.5], x ∈ [-6.0, 6.0]
+```
+
+### 填满画面
+
+空荡的场景看起来像没做完。如果主要内容较少，可以添加上下文信息：
+- 内容背后放置淡化的网格/坐标轴
+- 顶部添加标题/副标题
+- 底部添加来源引用
+- 低不透明度的几何装饰
+
+### 最大同屏元素数量
+
+**硬性限制：6 个同时可见的活动元素。** 超过这个数量，观众将无法追踪所有内容。如果需要更多：
+- 将旧元素淡化至 0.3 的不透明度
+- 移除已完成使命的元素
+- 拆分为两个场景
+
+## 动画质量
+
+### 多样性审查
+
+检查是否有任何两个连续的场景使用了完全相同的：
+- 动画类型（如果场景 3 全部使用了 Write，那么场景 4 应该使用 FadeIn 或 Create）
+- 色彩强调（在调色板颜色之间轮换）
+- 布局（居中、左右、网格 —— 交替使用）
+- 节奏（如果场景 2 缓慢且从容，场景 3 可以稍快一些）
+
+### 节奏曲线
+
+优秀的视频遵循一定的节奏曲线：
+
+```
+Slow ──→ Medium ──→ FAST (climax) ──→ Slow (conclusion)
+
+Scene 1: Slow (introduction, setup)
+Scene 2: Medium (building understanding)
+Scene 3: Medium-Fast (core content, lots of animation)
+Scene 4: FAST (montage of applications/results)
+Scene 5: Slow (conclusion, key takeaway)
+```
+
+### 过渡质量
+
+场景之间：
+- **干净退出**：`self.play(FadeOut(Group(*self.mobjects)), run_time=0.5)`
+- **短暂停顿**：在淡出之后、下一个场景的第一个动画之前使用 `self.wait(0.3)`
+- **严禁硬切**：过渡必须有动画
+
+## 色彩质量
+
+### 深色背景下的淡化
+
+在白色背景上显得鲜艳的颜色，在深色背景（#0D1117, #1C1C1C）上会显得暗淡。请测试你的调色板：
+
+```python
+# Colors that work well on dark backgrounds:
+# Bright and saturated: #58C4DD, #83C167, #FFFF00, #FF6B6B
+# Colors that DON'T work: #666666 (invisible), #2244AA (too dark)
+
+# RULE: Structural elements (axes, grids) at opacity 0.15
+# Context elements at 0.3-0.4
+# Primary elements at 1.0
+```
+
+### 颜色含义一致性
+
+一旦为某种颜色赋予了特定含义，在整个视频中该颜色都应保持这一含义：
+
+```python
+# If PRIMARY (#58C4DD) means "the model" in Scene 1,
+# it means "the model" in every scene.
+# Never reuse PRIMARY for a different concept later.
+```
+
+## 数据可视化质量
+
+### 图表的最低要求
+
+- 每个坐标轴都有标签
+- Y 轴范围从 0 开始（或有明确的截断指示）
+- 柱状/线条颜色与图例一致
+- 显著数据点上有数字标注（至少包含最大值和对比点）
+
+### 动画计数器
+
+显示数字变化时：
+```python
+# GOOD: DecimalNumber with smooth animation
+counter = DecimalNumber(0, font_size=48, num_decimal_places=0, font="Menlo")
+self.play(counter.animate.set_value(1000), run_time=3, rate_func=rush_from)
+
+# BAD: Text that jumps between values
+```
+
+## 渲染前检查清单
+
+在运行 `manim -qh` 之前：
+
+- [ ] 所有场景在 `-ql` 下渲染均无错误
+- [ ] 在 `-qm` 下预览文本密集场景的静帧（检查字间距）
+- [ ] 每个场景都设置了背景颜色（`self.camera.background_color = BG`）
+- [ ] 每个重要动画都使用了 `add_subcaption()` 或 `subcaption=`
+- [ ] 没有小于 font_size=18 的文本
+- [ ] 没有使用比例字体的文本（使用等宽字体）
+- [ ] 所有 `.to_edge()` 调用的 buff >= 0.5
+- [ ] 每个场景结束时都有干净退出（FadeOut 所有对象）
+- [ ] 每次展示后都有 `self.wait()`
+- [ ] 使用了颜色常量（场景代码中没有硬编码的十六进制字符串）
+- [ ] 所有场景使用相同的渲染质量标志（不要混用 `-ql` 和 `-qh`）
+
+## 渲染后检查清单
+
+在合并最终视频之后：
+
+- [ ] 以 1 倍速观看完整视频 —— 是否有哪里的节奏显得太仓促？
+- [ ] 是否存在两个事物同时动画而导致令人困惑的时刻？
+- [ ] 每个文本标签是否都有足够的阅读时间？
+- [ ] 场景之间的过渡是否平滑（没有黑帧，没有突兀的剪切）？
+- [ ] 音频是否与画面同步（如果使用了旁白）？
+- [ ] 类似 Gibbs 的“第一印象”好吗？前 5 秒决定了观众是否会继续观看

package/extensions/skills/builtin/creative/manim-video/references/rendering.md

@@ -0,0 +1,185 @@
+# 渲染参考
+
+## 前置条件
+
+```bash
+manim --version       # Manim CE
+pdflatex --version    # LaTeX
+ffmpeg -version       # ffmpeg
+```
+
+## CLI 参考
+
+```bash
+manim -ql script.py Scene1 Scene2    # draft (480p 15fps)
+manim -qm script.py Scene1           # medium (720p 30fps)
+manim -qh script.py Scene1           # production (1080p 60fps)
+manim -ql --format=png -s script.py Scene1  # preview still (last frame)
+manim -ql --format=gif script.py Scene1     # GIF output
+```
+
+## 质量预设
+
+| 参数 | 分辨率 | FPS | 使用场景 |
+| ------ | ----------- | ----- | ---------- |
+| `-ql` | 854x480 | 15 | 草稿迭代（布局、时间控制） |
+| `-qm` | 1280x720 | 30 | 预览（适用于文字密集的场景） |
+| `-qh` | 1920x1080 | 60 | 正式出品 |
+
+**文本渲染质量：** `-ql` (480p15) 生成的文本字距和可读性明显较差。对于包含大量文本的场景，建议使用 `-qm` 预览静帧，以发现 480p 下不可见的问题。仅在测试布局和动画时间控制时使用 `-ql`。
+
+## 输出结构
+
+```
+media/videos/script/480p15/Scene1_Intro.mp4
+media/images/script/Scene1_Intro.png  (from -s flag)
+```
+
+## 使用 ffmpeg 合并
+
+```bash
+cat > concat.txt << 'EOF'
+file 'media/videos/script/480p15/Scene1_Intro.mp4'
+file 'media/videos/script/480p15/Scene2_Core.mp4'
+EOF
+ffmpeg -y -f concat -safe 0 -i concat.txt -c copy final.mp4
+```
+
+## 添加配音
+
+```bash
+# Mux narration
+ffmpeg -y -i final.mp4 -i narration.mp3 -c:v copy -c:a aac -b:a 192k -shortest final_narrated.mp4
+
+# Concat per-scene audio first
+cat > audio_concat.txt << 'EOF'
+file 'audio/scene1.mp3'
+file 'audio/scene2.mp3'
+EOF
+ffmpeg -y -f concat -safe 0 -i audio_concat.txt -c copy full_narration.mp3
+```
+
+## 添加背景音乐
+
+```bash
+ffmpeg -y -i final.mp4 -i music.mp3 \
+  -filter_complex "[1:a]volume=0.15[bg];[0:a][bg]amix=inputs=2:duration=shortest" \
+  -c:v copy final_with_music.mp4
+```
+
+## 导出 GIF
+
+```bash
+ffmpeg -y -i scene.mp4 \
+  -vf "fps=15,scale=640:-1:flags=lanczos,split[s0][s1];[s0]palettegen[p];[s1][p]paletteuse" \
+  output.gif
+```
+
+## 宽高比
+
+```bash
+manim -ql --resolution 1080,1920 script.py Scene  # 9:16 vertical
+manim -ql --resolution 1080,1080 script.py Scene  # 1:1 square
+```
+
+## 渲染工作流
+
+1. 在 `-ql` 下渲染所有场景的草稿
+2. 在关键时刻预览静帧（`-s`）
+3. 修复并仅重新渲染有问题的场景
+4. 使用 ffmpeg 合并
+5. 检查合并后的输出
+6. 在 `-qh` 下进行正式渲染
+7. 重新合并并添加音频
+
+## manim.cfg — 项目配置
+
+在项目目录中创建 `manim.cfg` 以设置项目级别的默认值：
+
+```ini
+[CLI]
+quality = low_quality
+preview = True
+media_dir = ./media
+
+[renderer]
+background_color = #0D1117
+
+[tex]
+tex_template_file = custom_template.tex
+```
+
+这可以避免在每个场景中重复编写 CLI 参数和 `self.camera.background_color`。
+
+## Sections — 章节标记
+
+在场景中标记 Sections 以便有序输出：
+
+```python
+class LongVideo(Scene):
+    def construct(self):
+        self.next_section("Introduction")
+        # ... intro content ...
+
+        self.next_section("Main Concept")
+        # ... main content ...
+
+        self.next_section("Conclusion")
+        # ... closing ...
+```
+
+渲染单个 section：`manim --save_sections script.py LongVideo`
+这会为每个 section 输出单独的视频文件——适用于当你只想重新渲染长视频中某一部分的情况。
+
+## manim-voiceover 插件（推荐用于旁白视频）
+
+官方的 `manim-voiceover` 插件将 TTS 直接集成到场景代码中，自动将动画持续时间与旁白长度同步。这比前面提到的人工 ffmpeg 混流方法要干净优雅得多。
+
+### 安装
+
+```bash
+pip install "manim-voiceover[elevenlabs]"
+# Or for free/local TTS:
+pip install "manim-voiceover[gtts]"    # Google TTS (free, lower quality)
+pip install "manim-voiceover[azure]"   # Azure Cognitive Services
+```
+
+### 用法
+
+```python
+from manim import *
+from manim_voiceover import VoiceoverScene
+from manim_voiceover.services.elevenlabs import ElevenLabsService
+
+class NarratedScene(VoiceoverScene):
+    def construct(self):
+        self.set_speech_service(ElevenLabsService(
+            voice_name="Alice",
+            model_id="eleven_multilingual_v2"
+        ))
+
+        # Voiceover auto-controls scene duration
+        with self.voiceover(text="Here is a circle being drawn.") as tracker:
+            self.play(Create(Circle()), run_time=tracker.duration)
+
+        with self.voiceover(text="Now let's transform it into a square.") as tracker:
+            self.play(Transform(circle, Square()), run_time=tracker.duration)
+```
+
+### 核心功能
+
+- `tracker.duration` — 旁白的总持续时间（以秒为单位）
+- `tracker.time_until_bookmark("mark1")` — 将特定的动画与特定的词语同步
+- 自动生成字幕 `.srt` 文件
+- 在本地缓存音频 — 重新渲染时不会重新生成 TTS
+- 支持：ElevenLabs、Azure、Google TTS、pyttsx3（离线）以及自定义服务
+
+### 用于精确同步的 Bookmarks
+
+```python
+with self.voiceover(text='This is a <bookmark mark="circle"/>circle.') as tracker:
+    self.wait_until_bookmark("circle")
+    self.play(Create(Circle()), run_time=tracker.time_until_bookmark("circle", limit=1))
+```
+
+对于任何带有旁白的视频，这都是推荐的方法。不过，前面提到的人工 ffmpeg 混流工作流在添加背景音乐或后期音频混音时依然非常有用。