@gitruck/cli 1.2.6 → 1.2.8

package/package.json

@@ -1,6 +1,6 @@
 {
 	"name": "@gitruck/cli",
-	"version": "1.2.6",
+	"version": "1.2.8",
 	"description": "同合云成片流水线 CLI —— agent 驱动云端任务、产物拉回本地、三方工程文件（客户端/剪映/PR）互通。",
 	"license": "MIT",
 	"author": "Gitruck (同合云)",

package/skills/gtrk-ai-drama/SKILL.md

@@ -1,9 +1,9 @@
 ---
 name: gtrk-ai-drama
-description: AI 再现分镜稿生成器——把成片 SOP 第③步（B-roll 底轨阶段）分到 AI_DRAMA 车道的 beat，逐个产**四段朴素描述（故事背景 / 角色 / 分镜 / 原文文稿）+ 独立视觉基调段 + 时长预算**，中英双版；Markdown 外壳默认严格兼容 gitruck-ai-drama-desk 解析器，可直接导入工作台，也可拿去任意外部 AI 漫剧管线（可灵 / 即梦 / Vidu / Veo / Runway / LTX / 本地开源，或 LibTV / OiiOii / TapNow 这类成片 agent 平台）上手用。创作与出片仍在 skill / 外部工作台；工作台导出的 return-v1 包用 `gtrk ai-drama lay` 确定性回填独立 AI 轨。当用户想「上 AI 再现 / 做 AI 分镜 / AI 动画描述 / 把这段做成 AI 视频 / 给这段配 AI 再现 / 弗洛伊德这段怎么做视频」时使用本 skill。通用拆镜 craft（蒙太奇段分层 / 四段描述结构 / 中英双语 / 时长预算）由本 skill 自持；栏目视觉 DNA（Style Lock）从栏目配置 style.skills 里 produces==AI_DRAMA 的条目解析注入，绝不硬编某栏目风格。凡把口播派单里 AI_DRAMA 段落转成可出片的描述稿，优先用本 skill，别手搓。
+description: AI 情景动画分镜稿生成器——把成片 SOP 第③步（B-roll 底轨阶段）分到 AI_DRAMA 车道的 beat，逐个产**四段朴素描述（故事背景 / 角色 / 分镜 / 原文文稿）+ 独立视觉基调段 + 时长预算**，中英双版；Markdown 外壳默认严格兼容 gitruck-ai-drama-desk 解析器，可直接导入工作台，也可拿去任意外部 AI 漫剧管线（可灵 / 即梦 / Vidu / Veo / Runway / LTX / 本地开源，或 LibTV / OiiOii / TapNow 这类成片 agent 平台）上手用。创作与出片仍在 skill / 外部工作台；工作台导出的 return-v1 包用 `gtrk ai-drama lay` 确定性回填独立 AI 轨。当用户想「上 AI 情景动画 / 做 AI 分镜 / AI 动画描述 / 把这段做成 AI 视频 / 给这段配 AI 情景动画 / 弗洛伊德这段怎么做视频」时使用本 skill。通用拆镜 craft（蒙太奇段分层 / 四段描述结构 / 中英双语 / 时长预算）由本 skill 自持；栏目视觉 DNA（Style Lock）从栏目配置 style.skills 里 produces==AI_DRAMA 的条目解析注入，绝不硬编某栏目风格。凡把口播派单里 AI_DRAMA 段落转成可出片的描述稿，优先用本 skill，别手搓。
 ---
 
-# AI 再现分镜稿生成器（gtrk-ai-drama）
+# AI 情景动画分镜稿生成器（gtrk-ai-drama）
 
 把口播派单里分到 **`AI_DRAMA` 车道**的 beat，逐个拆成分镜、为每个 beat 产 **四段朴素描述 + 独立视觉基调 + 时长预算**（中英双版），落到 `<project>/ai-drama/<beat_id>.md`，再交棒 AI Drama Desk 或任意外部平台出片；标准工作台导出包由 CLI 自动回填时间线。
 
@@ -22,7 +22,7 @@ return-v1 标准包由 `gtrk ai-drama lay` 确定性回填；其他平台没有
 
 **你与 `matrix` 同属第 ③ 步，MUST 在 MG 之前落位。** 理由：**AI 情景片段属于底轨 B-roll 画面家族，不是叠加层**——整条管线里唯一的叠加层是 MG（含 ov）。MG 的排版决策是「因势象形避主体」、**依赖底轨的最终画面构图**；若你的片段在 MG 之后才回铺，底轨构图就变了，先产的 MG 是对着「还没有 AI 画面的底轨」做的避让，你的片段落位后必然被避让错位、甚至被 MG 盖住画面主体。
 
-> ⚠️ **本节旧口径是错的，已于 2026-08-17 纠正**：旧文写「第 ⑤ 步、最后一层视觉，越往后叠得越上层」——**那是把「工序次序」误当成了「图层次序」**。工序上你必须先落位；图层上你本来就在底轨、从来不是「最上层」。若你在别处读到「AI 再现最后上」的表述，以本节为准。
+> ⚠️ **本节旧口径是错的，已于 2026-08-17 纠正**：旧文写「第 ⑤ 步、最后一层视觉，越往后叠得越上层」——**那是把「工序次序」误当成了「图层次序」**。工序上你必须先落位；图层上你本来就在底轨、从来不是「最上层」。若你在别处读到「AI 情景动画最后上」的表述，以本节为准。
 
 **异步等待的口子（你造成的那个）**：你产完描述后，用户要去外部平台出片、抽卡可能数天。严格串行会把 ④⑤ 无限期卡住，故约定：进 ⑤ 的硬门是「**AI 片段已回铺 ∨ 用户明示先跳过**」。走「明示跳过」时，下游 `/gtrk-mg` MUST 把与你的 beat 相邻/重叠区间的 MG 颗粒标记为「AI 回铺后待复查构图」并在收口时复述——**你在交代进度时也要把这个代价说清**，让用户知道跳过意味着将来可能返工那几颗。
 
@@ -49,7 +49,7 @@ return-v1 标准包由 `gtrk ai-drama lay` 确定性回填；其他平台没有
 2. **取 AI_DRAMA 生产条目**：读 `style.skills[]`，逐条把 `produces` **归一**（历史别名如 `RRV_MG→MG` 等按归一规则处理），取 `produces == "AI_DRAMA"` 的条目。
    - 命中 → 拿它的 `ref`（指向一个 skill 目录/资源）→ **读该 skill 的 Style Lock / 风格资产**（通常是它 `references/` 下的 style-lock、theme-accent、影视参考锚点等），把其中的**底色 / 单点强调色 / 影视参考 / 材质 / 栏目禁令**当作本次生成的视觉 DNA，注入 ①视觉基调段与各描述。
    - 条目声明 `routing:"none"` → 跳过（显式管线外）。
-   - **无 AI_DRAMA 匹配条目 = 该栏目没绑 AI 再现风格资产** → 用下面「中性默认」。
+   - **无 AI_DRAMA 匹配条目 = 该栏目没绑 AI 情景动画风格资产** → 用下面「中性默认」。
 3. **注入，不臆造**：读到什么风格资产就用什么；**没读到就用中性默认，绝不凭栏目名猜风格、绝不套用别的栏目的调性**。
 
 > 举例（仅示意解析机制，非硬编）：`real-roam-guide` 栏目配置里 `style.skills` 有一条 `{produces:"AI_DRAMA", ref:"…/ai-drama-prompter"}` → 解析到它 → 读它的 style-lock（黑白单红那套）注入。换个栏目、换个 ref，注入的就是另一套风格。**本 skill 正文里不写死任何一套具体风格。**
@@ -69,7 +69,7 @@ return-v1 标准包由 `gtrk ai-drama lay` 确定性回填；其他平台没有
 
 1. **1 镜 = 1 情感颗粒**：同一个动作不切两镜；情绪转折必须切镜。
 2. **每镜 3–8 秒**：短于 3 秒观众来不及呼吸；长于 8 秒 AI 视频模型会塌（人物表情 / 手部漂移）。
-3. **长文段拆蒙太奇段**：一个 AI_DRAMA beat 可能覆盖很长一段文稿、含多个场景/情境。此时**先拆蒙太奇段**（每段锚一个场景/情境），**段内 3–6 镜**按情感颗粒切、**段间可换场**。镜数上限按**段级**判定，**不再因整段总镜数超 6 就回退 splitter**——长区间整段做 AI 再现是合法创作，不是拆分错误。
+3. **长文段拆蒙太奇段**：一个 AI_DRAMA beat 可能覆盖很长一段文稿、含多个场景/情境。此时**先拆蒙太奇段**（每段锚一个场景/情境），**段内 3–6 镜**按情感颗粒切、**段间可换场**。镜数上限按**段级**判定，**不再因整段总镜数超 6 就回退 splitter**——长区间整段做 AI 情景动画是合法创作，不是拆分错误。
 4. **切分触发器**（任一出现才考虑切）：时间 / 空间改变、主体改变（例：理论家 → 当事人）、抽象概念登场（从「人物戏」切到「象征物戏」）、情绪转折（安静→刺点 / 爆发→凝滞）。**不要因一个句号、一个逗号就切。**
 5. **控整体不控单镜**：你对**区间总时长**负责（各镜建议秒数之和量级贴合 `track_st→track_ed`），但不必把每一镜的秒数抠死——AI 平台交付本就不保证逐帧准，最终对齐由回填这一步兜：走 `gtrk ai-drama lay` 时它按窗口顺排、
 末镜尽量吸收到 `track_ed`；**素材短于窗口就留空档**（MUST NOT 拉伸/循环去填满），没有标准包才由用户手动拼。
@@ -140,7 +140,7 @@ bun scripts/validate-storyboard.mjs <候选稿.md>
 通过时输出单行 JSON 并退出 0；不通过时逐条列出违约项并退出非零。它校验的是生产端硬契约；工作台仍是最终权威，仓库可用时可再用其 `server/lib/parse.ts` 做回归。
 
 ```
-# AI 再现分镜稿 · [自动标题]（beat <beat_id>）
+# AI 情景动画分镜稿 · [自动标题]（beat <beat_id>）
 
 > [责权利声明：本稿只描述意图与时长；角色一致性依赖下游角色资产机制；出片/拼回在用户手里]
 
@@ -208,7 +208,7 @@ face / hair / eyes / wardrobe / signature prop + do-not-change + one line on how
 > **中性 Style Lock**：影视级自然主义画面，真实可信的光源（窗光 / 实用光 / 自然天光，不炫技），克制稳定的镜头语言（固定或缓慢推拉摇，无手持抖动 / 无广告级动态运镜 / 无无人机炫技），近单色到低饱和的克制调色（不追 HDR、不追霓虹），胶片颗粒质感。忌塑料 3D 渲染、忌动漫二次元、忌过度戏剧化打光。
 > **EN**: Cinematic naturalism, believable practical light sources (window / practical / natural daylight, no showing off), restrained stable camera language (locked or slow dolly/pan/tilt, no handheld shake, no ad-grade dynamic moves, no drone stunts), near-monochrome to low-saturation restrained grade (no HDR, no neon), visible film grain. Avoid plastic 3D render, anime, and over-dramatic lighting.
 
-中性默认下**不设单点强调色 / 不指定影视导演锚点**（那些是栏目资产）。用完顺带提醒用户：**想要这条栏目有自己的 AI 再现视觉 DNA，去 `/gtrk-style-maker` 沉淀一套 AI_DRAMA 风格资产并登记进 `style.skills`**，之后每次生成都会自动注入。分镜稿与提示词层也可查推荐目录（公约 §三‴）：`gtrk skills recommend --scene ai-drama`，装完用 `gtrk skills add <owner/repo>` 登记；本 skill 正文不点名任何仓。
+中性默认下**不设单点强调色 / 不指定影视导演锚点**（那些是栏目资产）。用完顺带提醒用户：**想要这条栏目有自己的 AI 情景动画视觉 DNA，去 `/gtrk-style-maker` 沉淀一套 AI_DRAMA 风格资产并登记进 `style.skills`**，之后每次生成都会自动注入。分镜稿与提示词层也可查推荐目录（公约 §三‴）：`gtrk skills recommend --scene ai-drama`，装完用 `gtrk skills add <owner/repo>` 登记；本 skill 正文不点名任何仓。
 
 **禁忌行**（写进 ①）分两层：
 - **通用 AI slop 兜底（本 skill 自带，任何栏目都写）**：glossy 3D render / plastic skin、HDR look / oversaturated、generic AI anime / saccharine、deformed face / extra fingers / mutated limbs、text overlay / captions / 字幕（字幕剪辑阶段另做）、heavy lens flare / chromatic aberration、cartoon / low-res / unfinished。
@@ -245,7 +245,7 @@ face / hair / eyes / wardrobe / signature prop + do-not-change + one line on how
    命令会先按当刻口播工程重投影 beat 窗口，再把所有镜头复制到 `<gtrk目录>/assets/ai-drama/<slug>/`，共用一条新的 `video_track`；每个 beat 从起点顺排，最后一镜吸收到 beat 终点。既有 A-roll、BGM 与 B-roll 轨零改动。若已铺 AI 轨被用户手调过，缺省拒绝覆盖；只有用户明确同意丢弃手调时才加 `--replace-all`。
 3. **非标准平台才手动回铺**：外部平台没有 return-v1 清单时，才由用户把片段拖回 opencut 的 **AI_DRAMA 车道**，对齐该 beat 的 `track_st→track_ed`。AI 出片仍是外部异步、用户驱动；未拿到完整片段前要停下等用户，别替他假装出片 / 回轨完成。
 4. **回铺齐 ≠ 收口，还有两步**：你的片段回铺齐只意味着 **③ B-roll 底轨阶段**完成。接着 MUST 走 **④ 全局抽帧检查画面构图**（对三源合并后的最终底轨抽帧，看主体位置 / 安全区 / 画面朝向 / 明暗，**停下等用户确认**）→ 过了才交棒 **⑤ `/gtrk-mg`** 把 MG（含 ov）叠上 → 最后才 `gtrk render` 收口。
-   ⚠️ **MUST NOT 从你这里直接跳到 `render`**（旧文档曾这么写，那是错的——它把 AI 再现当成了最后一层）。
+   ⚠️ **MUST NOT 从你这里直接跳到 `render`**（旧文档曾这么写，那是错的——它把 AI 情景动画当成了最后一层）。
 
 > 原则：**agent 替用户跑 CLI / 接力 skill，用户只对话**。但 AI_DRAMA 车道天然有「用户去外部平台出片 + 手动拼回」的手工环节——那部分是外部的手，无法替跑；除此之外的解析、生成、落盘、交代，全由你（脑）一次做完，别让用户自己去拼描述。
 

package/skills/gtrk-cover/SKILL.md

@@ -88,7 +88,7 @@ description: 封面工作台——把一期视频的封面从「设计诊断 +
 ## 这个 skill 不做什么 → 找谁
 
 - **视频内的 MG 动态图 / 颗粒** → 栏目 MG 生产 skill + `/gtrk-mg`
-- **AI 再现分镜稿** → `/gtrk-ai-drama`
+- **AI 情景动画分镜稿** → `/gtrk-ai-drama`
 - **建栏目风格体系（含封面风格资产）** → `/gtrk-style-maker`
 - **成片剪辑 / 拆分 / 铺轨 / 渲染** → 成片 SOP 各步（`/gtrk-oralcut` 起）
 - **替用户抽图、替用户拖字导出** → 做不到也不该做：抽图在外部平台、排字在用户浏览器，这两步是用户检查点，交代清楚后**停下等用户**。

package/skills/gtrk-matrix/SKILL.md

@@ -300,7 +300,7 @@ description: B-roll 检索铺轨编排手册——成片管线里第一个铺的
 
 **为什么 B-roll 整个阶段最先**：**AI 情景片段属于底轨 B-roll 画面家族，不是叠加层**——叠加层只有 MG（含 ov）。MG 的排版决策是「因势象形避主体」，**依赖底轨的最终画面构图**；三源（影视/本地/AI）没落齐就产 MG，等 AI 片段回铺后避让必然错位、甚至盖住 AI 画面主体。
 
-> ⚠️ 旧序（MG ④ 在 AI 再现 ⑤ 之前、理由写「越往后叠得越上层」）**是把「工序次序」误当成了「图层次序」**。工序上 AI 片段必须先落位；图层上它本来就在底轨。
+> ⚠️ 旧序（MG ④ 在 AI 情景动画 ⑤ 之前、理由写「越往后叠得越上层」）**是把「工序次序」误当成了「图层次序」**。工序上 AI 片段必须先落位；图层上它本来就在底轨。
 
 铺完**必须停下等用户在 opencut 里挑选/调整**（关键检查点），不要一口气往下冲。
 

package/skills/gtrk-mg/SKILL.md

@@ -17,7 +17,7 @@ description: MG 动态图颗粒铺轨器——成片 SOP 第 ⑤ 步（**最后
 
 **你是第 ⑤ 步、也是最后一层。** MG 颗粒是**唯一的叠加层**——底下那整层底轨必须先定死（**三源全落齐**），否则你的排版避让是对着一个不完整的画面做的。
 
-> ⚠️ **AI 情景片段属于底轨 B-roll 画面家族，不是叠加层**。旧序把你排在 AI 再现之前、理由写「越往后叠得越上层」——**那是把「工序次序」误当成了「图层次序」**。AI 片段在你之后回铺，底轨构图就变了，你先产的颗粒必然避让错位、甚至盖住 AI 画面主体。
+> ⚠️ **AI 情景片段属于底轨 B-roll 画面家族，不是叠加层**。旧序把你排在 AI 情景动画之前、理由写「越往后叠得越上层」——**那是把「工序次序」误当成了「图层次序」**。AI 片段在你之后回铺，底轨构图就变了，你先产的颗粒必然避让错位、甚至盖住 AI 画面主体。
 
 所以动手前先过前置硬门。
 

package/skills/gtrk-splitter/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: gtrk-splitter
-description: 视觉拆分派单器——把一条已剪好的口播工程（gtrk + transcript）拆成 beat 级「视觉拆分稿」，为每个连续文稿段指定唯一主层（A_ROLL 真人出镜 / MG 动态图 / AI_DRAMA 再现 / FILM_BROLL 影视素材）+ 辅助层，产机器可消费的派单清单（MG 槽位 / B-roll 检索队列 / AI 动画队列）驱动后续铺轨。当用户想「文稿视觉化拆分 / 视觉拆分稿 / beat 时间线 / 派分镜 / A-roll B-roll 分配 / 哪些段做动态图·哪些做 AI 再现·哪些用影视素材 / 给这条口播派单」时使用本 skill。凡涉及把口播成片拆成分镜派工，优先用本 skill 驱动 gtrk CLI 的 `split` 命令，绝不手写时码、绝不抄原文定位。
+description: 视觉拆分派单器——把一条已剪好的口播工程（gtrk + transcript）拆成 beat 级「视觉拆分稿」，为每个连续文稿段指定唯一主层（A_ROLL 真人出镜 / MG 动态图 / AI_DRAMA 再现 / FILM_BROLL 影视素材）+ 辅助层，产机器可消费的派单清单（MG 槽位 / B-roll 检索队列 / AI 动画队列）驱动后续铺轨。当用户想「文稿视觉化拆分 / 视觉拆分稿 / beat 时间线 / 派分镜 / A-roll B-roll 分配 / 哪些段做动态图·哪些做 AI 情景动画·哪些用影视素材 / 给这条口播派单」时使用本 skill。凡涉及把口播成片拆成分镜派工，优先用本 skill 驱动 gtrk CLI 的 `split` 命令，绝不手写时码、绝不抄原文定位。
 ---
 
 # 视觉拆分派单器（gtrk-splitter）
@@ -96,7 +96,7 @@ gtrk split --project "<oralcut产物目录>" --json
 
 按下面「拆分方法论」把连续的 utterance 分成若干 beat。一个 beat 覆盖**连续的 id 区间**（可跨多句），但**不能跨前后两处拼接**。beat 之间允许留空隙（未覆盖段默认 A_ROLL 底轨直出），**不许重叠**。
 
-**抽帧确认底轨画面（凡毛片可能已含视觉包装时必做，勿只凭文稿派单）**：view.json 只给你文字，看不见画面——但毛片未必是素的。**二次过 / 补 ov 场景**（毛片本身是已烧入 MG、AI 再现或其他包装的成片再加工）尤其危险：只凭时码派 overlay 会撞上已有包装叠罗汉。姿势：对候选挂点（尤其打算派 `overlay` 的句区间）用本地 ffmpeg 按 `track_st` 抽 1 帧看一眼（`ffmpeg -ss <秒> -i <毛片> -frames:v 1 "<系统temp>/<句id>.jpg"`，成本≈0；抽帧图是临时文件——落系统 temp、用完即删，**别落 cwd / agent 自有目录**），确认该处画面性质——**裸口播 → 正常派；已有包装 → 避开该区间或另选挂点；拿不准 → 列给用户裁决**。首次过全素毛片可免；一旦毛片来历含「粗剪成片 / 待 ov 补充 / 二次过」字样，此步为硬门。抽帧顺带看清真人主体位置与画面明暗，写进 beat 的语义上下文，供下游产颗粒时构图避让。
+**抽帧确认底轨画面（凡毛片可能已含视觉包装时必做，勿只凭文稿派单）**：view.json 只给你文字，看不见画面——但毛片未必是素的。**二次过 / 补 ov 场景**（毛片本身是已烧入 MG、AI 情景动画或其他包装的成片再加工）尤其危险：只凭时码派 overlay 会撞上已有包装叠罗汉。姿势：对候选挂点（尤其打算派 `overlay` 的句区间）用本地 ffmpeg 按 `track_st` 抽 1 帧看一眼（`ffmpeg -ss <秒> -i <毛片> -frames:v 1 "<系统temp>/<句id>.jpg"`，成本≈0；抽帧图是临时文件——落系统 temp、用完即删，**别落 cwd / agent 自有目录**），确认该处画面性质——**裸口播 → 正常派；已有包装 → 避开该区间或另选挂点；拿不准 → 列给用户裁决**。首次过全素毛片可免；一旦毛片来历含「粗剪成片 / 待 ov 补充 / 二次过」字样，此步为硬门。抽帧顺带看清真人主体位置与画面明暗，写进 beat 的语义上下文，供下游产颗粒时构图避让。
 
 > 📌 **这一步与 SOP ④ 的全局抽帧检查不是同一件事，两者都要**：这里抽的是**毛片原始画面**（派单前，判该处是裸口播还是已有包装）；④ 抽的是**B-roll 三源全铺齐后的最终底轨**（产 MG 前，供排版避让）。前者防「派单派到包装上」，后者防「MG 对着不完整底轨做避让」。
 
@@ -194,7 +194,7 @@ dispatch 落地后**不要收工**——但下游各车道是**有先后的 SOP
 
 **为什么是这个序**：**AI 情景片段属于底轨 B-roll 画面家族，不是叠加层**——叠加层只有 MG（含 ov）。MG 的排版决策是「因势象形避主体」，**依赖底轨的最终画面构图**；若 AI 片段在 MG 之后才回铺，底轨构图就变了，先产的 MG 是对着「还没有 AI 画面的底轨」做的避让，AI 片段落位后必然错位、甚至盖住 AI 画面主体。
 
-> ⚠️ 旧序（MG 在 AI 再现之前）的理由写的是「越往后叠得越上层」——**那是把「工序次序」误当成了「图层次序」**。工序上 AI 片段必须先落位；图层上它本来就在底轨。
+> ⚠️ 旧序（MG 在 AI 情景动画之前）的理由写的是「越往后叠得越上层」——**那是把「工序次序」误当成了「图层次序」**。工序上 AI 片段必须先落位；图层上它本来就在底轨。
 
 按序推进、每步替用户跑命令，**关键检查点停下等用户确认**再进下一步；哪条车道 dispatch 队列为空就跳过。
 
@@ -238,7 +238,7 @@ SHALL 停在派单这一步、SHALL NOT 自动交棒**。两者语义正交，
 
 - **`A_ROLL`（真人出镜）**：信任感来自「观众看见真人正在说」。优先给：体验式钩子、立场转换、关键悬念、情绪抱持、理论升华、结尾发问。
 - **`MG`（动态图 / motion graphics）**：主要任务是「让观众看懂结构」。优先给：容器概念展开、抽象结构翻译、多概念映射、网络/流程/关系图、容器反转、回扣时的系统动态图。
-- **`AI_DRAMA`（AI 再现）**：靠「演绎一个具体历史瞬间」成立。优先给：历史事件再现、理论家/名人/时代场景的动作演绎、有明确年代·人物·地点暗示的桥段。
+- **`AI_DRAMA`（AI 情景动画）**：靠「演绎一个具体历史瞬间」成立。优先给：历史事件再现、理论家/名人/时代场景的动作演绎、有明确年代·人物·地点暗示的桥段。
 - **`FILM_BROLL`（影视素材）**：靠「沉浸感、情绪、现实质感」成立。优先给：日常痛感、都市情绪、社会事件氛围、关系案例沉浸——不适合 MG 讲解、也不需要历史 reenactment 的段落。
 
 ### 八叙事功能（narrative）

package/skills/gtrk-style-maker/references/seeds/seed-psych-humanities.md

@@ -21,7 +21,7 @@
 |---|---|---|---|
 | 拆分派单器 | 全片 beat 派单文档 | —（管线文档生产者，不登记） | — |
 | 动态图生成 | HTML 动画颗粒 | MG | gsap-emit v1（合规项进自检） |
-| AI 再现分镜 | 双语分镜提示词文本 | AI_DRAMA | 暂无契约 |
+| AI 情景动画分镜 | 双语分镜提示词文本 | AI_DRAMA | 暂无契约 |
 | 封面设计 | 文生图 prompt + 排字工作台 | cover + routing:"none" | 管线外 |
 
 每个 skill 开头声明「这个 skill 不做什么 → 找谁」。

package/skills/gtrk-talking-head/SKILL.md

@@ -137,7 +137,7 @@ gtrk oralcut "<inputs/…_full.mp4>" --lang zh-CN [--script 稿.txt] [--preset c
 
 以上四项一次确认完 = 检查点①收口。
 
-## 五、拆分与铺轨：三车道，无 AI 再现
+## 五、拆分与铺轨：三车道，无 AI 情景动画
 
 口播链拆分**只派三车道**（拍板：口播场景不需要 AI_DRAMA）：
 

package/skills/gtrk-tools/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: gtrk-tools
-description: gtrk 单点工具与媒体转换能力的调用向导，覆盖 `gtrk tool` 家族。当用户想“让图动起来 / 抠像去背景 / 图片或视频去黑边 / 图片或视频比例转换 / 视频防抖 / 添加蒸汽波滤镜 / 清理有权处理的图片或视频中的水印、字幕或叠加元素 / 视频超分变清晰 / 视频补帧变流畅 / 分离人声和伴奏 / 提取伴奏 / 按说话人分轨 / 音频变调变速 / 钢琴扒谱转 MIDI 或修复钢琴录音 / 给音频或视频降噪 / 去掉音频静音停顿 / 长图转方图 / 图片变 LivePhoto 微动 / 视频机械分镜或智能分镜切镜头 / 提取运镜高光片段 / 给视频加字幕或翻译字幕或烧录字幕 / 一键剪 MAD / 用某个 gtrk 单点工具 / gtrk 工具族里有什么”时使用本 Skill。凡涉及这些能力，优先驱动 CLI，不让用户自己去终端敲，也不手搓 ffmpeg。
+description: gtrk 单点工具与媒体转换能力的调用向导，覆盖 `gtrk tool` 家族。当用户想“让图动起来 / 抠像去背景 / 图片或视频去黑边 / 图片或视频比例转换 / 视频防抖 / 添加蒸汽波滤镜 / 清理有权处理的图片或视频中的水印、字幕或叠加元素 / 视频超分变清晰 / 视频补帧变流畅 / 分离人声和伴奏 / 提取伴奏 / 按说话人分轨 / 音频变调变速 / 钢琴扒谱转 MIDI 或修复钢琴录音 / 给音频或视频降噪 / 去掉音频静音停顿 / 长图转方图 / 图片变 LivePhoto 微动 / 视频机械分镜或智能分镜切镜头 / 提取运镜高光片段 / 给视频加字幕或翻译字幕或烧录字幕 / 把视频翻译配音成另一种语言或译制 / 一键剪 MAD / 用某个 gtrk 单点工具 / gtrk 工具族里有什么”时使用本 Skill。凡涉及这些能力，优先驱动 CLI，不让用户自己去终端敲，也不手搓 ffmpeg。
 ---
 
 # gtrk 工具族（gtrk-tools）
@@ -52,10 +52,20 @@ description: gtrk 单点工具与媒体转换能力的调用向导，覆盖 `gtr
 | `image_classic_template` | 「做封面 / 智能拼图 / 标题配图出封面图」 | **多张图片**（可传多个路径，文件顺序即拼装顺序）；**`--main-title <标题>` 必填**；可选 `--sub-title`、`--template-mode`、`--aspect`、`--quality`、`--output-pic-count`（服务端钳制 ≤20）、`--output-text-count`（≤20）、`--title-layout` | 封面/拼图成品（text/pic/render 三组、各组可空可多张） | 运行前实时查询 | 已上线 |
 | `image_vertical_stitch` | 「拼长图 / 多图竖拼 / 截图接成一张长图」 | **多张图片**（可传多个路径，顺序=自上而下拼接顺序） | 一张垂直拼接长图 | 运行前实时查询 | 已上线 |
 | `audio_tts_clone` | 「配音 / 文字转语音 / TTS / 用 xx 音色念这段 / 把这段稿子合成音频」 | **无文件**：`--text <短文本>` 或 `--text-file <txt>` 二选一（≤5000 字，服务端为真相）+ **`--speaker <音色代号>` 必填**（可用音色见官网文档，传错时报错会列出全部可用项）；可选 `--text-lang`/`--output-format wav\|mp3`/`--speed`/`--split-method`/`--batch-size`/`--fragment-interval <秒>`（句间停顿，**仅自训音色**，云引擎音色传了会报错；speed/切分法缺省跟随该音色调好的参数）/`--subtitle-format <fmt>`（**可选出字幕**，如 `srt`；缺省不出字幕、不额外计费，取值以服务端为准，传了不认的格式服务端会拒并列出可用项）。**计量单位与单价以 `gtrk tool list` 实时显示为准 —— MUST NOT 在本文写死**（此处写死过一次「200 字/分钟」，服务端实为 240，且计量口径已改为千字符）** | 配音音频（wav/mp3）；传了 `--subtitle-format` 时另产字幕 `tts-<音色代号>.srt`（服务端字幕降级时只落音频、不留空字幕文件） | 运行前实时查询 | 已上线 |
+| `video_translate_dub` | 「视频翻译配音 / 译制 / 把这条视频换成英文配音 / 用我的声音说英文 / 给视频出个外语配音版」 | 单条视频或音频（**≤120 分钟**，整片上传）；**`--language <源语种>`、`--translate-language <目标语种>`、`--speaker <clone 或音色代号>` 三项必填**（语种传标准地区码如 `zh-CN` / `en-US`；可用语种与音色以服务端为准，传错时报错会列出可用项）；`clone` = 用原片说话人的声音，可加 `--ref <音频或视频>` 指定克隆参考、`--ref-lang` 标参考语种（非 `clone` 时 `--ref` 会被忽略并提示）；可选 `--no-keep-bgm`（不保留原伴奏）、`--fit-policy`（时长拟合策略）、`--speed-band <最小,最大>`（语速倍率区间）、`--subtitle-mode`（字幕形态，音频输入不能烧录）、`--subtitle-type`（烧录样式）、`--project-formats <逗号分隔>`（缺省只出客户端工程 `.gtrk`；要剪映草稿写 `gtrk,jianying`，要 PR / Final Cut 工程写如 `gtrk,xml`）、`--jianying-draft-dir <目录>`（剪映草稿目录，缺省读 `gtrk init` 配置或自动探测）；各参数取值以服务端为准 | 配音成片 `<输入名>-dub.mp4`（音频输入为 `-dub.mp3`）+ 纯配音轨 `dub.wav` + 伴奏轨 `bgm.wav`（有则）+ 延长后的底片 `base.mp4`（有则）+ 字幕 `<输入名>.srt` / `<输入名>_bilingual.srt`（有则）+ 逐句对齐记录 `transcript.json` + 工程文件按格式分目录（如 `gtrk/project.gtrk`、`jianying/`；音频输入没有）+ `result-output.json`（配音对齐报告） | 运行前实时查询 | 已上线 |
 | `mad` | 「一键剪 MAD / 素材文件夹自动出卡点成片 / 自动选技法 / 给这堆素材出个 AE 工程 / 我想要某某效果的卡点片」 | 一个素材文件夹（3~10 条视频）+ 可选 `--bgm 歌.mp3` + 可选 `--technique 技法名`；`--search <词>` 只查技法目录不要输入 | AE 母合成工程 `.jsx`（仅支持 AE） | 仅 `--bgm` 触发实时查价 | 已上线 |
 
 > 清单随 CLI 版本增补。**动手前先跑 `gtrk tool list --json` 拿最新清单**，别凭记忆——新工具、状态变化都在那里。
 
+### video_translate_dub（视频译制配音）要提前讲给用户的
+
+- **克隆声音须本人同意**：`--speaker clone`（或 `--ref` 给的是别人的录音）会克隆说话人的声音。克隆别人的声音 MUST 先取得那个人的同意，发起任务即视为已取得；不确定就先问用户，别替他默认。
+- **只换音轨，画面保持原样**：不做口型同步，镜头也不动。缺省拟合策略下，个别译句过长时画面可能短暂定格来让出时间；用户要成片与原片严格等长，传 `--fit-policy strict`（超出部分截尾）。
+- **时长与耗时**：单条最长 120 分钟，超了 CLI 在上传前直接拒并提示分段；长片耗时十几分钟起，CLI 最多等 4 小时。中途断开别直接重跑（会重新计费），凭产物目录里 `task.json` 的任务号取回。
+- **工程文件怎么打开**：CLI 提交时自动带上原片与产物目录的本机路径，各格式工程里的素材都指向本机的原片与产物目录里的 `dub.wav` / `bgm.wav` / `base.mp4`，打开即用。要剪映草稿加 `--project-formats gtrk,jianying`：草稿自动放进剪映草稿目录，打开剪映就在列表里；CLI 提示「没找到剪映草稿目录」或「草稿缺 draft_meta_info.json」时，让用户给出剪映草稿目录再用 `--jianying-draft-dir` 重跑，或先用客户端工程。CapCut 草稿留在产物目录 `capcut/`，需要时手动放进 CapCut 草稿目录。
+- **附带产物偶尔缺项不算失败**：字幕、逐句对齐记录、工程文件某一项没生成时，成片与配音轨照出、`ok=true`，终端打一行「部分附带产物未生成」，原因在 `result-output.json` 的 `errors`。照实告诉用户少了哪样。
+- 常用形态：`gtrk tool video_translate_dub ./talk.mp4 --language zh-CN --translate-language en-US --speaker clone --json`；用自己另录的干净人声做参考加 `--ref ./me.m4a`；要剪映草稿加 `--project-formats gtrk,jianying`，要 PR 工程加 `--project-formats gtrk,xml`。
+
 ### mad（一键剪 MAD）的特殊之处
 
 `mad` 是族内首个 **local 型「纯本地工具、可选云端加料」**成员，与 cloud 型工具不同：

package/skills/gtrk-travel-recap/SKILL.md

@@ -126,7 +126,7 @@ description: 旅拍解说一站式成片图纸——输入一个旅拍素材文
 **成片时长 = min(内容所支撑, 素材所支撑)**：
 - 内容支撑：有多少真东西说多少话，素材再多也不注水；
 - 素材支撑：按「30% 图片×8 秒 + 70% 视频素材时长」估算上限，稿子在写稿阶段就按上限收敛（不要等铺轨时开天窗）；把这个秒数换算成字数用下一条的折算口径（**公式本身不动**）；
-- **折算口径 = 挂钟语速**（wall-clock：稿件字数 ÷ 合成音频总时长，**含**句间停顿），**按检查点①选定的那条音色取值**；取不到该音色的语速就用**缺省 ≈330 字/分钟**，并明说这是缺省估值、**不是该音色的实测值**。3 分钟成片 ≈ **1000 字**。
+- **折算口径 = 挂钟语速**（wall-clock：稿件字数 ÷ 合成音频总时长，**含**句间停顿），**按检查点①选定的那条音色取值：读 catalog 该音色的 `speech_rate_cpm`（字/分钟），并把 `speech_rate_basis` 一并报给用户（`measured` = 实测 / `derived` = 由声学参数推算）**；catalog 没给该字段（非中文音色）或拉不到 catalog 时才用**缺省 ≈330 字/分钟**，并明说这是缺省估值、**不是该音色的实测值**。3 分钟成片 ≈ **1000 字**。
   缺省 330 的出处（★ 2026-09-02 立，`fix-speech-rate-calibration`）：全库 49 条 zh-CN 音色挂钟中位 308.7、`narrator` 349.3（**单点实测，未覆盖全库**）、260902 真机三条片 316–342 —— 逐条档案与标定方法见 `references/speech-rate.md`，**MUST NOT 把那张表贴回本图纸**（单一真值源，垂类只许引用）。
 - ⚠️ **MUST NOT 拿计费折算常量（240 字/分钟）推稿子字数**：那是**计费**用的保守下界（volc 单点实测 260 再下调留余量），与写稿侧的保守方向**正好相反**——计费侧低估语速只是「分钟数变大、不少收」，写稿侧低估语速却会让稿子写短、成片缩水（按 240 写 3 分钟 = 720 字，用 349 的挂钟语速实播只有 2.06 分钟，**缩水 31%**）。计费那一栏见 §九，两个数 MUST NOT 互相冒充。
 
@@ -197,7 +197,7 @@ gtrk matrix describe --plan <工程>/split/broll-plan.json --highlight-rubric @<
 1. **解说稿 + 标题**：正文全文贴给用户（不是给路径），标题候选列出；
 2. **画幅**（★ 打样事故教训——横屏素材铺进默认竖屏画布=信箱黑边）：问目标平台——横屏 B 站/西瓜=1920x1080，竖屏抖音=1080x1920。**素材几何与画幅不一致时明确提示**（横素材→竖画布会裁切或留边）；
 3. **TTS 音色**：拉 catalog（`GET {apiBase}/task/tts/voices`，免鉴权）按内容调性挑 2-4 个候选，**每个附试听链接**（catalog 的 audition_url 字段，api.ai-mcn.tv:9000 静态直链）——用户在对话框里直接点开听。internal 标注的音色注明「仅内部成员」。也可按用户描述语义挑（「要个温柔女声」）。
-   **每个候选还 SHALL 附上该音色的挂钟语速与据此推的稿件字数区间**（查 `references/speech-rate.md`；档案里没有就明说「用缺省 330 估」）——挑音色的同时也是在挑稿子长度，别让用户回头才发现稿子长了三成。这条是**加项**，MUST NOT 削弱既有的「无试听链接 = 未完成推荐」义务；
+   **每个候选还 SHALL 附上该音色的挂钟语速与据此推的稿件字数区间**（取同一份 catalog 载荷里的 `speech_rate_cpm` + `speech_rate_basis`，零额外往返；该字段缺席就明说「用缺省 330 估」；标定方法与历史档案见 `references/speech-rate.md`，不再从那里查数）——挑音色的同时也是在挑稿子长度，别让用户回头才发现稿子长了三成。这条是**加项**，MUST NOT 削弱既有的「无试听链接 = 未完成推荐」义务；
 4. **BGM 处置（双来源）**：
    - 用户有本地音乐 → 询问是否 `gtrk tool audio_separation` 伴奏分离后取伴奏（缺省建议分离——TTS 配音不与歌曲人声打架）；
    - 用户未提供 → **搜同和素材矩阵**：`gtrk matrix material "<按稿件情绪+地理文化写的检索词>" --scope audio --top-k 5 --diversity --json`

package/skills/gtrk-travel-recap/references/speech-rate.md

@@ -1,119 +1,139 @@
-# 语速档案（写稿折算的单一真值源 · fix-speech-rate-calibration 2026-09-02 立）
-
-> 本文件服务于 `SKILL.md` §三 的「成片时长 = min(内容支撑, 素材支撑)」——把秒数换算成字数的那一步。
-> **图纸正文只留一句指针 + 缺省值，数值表只住在这里**（垂类图纸继承通用框架层时**引用不复制**）。
->
-> 表放哪：三方案取舍如下，自裁 **(B) 过渡 + (C) 终局**。
->
-> | 方案 | 优点 | 缺点 | 判 |
-> |---|---|---|---|
-> | (A) 49 条表直接贴进 `SKILL.md` | 零新增依赖，agent 读图纸即得 | ① 淹没图纸主线（图纸是编排指南不是数据表）；② 随注册表漂移，音色增删要手改；③ 图纸随 npm 发版分发，必然过期 | **弃** |
-> | (B) 本文件（`references/speech-rate.md`） | 不淹图纸；仓内已有先例（`gtrk-cover` / `gtrk-splitter` / `gtrk-style-maker` 都有 `references/`）；能同时装标定方法与档案 | 仍是静态快照会漂；且这条口径不止旅拍要用，挂在某一个垂类下有被复制扩散的风险 | **取（过渡态）** |
-> | (C) infra 出字段 + CLI 从 catalog 直接读 | **唯一不漂**：注册表是真值源，新增音色自动带上；检查点①本来就要拉 catalog，读同一份载荷零额外往返 | 要 infra 联动件；改 `PUBLIC_FIELDS` 会让所有 ETag 失效一次；上线前 CLI 无数据 | **取（终局）** |
-> | (D) 新增 `gtrk` 子命令去查语速 | 对 agent 友好 | 净新增命令面：今天 CLI 里没有任何代码拉 `/task/tts/voices`（图纸是教 agent 直接 GET 的），为一个写稿阶段只用一次的读操作立子命令，收益不抵维护面 | **弃** |
->
-> (C) 落地后，本文件降级为**纯方法学文档**：只留 §二 标定方法与 §三 历史档案，删掉数值、改指 catalog 字段。
-
-## 一、两个数不是一回事
-
-| | 公式 | 低估语速的后果 | 保守方向 |
-|---|---|---|---|
-| **计费折算**（`_SPEECH_CHARS_PER_MINUTE = 240`） | 计费分钟 = 字数 ÷ 语速 | 分钟数变大 ⇒ **多收** | 低估是**安全**的（不少收） |
-| **写稿折算**（挂钟语速，本文件） | 成片时长 = 字数 ÷ 语速 | 时长被高估 ⇒ **稿子写短** | 低估是**有害**的（成片缩水） |
-
-240 的来历：volc 引擎**单点实测 100 汉字 ≈ 23.06 秒（约 260 字/分钟），再人为下调留余量**取 240；
-2026-08-20 起它**已退出计费链路**，保留只为时长预估。把这份「宁可低估」的偏置搬到写稿侧，
-就是本档案要治的那个缺陷 —— 按 240 写 3 分钟稿 = 720 字，用 `narrator` 349.3 的挂钟语速实播只有
-**2.06 分钟，缩水 31%**。
-
-两条口径的换算关系：**挂钟语速 = 有效语速 × (1 − 停顿占比)**。
-注册表 `acoustic.rate` 记的是**有效语速**（扣掉停顿的净说话速度），写稿要的是**挂钟**（含停顿）。
-
-## 二、标定方法（一条记录 MUST 齐备五项，缺一不得作口径依据）
-
-| # | 必填项 | 说明 |
-|---|---|---|
-| ① | **音色与引擎** | `voice_id` + `engine`（自训 gpt_sovits / 云引擎 volc / …） |
-| ② | **影响语速的合成参数** | `speed`、`fragment_interval`、`split_method` 等。`narrator` 的 `fragment_interval=0.28` 会实打实抬高句间停顿占比，不记就没法复现 |
-| ③ | **稿件** | 字数口径（Unicode 码点、含不含标点与英文数字，与服务端 `_MAX_TEXT_LEN` 同口径）+ 稿件出处或哈希 + 字数 |
-| ④ | **测量方法** | 音频总时长怎么取（`ffprobe` duration）、首尾静音算不算 |
-| ⑤ | **结果两个数 + 样本数 + 日期** | **挂钟语速**（写稿用）与**有效语速 / 停顿占比**（注册表口径），样本条数，标定日期 |
-
-两条禁令：
-
-- **MUST NOT 再写「（TTS 实测）」这类无主体、无出处的括注**。任何写进图纸的语速数字，
-  要么能指到一条满足上表的档案，要么明确标注为「派生值 / 缺省值」。
-  （这条的由来：`SKILL.md` 的「200-240 字/分钟（TTS 实测，语速快的音色偏 270）」是
-  **一次性写入、无出处**——`git log -S` 只命中 skill 首发那一个 commit，归档 change 里 grep 零命中。）
-- **单点标定 MUST NOT 外推到其它引擎的音色**。240 那次是 volc 单点标定，与自训 gpt_sovits 的
-  `narrator` 没有任何关系。
-
-## 三、已标定档案
-
-> ⚠️ **实测与派生逐条标注区分**，MUST NOT 混着读。本节今天只有一条真机实测，
-> **MUST NOT 宣称「已按新口径标定过全库」**。
-
-### 3.1 `narrator`（**单点实测 · 未覆盖全库**）
-
-| 项 | 值 |
-|---|---|
-| ① 音色 / 引擎 | `narrator`（`ext_code=narrator`）/ 自训 gpt_sovits |
-| ② 合成参数 | `speed=1.0`、`fragment_interval=0.28` |
-| ③ 稿件 | 见来源件 `fix-speech-rate-calibration`（注册表标定样本，字数口径未逐条留痕 —— **这一格是弱项，后续回校须补齐**） |
-| ④ 测量 | 注册表 `acoustic` 口径（有效语速 + 停顿占比） |
-| ⑤ 结果 | 有效语速 `rate = 379.7`、停顿占比 `pause = 0.08` ⇒ **挂钟 ≈ 349.3 字/分**；日期 2026-09-02（复算） |
-
-### 3.2 全库 49 条 zh-CN 音色（**派生值，非逐条实测**）
-
-`voice_registry.json` 55 条中 49 条带 `acoustic.rate`，据 `挂钟 = rate × (1 − pause)` 派生：
-
-| 口径 | min | 中位 | max |
-|---|---|---|---|
-| 有效语速（`rate`，注册表原值） | 309.77 | 361.13 | 427.47 |
-| **挂钟语速**（扣停顿后，写稿用） | 222.02 | **308.66** | — |
-
-**落进 200–240 区间的：0 条。低于旧图纸所称上限 270 的：0 条。** 旧口径不是「偏保守」，是全库无一命中。
-
-### 3.3 260902 真机三条旅拍片（**复盘记录，未逐条复算**）
-
-实测 **316–342 字/分**（挂钟口径），与 3.1 派生的 349.3 同量级、互为旁证。
-本条**不满足** §二 的五项（缺 ②③④ 的逐条留痕），故只作旁证、MUST NOT 单独当口径依据。
-
-### 3.4 `volc_zh_male_cixingjieshuonan_uranus_bigtts`（**五项齐备 · 双样本实测**）
-
-| 项 | 值 |
-|---|---|
-| ① 音色 / 引擎 | 磁性解说男声 2.0 `volc_zh_male_cixingjieshuonan_uranus_bigtts` / 火山引擎 `volcengine`（云引擎，非自训） |
-| ② 合成参数 | `speed` 未传（= 默认 1.0）；`fragment_interval` **不适用**——云引擎音色不受理该参数；`split_method` 走服务端默认 |
-| ③ 稿件 | 两稿，Unicode 码点口径（含标点与英文数字）。① 凯奇坎 823 码点 `sha256:fd4e4f0efaabdfa1…` ② 黄石 904 码点 `sha256:9ce70f69b9d00f20…` |
-| ④ 测量 | `ffprobe -show_entries format=duration` 取 wav 总时长，**首尾静音计入**（挂钟口径的定义即如此） |
-| ⑤ 结果 | 稿① 823 / 230.40s = **214.3**；稿② 904 / 248.33s = **218.4**；合并 1727 / 478.73s = **216.4 字/分**。样本 2 条，日期 2026-09-03 |
-
-**这条记录的价值不在它自己，在它顺手验了 §3.2 那张派生表。**
-注册表给这条音色 `rate=321.77 / pause=0.31`，按 `挂钟 = rate × (1 − pause)` 派生得 **222.0**；
-两次实测 214.3 / 218.4，偏 **−3.5% / −1.6%**。
-§3.2 的 49 条派生值此前**从未被任何实测检验过**（3.1 是注册表自身口径的复算，不是独立测量），
-本条是第一次拿真机音频去撞那条公式，**没撞坏**。派生表因此从「未经检验的推算」升格为「有一个实测锚点的推算」——
-仍 MUST NOT 宣称全库已标定，但对**云引擎 volc 这一档**，派生值可以当估值用，误差量级 <5%。
-
-⚠️ 另记一条选音色时该知道的事实：这条音色的 `pause=0.31` 是**全库最高**，挂钟 222.0 正是 §3.2 那张表的
-`min` 值本人。同一份稿子交给它，比交给缺省 330 长 **48%**，比交给 `narrator`（349.3）长 **57%**。
-写稿时 MUST 按它自己的挂钟值反推字数，照缺省 330 写会让成片直接长出三成。
-
-## 四、缺省值 330 是怎么来的，用在哪儿
-
-- **取值**：落在全库挂钟中位 **308.7** 与 `narrator` **349.3** 之间，覆盖真机 **316–342** 区间的中部；
-- **性质**：**缺省估值，不是任何一条音色的实测值**。用它折算时 SHALL 在交付说明里明示这一点；
-- **适用边界**：只适用**中文**、**正常语速档**、**未加 `--speed`** 的合成。
-  换引擎、换语种、动了 `--speed` / `fragment_interval` 的，一律回 §二 重新标定，MUST NOT 沿用；
-- **怎么退役**：终局 (C) 上线（catalog 投影出 `acoustic` 或派生只读字段）后，
-  取值路径改为「读 catalog 字段」，330 只在字段缺失时兜底。
-
-## 五、回校怎么攒样本（`SKILL.md` §五 ④′）
-
-TTS 合成完成后，稿件字数与音频实际时长都已在手（`project init --tts-task` 本就要读它）：
-
-1. 算 **实测挂钟语速 = 稿件字数 ÷ 音频实际时长**；
-2. 与写稿所用估值比对，**偏差 >15% 在交付汇报里点名**（报「估 X / 实测 Y / 偏 Z%」）；
-3. 按 §二 五项格式**追加一条**进 §三 —— 每跑一条片就攒一条样本，「孤证」这个病从结构上被治掉；
-4. **MUST NOT 自动改稿、MUST NOT 自动重跑 TTS**：改稿要从配音步重跑、重付 TTS 费用，返工与否由用户拍板。
+# 语速档案（方法学与历史档案 · fix-speech-rate-calibration 2026-09-02 立，2026-09-16 降级）
+
+> ★ **(C) 已落地（2026-09-11 上线，infra `link-voice-catalog-speech-rate`）**：写稿折算的**取值**改读 catalog（`GET {apiBase}/task/tts/voices` 每条音色的 `speech_rate_cpm` + `speech_rate_basis`），**本文件不再是数值真值源**，只保留 §一 口径划界、§二 标定方法、§三 历史档案（含日期快照，勿当现值）、§四 缺省值来历、§五 回校攒样本。§3.2 那张 49 条派生表是 2026-09-02 的快照，此后音色增删与重标不再回写此处。
+> 本文件服务于 `SKILL.md` §三 的「成片时长 = min(内容支撑, 素材支撑)」——把秒数换算成字数的那一步。
+> **图纸正文只留一句指针 + 缺省值，方法与历史只住在这里**（垂类图纸继承通用框架层时**引用不复制**）。
+>
+> 表放哪：三方案取舍如下，自裁 **(B) 过渡 + (C) 终局**。
+>
+> | 方案 | 优点 | 缺点 | 判 |
+> |---|---|---|---|
+> | (A) 49 条表直接贴进 `SKILL.md` | 零新增依赖，agent 读图纸即得 | ① 淹没图纸主线（图纸是编排指南不是数据表）；② 随注册表漂移，音色增删要手改；③ 图纸随 npm 发版分发，必然过期 | **弃** |
+> | (B) 本文件（`references/speech-rate.md`） | 不淹图纸；仓内已有先例（`gtrk-cover` / `gtrk-splitter` / `gtrk-style-maker` 都有 `references/`）；能同时装标定方法与档案 | 仍是静态快照会漂；且这条口径不止旅拍要用，挂在某一个垂类下有被复制扩散的风险 | **取（过渡态）** |
+> | (C) infra 出字段 + CLI 从 catalog 直接读 | **唯一不漂**：注册表是真值源，新增音色自动带上；检查点①本来就要拉 catalog，读同一份载荷零额外往返 | 要 infra 联动件；改 `PUBLIC_FIELDS` 会让所有 ETag 失效一次；上线前 CLI 无数据 | **取（终局）** |
+> | (D) 新增 `gtrk` 子命令去查语速 | 对 agent 友好 | 净新增命令面：今天 CLI 里没有任何代码拉 `/task/tts/voices`（图纸是教 agent 直接 GET 的），为一个写稿阶段只用一次的读操作立子命令，收益不抵维护面 | **弃** |
+>
+> (C) 落地后，本文件降级为**纯方法学文档**：只留 §二 标定方法与 §三 历史档案，取值改指 catalog 字段。——**已于 2026-09-16 执行**（见文首 ★）。
+
+## 一、两个数不是一回事
+
+| | 公式 | 低估语速的后果 | 保守方向 |
+|---|---|---|---|
+| **计费折算**（`_SPEECH_CHARS_PER_MINUTE = 240`） | 计费分钟 = 字数 ÷ 语速 | 分钟数变大 ⇒ **多收** | 低估是**安全**的（不少收） |
+| **写稿折算**（挂钟语速，本文件） | 成片时长 = 字数 ÷ 语速 | 时长被高估 ⇒ **稿子写短** | 低估是**有害**的（成片缩水） |
+
+240 的来历：volc 引擎**单点实测 100 汉字 ≈ 23.06 秒（约 260 字/分钟），再人为下调留余量**取 240；
+2026-08-20 起它**已退出计费链路**，保留只为时长预估。把这份「宁可低估」的偏置搬到写稿侧，
+就是本档案要治的那个缺陷 —— 按 240 写 3 分钟稿 = 720 字，用 `narrator` 349.3 的挂钟语速实播只有
+**2.06 分钟，缩水 31%**。
+
+两条口径的换算关系：**挂钟语速 = 有效语速 × (1 − 停顿占比)**。
+注册表 `acoustic.rate` 记的是**有效语速**（扣掉停顿的净说话速度），写稿要的是**挂钟**（含停顿）。
+
+## 二、标定方法（一条记录 MUST 齐备五项，缺一不得作口径依据）
+
+| # | 必填项 | 说明 |
+|---|---|---|
+| ① | **音色与引擎** | `voice_id` + `engine`（自训 gpt_sovits / 云引擎 volc / …） |
+| ② | **影响语速的合成参数** | `speed`、`fragment_interval`、`split_method` 等。`narrator` 的 `fragment_interval=0.28` 会实打实抬高句间停顿占比，不记就没法复现 |
+| ③ | **稿件** | 字数口径（Unicode 码点、含不含标点与英文数字，与服务端 `_MAX_TEXT_LEN` 同口径）+ 稿件出处或哈希 + 字数 |
+| ④ | **测量方法** | 音频总时长怎么取（`ffprobe` duration）、首尾静音算不算 |
+| ⑤ | **结果两个数 + 样本数 + 日期** | **挂钟语速**（写稿用）与**有效语速 / 停顿占比**（注册表口径），样本条数，标定日期 |
+
+两条禁令：
+
+- **MUST NOT 再写「（TTS 实测）」这类无主体、无出处的括注**。任何写进图纸的语速数字，
+  要么能指到一条满足上表的档案，要么明确标注为「派生值 / 缺省值」。
+  （这条的由来：`SKILL.md` 的「200-240 字/分钟（TTS 实测，语速快的音色偏 270）」是
+  **一次性写入、无出处**——`git log -S` 只命中 skill 首发那一个 commit，归档 change 里 grep 零命中。）
+- **单点标定 MUST NOT 外推到其它引擎的音色**。240 那次是 volc 单点标定，与自训 gpt_sovits 的
+  `narrator` 没有任何关系。
+
+## 三、已标定档案
+
+> ⚠️ **实测与派生逐条标注区分**，MUST NOT 混着读。本节的独立真机实测只有 §3.4（云引擎 volc 一条音色）与 §3.5（自训 `narrator`），
+> §3.1 是注册表口径复算、§3.2 是派生表，**MUST NOT 宣称「已按新口径标定过全库」**。
+
+### 3.1 `narrator`（**单点实测 · 未覆盖全库**）
+
+| 项 | 值 |
+|---|---|
+| ① 音色 / 引擎 | `narrator`（`ext_code=narrator`）/ 自训 gpt_sovits |
+| ② 合成参数 | `speed=1.0`、`fragment_interval=0.28` |
+| ③ 稿件 | 见来源件 `fix-speech-rate-calibration`（注册表标定样本，字数口径未逐条留痕 —— **这一格是弱项**，2026-09-16 已由 §3.5 用五项齐备的独立样本补上） |
+| ④ 测量 | 注册表 `acoustic` 口径（有效语速 + 停顿占比） |
+| ⑤ 结果 | 有效语速 `rate = 379.7`、停顿占比 `pause = 0.08` ⇒ **挂钟 ≈ 349.3 字/分**；日期 2026-09-02（复算） |
+
+### 3.2 全库 49 条 zh-CN 音色（**派生值，非逐条实测**）
+
+`voice_registry.json` 55 条中 49 条带 `acoustic.rate`，据 `挂钟 = rate × (1 − pause)` 派生：
+
+| 口径 | min | 中位 | max |
+|---|---|---|---|
+| 有效语速（`rate`，注册表原值） | 309.77 | 361.13 | 427.47 |
+| **挂钟语速**（扣停顿后，写稿用） | 222.02 | **308.66** | — |
+
+**落进 200–240 区间的：0 条。低于旧图纸所称上限 270 的：0 条。** 旧口径不是「偏保守」，是全库无一命中。
+
+### 3.3 260902 真机三条旅拍片（**复盘记录，未逐条复算**）
+
+实测 **316–342 字/分**（挂钟口径），与 3.1 派生的 349.3 同量级、互为旁证。
+本条**不满足** §二 的五项（缺 ②③④ 的逐条留痕），故只作旁证、MUST NOT 单独当口径依据。
+
+### 3.4 `volc_zh_male_cixingjieshuonan_uranus_bigtts`（**五项齐备 · 双样本实测**）
+
+| 项 | 值 |
+|---|---|
+| ① 音色 / 引擎 | 磁性解说男声 2.0 `volc_zh_male_cixingjieshuonan_uranus_bigtts` / 火山引擎 `volcengine`（云引擎，非自训） |
+| ② 合成参数 | `speed` 未传（= 默认 1.0）；`fragment_interval` **不适用**——云引擎音色不受理该参数；`split_method` 走服务端默认 |
+| ③ 稿件 | 两稿，Unicode 码点口径（含标点与英文数字）。① 凯奇坎 823 码点 `sha256:fd4e4f0efaabdfa1…` ② 黄石 904 码点 `sha256:9ce70f69b9d00f20…` |
+| ④ 测量 | `ffprobe -show_entries format=duration` 取 wav 总时长，**首尾静音计入**（挂钟口径的定义即如此） |
+| ⑤ 结果 | 稿① 823 / 230.40s = **214.3**；稿② 904 / 248.33s = **218.4**；合并 1727 / 478.73s = **216.4 字/分**。样本 2 条，日期 2026-09-03 |
+
+**这条记录的价值不在它自己，在它顺手验了 §3.2 那张派生表。**
+注册表给这条音色 `rate=321.77 / pause=0.31`，按 `挂钟 = rate × (1 − pause)` 派生得 **222.0**；
+两次实测 214.3 / 218.4，偏 **−3.5% / −1.6%**。
+§3.2 的 49 条派生值此前**从未被任何实测检验过**（3.1 是注册表自身口径的复算，不是独立测量），
+本条是第一次拿真机音频去撞那条公式，**没撞坏**。派生表因此从「未经检验的推算」升格为「有一个实测锚点的推算」——
+仍 MUST NOT 宣称全库已标定，但对**云引擎 volc 这一档**，派生值可以当估值用，误差量级 <5%。
+
+⚠️ 另记一条选音色时该知道的事实：这条音色的 `pause=0.31` 是**全库最高**，挂钟 222.0 正是 §3.2 那张表的
+`min` 值本人。同一份稿子交给它，比交给缺省 330 长 **48%**，比交给 `narrator`（349.3）长 **57%**。
+写稿时 MUST 按它自己的挂钟值反推字数，照缺省 330 写会让成片直接长出三成。
+
+### 3.5 `narrator`（**五项齐备 · 双样本实测 · 自训引擎首个独立锚点**）
+
+| 项 | 值 |
+|---|---|
+| ① 音色 / 引擎 | `narrator` / 自训 gpt_sovits（生产环境 2026-09-16，CLI 1.1.7 `gtrk tool audio_tts_clone --speaker narrator`） |
+| ② 合成参数 | `speed` 未传（= 1.0）；`fragment_interval` 样本 a 未传（跟随音色预设 **0.28**）、样本 b 显式 `--fragment-interval 0.2`；`split_method` 走服务端默认 |
+| ③ 稿件 | 同一稿两跑，Unicode 码点口径（含标点）**261** 码点，黄石公园解说短稿 `sha256:a1d8eda9b2e44c40…`（正文与产物在工作区根 `_evidence/tts_pause_2026-09-16/`） |
+| ④ 测量 | wav 总时长 = 采样数 ÷ 采样率，**首尾静音计入**；停顿占比按 infra `add-tts-fragment-interval-param` 5.1 法（0.1 s 窗 RMS < 2% 峰值、连续 ≥0.2 s 计一段） |
+| ⑤ 结果 | 样本 a：261 / 44.60 s = **351.1 字/分**，停顿占比 7.0% ⇒ 有效 ≈ 377.5；样本 b：261 / 43.80 s = **357.5 字/分**，停顿占比 4.3% ⇒ 有效 ≈ 373.6。样本 2 条（同稿两参数），日期 2026-09-16；任务 114462641666715654 / 114462754220863494 |
+
+**这条记录的价值同 §3.4：拿真机音频去撞注册表口径，这次撞的是自训那一档。**
+catalog 给 `narrator` 的派生挂钟是 349.3（`rate=379.7 × (1 − 0.08)`），样本 a 实测 351.1，偏 **+0.5%**；
+有效语速 377.5 对注册表 379.7，偏 **−0.6%**。§3.2 那张派生表此前只有 volc 一个实测锚点（§3.4），
+现在自训引擎也有了一个，两档都落在 5% 内。仍 MUST NOT 外推到其它自训音色（各自 `pause` 不同）；
+也要记住本稿只有 45 s，短稿的停顿占比对首尾静音更敏感，长稿回校（§五）攒到第三条再谈收敛。
+
+⚠️ 顺手得到的一个事实：`fragment_interval` 从预设 0.28 压到 0.2，挂钟语速只快 **1.8%**（44.6 → 43.8 s）。
+写稿折算时这档参数可以忽略；它改的是听感（静音总量 −38%），拿它去「调时长」没有意义。
+
+## 四、缺省值 330 是怎么来的，用在哪儿
+
+- **取值**：落在全库挂钟中位 **308.7** 与 `narrator` **349.3** 之间，覆盖真机 **316–342** 区间的中部；
+- **性质**：**缺省估值，不是任何一条音色的实测值**。用它折算时 SHALL 在交付说明里明示这一点；
+- **适用边界**：只适用**中文**、**正常语速档**、**未加 `--speed`** 的合成。
+  换引擎、换语种、动了 `--speed` / `fragment_interval` 的，一律回 §二 重新标定，MUST NOT 沿用；
+- **怎么退役**：终局 (C) 上线（catalog 投影出 `acoustic` 或派生只读字段）后，
+  取值路径改为「读 catalog 字段」，330 只在字段缺失时兜底。
+
+## 五、回校怎么攒样本（`SKILL.md` §五 ④′）
+
+TTS 合成完成后，稿件字数与音频实际时长都已在手（`project init --tts-task` 本就要读它）：
+
+1. 算 **实测挂钟语速 = 稿件字数 ÷ 音频实际时长**；
+2. 与写稿所用估值比对，**偏差 >15% 在交付汇报里点名**（报「估 X / 实测 Y / 偏 Z%」）；
+3. 按 §二 五项格式**追加一条**进 §三 —— 每跑一条片就攒一条样本，「孤证」这个病从结构上被治掉；
+4. **MUST NOT 自动改稿、MUST NOT 自动重跑 TTS**：改稿要从配音步重跑、重付 TTS 费用，返工与否由用户拍板。

package/skills/gtrk-voiceover/SKILL.md

@@ -61,7 +61,7 @@ gtrk subtitle lay --project "<工程>" --style <样式> --color <色> --json
 
 > **停顿太长时**：自训音色加 `--fragment-interval 0.2`（合成时就对）；云引擎音色**不支持**该参数（传了会报错，不会静默忽略），改在合成后跑 `gtrk audio tighten --project <工程>` 收紧句间停顿（纯本地零计费；只压跨句界的停顿，句内换气与原声引用段不动）。
 
-配方口径（mark-weight 0.3 / BGM 0.10 宁低勿高 / gap-fill fast / 句界吸附缺省）与旅拍图纸 §五 同源，引用不复制。派单车道按内容走（FILM_BROLL 为主，可派 MG / AI 再现——AI 再现描述稿走 `/gtrk-ai-drama`，外部平台出片手动回铺）。
+配方口径（mark-weight 0.3 / BGM 0.10 宁低勿高 / gap-fill fast / 句界吸附缺省）与旅拍图纸 §五 同源，引用不复制。派单车道按内容走（FILM_BROLL 为主，可派 MG / AI 情景动画——AI 情景动画描述稿走 `/gtrk-ai-drama`，外部平台出片手动回铺）。
 
 ## 三、检查点①（必停一次）