@oh-story/dsh 0.1.9 → 0.1.10

package/lib/drama/skills/short-drama-edit/assets//345/211/252/350/276/221/345/215/225.md

@@ -23,7 +23,7 @@
 - 出点：3.40
 - 时长：2.50
 - 取舍：入点=弹窗动画已经展开过半，起势的静止两帧删掉；出点=弹窗完全展开且文字可读的最后一帧，之后画面开始整体提亮
-- 声音：保留原声，与上一段做 0.15 秒交叉淡入（两段底噪水平差 4 dB）
+- 声音：保留原声；回听确认与上一段衔接
 - 字幕：无
 
 ## CUT-EP001-003 · 他念出那句话
@@ -33,7 +33,7 @@
 - 出点：7.00
 - 时长：5.00
 - 取舍：入点=按发声区间前推 0.3 秒余量，开头 1.5 秒的凝视与上一段蓄势重复，整段去掉；出点=句尾收音之后 0.4 秒，人物姿态尚未回弹
-- 声音：保留原声；音乐在 4.20 秒进入，台词发声区间内压低 9 dB，句尾停顿处恢复
+- 声音：保留原声
 - 字幕：这条路我自己走
 
 ---

package/lib/drama/skills/short-drama-edit/references/cut-craft.md

@@ -1,81 +1,38 @@
 # 入出点与镜序
 
-可用带划完之后，剪辑要回答两个问题：**这一段从哪一帧进、到哪一帧出**，以及**这些段落按
-什么顺序连起来**。两个问题都在带内解决；带外的帧不参与讨论。
+## 入出点
 
-## 入点
+在素材可用区间内，按信息、表演与节奏选入出点。
+动作镜可以从动作已经开始的位置进入；反应、等待、揭示前停顿可以保留静止。
+出点要让观众读到本镜的结果，并避开后续漂移或无意重复。
 
-入点取**动作已经在进行中**的那一帧，不取动作准备开始的那一帧。
-
-观众补得上开头，补不上结尾。一个人伸手去拿东西，从「手已经在移动」进，观众自动知道他要拿；
-从「手还放在桌上」进，前面那半秒只是在等。生成素材的起势帧几乎总是这半秒。
-
-具体判断：从候选入点往后放，如果前 0.3 秒删掉之后这一段的信息没有减少，就删掉。反复这样问，
-直到再删就丢信息为止。
-
-例外是**需要一个静止起点的镜头**：反应镜、揭示前的停顿、有意的空拍。这些镜头的静止不是起势帧，
-它本身就是内容。区别在于静止之后是否发生了它承诺的那件事——反应镜的静止之后有反应，
-起势帧之后只是动作终于开始了。
-
-## 出点
-
-出点取**信息完成之后、缺陷开始之前**。这两个条件经常冲突，冲突时以缺陷为准：把一段拖进
-漂移区，损失的不只是这一段，还有它后面那一刀的可信度。
-
-信息完成的判断：这一镜要让观众知道的那件事，最后一次可见是哪一帧。之后的帧要么在重复，
-要么在等下一件事。
-
-有台词时出点由声音决定，不由画面决定。见下一节。
-
-## 台词优先
-
-有台词的段落，边界顺序是：
-
-1. 先测这句话的实际发声区间（从第一个音到最后一个音收尾）。
-2. 入点不晚于发声起点，出点不早于发声收尾——两端各留出一点余量，让句尾不被切得发干。
-3. 在这个约束内，才轮到画面上的入出点判断。
-
-切在字中间是结构缺陷。半个字听起来像技术故障，观众不会理解成风格。转写工具只用来**定位**
-这句话在时间轴上的位置；字幕文字仍然逐字取自剧本原文。
-
-一句台词跨越两段素材时，它属于其中一段——不要在句中换镜。确实需要在这句话上换镜时，
-回上游把它拆成两句，或者接受这一镜承担完整的一句。
+对白先确定实际发声区间，保留完整的字音与需要的停顿。
+画面切换可以发生在一句台词中间，前提是音轨连续、说话人和叙事关系清楚。
+不要为了换画面把原台词改成两句。内置 render 只做同步切段；分离画面和声音的剪法
+需要先用外部剪辑工具完成，记录所用素材、声音区间和处理方式。
 
 ## 镜序与相邻关系
 
-镜序默认跟随分镜。改变它是本阶段的权限，但要说明理由。
-
-相邻两段检查三件事，不能三件同时相同：
-
-- **景别**（近 / 中 / 远）
-- **机位**（相对被摄主体的方位）
-- **运动方向**（推 / 拉 / 摇的方向，或静止）
-
-三者全同的两段接在一起会被看成同一个镜头出了问题，而不是两个镜头。改法优先级：删掉其中一段
-（通常它们本来就在重复信息），其次调整镜序把别的段落插进来，最后才是回上游重新设计镜头。
-
-## 重复信息
-
-两段承担同一条信息时，删一段，不要两段各留一半。
-
-各留一半是最容易做出的选择，因为它看起来两边都保住了。实际结果是两个都不完整的段落连在一起，
-观众第二次看到同一件事、而且两次都没看清。选出更好的那一段，整段留下；另一段整段去掉。
+默认沿用分镜镜序。调整时检查动作因果、视线、空间关系、信息揭示和声音衔接。
+相近景别与机位之间的切换容易暴露跳动，可比较改变角度、插入反应或有意跳切的效果。
+是否保留由观众需要看到的信息决定，不把景别、机位和运动方向的组合设为禁令。
 
-## 时长
+重复信息没有新增作用时可删；如果第二次增加反应、对照或重新解释，可以保留。
+拆取两段素材也可以，但要确认动作、台词和情绪仍连贯。
 
-**省下来的时间不要补到别处。**
+## 切点与转场
 
-缩短一段之后，成片比目标时长短了，这时候很自然会想把这两秒加到别的段落上去。不要这样做。
-其它段落的出点是按它们各自的信息和缺陷定的，加长它们只会把它们也推进重复区或漂移区。
-成片短于目标时长是一个结果，不是一个需要填平的缺口。
+动接动、声音桥和切到不同主体都可帮助衔接，按本场叙事选择。
+若相邻镜头有生成漂移，先判断能否通过取舍或接镜校正解决；叠化等转场不能替代缺失的内容。
 
-目标时长的作用是在**开始剪之前**约束镜头数量和信息密度。剪完之后它就只是一个用来对照的数字，
-差多少写进报告，由创作者决定要不要回上游加内容。
+剧本的 `[转场]` 可能交代时空变化，也可能明确指定声音或画面效果，先读具体要求。
+可通过新镜头中的环境信息、声音桥、黑场或其他已接受效果实现。
+内置 render 只做硬切；需要声音桥或画面转场时使用外部工具，并记录处理参数。
 
-## 什么时候停
+## 时长与完成
 
-再剪一版能不能更好，几乎总是「能」。判断该不该继续的标准不是「还有没有可改的地方」，
-而是**下一刀要动的是不是观众能看见的东西**。
+删短某段后，只有其他段落确实需要更多表演或阅读时间才延长，不机械补齐总秒数。
+目标时长若是创作参考，报告实际时长与差异；若是用户明确的交付限制，则继续调整或指出
+缺少哪些素材才能满足，不能把它自行降为参考值。
 
-在成片里看不见的地方反复重出和微调，是本阶段最容易发生的浪费：一段素材最终只用了两秒，
-却为它被丢掉的那四秒重出了三次。动手之前先确认，要修的这一帧到底在不在成片里。
+下一轮修改应针对成片里可见或可听的问题，优先修复影响理解、连续性和交付要求的部分。

package/lib/drama/skills/short-drama-edit/references/delivery-verify.md

@@ -1,58 +1,29 @@
 # 交付与验收
 
-本阶段的验收只回答**可测的事实**。「这条片子好不好看」不在这里回答，也不能用这里的任何一项
-数字去暗示它。
-
-## 可测项
-
-渲染完成后逐项测量并回报数字，不回报「通过」：
-
-| 项 | 怎么测 | 判据 |
-|---|---|---|
-| 成片时长 | 探测输出文件 | 等于各段时长之和；不等说明拼接或转码出了问题 |
-| 每一刀的位置 | 按剪辑单区间反查 | 与文档一致 |
-| 台词完整性 | 在成片上转写，逐句对剧本原文 | 每一句留下来的台词都能找到 |
-| 边界帧 | 抽剪辑点前后各一帧 | 没有黑场帧、白场帧或半渲染帧 |
-| 响度 | 测整片响度 | 落在交付规格声明的目标上 |
-| 字幕对齐 | 抽有字幕的段落的帧 | 字幕在发声区间内出现，位置没有压住画内文字 |
-| 画幅与帧率 | 探测输出文件 | 等于交付规格声明的值 |
-
-任何一项测不了（缺工具、缺原文、素材不可读）就如实写「未测」和原因。**不要用相邻的、
-测得到的那一项去替它作证**——渲染成功不能证明台词还在，时长对上不能证明没有黑场帧。
-
-最容易漏的是字幕那一行：`verify` 返回一整屏数字，看起来已经查完了，但它测不了字幕长
-什么样。本套件就这样发过一版字号被放大两倍的成片——改完样式只跑了 `verify`，没抽帧看。
-**改动只要影响画面，就必须抽帧看，不管数字多好看。**
-
-## 报告什么
-
-交付时给出四样东西：
-
-1. **成片文件路径**，以及每段切好的中间文件路径。
-2. **上表逐项的实测数字**，包括未测项和原因。
-3. **目标时长与实际时长的差**，以及为什么是这个差。
-4. **仍然存在的取舍选项**——还可以再剪的地方、可以回上游重出的地方，各自的代价。
-   列出来交给创作者选，不替他决定要不要再来一版。
-
-不要报告的：任何形式的质量结论、「已经可以发布了」、把技术成功写成创作成功。
-
-## 交回上游的东西
-
-剪辑是第一次同时看到成片和意图的位置，所以它必然会积累一批只有在这里才看得见的发现。
-这些发现不属于剪辑单，但属于本轮报告：
-
-- **某一镜的可用带远短于声明时长** → 视频提示词阶段的时长与动作负载不匹配。
-- **两镜信息重复** → 分镜阶段的切镜理由不成立。
-- **某句台词在成片上说不清** → 剧本层面的语速/字数问题，或声音生成的容量问题。
-- **成片整体缺少某种信息**（人物不立、地点没交代、转折没落地）→ 上游结构问题，
-  不是剪辑能补的。
-
-逐条点名，写清是在哪一段、哪个时间点观察到的，交给对应 owner。不在剪辑阶段自行修改上游文档。
-
-## 可继续精修的工程
-
-成片是一次交付，不是终点。创作者通常还要在自己的剪辑软件里继续改。因此除了成片，
-把切好的中间文件和剪辑单一起交出去——有了这两样，任何人都能在别的工具里复现这一版，
-并从这一版继续。
-
-只交一个成片文件，等于要求下一个人从头再剪一遍。
+检查实际交付文件，并区分实测结果、人工判断和未测项。
+
+| 项 | 怎么核对 |
+|---|---|
+| 时长与切点 | 对照实际渲染区间、帧边界和用户时长要求 |
+| 内容覆盖 | 对照分镜和视频提示词，必要内容有承载，未采用镜头有原因 |
+| 台词 | 在成片上回听，必要时转写辅助，逐句对照剧本 |
+| 边界帧 | 查看剪辑点前后，检查意外黑白帧、画面断裂和漂移 |
+| 声音 | 回听接缝、对白清晰度与已声明静默；测量整片响度 |
+| 字幕 | 检查逐字内容、发声时间、字号、折行和画内文字避让 |
+| 画内文字 | 按剧本与视觉设定的文字政策检查载体、可读性和指定文字 |
+| 画幅与帧率 | 探测输出文件，对照交付规格 |
+| 接镜色彩 | 在同场景、同光态下比较可比区域，确认校正没有过冲 |
+
+`verify` 只提供部分技术测量，不能替代回听与画面检查。
+分段色彩观测按当前剪辑单读取中间分段，报告平均亮度和蓝减红像素值；它不代表成片局部区域的
+接镜残差，也不要求各场景接近同一均值。改动剪辑单后先重新渲染，再测量并查看实际切点。
+发现有意黑场、静默或光态变化时按创作意图判断，不因数值异常直接判错。
+
+## 交付
+
+给出成片、剪辑单、可继续编辑的中间文件，以及外部混音或字幕工程（如使用）。
+说明是否满足用户要求、仍有哪些内容缺口和取舍；测不了的必要项目写明原因。
+
+需要补素材、改台词或改分镜时，指出对应镜头与发生时间并交给负责阶段。
+渲染成功只证明工具完成执行，成片的内容判断需要观看和回听；正式审查由
+`$short-drama-review` 或创作者进行。

package/lib/drama/skills/short-drama-edit/references/generated-footage.md

@@ -1,96 +1,54 @@
-# 生成素材的可用带
+# 生成素材的可用区间
 
-一段实拍素材通常整段可用，导演决定用哪里。一段生成素材通常**不是整段可用**：它有一条可用带，
-带外的帧无论怎么剪都不成立。剪辑第一步不是选精彩瞬间，是先把这条带子划出来。
+## 先检查素材
 
-先划带、再选点，顺序不能反。反过来做——先按剧本节奏定好入出点，再去素材里找——会得到一个
-落在缺陷区里的边界，然后花很多时间在「这一刀是不是切得不对」上，而问题根本不在刀口位置。
+逐段播放素材，记录实际时长、可用区间，以及不能使用的部分及原因。
+重点检查起始等待、动作回弹、身份或道具漂移、异常提亮、重复表演和口型错位。
+静止、暗部和停顿是否可用，取决于它们是否符合镜头职责。
 
-## 先看完整段
+需要比较画面变化时，可每 0.25–0.5 秒抽帧；在疑似缺陷附近加密到逐帧查看。
+亮度测量可以辅助发现缓慢漂移，身份、动作和局部细节仍需看画面。
 
-每个文件从头看到尾一次，逐段记录三件事：
+可用区间短于计划时长时：
 
-1. **这段素材实际有多长。** 供应商返回的时长和账号配置的时长经常不等；以文件测出来的为准。
-2. **可用带的起止。** 画面稳定、动作在进行、身份和光线没有漂移的那一段。
-3. **带外发生了什么。** 这条要具体：写「结尾 0.5 秒整体提亮到接近纯白」，不写「结尾不好」。
-   具体的记录能回到上游变成提示词修订；模糊的记录只能留在剪辑里被反复重看。
+- 已完整承载信息和表演，可以缩短。
+- 其他素材能够承接缺失信息，可以换镜或调整镜序。
+- 必要动作、台词或反应仍缺失，列出缺口并请求补素材。
 
-## 常见的带外形态
+不要只为避开画面缺陷而丢掉故事所需的信息。若画面不可用而对白完整，可评估保留声音、
+另配画面的剪法；外部混音与画面处理须记录在剪辑单中。
 
-以下是本套件在实测中反复遇到的形态。它们是**该去素材里核对的清单**，不是任何模型的规格，
-也不保证在你的模型和参数下同样出现；每一条都以你自己这一段素材的实测为准。
+## 把缺陷反馈给上游
 
-- **起势帧**：开头若干帧接近静止，动作还没开始。入点通常要晚于文件起点。
-- **结尾漂移**：动作完成后画面继续变化——人物姿态回弹、道具位置偏移、镜头继续推。
-- **结尾提亮**：末段整体亮度上抬甚至泛白。它在缩略图和逐帧对比里都很明显，但在正常速度
-  播放时容易被当成「一个亮结尾」放过去。
-- **重复表演**：同一个情绪或姿态在一段里演两遍。第二遍通常质量更差，也让这一段显得比实际长。
-- **口型与台词错位**：有声模型在同一次生成里出画面和声音，超出容量的台词会被赶或直接不发声。
-  边界必须按实际听到的声音定，不按提示词里写了几个字定。
+描述缺陷发生的时间和画面，再给出希望保留的状态，例如「结尾高光过曝，需保持桌面纹理可辨」。
+正面描述通常更容易说明目标；确有必要的排除条件可以保留，不按否定词数量判错。
+重出后比较同一处是否改善，不把某次生成结果当作所有模型的规律。
 
-## 划带的具体做法
-
-用抽帧对比，不要只靠播放。做法：
-
-1. 按固定间隔抽帧（0.25–0.5 秒一帧足够定位大多数问题），拼成一张接触图。
-2. 沿着接触图找第一次出现「和前一帧不属于同一个动作」的位置——那通常就是带的一端。
-3. 在候选边界前后再按 0.1 秒抽一次，把边界收紧到可用的最后一帧。
-
-亮度类问题额外测一遍逐帧平均亮度，因为眼睛对缓慢提亮不敏感。姿态与身份漂移则相反：数值不会
-动，必须靠眼睛比对同一处细节（发际线、领口、手里的东西）。**两种方法各有各的盲区，
-需要交叉验证的场合两种都用一次。** 只用其中一种得出的结论，其可靠程度取决于这个问题恰好
-落在哪一边——而这一点事先并不知道。
-
-## 带很短怎么办
-
-可用带短于上游声明的时长是常态。三条路，按代价排序：
-
-1. **接受更短的一段。** 一秒半能把信息说完就用一秒半。这是默认选择，也是成片总时长可以
-   低于目标的正当原因。
-2. **换一段素材承担这条信息。** 别的镜头如果已经把这件事说清楚了，这一镜可以整段不用。
-3. **回上游重出。** 只在前两条都不成立时走。重出前先把带外形态写具体——「结尾发白」比
-   「重生成一次」更可能真的换来一段能用的素材。
-
-不要走第四条：把缺陷帧留在成片里，指望观众不注意。缺陷帧在竖屏全屏播放下比在工作监视器上
-明显得多。
-
-## 负面指令的边界
-
-想避开某个缺陷时，直觉做法是在重出的提示词里写「不要发白 / 不要泛光」。本套件在实测中见过
-这样的重出反而使该缺陷更重的情况（视觉质地类），也见过同样写法对具体物体不产生影响的情况
-（物体类）。样本很小，不足以下断言。
-
-能确定的只有一条方法论：**把它写成正面的目标状态**——「保持中灰、暗部有细节、高光不过曝」，
-而不是「不要发白」。这条在两类情况下都不会更差，所以作为默认写法。真要用负面写法时，
-把它当成一次实验：重出后回来对比同一处的实测数字，别只凭印象说「这次好一点」。
+## 接镜与色彩一致性
 
-上游把这一点写成规则的位置在视频提示词阶段（负面动作意图改写为可见的正面状态）。剪辑阶段
-遇到时，报告回去，不要在剪辑里自己改提示词重投。
+先按同一场景、同一光态分组，再选择可比较的脸、衣物或中性表面作基准。
+全画面平均 RGB 会受景别、服装面积和背景影响，只用于筛查，不能单独决定校正量。
+夜景、日景和有意的冷暖对比不需要拉到全片同一均值。
 
-## 接镜与色彩一致性
+相邻镜头有可见的曝光或白平衡偏差时，在对应 CUT 写：
 
-逐镜生成的素材之间会漂移。同一个人坐在同一张桌子前的两条，回来可能差一档曝光、
-半步白平衡——单看每一条都成立，接在一起就像剪错了。
+```text
+- 画面：亮度 +0.06；色温 -6
+```
 
-本套件实测过一集里的七镜：亮度从 97 到 131（0–255 均值），蓝红差从 −14.6 到 +4.9。
-其中相邻的两镜（同一个人、同一张桌子、同一场戏）亮度差 15 点、色偏从 −5.5 翻到 +1.5，
-在成片上是看得见的一跳。
+- `亮度`：加法偏移，工具支持 −0.25…+0.25。
+- `饱和`：倍数，工具支持 0…2。
+- `色温`：工具的冷暖校正量，支持 −30…+30，正数提红压蓝；不是开尔文值。
 
-### 怎么处理
+这些范围是内置工具的处理范围，不是画面质量标准。需要更大或更精细的校正时使用调色工具。
+先试小幅校正，再看渲染结果和相同区域的测量；不要用固定系数把整片均值差直接换算成校正量。
+人物身份漂移、错误光源或缺失动作应交回上游。
 
-1. **先量，再看，两样都做。** 逐镜取整段的平均 RGB 与亮度，把数字排成一列；
-   再拼一张接触图用眼睛过一遍。数字会漏掉「只有暗部偏色」这种局部问题，
-   眼睛会漏掉缓慢的整体漂移——本套件在这两个方向上都栽过。
-2. **选一条作基准，别求全组一致。** 通常选信息最重的那一镜（有台词的、有转折的）。
-   把明显偏离的那一两条拉向它，不要把七条都往中间挪——那会让原本对的镜也被动过。
-3. **在剪辑单里写下来。** 在那一段写 `- 画面：亮度 +0.06；色温 -6`。
-   三项的含义：`亮度` 是 −0.25…+0.25 的加法偏移，`饱和` 是倍数，
-   `色温` 是 −30…+30，正数偏暖（提红压蓝）。超出范围会被 `check` 拒绝——
-   那种幅度不是接镜，是重新调色，应该回上游重出或交给专门的调色工具。
+生成阶段仍应保持已接受的光线和色调；已有素材只差可校正的曝光或白平衡时，优先评估后期修正。
 
-### 两条边界
+## 颗粒
 
-- **工具不会自己量一遍然后偷偷改。** 校正只来自剪辑单里写下来的那一行。
-  一个没被写下来的校正，没有任何 reviewer 能看见它改了什么、为什么改。
-- **接镜救不了错的镜。** 曝光差一档可以拉回来；人物身份漂了、光的方向变了、
-  该有的次级光整个没有——这些回上游重出，不要用色彩校正去盖。
+项目需要时，在交付规格写 `- 颗粒：6`；不写或写「无」就不加。
+内置工具支持 0–20 的动态噪点强度，在拼接后对整片统一应用。
+这是一种可选质感处理，不保证产生胶片效果，也不能修复身份、动作和光线错误。
+需要按场景区别处理时，使用外部调色工具并记录决定。

package/lib/drama/skills/short-drama-edit/references/sound-and-subtitles.md

@@ -1,113 +1,60 @@
 # 声音、字幕与音乐
 
-画面接缝靠取舍解决，声音接缝不会自己解决。逐镜生成的素材各自带着一整套声音，直接拼接会在
-每一个剪辑点留下一道能听见的断层——即使画面切得干净。
+## 声音接缝
 
-## 音床硬切
+在相邻镜头拼接后回听底噪、混响、环境声和音乐是否突然变化。
+可按需要采用音轨交叉淡入、连续环境底、对白与画面分离或补充音乐。
+保留有叙事作用的静默、音效和相对响度。
 
-有声模型在生成画面的同一次里烧进环境声。两段素材各自的底噪、混响和环境层不同，拼接处就会
-听到一次「换房间」的感觉。这个缺陷在逐镜审片时完全听不出来，只在成片上出现。
+**内置工具范围**：`edit_tool.py render` 保留素材原声并可做整片响度标准化；
+CUT 的 `声音` 行是剪辑说明，工具不解析它，不执行静音、交叉淡入、配乐进入或 ducking。
+需要这些处理时用 ffmpeg 或剪辑软件另行完成，记录命令或工程及实际输出；完成后再验收。
+不能把写下声音方案或 render 成功当成已经混音。
 
-三条处理路径，按代价排序：
-
-1. **在生成阶段避免。** 视频提示词阶段声明非叙事音乐不由单镜承载（对应该阶段的音乐规则），
-   让每段素材只带必要的叙事声音。这是最干净的做法，但要在生产之前决定。
-2. **在剪辑点做短交叉淡入。** 只处理音轨，不动画面。适合底噪差异不大的相邻段。
-3. **铺一层统一的环境底。** 把各段原声压低到统一水平，再补一条贯穿全片的环境层。
-   代价是丢掉一部分逐段的声音细节，且这是一个明显的创作决定，要写进剪辑单的「声音」行。
-
-选哪条取决于差异有多大，先测再选：逐段测底噪水平，差异小的用第 2 条，差异大的才考虑第 3 条。
-
-## 台词必须能听见
-
-成片里每一句留下来的台词都要完整可听。检查方式是**在成片上**重新转写一遍，逐句对照剧本原文：
-
-- 少一句 → 某一刀切掉了它，或者它被别的声音盖住了。
-- 半句 → 边界切在了句中，回去按发声区间重定。
-- 转写结果和原文有出入 → 转写工具的误差，也可能是生成时口型/发音本身就不清楚。
-  分辨方法是听，不是看转写文本。转写只是筛子，不是判据。
-
-转写做在成片上，不做在逐段素材上。逐段都对、拼起来丢了一句，正是这一步要抓的情况。
+## 响度
 
-### 重出一条素材之后，绑在它上面的字幕时间全部作废
+两遍测量不保证归一化后恰好达到目标。线性增益会超过峰值或动态范围目标时，
+`loudnorm` 会退回动态处理；短片和稀疏音效仍需测量编码后的实际 LUFS 与真峰。
+内置归一化输出使用 48 kHz，避免动态处理的内部升采样直接决定 AAC 采样率。
+不达标时按声音设计通过外部工具处理瞬态、限幅或混音，再核对成片；不要把目标值当实测值。
 
-字幕时间是从**那一条**素材的发声区间反推出来的。重出之后——不管是因为画质、因为动作不对、
-还是只想换个表演——新的一条发声位置几乎一定不同，而旧的窗口还留在剪辑单里。
+## 台词与时间
 
-这件事没有任何别的环节会发现：数字仍然落在区间内，`render` 照常成功，成片上字幕就出现在
-没有人说话的时刻。本套件实测过一次：重出后发声区间从素材内 0.90 秒挪到 2.51 秒，
-字幕比口型早了 1.6 秒，是外部审片者看出来的，不是任何检查抓到的。
+先在源素材上定位发声区间，再在成片上逐句回听，核对留下的台词完整、可辨。
+转写可以辅助查漏和定位，最终文字按剧本核对，识别有出入时回听确认。
 
-所以：**重出之后先重测发声区间，再改字幕时间，然后才重渲。**
-`check` 会在素材文件比剪辑单新时报出来——那是文件系统能看见的唯一一种陈旧，
-不能代替你自己重测，但至少不让它无声地过去。
+重出素材会改变发声位置，应重测相关字幕时间并更新剪辑单。
+`check` 会提示素材比剪辑单新；这个时间戳检查不能证明字幕已经重新对齐。
 
 ## 字幕
 
-竖屏短剧默认硬字幕。
-
-字幕文字**逐字取自 `剧本.md`**，不取自转写结果。转写只提供时间。标点可以按字幕排版惯例调整——
-句末句号通常去掉——但一个字都不能改。这条是结构规则，不是偏好：
-转写会把人名或成语听成同音的另一个词，一旦进了字幕，成片上就出现一句剧本里根本不存在的
-台词，而且没有任何环节会再发现它。
+竖屏短剧默认硬字幕，服从用户的字幕选择。
+字幕文字逐字取自《剧本.md》，标点可按字幕惯例调整。转写仅辅助定位，不覆盖原文。
 
-其它几条：
+- 一句过长时可拆成多个先后显示的字幕条。
+- 一镜有多句时使用 `字幕 1`、`字幕 2` 等编号，每句给出时间。
+- 字幕时间相对本 CUT 的入点，不相对源素材起点；落在该段使用区间内。
+- 累计成片位置使用渲染后各段的实际时长，避免帧边界取整产生漂移。
+- 抽帧检查字号、折行、安全区和画内文字遮挡。
 
-- 一行的字数按可读性定，不按句子结构定；一句话太长就**断成几条字幕先后显示**，
-  不要让一条字幕在屏上堆成三行、挂五秒——那已经不是字幕，是字幕墙。
-- **一镜可以有好几句。** 一次三个来回的对话是一个过肩镜头，不是三个镜头；
-  剪辑单里用编号写法把每一句各自写下来并各自带时间。只写一条，另外两句在成片上就没有字幕，
-  而且没有任何一步会报错——观众听得见、看不见。
-- **字号写在画面像素里，不要再按画面高度乘一遍。** 字幕文件里的字号已经是相对
-  `PlayRes` 的单位，渲染时会再缩放一次。本套件第一版按画面高度算了字号，于是放大了两次：
-  1344 高的竖屏上本该 46px 的字变成约 161px，字幕被推到画面中部，长句两端切掉。
-  `edit_tool.py` 现在自己写 ASS 并把 `PlayRes` 声明成实际画幅，一个单位就是一个像素。
-- 字幕的出入时间跟随发声区间，不跟随剪辑点。
-- **字幕时间按实际渲染出来的分段累加，不按剪辑单里声明的时长累加。** 每段落在帧边界上，
-  比声明值长几毫秒；按声明值累加会一路漂移，八段之后能差三分之一秒，字幕于是在人还没说完时就消失。
-- 画内已有文字（屏幕、招牌、聊天记录）的位置要避开，不要让字幕压在需要看清的信息上。
-- 有画内文字要求的镜头，字幕位置在剪辑单的「字幕」行里写明。
+内置 ffmpeg 路线用实际画幅作为 ASS PlayRes，字号按该画幅像素计算。
+它采用全片统一样式，CUT 的字幕行不支持位置指令；需要逐镜避让或更复杂排版时，
+用外部字幕编辑器或修改 Remotion 字幕层，并对输出抽帧检查。
 
-### 两条渲染路线
+### 渲染路线
 
-`edit_tool.py` 的 `--subtitles` 选哪一条：
-
-| | `ffmpeg`（默认） | `remotion` |
+| 路线 | 适用范围 | 开销 |
 |---|---|---|
-| 依赖 | 无 | Node + 一次 `npm install`，工作区在项目外 |
-| 排版 | 白字黑描边，够用 | 字重、描边、行距、安全区、折行、入场动画都可调 |
-| 改样式 | 改 `edit_tool.py` 的 ASS 样式 | 改 CSS，`npx remotion studio` 当场可见 |
-| 开销 | 一次滤镜，秒级 | **成片每一帧都过一遍无头浏览器**，分钟级，吃内存 |
-| 许可 | — | Remotion 个人与小团队免费，超出规模需商业授权 |
-
-两条都只渲染字幕层，画面本身不经过浏览器重绘。**默认走 `ffmpeg`**，长片尤其；只有排版
-确实要求更多（加粗、描边层次、逐句入场）、而且片子不长时才换 `remotion`——它的叠层逐帧
-过无头浏览器，并发默认压在 2，调高之前先量本机。装法与代价见
-[Remotion 字幕叠层](../assets/remotion/README.md)。
-
-无论走哪条，字幕文字仍然逐字来自 `剧本.md`。
-
-## 响度
-
-成片统一做一次响度标准化，目标写在剪辑单开头的交付规格里。
-
-逐段素材的响度差异很大，因为它们是分别生成的。不做统一的结果是观众在播放中途反复调音量，
-而这件事在工作环境里几乎察觉不到——工作时是逐段听的，逐段听不出整体起伏。
-
-标准化在最后一步做，做在已经拼接和混音完成的成片上。对逐段素材分别标准化会破坏段间本来
-正确的相对关系（一段耳语和一段喊叫会被拉到同一响度）。
+| `ffmpeg`（默认） | 统一的白字黑描边样式 | 需要带 libass 的 ffmpeg |
+| `remotion` | 需要修改 CSS、字重、折行或入场动画 | Node 依赖，逐帧浏览器渲染；并发默认 2 |
 
-## 时间线音乐
+Remotion 安装与样式调整见 [字幕叠层](../assets/remotion/README.md)。
+两条路线都要在实际成片上检查字幕。
 
-生产阶段把音乐的落点、循环、淡入淡出和对白 ducking 交给剪辑，因为供应商通常不能精确承诺
-时长。到这里要做的是：
+## 响度与时间线音乐
 
-1. 按视频提示词文档里已确认的音乐意图，决定进入点和退出点——通常对着一个画面事件，
-   不对着一个整秒。
-2. 长度不够就循环，循环点选在乐句边界上，不选在剪辑点上。
-3. 有台词的段落把音乐压低，在台词发声区间之外恢复。恢复时机跟着句尾停顿走，
-   不要在句子中间的换气处就抬起来。
-4. 音乐不填补沉默。剪辑单里写明是沉默的段落就保持沉默——那是一个创作决定，不是待填的空白。
+在剪辑单写交付响度；混音完成后对整片标准化并测量输出。
+同时回听对白与环境的相对关系，整片响度达标不代表各句都清楚。
 
-音乐素材本身不在本阶段生产。需要新的音乐回 `$short-drama-produce`，歌词与音乐意图回
-`$short-drama-video-prompts`。
+时间线音乐按已接受意图选择进入、退出、循环与对白压低区间。
+素材不足时回生产阶段补齐；具体混音通过外部工具执行，并在剪辑单留下可复现记录。

package/lib/drama/skills/short-drama-edit/references/stage-contract.md

@@ -4,13 +4,8 @@
 `剧集/<EP>/制作成果/成片/` 的成片与中间文件。它继承镜序、镜头职责、台词原文和已生产的素材
 字节，不回写剧本、视觉设定、分镜或视频提示词。
 
-剪辑单不是第六份创作文档。五文档回答「这一集是什么」，剪辑单只回答「已经拿到的这些素材，
-哪些帧进成片」。因此它可以整镜不用、可以只取一段素材的中间三秒，但不能改变任何一镜的职责、
-台词、起终状态或时长声明——那些改动必须回到拥有它们的上游文档，再重新进入生产。
-
-素材与文档不一致是本阶段的正常输入，不是要修好才能开工的前置条件。上游写「三秒推进到特写」，
-生成结果只有前一秒可用，剪辑记录下这个事实并做出取舍；把不一致原样报告回去，比在剪辑里假装
-它不存在更有价值。
+剪辑单记录素材取舍、时间与后期处理。可以缩短、重排或省略素材，但不回写上游的台词、
+镜头职责和状态；确需改变故事内容时交由上游修订。
 
 ## 本阶段规则
 
@@ -21,20 +16,21 @@
 | EDT-01 | structural_invariant | Every `CUT-...` binds one existing `MOTION-...` and one currently readable media file; a cut with no material source cannot exist. |
 | EDT-02 | structural_invariant | 入点, 出点 and 时长 are self-consistent (`出点 - 入点 == 时长`), non-negative, and the 出点 does not exceed the source file's measured duration. |
 | EDT-03 | structural_invariant | Editing selects and orders existing frames. It never rewrites dialogue, shot purpose, start/end state, or any upstream declared duration; a needed semantic change is reported to the owning document instead. |
-| EDT-04 | structural_invariant | A dialogue line that survives into the cut survives whole. A cut boundary may not fall inside a spoken word, and a line's audible span is fixed before its picture in/out is chosen. |
-| EDT-05 | structural_invariant | Every line spoken in the cut gets its own subtitle cue — a shot carrying an exchange of three carries three, not one. Every character of a burned subtitle comes from the line as written in `剧本.md`; punctuation may follow subtitle convention (a trailing full stop is normally dropped) but not one character changes. Transcription locates a line in time; it never becomes the line. |
+| EDT-04 | reviewed_invariant | Dialogue retained in the film remains audibly complete. Picture may cut during a line if the sound remains continuous and the narrative is clear. Separate picture and audio editing requires an external tool; the built-in renderer trims them together. |
+| EDT-05 | structural_invariant | When subtitles are requested, every retained spoken line has a cue derived verbatim from the screenplay; punctuation may follow subtitle convention. Transcription locates speech but does not replace the source text. |
 | EDT-06 | structural_invariant | Two cuts drawn from the same source file do not overlap in source time. Deliberate repetition is declared as repetition and states why the second appearance still earns its place. |
 | EDT-07 | reviewed_invariant | Each cut's in-point and out-point land inside that material's usable band, and 取舍 names what is visible at each boundary rather than citing an abstract need for pace. |
-| EDT-08 | reviewed_invariant | Adjacent cuts do not share shot size, camera position and movement direction all at once; two cuts carrying the same information are resolved by dropping one, not by halving both. |
-| EDT-09 | reviewed_invariant | Time saved by trimming one cut is not redistributed to others to hit a target duration. A shorter film is a result, not a deficit to refill. |
-| EDT-10 | reviewed_invariant | Per-shot generated material carries its own ambience or music bed, so every join is checked for an audible sound-bed hard cut and handled by crossfade, common floor, or an upstream request for a music-free deliverable. |
-| EDT-11 | reviewed_invariant | Unused material is recorded with a reason that distinguishes a missing file from an unusable result; the two look identical in the document but route to different owners. |
+| EDT-08 | craft_default | Check adjacent cuts for unintended visual jumps and duplicated information. Similar framing, deliberate repetition and jump cuts are valid when they serve the accepted narrative. |
+| EDT-09 | craft_default | Do not mechanically redistribute trimmed time. Extend another beat only when its performance or readability benefits, and preserve explicit delivery-duration requirements. |
+| EDT-10 | reviewed_invariant | Listen to joins for unintended changes in ambience or music. Use an appropriate documented audio treatment when needed; the built-in renderer does not execute prose mixing instructions. |
+| EDT-11 | reviewed_invariant | Record unused shots with a reason: missing material, unusable quality, or an intentional narrative omission. |
 | EDT-12 | craft_default | The delivered film is loudness-normalized to one declared target, and burned subtitles are the default for vertical short drama. |
-| EDT-13 | craft_default | Target duration is intent. The report states the gap between target and actual and why, instead of cutting content to reach a round number. |
+| EDT-13 | craft_default | Distinguish a reference target from a required delivery duration. Report the gap and satisfy a fixed requirement or identify the material needed to do so. |
 | EDT-14 | taste_option | Cut rhythm, whether a beat is held or clipped, and whether a moment repeats are creator choices; the suite records them and does not treat any of them as defects. |
 | EDT-15 | structural_invariant | Rendering, duration match and file existence are technical outcomes. None of them may be reported as a statement about whether the film is good; quality goes to review or to the creator. |
-| EDT-16 | reviewed_invariant | Generated shots drift in exposure and white balance, so adjacent cuts are compared before delivery and a visible mismatch is corrected. The correction is written in the cut list as a stated creator decision with explicit numbers; the tool never measures a clip and adjusts it on its own, because a correction nobody wrote down is one nobody can review. Shot-matching does not rescue a wrong shot — drifted identity, a changed light direction, or a missing secondary source goes back upstream rather than under a colour correction. |
-| EDT-17 | structural_invariant | Subtitle windows are reverse-engineered from one particular take's audio, so regenerating that material voids every window bound to it. Nothing else catches this: the numbers stay in range, the render succeeds, and the subtitle appears while nobody is speaking. Re-measure the spoken span, rewrite the windows, then re-render. `check` reports material newer than the cut list — the only staleness a file system can see — which does not replace re-measuring but stops it passing in silence. |
+| EDT-16 | reviewed_invariant | Compare shots within the same scene and lighting state using comparable image regions. Record corrections, then inspect the output. Whole-frame averages alone do not establish a mismatch; intentional lighting changes are valid. |
+| EDT-17 | structural_invariant | After material is regenerated, re-measure the spoken spans and update its subtitle windows before rendering. The material-mtime warning is a prompt to check, not proof of alignment. |
+| EDT-18 | taste_option | Optional grain is declared once in the delivery spec and applied dynamically after assembly by the built-in renderer. Its supported range is a tool limit, not a quality standard; other treatments may use external grading tools. |
 
 规则分级由高到低：`structural_invariant`（结构缺陷，阻断）、
 `reviewed_invariant`（需证据判断）、`craft_default`（常用做法，可覆盖）、