hyper-animator-codex 0.7.1 → 0.8.0

package/skills/hyper-animator-codex/references/shotcraft/references/aesthetic-rules.md

@@ -0,0 +1,157 @@
+# 审美准则（判例式）
+
+来源：多支宣传片实战返工的判例沉淀（成片模板见 `template/`）。
+
+**使用方式**：
+- 每条 = 规则（一句可执行的话）+ 判例（用户原话 / 返工经过）+ 自检问题，三要素缺一不可。
+- pipeline.md 阶段 7 验收时**逐条过一遍**，输出自检报告，格式：`编号 ✓` 或 `编号 ✗(位置)`（位置 = 镜头名/帧号）。
+- 准则可以有意识违反（风格需要时），但每次违反必须写进该项目的说明文档（写明违反了哪条、为什么）。
+- 编号体系：R(节奏) / Q(质感·运镜·构图) / S(声音) / C(文案) / P(流程)，编号一经发布不重排，新增条目只追加。
+
+## 目录
+
+- 节奏（R）
+- 质感、运镜与构图（Q）
+- 声音（S）
+- 文案（C）
+- 流程（P）
+
+---
+
+## 节奏（R）
+
+### R1. 关键信息落定后必须呼吸，品牌字标 hold 满 1 秒
+规则：承载信息的元素（字卡/数字/网格全貌）落定后静止 ≥1s 再切镜；呼吸感停顿优先给品牌记忆点（wordmark 落定时刻），不给普通内容卡片。
+判例：用户："第一个标题打出来之后停留一秒"、"不是第一个字卡，我说的是开头和结尾的AI field lab出现的动画，出现后延长停留1秒"。先停错了对象、revert 后重做，定案为开头结尾两处 wordmark 各 hold 满 1 秒。
+自检：每个"想让观众记住的画面"是否有完整静止时刻？停顿给的是品牌/关键信息，还是随手给了普通元素？
+
+### R2. 速度感来自加速度，不是匀速快；群体运动挂物理隐喻，收尾留 0.5s 停顿
+规则：飞入/滚动一律非线性缓动 + 非均匀错峰，匀速运动读作廉价 PPT；大量同类元素入场用"越来越快"的硬加速节拍，最好绑一个物理隐喻（如牌堆发牌），满板后静止 0.5s 再切下一拍。
+判例：用户："卡片不断往下堆叠时，应该越来越快，scroll的速度也越来越快，并在最后停顿0.5秒"、"最后速度也不够快……卡片自动按顺序飞向自己的位置，归位越来越快"。先做成加速 scroll + 0.5s 停顿，再改成发牌式硬加速——抽象 flood 五轮不收敛、换成发牌隐喻一轮通过。
+自检：有没有任何元素在做匀速直线运动？批量入场是否越来越快、末尾有无静止呼吸？
+
+### R3. 节奏宁慢勿快：初版默认放慢一档，主体动作弧 ≥3s，交互演示按真人操作速度
+规则：开场主体动作（聚焦→悬浮→归位一条完整弧线）至少 3 秒；模拟真实交互（打字、筛选、点击）按人真实操作的速度走，观众要能跟着做一遍；排时间线时预留 hold/rest 帧预算——第一版几乎总是偏快。
+判例：全片六次独立反馈全部指向"放慢/停留"，从未有一次"太慢了"的反向反馈。用户："第一个镜头还是太快了，放慢到3秒"、"进入搜索框打字，然后筛选出卡片的过程太快了，放慢一些"。开场几经放慢到 3s macro opening，交互段落改成不慌不忙的 type-and-filter。
+自检：把每个镜头当第一次看：哪里没看清？交互段落自己能不能跟着操作一遍？
+
+---
+
+## 质感·运镜·构图（Q）
+
+### Q1. 复刻既有页面必须真实截图；手搓 UI 限非复刻场景且质量/表达达标；数据按风险口径处理
+规则：凡是表现产品既有页面的镜头，第一步就用无头浏览器截真实页面（整页纹理 + 元素级抠图 + 坐标 json），不手搓仿真贴图复刻；非复刻场景（抽象开场/品牌段/页面上不存在的独立展示组件）允许手搓 UI，但质量（出版级质感，对照 Q10 标准）与表达明确性（观众一眼看懂它是什么）是硬门槛，达不到回截图路线。公开演示数据只有在产品简报明确确认后可保留；客户、个人、内部、密钥、实时或其他敏感内容必须先虚构、脱敏或冻结。对手搓素材同样适用该口径。
+判例：用户："我希望的是用真实的页面，然后加入动画"、"不要用真实数据，造一份fake的，不要提到客户名字"。改用真实 dashboard 页面重建，此前一下午手搓纹理复刻版整体作废。修订（2026-07-13 用户裁决）："不一定都要来自真实页面截图，可以手搓UI组件，只是要保证质量和表达的明确性"——判例约束收窄为"不用手搓复刻既有页面"。
+自检：每块 UI 素材：它在复刻既有页面吗？是则必须来自截图；手搓件的质感和表达能过 Q10 级审视吗？源数据是否符合已确认的数据口径，且不含未授权的客户、个人、内部或密钥信息？
+
+### Q2. 3D 透视下 UI 纹理按原生尺寸 rasterize 后缩小使用；文字发糊先查纹理分辨率链路
+规则：3D 场景里的 UI 纹理按显示尺寸的 2–4 倍原生栅格化、在 3D 里向下采样（放大走布局级 CSS zoom 而非 transform scale）；文字模糊先查栅格化路径，别先动相机/DoF。
+判例：用户三轮追打："明显卡片变得模糊了"、"还是不够高清……有像素点的方块"、"第一个镜头的文字清晰度还是没有解决"。先调 DoF 治标无效，改成按原生尺寸 rasterize 拿到真正 4x 锐度，最后把 CSS zoom 推广到全部 3D 页面层根治。
+自检：放大/透视镜头逐帧截图看文字边缘：有没有像素方块？纹理源分辨率是否 ≥ 显示尺寸 2 倍？
+
+### Q3. 镜头要稳：产品宣传片默认不加手持抖动
+规则：亮场 UI 宣传片禁用 handheld shake；相机噪声只在暗场氛围片明确追求纪实感时用极小值，且必须自查渲染帧确认无意外抖动。
+判例：用户："镜头视角很差，而且有小抖动不知道怎么回事"。去掉 handheld shake、重新构图后抖动零投诉；另一支暗场氛围片保留 shake=0.02 未被投诉——适用边界由此划定（推测边界）。
+自检：逐镜头看渲染帧：有没有任何非叙事意图的相机抖动？
+
+### Q4. 高光/扫光特效宁缺毋滥：不群发，一个镜头最多给主角一次，且必须裁进圆角边界
+规则：glint/泛光划过类特效不做群发——批量元素入场靠运动本身而非逐个发光；保留的光效必须被承载元素的 border-radius/overflow 裁剪，光溢出圆角是廉价感的典型来源。光效类技术路径本身不封杀：单点、给主角、实现质量过硬的 sheen/泛光可以做，做完对着渲染帧自问"好看吗"再交。
+判例：用户两次否决："不需要每个卡片都闪烁一下"、"卡片出现时的泛光划过的特效取消，不好看"。据此去掉逐卡 glint、撤掉泛光划过、把 chip 高光扫光裁进圆角边界内。澄清（2026-07-13 用户）：否决针对的是"实现的版本不好看"，"不代表这个技术路径/特效类型就不可行"——群发禁令与圆角裁剪不变，但泛光/扫光类手法可以带着更高实现标准重试。
+自检：数一数全片 glint/sweep 出现次数：有没有超过"主角元素一次"？每处光效是否被圆角裁剪？留下的每处光效，正常速度回放自己看过并觉得好看吗？
+
+### Q5. 开场只给一个主角：单主体 + 完整动作弧，胜过群体群舞
+规则：开场信息宁少而聚焦——一个主角元素、一条完整弧线（聚光→推近→悬浮→描边光→归位），多元素并舞撑不起第一印象。
+判例：用户："第一个镜头，只需要聚焦在一张卡片，并让它更有质感"。开场一夜推倒六次，单卡结构定型后直到成片未再动结构。
+自检：开场镜头有几个"想让观众看"的东西？主角的动作弧是否完整（起-承-落）？
+
+### Q6. 机位服务可读性：信息密集镜头正视，文字特写侧向水平，风格化倾斜逐镜头验证
+规则：风格化机位按镜头逐个决定——叙事/情绪镜头可倾斜，列表/堆叠等信息密集镜头保持正视；含文字的卡片特写用侧向水平机位，避免大角度仰拍/俯拍破坏文字可读性；禁止全局一刀切套用某种机位风格。
+判例：全片统一倾斜化被用户否决"做的并不好……对于内容列表页（模板片中为论文列表）的改动也不好，回滚"，随即单独把列表页 revert 回正视；用户："聚焦到一个卡片……是从左侧拍摄而不是从下方"，改为左侧 hero 机位。
+自检：每个倾斜机位镜头：斜的理由是什么？画面里的文字在这个角度还读得清吗？
+
+### Q7. 物件特写四件套：侧面倾斜角 + 可感知高度 + orbit 环绕 + 反差深色材质背景
+规则：物件/资产特写镜头做足环境戏——侧面倾斜机位、堆叠出可感知的体积高度、镜头绕主体环绕，背景用与主场景反差的深色材质（如拉丝金属），再用拉远同步过渡回主场景。
+判例：用户："镜头应该是倾斜从侧面拍摄，堆叠的项目应该有一定的高度，然后镜头围着堆叠做旋转。真个场景应该是暗色的金属质感背景。然后在镜头拉远，同时出现dashboard背景"。从 pile 特写 orbit 初版做到定稿——暗色拉丝金属背景 + 更高的堆叠 + 环绕运镜。
+自检：特写镜头的主体有没有体积感和环境反差？相机是死机位还是有环绕/拉远？
+
+### Q8. 结尾做成"发布会合影"：全片元素四方飞入围住字标，能量推到全片峰值
+规则：多功能产品的收尾用"全家福"结构——每个已展示过的功能抽一个代表元素多方向飞入定格；规格匹配全片能量峰值（crane 运镜 + 舞台光 + 粒子），初版收尾几乎总是偏保守，默认加码一档。
+判例：用户："各个页面的核心元素从不同方向飞来……形成一个类似于合影的画面"、"加一些更多的特效、动画、运镜……像一个产品发布"。从合影式组装做到发布会级别——crane 运镜、舞台光、金粉。
+自检：结尾是不是全片能量最高点？合影里是否每个已展示的功能都有代表元素？
+
+### Q9. 飞入动画的终点必须是页面布局里的真实槽位，元素不悬浮在页面上方
+规则：元素飞入后要"嵌入"页面（归位到真实格位、扩展滚动流），不落地悬浮其上会显得假。
+判例：用户："研究问题的list应该从空中飞入，嵌入dashboard"、"不要让10张项目卡悬浮其上，而是接着往下scroll，然后排到下面去，不要重叠"。据此让行元素飞入并嵌入布局、把网格改成随滚动延展（近整文件重写）。
+自检：每个飞入元素落定后，它在页面布局里有真实坐标吗？有没有元素永久浮在页面之上？
+
+### Q10. 文档类镜头的 mock 内容要出版级：原生排版、文字铺满、完整版式入镜
+规则：观众会读清屏幕上每个字——文档/报告类镜头的 mock 必须用产品原生排版灌满真实密度的假内容，侧栏/评论栏等版式元素完整入镜；"贴图+标语"级别的假文档整镜头返工。
+判例：用户："周报内容的文字要用和现在排版和风格一致的，只是内容mock，文字内容铺满，且要完整展示左边栏和右边评论栏"（模板片中该镜头为周报页）。初版"贴图+标语"级假文档被整镜头重做，最终版为原生排版全量 mock、双栏完整入镜。
+自检：暂停在文档镜头任意一帧：内容读起来像真的吗？版式（侧栏/评论/页眉）完整吗？
+
+---
+
+## 声音（S）
+
+### S1. 配乐与音效按"片种"选，不按"事件"选：强鼓点电子底 + 电影系 SFX 词汇，禁用游戏 UI 音包
+规则：产品宣传片 SFX 词汇表 = whoosh(运镜)/impact(落地)/riser(铺垫)/sparkle(光效)/transition(转场)，禁用游戏 UI 音包（click/pluck/glass 类 tap 音）；BGM 选强鼓点、强节奏的电子底（tech-house 类），候选曲必须垫进成片试听——单听曲子无法判断气质。
+判例：用户："这个配乐和音效都太像游戏了。你帮我找那种鼓点强的，节奏感强的，然后音效要那种典型的产品宣传视频的音效"。用 Mixkit tech-house + whoosh/impact/riser/sparkle 整批替换掉此前引入的全部 Kenney CC0 游戏音；BGM 34 分钟内三易其稿后定稿沿用。
+自检：闭眼只听音轨：像产品发布会预告，还是像手机游戏？BGM 是在成片里试听后选定的吗？
+
+### S2. SFX 逐拍钉帧管理；连发音效做双样本交替 + 音量阶梯递减 + 间隔加速，不同响度复读
+规则：SFX 用"帧号 + 音源 + 音量"的声明式表集中管理，逐条注释对应的画面动作，杜绝凭感觉铺音效；同类元素连发时防机枪感靠三招——双样本交替、沿序列音量阶梯递减（如 0.40→0.25 六级）、间隔跟随动画曲线加速，密到糊成一片时让声音淡出成 swoosh（本仓库实证无 playbackRate 变调，防机枪不靠变调）。
+判例：用户："周报左侧栏的每周出现时可以换个音效，能配合每个周的出现的"（模板片中为周报页）。先立起逐拍钉帧的 SFX 帧号表结构（沿用至成片），再做 pluck 双样本交替、间隔 8→3f 加速，最后把 per-week pop 六连发音量做成 0.40→0.25 阶梯递减。
+自检：每条 SFX 是否钉在具体帧号并注释了对应动作？连发段落听起来是"数得出来的节奏"还是机械复读？
+
+### S3. 声音在画面锁定后做；时间线一动，SFX 全表重钉
+规则：BGM/SFX 排在画面结构基本锁定之后；任何改变镜头时长/顺序的修改，收尾动作固定包含"全表 SFX 帧号重对"——音画错位是交付前必查项。
+判例：用户："改完这些后重新调整音效位置以匹配新的时间线"。据此按新时间线（总长 1085f）重钉全表 SFX；教训链：首版 SFX 钉完 11 小时后画面大改导致全表重钉，三次重钉中两次纯属画面返工的连带成本。
+自检：本轮有没有镜头时长/顺序变化？变了的话 SFX 表逐条重对过了吗？
+
+### S4. 拟音优先于装饰音：画面动作配该动作的真实声音，音频裁到与动作严格等长
+规则：画面里发生什么动作就配什么声音（打字画面配键盘声、逐条落入配逐个 pop），泛用 swoosh 盖不住有辨识度的画面动作；长样本按画面段落裁剪（Sequence 截断），时长与动作严格等长。
+判例：用户："周报页面内容出现的时候可以配打字音效"（模板片中为周报页）。据此给文档页揭示配打字机音，keyboard.mp3 按语境裁 24f/44f 两个用途。
+自检：每个有辨识度的画面动作（打字/点击/落地）有没有自己的拟音？音效有没有拖到动作结束之后还在响？
+
+---
+
+## 文案（C）
+
+### C1. 文案在画面锁定后按最终镜头重写一遍，纯动画段落也配解说
+规则：初稿文案只是占位——画面定稿后对照成片逐镜头重写；纯动画镜头配短解说 caption，不留"哑巴段落"（品牌收尾镜头除外，保持干净）。
+判例：用户："你根据我现在完整的视频内容，重新写文案的词，我感觉现在的和视频画面不是很匹配，再就是在动画的部分是不是也加一些解说？"。据此重写标题文案，并给实拍镜头补上 caption 解说。
+自检：逐句对照：每句文案和它所在的画面匹配吗？有没有超过 3 秒的无解说动画段落？
+
+### C2. 标语写"团队 + 产品功能名 + 具体收益"，抽象隐喻词一律具体化
+规则：标语要具体、带产品功能名（Paper Radar / weekly report），避免抽象隐喻词（board/place 类泛化口号）；重要功能出场前加一张引导字卡。
+判例：用户逐字改稿："'All your research, one board' 改成'All team's research, one place to go'…'The morning reading'那句改成'Paper Radar, tailored for your morning reading'"；"最后文档页展示前，还应该加个文字画面"（模板片中为周报页）。据此三句逐词替换，并加一张文档页 lead-in 引导字卡。
+自检：每句标语里有没有具体的功能名/收益词？有没有只靠隐喻撑着的句子？
+
+### C3. 3D 镜头里的注记文字活在同一 3D 空间：page-space、同透视、斜拍，大字 + 荧光笔 highlight
+规则：给 3D 场景中的主体配画内注记时，文字必须进同一 3D 空间（页面坐标系、同一台相机透视、translateZ 悬浮 + 落影），平面叠字与场景脱节；样式用大衬线字 + 马克笔 highlight 关键词。
+判例：用户："字在左侧，大一些醒目一下，有highlight，然后字的视角也是3d悬空，并且斜着拍摄的"（第一版平面字卡被否后重做）。改为把 hero-hover 注记放进 3D——页面坐标系斜视、马克笔 highlight。
+自检：3D 镜头里的每块文字：它跟着场景相机动吗，还是贴在屏幕玻璃上？
+
+---
+
+## 流程（P）
+
+### P1. 交付前必须自己渲染截帧逐一检查，不把首检交给用户
+规则：每轮修改后先自行渲染关键帧截图逐一检查（构图/抖动/文字锐度/穿帮），必要时用像素级工具（裁剪放大/两帧 diff）自证，再交用户。
+判例：用户第一次看片即质问："你自己有截图检查质量吗？镜头视角很差，而且有小抖动不知道怎么回事"。此后管线里长出 crop/diff/measure 自检脚本与 out/qa/ 逐版本静帧归档，双方进入基于帧的评审。
+自检：这一版交出去之前，我自己看过哪些帧？关键镜头有没有截图证据？
+
+### P2. 参考素材先逐帧拆解成手法清单，再逐镜头判断适配性，不全局套用
+规则：有参考片先抽帧做 motion breakdown（每个动画/转场/特效的实现方式清单）写进 spec，按项目适配性取舍；图片参考描述的是"某一类镜头"的感觉而非全片风格令——落地前逐镜头判断适不适用，改完自查再交。
+判例：用户："从原视频里截取尽可能多的帧……加以复现然后适配到我们的项目，不适合的不用强行适配"——把参考片的 motion breakdown 写进 spec 后连续放行；反例：三张参考图被全局套用为统一倾斜机位，被否"做的并不好……回滚"后逐镜头重做。
+自检：参考素材的每个手法有没有"采用/弃用"的显式决定？有没有把一张参考图当成了全片风格令？
+
+### P3. 指代含糊的反馈先确认对象；改错了整 commit 干净 revert，不在错误版本上打补丁
+规则："第一个标题"式模糊反馈先确认所指再动手；落错对象立即整 commit revert 重来；每个改动保持独立 commit 以便干净回滚。
+判例：用户："不是第一个字卡，我说的是开头和结尾的AI field lab出现的动画"。先理解错、hold 了 card1，8 分钟内干净 revert，再对正确对象重做通过。
+自检：这条反馈的指代对象我确定吗？当前 commit 粒度出了错能一键回滚吗？
+
+### P4. 先列功能清单逐一对应镜头；一种动画手法全片只当一次主角，重复镜头/信息一律删
+规则：开拍前列产品功能清单（dashboard/详情/论文/周报/品牌）逐一映射镜头，核心功能漏拍等于返工；一种手法（飞入/堆叠/翻页）全片只当一次主角；剪辑自查按"这个镜头给了什么新信息"过滤，同一素材/信息全片只出现一次，重复即删。
+判例：用户："其他动画有些同质了。没有充分展示整个网站的特性"、"很不错了，但是没有周报部分的展示？"（模板片中为周报页）——据此补功能镜头；"倒数第二个镜头是重复的项目卡片的镜头，可以去掉了"——据此删掉重复的概览镜头、去重收尾标语。
+自检：功能清单每项都有对应镜头吗？有没有两个镜头在用同一种手法当主角、或讲同一件事？

package/skills/hyper-animator-codex/references/shotcraft/references/final-review.md

@@ -0,0 +1,107 @@
+# 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 Gallery 卡名与具体变体；
+- `gallery/api/library.json` 中对应卡片与 `style-key` 记录；
+- 卡片文档定位到的准确 demo TSX 源码；
+- 对应 Gallery 参考样片，或从参考样片抽出的关键帧/contact sheet；
+- 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。索引、卡片文档、
+demo 源码与 Gallery 参考样片互相冲突时，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 Gallery 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，`style-key`、准确 demo TSX 和 Gallery
+  参考样片是否指向同一变体，成片是否使用该变体；
+- S3：对照准确 demo TSX 与 Gallery 参考样片，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；标为“缺少预览”的样式是否避免声称与动态样片一致。
+
+不要求和 Gallery 样片像素级一致。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）。
+
+### 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/hyper-animator-codex/references/shotcraft/references/guided-free-creation.md

@@ -0,0 +1,197 @@
+# 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
+- Gallery 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、Gallery 参考样片判断。若动效差异无法靠文字和样片判断，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。Gallery 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. Gallery 镜头名称解析
+
+Gallery（https://vincentwei1021.github.io/video-shotcraft/）只是用户浏览和挑选
+动态样片的界面，镜头定义和实现源码已经包含在本仓库。用户不需要描述动画，
+只需复制并提供镜头名。
+
+收到镜头名后按以下顺序处理：
+
+1. 读取 `gallery/api/library.json`，用其中的 `cards[].name` 校验 `card-name`，
+   用该卡的 `styles[].key` 校验 `style-key`；不要用模糊猜测代替索引校验；
+2. 用索引中的 `source` 定位并完整读取 `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. 将索引中的 `styles[].media.url` 解析为本地 `gallery/media/` 参考样片，并在
+   设计 spec 记录：卡名、style-key、卡片文档、准确 demo TSX、参考样片；
+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。
+
+Gallery 可能复制出两种形式：
+
+```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。
+- 索引标为“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，按配方参数和参考样片制作，并把实现风险写进设计 spec。
+- 索引标为“缺少预览”：可读取准确源码并用于制作，但不得声称已对照动态样片。
+
+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、Gallery 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/hyper-animator-codex/references/shotcraft/references/music-beat-sync.md

@@ -0,0 +1,125 @@
+# 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
+- 鼓点与重音定位
+- 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
+
+## 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。
+
+## 2. 鼓点/重音定位（决定大 slam 钉在哪一拍）
+
+```python
+from scipy.signal import butter, sosfilt
+sos = butter(4, [40, 160], btype="band", fs=sr, output="sos")  # kick 频段
+kick = sosfilt(sos, y)
+env = librosa.onset.onset_strength(y=kick, sr=sr)
+times = librosa.times_like(env, sr=sr)
+# 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 = 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"
+```
+
+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）
+- **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. 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。
+
+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
+
+## 4. 渲后回测（闭环，必做）
+
+```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 3 步改拍号或帧偏移，重渲再测，直到全表合格。
+
+## 5. 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
+- 变速曲（DJ 转场、accelerando）：按能量段分段拟合，各段各自 t0/T