srt-whiteboard-animation – skill Thiết kế & UI cho agent AI

SRT 白板动画（mask 编排 + stream 画法）

把 SRT 字幕转成白板手绘动画：编排沿用分区遮罩揭示（按叙事顺序逐区域揭示、未开始区域完全隐藏、重叠用 protectedRegions 保护）；画法换成流式笔迹——每个区域在自己的允许掩码内，笔尖沿骨架/网格连续滑行落墨（起笔 ink → 添彩 color），所有区域共享一张持久画布，已画完的区域保留在画布上。所有面向用户的说明、分镜、配置和界面文字必须使用中文。

与逐格跳变或矩形擦除不同：本 skill 的笔迹是连贯流动的；与整图 stream 不同：本 skill 按字幕叙事分区依次作画，可控制每个元素的出场顺序与时序。

默认实现参数

| 项目 | 默认要求 |

|---|---|

| 纸张背景 | 生成图使用暖米黄旧纸色（建议 #F5EBD7）；渲染时从原图距四角内缩取样染底，禁止纯白。 |

| 画法 | 每区域 stream 连续笔迹：起笔 ink（铺线稿）→ 添彩 color（还原原色）；权重 ink:color = 2:1。 |

| 笔迹路径 | --ink-path grid（网格，默认，稳）或 skeleton（骨架追踪，线稿清晰的插画更贴合）。 |

| 上色风格 | --color-fill contour-wipe（轮廓扫描，默认）或 brush（沿轨迹刷）。 |

| 未绘制区域 | 区域的允许掩码 = 矩形 region 扣除「后续区域 + protectedRegions」；未开始区域完全隐藏。 |

| 时长来源 | 每张图的 sceneDurationMs 来自该幕字幕的时间跨度（建议 25–35 秒/幕）。 |

| 编辑框 | 预览台默认显示全部编号编辑框；编辑框不属于动画画面内容。 |

统一出图视觉规范（强制）

所有场景的源图必须遵循同一套视觉语言；生成前把以下要求完整写入出图提示词，生成后逐条检查：

• 风格与构图： 极简手绘插图、纯素描草图风格、类似 Notion 的克制涂鸦美学。以概念表达为主，不追求写实；构图简洁、背景干净、大量留白，整体情感平和、清晰，系列内线条/人物/配色一致。
• 颜色与材质： 米色纸张背景 #F5EBD7、深灰色草图线条；仅可用红色、橙色、蓝色 作少量概念性点缀。不得使用其他强调色、高饱和度配色或复杂纹理。
• 人物与对象： 对象以简洁轮廓、少量线条和留白表达，强调关系/变化/核心概念，而非真实比例、材质与细节。
• 绝对禁止： 场景源图中的任何文字、词语、字母、数字、字体或标签；写实感、摄影细节、3D 效果、绘画质感；复杂场景、密集背景、繁复装饰和高饱和度画面。
• 绘制手部例外： 若用户明确说明笔杆上的文字是其标识并要求保留，可保留 drawing-hand.png 笔杆上的标识；它不属于场景源图文字，也不需要清除或重绘。未获得用户明确说明时，仍按无文字画面处理。

确认关卡（强制）

默认工作流的每一步完成后都必须停止并等待用户明确确认，才可开始下一步。确认前不得生成下一步的图片、标注、预览、视频或合并文件；不得把“未回复”“此前的笼统授权”“用户没有反对”视为确认。用户要求修改上一步时，只重做该步，并在完成后再次等待确认。

唯一的连带动作是：标注 JSON 创建完成后，必须立即自动打开预览台并载入该 JSON 所在目录；这属于第 3 步的交付，不需要为“打开预览台”另行等待确认。若浏览器的 File System Access API 要求用户手势，使用浏览器界面选择这个已确定的目录；不得因此向用户索要额外确认或改为让用户自行打开预览台。

工作流程

1. 读字幕、出策略（不生成图片）。 用 scripts/parse_srt.py 把 SRT 解析成字幕条并按 25–35 秒/幕给出建议分镜。据此输出配图策略：每幕的场景编号、核心表达、画面主体、对应字幕区间与 sceneDurationMs。每幕只表达一个核心意思。完成后停止，等待用户确认策略。

2. 生成线稿。 仅在用户确认策略后，按“统一出图视觉规范”逐幕生成 16:9 暖米黄旧纸张底线稿图，背景 #F5EBD7，主体之间保留充足留白便于自动拆分；不得生成文字、复杂照片、重叠对象或与规范冲突的元素。完成后停止，展示线稿并等待用户确认。

3. 先读字幕再看图，然后标注并打开预览台。 仅在用户确认线稿后，先阅读该图对应的字幕、再实际查看图片、并获取原图像素宽高；不得只凭字幕臆测画面，也不得只按画面位置机械排序。先提炼字幕叙事事件，再把图中可见主体对应到事件，按“场景铺垫 → 关键人物/物体 → 动作冲突或变化 → 反应/结果”的语义顺序安排绘制。随后创建 <图片名>.annotation.json。创建完成后，立即用默认浏览器打开 assets/preview.html，并通过预览台的“打开文件夹”载入该标注文件所在目录的全部 <名称>.png + <名称>.annotation.json；不得只给出文件路径或要求用户自行操作。预览台已带入目录后停止，等待用户确认标注与预览内容。

4. 生成区域预览图。 仅在用户确认标注与预览内容后，用 render_annotation_preview.py 出编号/方向检查图，核对分区与叙事顺序一致、区域都在画布内、重叠主体用 protectedRegions 保护。完成后停止，等待用户确认预览图。

5. 在预览台调整并保存。 仅在用户确认预览图后，在已打开且已载入对应目录的预览台调整：默认（未播放）显示完整图片和区域框；画布是矩形代理：拖区域四边四角改 region，右侧改名称/方向/开始(ms)/结束(ms)（时长= 结束−开始，只读）与字幕，拖动模块列表调整顺序（自动重排 sequence），选中模块自动高亮对应字幕；拖时间轴或按播放看揭示（未开始区域不显示）；direction 只影响此代理。改完点“保存本场景/全部保存”写回原 .annotation.json（含每区域 subtitle，并把 sceneDurationMs 对齐到最后区域结束+0.5s）。保存后停止，等待用户确认最终标注与时序。

6. 命令行渲染成片。 仅在用户确认最终标注与时序后，用 render_stream_whiteboard.py 逐幕出全清 MP4，抽查开场、任意重叠模块中段、结尾三个时间点。完成后停止，等待用户确认成片。

7. 多幕合并（仅适用于多幕）。 仅在用户确认所有单幕成片后，用 merge_scenes.py 按顺序合并成一条。完成后停止，等待用户确认最终合成视频。

目录约定

在用户项目中创建：

assets/whiteboard/<项目名>/
  scene-01-<名称>.png
  scene-01-<名称>.annotation.json     # 与 png 同名
  scene-01-<名称>-whiteboard.mp4      # 成片
  scene-01-<名称>-preview.mp4         # 真实片段（预览台生成，低清）

图片与配置必须同名：foo.png 对应 foo.annotation.json。预览台据此自动加载配置。

语义排序与像素级标注（必须执行）

1. 阅读依据： 标注前必须同时具备字幕与已查看的原图。缺任一项先索取，不得生成标注。

2. 顺序依据： sequence、startMs 与 label 必须反映字幕中的事件先后，而非仅按从左到右、从上到下或视觉显眼程度。

3. 坐标依据： 每个模块输出原图坐标系的整数像素 x、y、width、height；原点左上角，禁止百分比/比例/估算坐标或省略尺寸。canvas.width/canvas.height 必须等于原图像素尺寸。

4. 模块字段： 每个元素含 sequence、narrativeRole、subtitle、region、reveal、handPath。narrativeRole 用中文说明其在字幕中的叙事作用；subtitle 存该区域对应的字幕文本（来自 SRT，供预览台联动与后续用途）；sequence 从 1 起连续。

5. 校验： 生成预览前检查每个区域是否在画布内、是否覆盖对应可见主体、是否与字幕事件相符；重叠主体用 protectedRegions 保护后绘制模块。

时序模型（stream 画法专用）

• 每幕总时长 sceneDurationMs 来自该幕字幕时间跨度（parse_srt.py 的 scenes[].sceneDurationMs）。
• 区域串行作画： stream 画法是一支笔在动，同一幕内各区域应在时间上依次进行（startMs 不重叠）：下一区域从上一区域 startMs + durationMs（+ 可选 100–300ms 呼吸）开始。若 startMs 重叠，渲染器仍按顺序处理，但视觉上不再是并发。
• 区域内 ink→color： 每个区域的 durationMs 会按 ink:color = 2:1 切成起笔段和添彩段。durationMs 由预览台的开始/结束时间决定（结束−开始），可对齐该区域对应字幕的时长；也可用 150 像素/秒 × 绘制距离作为初始估算。
• 凝视收尾： 全部区域画完后自动补到 sceneDurationMs，并保证结尾至少停留 0.5 秒完整原图。
• reveal.direction 在 stream 画法下不决定真实笔迹（笔迹由骨架/网格自动生成），仅供预览台的矩形代理演示；保留它是为了预览台可用。

遮罩不变量（编排层，必须执行）

• 在时间 t，模块仅可显示其 reveal.startMs ≤ t 之后、且不超过当前作画进度的像素；未开始模块的任何线条/填充/图像都不得出现。
• 每个区域的允许掩码 = 矩形 region 扣除全部后续模块的 region，再扣除本模块 reveal.protectedRegions。stream 落墨被限制在允许掩码内，因此后续区域不会提前露线。
• protectedRegions 采用与 region 相同的原图整数像素坐标，用于矩形过大、主体交叠或背景线条可能泄露的情况。
• 渲染器已实现"限制在允许掩码内落墨 → 后续区域与保护区天然不被触碰"的顺序；预览台矩形代理用等价的 destination-out 扣除演示同一编排。

配置示例

{
  "sceneId": "scene-01",
  "canvas": { "width": 1672, "height": 941 },
  "storyBasis": "该幕字幕的事件摘要",
  "sceneDurationMs": 9000,
  "elements": [
    {
      "id": "rockery",
      "label": "假山场景",
      "sequence": 1,
      "narrativeRole": "故事的场景铺垫",
      "subtitle": "猴子山上，一只小猴子坐在假山顶端，手里拿着香蕉。",
      "type": "structure",
      "region": { "x": 20, "y": 120, "width": 540, "height": 780 },
      "reveal": { "direction": "top_to_bottom", "startMs": 300, "durationMs": 2600, "maskPaddingPx": 22, "protectedRegions": [] },
      "handPath": { "start": [290, 130], "end": [290, 890], "easing": "easeInOut" }
    }
  ]
}

> direction / handPath 仅供预览台矩形代理使用；成片笔迹由 stream 自动生成，无需精调。

使用脚本

所有渲染脚本用 skill 内 .venv 的解释器运行（依赖隔离）。

1. 准备环境（首次或缺依赖时）：

   python scripts/prepare_env.py --check   # 探测；成功末行输出 ENV_PY=<路径>，捕获备用
   python scripts/prepare_env.py           # 缺则建 .venv 并装 opencv-python/numpy/av
   

2. 解析字幕 + 建议分镜：

   python scripts/parse_srt.py <字幕.srt> --target-sec 30 --min-sec 25 --max-sec 35
   

3. 区域编号预览图：

   python scripts/render_annotation_preview.py <图片> <标注> <预览图输出>
   

4. 预览台（无需服务器）：直接用 Chrome / Edge 打开 assets/preview.html，点"打开文件夹"选目录 → 载入全部图片+同名标注 → 拖拽编辑 → "保存"写回原文件。写回需 File System Access API（Chrome/Edge）；其它浏览器改为下载后手动覆盖。渲染仍走命令行（下面第 5 步）。

5. 渲染单幕成片：

   <ENV_PY> scripts/render_stream_whiteboard.py <图片> <标注> <输出mp4> assets/drawing-hand.png \
       [--ink-path grid|skeleton] [--color-fill contour-wipe|brush] [--total-ms <毫秒>]
   

--total-ms 缺省时用标注里的 sceneDurationMs。末行输出 OUTPUT=<路径>。

6. 多幕合并：

   <ENV_PY> scripts/merge_scenes.py --inputs 幕1.mp4 幕2.mp4 幕3.mp4 --output final.mp4
   

质量检查

渲染前/后确认：

• 首帧为干净的暖米黄旧纸张底，没有提前露出线条。
• 已阅读对应字幕并实际查看原图；canvas 与原图像素尺寸一致，所有 region 为整数像素坐标且在画布内。
• sequence、startMs 与字幕事件顺序一致；预览图编号/标签/区域来自同一份标注 JSON。
• 在开场、任意重叠模块中段、所有模块完成后三个时间点检查：未绘制模块均不可见，重叠保护区不漏出，最终帧显示完整原图。
• 笔尖贴近正在推进的笔迹；线稿清晰的插画可用 --ink-path skeleton 让笔迹更贴合。
• 所有模块结束后停留至少 0.5 秒完整原图。
• 多幕合并后顺序、时长与字幕分镜一致。

如需修改效果，先在预览台（assets/preview.html）调整标注（区域/顺序/时序）并保存，再命令行渲染，不要凭空反复出片。