沐阳扁平动画

把一句 5–10 秒口播压成一个直接、具体、无需猜谜的视觉命题，再制作固定镜头、局部合理运动的纸上钢笔线稿与彩铅编辑插画 B-roll。优先呈现主题本身会出现的真实场景、工具、物件和结果；隐喻只能辅助说明，不得替代主题。

首次使用

进入 Gate 1 前运行：

python <本skill目录>/scripts/check_setup.py

缺少依赖时只报告缺失项。不要显示 API key。需要 Python 3.10+、google-genai>=2.10.0、ffmpeg、ffprobe 和 GEMINI_API_KEY。

需要设计或生成画面时读取 references/style-guide.md。选择配色和尺寸时读取 references/palettes-and-formats.md。使用无人物模式时读取 references/content-only-mode.md。写视频 prompt 时再读取 references/motion-grammar.md。若用户在 assets/references/ 中提供了具有使用授权的 style-reference-*.png，仅把它们作为媒介与画法参考；没有参考图时使用 style guide 中的完整文字规范。

先确定四个可定义项

在 Gate 1 中明确以下值。用户没有指定时采用默认值，不要为了非关键选项阻塞：

• subject_mode：character（人物叙事，默认）或 content-only（无人物内容素材）。
• palette：semantic-auto、可选预设或用户提供的背景色、主色、强调色；默认 semantic-auto，不限制具体色相。
• canvas：预设名、宽高或比例；默认 vertical-9x16，即 720×1280。
• sound_mode：sfx（同步动作音效，默认）或 silent（无声）。配乐和人声只在用户明确要求时加入。

把选择写入 visual spec，并保持同一条素材从静帧到视频一致。

三闸门协议

Gate 1：动画方案确认

只提交方案，不生成图片或视频。每条包含：

• 核心意思
• 一句话视觉命题
• 主题直观度：说明画面中哪一个真实物件或场景直接对应原句主题；若只能靠解释才能看懂，必须重写方案
• 主体模式：人物 / 无人物
• 主体和 3–6 个关键物件
• 初始状态与最终状态
• 人物动作、物件动作、特效动作
• 构图、配色方案、尺寸、画幅和安全区
• 音效计划：动作、出现时机和强弱；静音任务写明 silent
• 5–8 秒时间轴

动作必须服务语义。一个镜头只保留一个核心转变。提交后停下，等待用户明确确认；批量任务允许部分通过。

视觉命题采用“直观优先”规则：

• 第一选择是真实场景或主题物件，例如自媒体使用摄像机、麦克风、脚本卡、作品缩略图和发布流程；学习使用书本、笔记、练习页和成果；赚钱使用商品、订单、账本和收入流。
• 第二选择是具体的流程、归类、对比或结果变化，让观众不读口播也能大致判断主题。
• 抽象隐喻仅可作为次要辅助元素。禁止用与主题距离过远的石头变水晶、种子长树、灯泡发光、迷宫、齿轮、拼图、火箭、登山等通用隐喻承担整个命题，除非用户明确要求。
• 提交前做“去文案测试”：遮住原句后，如果画面会被理解成多个无关主题，改用更直接的主题物件和场景。

Gate 2：完成静帧确认

方案通过后：

1. 写自包含 visual spec。
2. 使用可用图片生成工具生成“动作完成后的最终静帧”。若存在用户有权使用的 assets/references/style-reference-*.png，选择 2–5 张作为只约束媒介与画法的 style-only references；不得照搬其中人物、构图、物件或配色。没有参考图时直接使用 style-guide.md 的完整提示词。
3. 逐张检查主体结构、假字、图标可读性、配色、尺寸、主体层级和安全边距，并按 style-guide.md 检查纸面、自然墨线、选择性彩铅颗粒、编辑式留白以及是否过度矢量化。人物模式额外检查脸、手与服装；无人物模式检查图形关系和插入视频后的可读性。
4. 生成编号 contact sheet 给用户确认。

参考图不仅约束材质，还约束视觉语法：优先采用参考图中的编辑式单场景、真实桌面物件、少量圆形图解/虚线路径、大片上方或侧方留白、黑色线稿与局部彩铅着色。不得只套用“纸纹滤镜”却保留光滑企业矢量、机械信息图或过度抽象的主体。

此阶段禁止调用视频模型。静帧未通过时只重生对应条目，保留旧版本。

Gate 3：Gemini 视频生成

静帧确认后生成视频。默认使用确认静帧作为单张视觉参考，让模型在保持构图和角色一致的前提下制作局部动作。若任务确实需要从空白生长或从简到繁，可额外生成首帧，并用两张关键帧约束。

创建 jobs.json：

[
  {
    "prompt": "<完整英文动作提示词>",
    "image": ["<确认静帧路径>"],
    "output": "<输出路径>/final.mp4",
    "aspect_ratio": "9:16",
    "duration": 6
  }
]

运行：

python <本skill目录>/scripts/generate_video.py --batch <jobs.json> --concurrency 2

仓库自带基于 Google GenAI SDK 的 Gemini Omni Flash 适配器。仅在用户明确指定时覆盖默认模型。

Gemini 生成后，按 visual spec 输出目标尺寸并默认保留音效：

python <本skill目录>/scripts/finalize_video.py <raw.mp4> <final.mp4> --width 1080 --height 1920 --fps 24 --fit crop --audio keep

crop 用于满画布 B-roll，pad 用于必须保留完整构图的内容图示。--audio keep 为默认值；只有 sound_mode: silent 时使用 --audio strip。不要把模型原始 720p 冒充原生 1080p；如有放大，应在交付说明中注明。

硬性动作约束

• 固定机位；禁止切镜、推拉、摇移和景深变化。
• 人物模式保持人物身份、脸型、服装、桌面与背景布局稳定。
• 无人物模式保持核心物件的形状、颜色、相对位置和视觉层级稳定；禁止擅自生成手、脸或人物剪影。
• 每个时刻只突出一个主动作，但允许 1–2 个与之有因果关系的局部响应错峰重叠；人物可保持低幅、连续的自然动作。
• 动作语言优先服务知识讲解：使用归类、排序、连接、对比、筛选、递进、因果转化和结果确认，让观众无需文字也能理解关系；禁止纯装饰性运动。
• 默认采用“主动作 + 接力响应 + 生命微动作 + 短暂强调”的分层动效。按动作选择柔和 ease-out、ease-in-out 或稳定路径减速；允许一次 2–4% 的轻微落位回稳，禁止连续弹跳、果冻回弹、突然加速、抖动和逐帧跳跃。
• 生长动画按对象自身结构从固定起点逐步生成：线条沿路径绘出，图形从轮廓到填色，网络从主节点到分支，建筑从地基到主体，信息图从坐标轴到数据。禁止把完成物整体缩放或淡入冒充生长。植物只是可选对象，使用时才按茎、枝、叶展开。
• 生长与延伸覆盖目标物的必要结构及静帧已确认的相关分支；可按波次接力生成，但不得越界扩散到无关负空间。
• 连接线数量服从确认静帧中的语义关系，不设固定全局上限。视频 prompt 必须逐条写明起点、终点和方向；所有线都要连接明确对象，禁止悬空、无端分叉、随机曲线和背景电路线。
• 图标允许轻弹、翻面、浮起和沿弧线移动；禁止随机漂浮。
• 特效颜色跟随所选配色；只用于连接、转化、激活，不遮挡主体。人物模式不盖住脸和手。
• 禁止果冻形变、多余肢体、物体融合、假字、logo、水印与 UI。
• 默认生成与关键动作同步的知识讲解型轻量音效。只使用柔和纸张滑动、卡片/物件轻触归位、轻木质卡位、克制空气掠过、单个清亮提示和自然物件声；默认禁止人声、旁白、对白和持续配乐。
• 全面禁止笔尖接触纸面的声音，包括铅笔、钢笔、圆珠笔、马克笔、粉笔的书写、涂画、刮擦、沙沙声和连续摩擦声。画面出现线条或彩铅质感时也只能使用极轻空气掠过或柔和提示音，不得模拟绘画过程。
• 音效必须服务动作，不得抢占口播空间；避免低频轰鸣、电影预告式冲击、刺耳高频和持续铺底。用户明确要求静音时才移除音轨。

尺寸与规格

• 画布：接受预设、比例或明确像素；常用预设见 palettes-and-formats.md
• 模型比例：只传 Gemini 支持的 9:16 或 16:9；其他比例选择最接近者，再用 finalize_video.py 精确适配
• 默认画幅：9:16，720×1280
• 时长：6 秒
• 帧率：24 fps
• 输出：720×1280 或对应横版尺寸，H.264 + AAC 动作音效；静音模式无音轨
• 项目目录：outputs/YYYY-MM-DD-muyang-flat-标题/

QA

对每条成片运行：

python <本skill目录>/scripts/inspect_video.py <video.mp4> --reference <确认静帧.png> --output-dir <qa目录>

必须实际查看 contact sheet，而不是只相信命令成功。通过标准：

• 首、中、尾构图一致，没有镜头漂移
• 纸面、墨线、彩铅颗粒和选择性留白保持稳定，没有变成光滑矢量、塑料平涂或写实渲染
• 主动作清楚且符合物理或语义逻辑
• 主动作、接力响应与生命微动作层级清楚；过渡平滑，没有急停、跳帧、连续回弹或多组动作同权争抢注意力
• 负空间保持干净；短提示线或状态符号只依附被激活对象并及时收束，没有悬空电路线、随机曲线或无来源轨迹
• 生长和延伸覆盖必要结构与已确认分支，所有路径的起止对象、方向与确认方案一致
• 人物脸、手和服装没有明显崩坏
• 无人物模式没有凭空出现人物、手、脸或无关装饰
• 目标元素确实按自身结构逐步生长、绘制或生成，不是整体缩放、淡入
• 无假字、logo、水印、额外物件或画面闪烁
• 最终状态接近确认静帧
• 分辨率、时长与帧率符合任务要求
• 默认模式存在 AAC 音轨，音效与可见动作同步，无人声、对白和明显配乐；静音模式必须无音轨
• 音轨中没有任何笔尖写字、画线、刮纸或连续纸面摩擦声；声音节奏适合叠加知识口播，短促、克制、不抢语音频段

失败时只重跑对应条目，并在 prompt 中具体修正失败项。不要重跑已通过条目。

测试基准

• “学会把抽象的概念具体化。”：抽象云团经由人物手势或蓝色轨迹转化为桌面上的清晰实体模型。
• “用AI解决近在眼前的小事情。”：人物点亮桌面上的几个日常任务卡，AI 光线逐个完成，而不是出现宏大机器人或未来城市。
• “信息不是越多越好，而是越清楚越好。”，无人物模式：杂乱卡片被漏斗筛选，最终留下三张层级清楚的卡片；不得出现人物或手。