--- name: srt-whiteboard-animation version: 1.0.0 category: 生活与工具 trigger_words: tags: platform: coze source: DeepseekModel source_url: https://deepseekmodel.com/skill?id=geeklee-srt-whiteboard-animation-skill-md --- name srt-whiteboard-animation description 将 SRT 字幕做成暖米黄纸张底的白板手绘动画：读字幕→输出配图策略→确认后生成统一风格线稿→按叙事语义标注分区→预览台调整→渲染 MP4。编排沿用分区遮罩揭示（annotation.json / sequence / startMs / protectedRegions），但每个区域内的落墨换成 stream 的连续笔迹（骨架/网格 ink→color）。当用户提供 SRT 字幕并要求"字幕做成白板手绘/流式笔迹视频""SRT 生成白板动画""按字幕分镜画手绘"时触发。 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 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。 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。 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。 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。 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。 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。 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） 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。 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。 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。 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。 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）。 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 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 区域编号预览图 ： python scripts/render_annotation_preview.py <图片> <标注> <预览图输出> 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）。 渲染单幕成片 ： 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> 。 多幕合并 ： 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。