纸片分层动画

要解决的问题

大多数 AI 视频脚本的做法是：生成一张好看的图，然后让镜头缓慢平移。结果画面是平的，纵深靠"看起来清楚"假装出来。一旦脚本里出现"皇帝居中、群臣两侧、前景仪仗遮挡"这种多主体构图，平移镜头立刻穿帮——所有人物都贴在同一个平面上，谁挡谁、谁在远处，全靠观众自己脑补。

这套技能针对的就是这件事。它不是在生成一张图，而是在做分层：把一个镜头拆成可以独立运动、独立控制 zIndex 的若干层，靠真实的前后遮挡建立纵深。

核心思路：四层模型

每个镜头至少拆成四层，各自有明确的叙事位置：

• 背景层（zIndex: 0）：山水、宫殿、纸纹、撕纸边缘，不含任何人物
• 后排层（zIndex: 1-2）：远处的群臣、侍从，tertiary
• 主体层（zIndex: 3-4）：主角，尺寸最大，约是后排的 4 倍宽
• 前景层（zIndex: 5-6）：近处的人物或装饰，必须大于主体层，遮挡才能产生纵深
• 文字层（zIndex: 10+）：标题与字幕，永远垫在最上

每层按不同的 roleMotion 档位运动（primary/secondary/tertiary），入场顺序也是 primary → secondary → tertiary 错峰出现，而不是同屏一起弹出来。

关键步骤

1. 先定镜头，再生成素材。 全景和特写里同一个人物的大小、朝向、位置完全不同。先随便画图，后面必然返工。
2. 生成无人物背景底板（gen_plates.py）。一旦把主角画进背景，就再也没法让它独立飞入或摇摆了。
3. 角色用纯绿背景生成（gen_characters.py），强制全身、白色剪纸描边、无文字水印。
4. 绿幕抠图拆独立 PNG（split_sheet_green.py），多人素材表按网格拆成单个文件，并校验产物数量与比例。
5. 先静态排版，再加动画。 在 scenes.tsx 里把所有人物静止摆好，确认主次、遮挡、脚底同地面，全部通过之后再挂动效。
6. 配音三级兜底（gen_tts.py）：apiz speak → 直连 api.minimaxi.com → edge-tts（微软免费 TTS，无需 key 或余额）。.env 里不放 MiniMax 的 KEY 也能跑通。
7. 用 timeline.json 的帧数回写 Root.tsx 的 SCENES 表，让镜头时长跟着真实音频走。

视觉上锁死一套"风格 DNA"：1920×1080 @ 30fps、宣纸米白底 #f3ead6、暖墨黑 #1f1a14、宋体标题 + 黑体字幕，每个 PaperActor 必须带四向白边投影滤镜。

适用边界与注意点

只要画面能拆成"背景、主角、配角、前景"，这套流程就成立：历史叙事、知识科普、商业故事、人物关系、城市发展都行。拆不出层级的画面不适合，比如纯产品特写、单物体旋转展示，强行分层只会得到一堆没有叙事意义的碎片。

几个容易踩的坑：

• rtk npm install 会报错，用原生 npm install
• 人物头顶经常出画。PaperActor 的 y 是脚底坐标，设值前先算 width × (图高/图宽) ≤ y - 60
• 音频是原速播放时，SCENES 的 frames 要用 frames_source，用 frames_playback 会让旁白被切掉最后 1~2 秒
• 绝对不要同时跑多个 remotion render，并发会触发音频混合失败
• 默认不要改 theme.ts / ui.tsx / cutout.tsx，这三个是风格锁定文件