技能介绍

要解决的问题

把故事做成手绘视频的常见做法，是挑一张好看的插画再配段朗读，画面和叙事彼此脱节，观众看完只记住几张图。这个技能面向日记、童话、亲情故事、教学小品这类生活叙事内容，核心思路是让每句话被画出三次：一句话先以手写文字出现，再被画成黑白线稿，最后填色成完整插画，三层横向擦除依次揭示，形成翻手绘日记的节奏感。

核心能力

三阶段揭示：每场切出 text_image / bw / color 三层，全部用 inset(0 X% 0 0) 从左到右擦除，方向必须一致。
画布与风格锁死：1080×1440 @ 30fps 的 3:4 竖屏，墨色 #171714，五色低饱和蜡笔限定，safe border 至少 10%。
默认纯文生图：不生成角色参考图，靠 visual_plan.json 里每句的构图描述 + 服装规则维持一致性，4 路并发生成 master，ffmpeg 负责切层。
字幕两种模式：font 模式由 Remotion 用 MaShanZheng 毛笔字体实时渲染（agnes 不会画中文，必须走这条）；image2 模式让图片模型在画板上手写字幕（仅 apiz）。
配音与回写：默认免费 edge-tts，可选 MiniMax T2A v2；TTS 后用 apply_timeline.py 把每场 duration_sec 改成音频真实时长。
英文教学模式：切到 Oxford 课本风两段式分区，顶部带只画英文句子，关键词和音标作为小字叠在插画左下角。

关键步骤

按 11 步串行执行：读故事并列 beat checklist → 写 story.txt（一句一拍，单句 ≤ 36 字）→ 写 visual_plan.json 做视觉规划 → 脚手架 → 选输入模式、后端、转场、语言 → gen_story_images.py 生成 master 并切三层 → gen_tts.py 生成旁白 → 回写时长 → Remotion Studio 静态检查 → npm run render:preview（720×960，这就是默认交付物）→ 仅在用户明确要高清时才跑 1080p。

适用边界与注意点

70% 即交付：单张 master 达标就进下一阶段，不要逐场修污染、不要全量重画、不要写 _fix_pollution 脚本。
付费后端不许重跑：apiz nano-banana-2 约 0.32 元/张，脚本默认 skip 已存在的 master。不要为"看看改 prompt 会不会更好"而删资产重跑，只有某张图全黑、全白或画错主题时才删那一张 _master.png。
不要停留在无配音版：audio.voiceover='pending' 只是中间产物，TTS 之后必须回写一版真实时长。
prompt 里禁止出现像素坐标：nano-banana-2 会把 y=510、1024×1024、10% 当成文字真的画在卡片边缘，一律用相对描述。
绝对不要同时跑多个 remotion render：Windows 下并发渲染会争 temp 目录导致音频混合失败。
角色锁默认关闭：只在用户明确要求跨场同脸或提供了参考图时才加 --character-ref，且服装规则写正面描述，别堆负面禁止词。