null0526/dario-genesis

选用指南

AI 根据 README 整理 · 2026/10/25 13:56:24

使用方式

通过命令行运行Python脚本生成声音层和渲染镜头，需要安装依赖。

查看 README 依据

| `文档/` | 遗憾与待改进（先读这篇）、旁白文稿、方法手册（多模型分工做一部片的经验，写成可推翻的假说）、复盘与改进 | 文档 | ## 怎么跑 需要：Python 3.11 以上，`pip install numpy scipy pillow playwright`；ffmpeg 在 PATH 里；渲染镜头需要 Chromium（`playwright install chromium`，或用环境变量 `CHROME_PATH` 指向本机 Chrome）。 **声音层**（约一两分钟，纯 CPU）： ```bash cd 声音 for f in ch1_seq ch1_part_a ch1_part_b splice_ch1 ch2_part_a ch2_part_b splice_ch2 ch3 ch4 ch5_part_a ch5_part_b splice_ch5 splice_all; do python $f.py; done ``` 每个作曲脚本输出一条全片长度的 48kHz 立体声 WAV，只有自己那段有声音；`splice_*` 把它们相加。成片里这层再整体降 4.49 dB、和旁白混音、做响度标准化（−16 LUFS），那一步不在这里。 **镜头**： ```bash cd 镜头

部署要求

需要Python 3.11以上，安装numpy、scipy、pillow、playwright，ffmpeg在PATH中，渲染镜头需要Chromium或Chrome。

查看 README 依据

| `文档/` | 遗憾与待改进（先读这篇）、旁白文稿、方法手册（多模型分工做一部片的经验，写成可推翻的假说）、复盘与改进 | 文档 | ## 怎么跑 需要：Python 3.11 以上，`pip install numpy scipy pillow playwright`；ffmpeg 在 PATH 里；渲染镜头需要 Chromium（`playwright install chromium`，或用环境变量 `CHROME_PATH` 指向本机 Chrome）。 **声音层**（约一两分钟，纯 CPU）： ```bash cd 声音 for f in ch1_seq ch1_part_a ch1_part_b splice_ch1 ch2_part_a ch2_part_b splice_ch2 ch3 ch4 ch5_part_a ch5_part_b splice_ch5 splice_all; do python $f.py; done ``` 每个作曲脚本输出一条全片长度的 48kHz 立体声 WAV，只有自己那段有声音；`splice_*` 把它们相加。成片里这层再整体降 4.49 dB、和旁白混音、做响度标准化（−16 LUFS），那一步不在这里。 **镜头**： ```bash cd 镜头

已知限制

声音整体偏嘈杂，作者不满意；字幕烧进镜头，无字幕版需重渲；字体替换为开源字体，字形与成片不同；镜头源码是母版原型，成片效果需额外处理。

查看 README 依据

**先说遗憾**：声音整体仍然偏嘈杂，作者自己也不太满意；文档里的声音规则记下的是哪些方向被否过，不等于照做就好听。字幕烧进了每个镜头，所以无字幕版要整片重渲。这些问题和其他已知没做好的地方，都写在 [文档/遗憾与待改进.md](文档/遗憾与待改进.md)，借鉴之前请先读。 ## 里面有什么 | 目录 | 内容 | 能不能直接跑 | |---|---|---| | `声音/` | 全片声音层：自写合成器 `synth.py`、电平和对时工具 `kit.py`、五章作曲脚本、拼接脚本、经验文档《声音点缀做法》 | 能。跑完得到与成片声音层逐采样一致的 `full-music.wav`（不含旁白） | | `镜头/` | 四个代表性镜头的源码：要有光（WebGL 光场）、祖冲之割圆（Canvas 纸面）、黑洞与回信（WebGL 光场加网页界面）、提交申诉（仿真后台界面），各带设计说明 | 能。可以出静帧联系表和无声视频 | | `最小示例/` | 一部 75 秒番外的完整流程脚本：文稿 → TTS 请求 → 拼旁白和时码 → 渲染 → 声音层 → 字幕 | 渲染和声音层能跑；旁白要自己调 TTS 生成 | | `数据/` | 五章旁白的文字和逐字时码（`window.FILMn = {...}`），镜头页面和作曲脚本靠它对时间 | 数据文件 |

python render.py 02-祖冲之割圆 stills --sub 2 # 抽 8 帧拼成联系表 python render.py 03-黑洞与回信 video # 逐帧渲染成 silent.mp4 ``` 页面协议见 `镜头/render.py` 开头的说明。WebGL 镜头需要硬件加速，软件渲染会非常慢。 **字体**：成片用的商业字体没有放进来，页面会按顺序找本机已装的开源字体：中文黑体 Noto Sans SC、中文宋体 Noto Serif SC、西文 Inter 和 Source Serif 4、等宽 JetBrains Mono。都没装也能跑，只是回退到系统字体，字形和成片不同。 ## 和成片的差别 - 字体换成了开源字体；黑洞回信页上的公司标志换成了中性圆形占位。 - 镜头源码是各镜头的母版原型。成片里这些画面还经过按旁白逐字重映射时钟、统一胶片颗粒、拼接调色，那些脚本绑着原制作目录，没有放进来。 - 全片大约四十个镜头，这里只放了四个。 ## 声音是怎么跟画面对上的 1. 旁白用 TTS 生成后，用本地 Whisper 按文稿做强制对齐，得到每个字的时间，存在 `数据/`。