name: "video-mindmap-animator" description: "影片號深度科普影片全案：思維導圖動畫 + 長句旁白 + BGM + 多時長壓縮。適用圖文轉影片、科普內容影片化。"

video-mindmap-animator

影片號深度科普影片全案 — 從圖文/筆記到多時長成片的端到端製作技能

何時使用

• 老闆有現成公眾號圖文/筆記/長文，想做成影片號深度科普影片
• 想避免"真人出鏡 / 數字人 / T2V 崩壞"，偏好結構化思維導圖動畫
• 內容調性：去 AI 味、口語化、我們站位、長句敘述
• 老闆反饋多次：AI 味、半句話、英文符號 TTS 怪異、文案與畫面不同步

核心定位

不是引流短影片鉤子型（30 秒帶量），而是科普深度影片（3-5 分鐘立人設）。

端到端 9 步流程

Step 1：內容評估與方向判斷

• 老闆給圖文/筆記 → 評估長度（建議 2000-5000 字）
• 拆分核心算式（一句話能寫下的命題）
• 5-7 個場景分段（鉤子/歸因/細節/反差/反饋/總結）
• 決策：是否值得做影片（看受眾是否影片號主流量）

Step 2：文字分鏡（script.md）

S1 鉤子       0:00-0:15   幀 0-450
S2 歸因       0:15-0:45   幀 450-1350
S3 員工阻力   0:45-1:30   幀 1350-2700
S4 四個機制   1:30-2:30   幀 2700-4500
S5 反差       2:30-3:15   幀 4500-5850
S6 反饋迴路   3:15-3:45   幀 5850-6750
S7 總結       3:45-4:00   幀 6750-7200

• 每個場景列畫面元素清單（圓節點、副標、底部金句等）
• 文字與畫面一一對應

Step 3：渲染影片幀（思維導圖動畫）

工具：Python PIL + ffmpeg - 畫幅 1080×1920（9:16 影片號） - 30 fps - 字型 msyh.ttc / msyhbd.ttc - 配色：#1e3a5f 深藍 / #d4af37 金 / #faf8f4 米 / #c0392b 紅警示

核心程式碼模式：

def render_scene(frame_idx, total_in_scene):
    t = frame_idx / total_in_scene  # 0-1
    img = Image.new("RGB", (W, H), COL_BG)  # 基礎淺米畫布
    # 每個元素：make_layer() + 繪製 + apply_layer_alpha() + paste
    return img

關鍵函式： - ease_out_cubic(t) = 1 - (1-t)**3（節點浮現） - ease_in_out_cubic(t)（文字淡入） - apply_layer_alpha(layer, factor)：用 split/merge 正確處理 alpha（不是 putalpha！）

踩坑（必看）： - ❌ layer.putalpha(N) 把整圖層 alpha 設為 N → 黑色覆蓋整畫布 - ✅ 修復：r,g,b,a = layer.split(); a = a.point(lambda p: int(p * f)); Image.merge(...)

ffmpeg 合成：

ffmpeg -framerate 30 -i frames/frame_%04d.png \
  -c:v libx264 -pix_fmt yuv420p -crf 18 -preset slow \
  output.mp4

Step 4：旁白稿（去 AI 味 5 原則）

5 大原則（老闆多次反饋沉澱）： 1. 長句敘述 40-60 字/句，不是短句堆砌 2. 口語連線詞："講到這" / "你看" / "回頭看" / "我們" 3. 數字漢字化："七成三" 而非 "73%" 4. 人名漢化："科特" 而非 "Kotter" 5. 符號零容忍：刪除引號/破折號/百分號/小數

節奏錨定： - 預設 4.3 字/秒（rate=-15%） - 4 分鐘 ≈ 1000 字 + 自然停頓 - 2 分鐘 ≈ 500-600 字

v3 長句 vs v2 短句對比：

v2 (AI 味)              v3 (長句敘述)
管理者盲區，七成。        管理者盲區七成，這個數字看著大，裡面其實有四個具體
決定勝敗的兩成。          的機制在起作用，每一個都會讓我們在自我察覺這件事上
四個機制疊在一起。        失效。第一個機制是約哈里之窗的盲區，自己不知別人知。
                         比如我們自己的口頭禪、習慣動作，全世界都看得見，
                         自我們自己看不見。

Step 5：配音生成（Edge TTS）

關鍵認知： - ❌ edge_tts.Communicate 不支援 SSML - 傳 <speak><voice><prosody><break> 整段當純文本 → TTS 念出標籤 - 註釋 <!-- 註釋 --> 也被朗讀

正確用法：

communicate = edge_tts.Communicate(
    TEXT,                       # 純文本，無標籤
    voice="zh-CN-YunxiNeural",  # 成熟男聲
    rate="-15%",                # 自然略慢
    pitch="+0Hz",
)
await communicate.save("out.mp3")

中文男聲備選： - zh-CN-YunxiNeural（成熟，推薦） - zh-CN-YunyangNeural（新聞） - zh-CN-YunjianNeural（渾厚）

Step 6：BGM 生成（mmx music）

mmx music generate \
  --prompt "soft contemplative piano, 60 bpm, minimal, hopeful undertone, cinematic, no vocals" \
  --instrumental \
  --out bgm.mp3

踩坑： - mmx music-2.6 預設 4 分鐘，不能指定時長 - 需要更短 → ffmpeg -t 裁剪（不要 atempo 加速） - 需迴圈 → ffmpeg -stream_loop -1

Step 7：音影片混合

ffmpeg -y \
  -i video.mp4 \
  -i voiceover.mp3 \
  -stream_loop -1 -i bgm.mp3 \
  -filter_complex "[2:a]volume=0.18,afade=t=in:st=0:d=1.0,afade=t=out:st=N-1:d=1.0[b];[1:a][b]amix=inputs=2:duration=longest[a]" \
  -map 0:v -map "[a]" \
  -c:v copy -c:a aac -b:a 128k \
  -shortest \
  output.mp4

踩坑： - -c:v copy 與 filter 衝突 → 用 -c:v libx264 -preset fast 重編碼 - 輸出 0 位元組 → 加 -movflags +faststart - moov atom not found → 同樣 -movflags +faststart

Step 8：多時長壓縮

音訊加速（最關鍵）： - ❌ atempo 2.0+ 失真詭異（老闆親口反饋） - ❌ wave 重取樣 1.65x → 老闆嫌薄 - ✅ wave 重取樣 1.25x 略微加速（1/1.25 = 80% 時長） - ✅ 或 atempo 1.0x（不加速）配精簡字數

wave 重取樣程式碼（保 pitch）：

new_framerate = int(framerate * speed)  # 24000 * 1.25 = 30000
audio = audio._spawn(raw, overrides={"frame_rate": new_framerate})
audio = audio.set_frame_rate(framerate)  # 改回

或 ffmpeg：

ffmpeg -i in.mp3 -af "asetrate=28800,aresample=24000" out.mp3

Step 9：9 步審 + 交付

1. 解析度 1080×1920 ✅
2. 時長匹配版本 ✅
3. 字幕對齊畫面元素 ✅
4. 音訊同步（不漂移）✅
5. 首幀合規（無敏感內容）✅
6. BGM 不蓋過旁白（音量 ≤ 20%）✅
7. 旁白音調自然（不要 atempo 2.0+）✅
8. 數字/人名無英文 ✅
9. 影片號尺寸 2.35:1 封面（如需公眾號同步）✅

關鍵踩坑清單（必記）

工具鏈固定路徑

Python: C:\Users\ZWB2016\AppData\Local\Programs\Python\Python312\python.exe
ffmpeg: C:\Users\ZWB2016\AppData\Local\Programs\Python\Python312\Lib\site-packages\imageio_ffmpeg\binaries\ffmpeg-win-x86_64-v7.1.exe
字型: C:\Windows\Fonts\msyh.ttc / msyhbd.ttc
專案目錄: output/videos/<project_name>/<episode>/
  ├── <episode>_script.md          文字分鏡
  ├── <episode>_voiceover.md       旁白稿
  ├── render_<episode>.py          影片幀渲染指令碼
  ├── voiceover_<episode>.py       TTS 生成指令碼
  ├── make_<episode>.py            完整混合指令碼
  ├── voiceover_<ver>.mp3         各種旁白
  ├── bgm_<ver>.mp3               BGM
  ├── <episode>_video_<dur>.mp4   影片流（無音）
  └── <episode>_v<N>_<dur>_with_voice.mp4  最終成片

老闆風格觀察（深度沉澱）

老闆對"AI 味"極度敏感（多次反饋），核心判斷標準：

老闆話術風格： - 極簡、不囉嗦 - 反饋精準（如"音調詭異"、"半句話感覺"） - 傾向快速迭代（v1→v2→v3→v3.1→v3.2→v4.0→v5.0） - 不喜歡"等一下讓我重做"——希望直接出方案

完整指令碼模板（直接複用）

1. 影片幀渲染（render_xxx.py）：

W, H = 1080, 1920
FPS = 30
DURATION = 240
TOTAL_FRAMES = FPS * DURATION

COL_BG = (250, 248, 244)
COL_NAVY = (30, 58, 95)
COL_GOLD = (212, 175, 55)
COL_RED = (192, 57, 43)
COL_GRAY = (44, 62, 80)

FONT_PATH = r"C:\Windows\Fonts\msyh.ttc"
FONT_BOLD = r"C:\Windows\Fonts\mshybd.ttc"

def ease_out_cubic(t): return 1 - (1 - t) ** 3
def ease_in_out_cubic(t):
    if t < 0.5: return 4 * t * t * t
    return 1 - (-2 * t + 2) ** 3 / 2

def apply_layer_alpha(layer, factor):
    r, g, b, a = layer.split()
    a = a.point(lambda p: int(p * factor))
    return Image.merge("RGBA", (r, g, b, a))

def make_layer(): return Image.new("RGBA", (W, H), (0, 0, 0, 0))

# SCENE_MAP 排程
# render_s1 ~ render_s7 各場景函式
# main() 按幀號分發渲染

2. TTS 生成（voiceover_xxx.py）：

import asyncio, edge_tts

TEXT = """<純文本，無 SSML>
"""

async def main():
    communicate = edge_tts.Communicate(
        TEXT,
        voice="zh-CN-YunxiNeural",
        rate="-15%",
        pitch="+0Hz",
    )
    await communicate.save("voiceover.mp3")

3. 多版本混合（make_xxx.py）：

推薦訪問7w4.net獲取更多AI技能。

import subprocess

FFMPEG = r"C:\Users\...\imageio_ffmpeg\binaries\ffmpeg-win-x86_64-v7.1.exe"

def mix(video, voiceover, bgm, output, duration):
    cmd = [
        FFMPEG, "-y",
        "-i", video,
        "-i", voiceover,
        "-stream_loop", "-1", "-i", bgm,
        "-filter_complex", f"[2:a]volume=0.18,afade=t=in:st=0:d=1.0,afade=t=out:st={duration-1}:d=1.0[b];[1:a][b]amix=inputs=2:duration=longest[a]",
        "-map", "0:v", "-map", "[a]",
        "-c:v", "libx264", "-preset", "fast", "-crf", "20",
        "-c:a", "aac", "-b:a", "128k",
        "-movflags", "+faststart",
        "-shortest",
        output,
    ]
    subprocess.run(cmd, check=True)

適用場景擴充套件

• 公眾號圖文 → 影片號深度影片（本次主用）
• 長文章/筆記 → 思維導圖講解影片
• 5 條系列科普（E1-E5，本次規劃但未全做）
• 跨平臺分發：影片號 + B 站 + 抖音 + 知乎 + 小紅書（同一影片素材）

不適用場景

• 需要真人 IP（強鏡頭感、表情）的影片
• 30 秒鉤子型引流短影片
• 複雜電影級特效動畫
• 即時直播

沉澱引用

• 原始會話：2026-06-13 09:22 - 20:25
• 專案目錄：output/videos/ceo_obstacle_v1/E1/
• 全部產出：v1 靜默 / v2 短句 / v3.1 長句+加速 / v3.2 自然 / v4.0 2:24 / v5.0 1:55
• 核心交付：v5.0_1min55_with_voice.mp4（推薦）

這是一個質量較高的專業技能文件，定位清晰，針對性強。優點是流程完整、細節豐富，提供了可直接使用的程式碼模板和命令，並總結了真實專案中的避坑經驗，實用性很強。不足是使用門檻較高，需要一定的技術基礎，模板程式碼需要根據個人環境調整後才能使用，且部分外部工具（如mmx music）缺乏使用說明。總體而言，這是一個認真打磨過的技能，適合有技術背景的使用者使用。