规范见 ../形象与音色规范.md。
Growdu 专属的两支品牌片:片头 Growdu 字标 + 数据库标语;片尾 感谢观看 + 落版三胶囊。
两支都是 2.833 秒(68 帧 @ 24fps),都在 3 秒上限内,都带 growdu 小象形象。
目录
brand/
├── clips/
│ ├── growdu_intro_3s_1080p.mp4 片头(2.833s / 68 帧 / 24fps / 时间基 1/24000)**入库**
│ └── growdu_outro_3s_1080p.mp4 片尾(同上)**入库**
├── assets/
│ ├── bg_intro.png AI 背景:深蓝数据中心(16:9)**本机**
│ ├── bg_outro.png AI 背景:蓝调城市天际线(16:9)**本机**
│ ├── growdu_pose_thumbsup_nobg.png 小象 · 点赞姿态(2048²,透明底,戴方框眼镜)**本机**
│ └── growdu_pose_wave_nobg.png 小象 · 挥手姿态(2048²,透明底,戴方框眼镜)**本机**
├── audio/
│ ├── intro_mix.wav / outro_mix.wav 成品音轨(旁白 + 配乐,2.833s)**入库**
│ └── voice_intro.mp3 / voice_outro.mp3 旁白(定稿音色)**本机**,需要时重合成
├── brand_windows.json 片头片尾的配乐窗口决定(**入库**)
└── scripts/
├── render_brand.py 渲染两支片(当前唯一入口)
├── generate_backgrounds.py 生成两张 AI 背景(含语义验收)
├── generate_poses.py 生成点赞 / 挥手姿态素材(可复现)
├── make_audio_brand.py 混音成品音轨
├── fix_plates.py 【旧版 8 秒片】底板文字修复
├── make_audio.sh 【旧版 8 秒片】macOS say 旁白 + 配乐
└── render.sh 【旧版 8 秒片】Ken Burns 渲染
入库的是「出片必需的最小集」,不是全部:
clips/*.mp4与audio/*_mix.wav入库——make brand要把它们插进
契约首尾,缺了成片就没有品牌片(另一台机器 clone 完要能直接出片);assets/与旁白 mp3 不入库,保留本机;需要时跑脚本重新生成。
brand_windows.json 是入库的:它记的是「片头片尾取曲子的哪一段」这个决定
(决策入库,音频不入库)。换曲子时重挑一次即可,不用改任何脚本。
片头片尾的配乐:片尾接回片头
两段配乐取自同一条 motif,而且在原曲里紧挨着:片头取 s 到 s+D
这一段,片尾取 s-D 到 s 这一段,于是 outro_start + D == intro_start,
片尾结束时正好落在
片头的起音点上——两段拼起来是同一段连续音乐,形成闭环。
口径与判据见《背景音乐规范》§6 末条与 §7 的 bgm.brand-* 三条规则。
挑窗口:
cd aiv/pipeline
python -m pyv.cli bgm windows # 重挑并写进 brand/brand_windows.json
python -m pyv.cli bgm brand-check # 校验:首尾相接 / 曲子指纹 / 能量
别用相关系数判断两段是否相接——有瞬态的音乐上这个指标没有意义
(旧口径 +0.0543、新口径 -0.0655,两个数都说明不了问题)。
真判据是「两段在原曲里紧挨着」:逐样本验证原曲里从 outro_start
到 intro_start+D 这一段,前半等于片尾窗口、后半等于片头窗口。
技术路线
AI 生成的纯环境背景(无角色、无文字、无 Logo)
+ canonical 小象姿态图(透明底 PNG,代码合成)
+ 真实字体绘制的文字(cairo + 跨平台解析的中文字体)
→ rawvideo 管道 → ffmpeg 编码 → 混入成品音轨
三条不能违反的规矩:
- 文字一律用真实字体在 cairo 阶段渲染。 模型生成的中英文会乱码
(见scripts/fix_plates.py记录的同一类问题)。背景可以交给模型,文字不行。 - 背景与形象分开生成。 AI 只画环境;小象用 canonical 参考图生成,
铭牌由代码盖章;文字与版式由代码确定。 - 技术图示绝不交给模型生成。
铭牌的 growdu 也不是模型写的:render_brand.py 渲染前会自动调character/scripts/stamp_badge.py 给姿态素材盖一次章——刷白铭牌,再用
当前字体写上 growdu(字体族名由 pipeline/pyv/fonts.py 解析,macOS 是PingFang SC,Linux 退到 Noto Sans CJK SC)。幂等,重复渲染结果一致。
为什么不用 H3 视频生成
H3 视频生成最短 4 秒,做不出 3 秒以内的片头,所以整条链路改成
「AI 出背景底板 + 代码合成角色与文字」。
文案
文案全部由 scripts/render_brand.py 顶部的常量给出,文字用真实字体在 cairo 阶段渲染:
| 画面文字 | 旁白 | |
|---|---|---|
| 片头 | Growdu / Database · Knowledge · Growth / 胶囊「深入数据库 · 分享技术之美」 |
欢迎来到 growdu,深入数据库。 |
| 片尾 | 感谢观看 / Growdu · 把踩过的坑写成方法 / 三胶囊「growdu.cn」「订阅关注」「点赞支持」 |
下次卡住的时候,记得回来。 |
片尾的副标题与旁白按《人格规范》§8 改写过:原来那句「与你一起探索数据库的无边世界」
是营销腔,换成命中「现场验证者(踩坑)」与「方法论者(写成方法)」的说法;
旁白「下次卡住的时候,记得回来。」直接呼应人格的动机句。
片头保持不变——「Database · Knowledge · Growth」已经承担了「技术能力集成」的品牌表达。
改旁白要重新合成,音色与参数见《形象与音色规范》§2.2:
cd aiv
python3 voice/scripts/synthesize_narration.py \
--text "下次卡住的时候,记得回来。" --out brand/audio/voice_outro.mp3
重新生成
cd aiv/pipeline
python -m pyv.cli bgm windows # 挑片头片尾的配乐窗口(写进 brand/brand_windows.json)
cd ../brand
python3 scripts/make_audio_brand.py # 按窗口从曲库取 motif,混出成品音轨
python3 scripts/render_brand.py # 铭牌盖章 + 渲染片头 + 片尾(--intro / --outro 可单渲)
make_audio_brand.py 会核对 brand_windows.json 里的曲子 id 与 sha256,
并检查两段窗口首尾相接——不相接就拒产,不让错口径流到成片。
渲染完会自动核对帧数(verify_frames):帧数不对直接报错,不让问题流到成片。
片头/片尾时长改 scripts/render_brand.py 顶部的 DURATION 与 FRAMES。
源素材没了怎么办
assets/ 不入库,换机器或者素材丢了,按下面这条链重新生成(每一步都有脚本,
路线可复现):
cd aiv
python3 character/scripts/make_white.py # 白底主形象(从入库的透明底合成)
cd brand
python3 scripts/generate_poses.py # 点赞 / 挥手姿态(眼镜修补 + 抠底 + 盖章)
python3 scripts/generate_backgrounds.py # 两张 AI 背景(含语义验收)
python3 scripts/render_brand.py # 重渲两支片
每一步都会消耗生成额度(合成与渲染不会),重复执行前先确认是否真的需要重做。
依赖 mcode-tools CLI(先加载 mcode-tools-master skill)。
白底主形象是「合成」出来的,不是重新生成的——重新生成会让吉祥物形象漂移,
跟已入库的透明底主形象对不上。
踩过的坑
- 混音阶段不能用
-shortest。 AAC 编码器会引入延迟,-shortest会按音频的
结束点反过来把视频截短(实测 68 帧被截成 64 帧),concat 后总时长就漂。
现在改成按帧数精确-t截断 + 音频apad补静音。 - 接地阴影要按真实脚底算,不能按画布底边。 透明底素材四周有留白
(点赞姿态脚底在 0.927 高度、挥手姿态在 0.946),画布底边 ≠ 脚底。render_brand.py会自动探测主体包围盒再推导脚底比例。 - AI 宽幅背景可能有贯穿全图的拼接缝。
bg_outro.png初版就是左右两场景硬拼。
羽化只会把缝糊掉,正确做法是用「单一连续空间」的 prompt 重新生成。
别用像素判据找缝:试过两种都误报——「相邻两列的亮度跳变」把玻璃幕墙的
楼边当成了缝(39/255),「宽窗台阶」把走廊尽头的亮光当成了缝(37/255)。
「这是不是一整个空间」是语义问题,所以generate_backgrounds.py生成完
交给视觉模型问一句,答「有缝」就直接报错——那条才是真判据。 - 姿态素材戴眼镜要走两步。 模型给镜框贴白色小铭牌是固定毛病,
character/scripts/add_glasses.py因此在图生图之后额外做一次局部修补。
姿态素材本身的生成入口是scripts/generate_poses.py(已含这一步)。 - 模型不一定会画铭牌。 挥手姿态那一版模型就把胸口的白铭牌省了——画出来是
一只胸口只有数据库图标的小象。铭牌是品牌标识,prompt 里得写死「马甲上部
必须有一块白色矩形铭牌」,生成后还要目视确认。 - 品牌片的中文文案必须进内置字体子集。 仓库内置的字体是按「仓库用到的
字符」子集化的,而品牌片是独立于流水线的一条出字路——文案一开始没被
收进来,重渲后片头胶囊就成了「⊠入数据库 · 分享技术之⊠」(「深」「美」两个字
没有字形)。画面照常生成、时长照常对,没有任何报错。现在scripts/build_font_subset.py的画字模块清单里包含render_brand.py,
缺字守卫的运行时探针也会真渲一遍片头片尾。 - 成品音轨必须接进成片,不能只做好放在那儿。 2026-11-12 踩过:
motif 的成品音轨(intro_mix.wav)做出来了,却没接进成片——brand.py当时从品牌片 mp4 里抽音轨,嵌进去的还是切换前的旧 AI 配乐。
现在pyv/brand.py的_resolve_audio_source()优先取brand/audio/*_mix.wav,mp4 音轨只作兜底,换配乐不必重渲 3D 形象。 - 淡出要短。 片尾的音乐是片头那段的前一截,末尾淡出 0.3 秒会把刚接上的
闭环淡没。现在片头淡入 0.08 秒、淡出 0.08 秒,片尾不淡入(它的窗口是曲子
中段的接缝,淡入像另起一段),成品混音再收 0.05 秒。
在 aiv 流水线里的用法
品牌片是流水线的一等公民,pipeline/pyv/brand.py 负责接入:
cd pipeline
make brand # 把 brand_intro / brand_outro 插进契约首尾,正文整体后移
make render # 渲染正文片段
make compose # 拼接 + 混音(品牌片音轨自动对位)出片
要点:
brand.py优先用定稿的 3 秒片(growdu_intro_3s_1080p.mp4/growdu_outro_3s_1080p.mp4);缺失时才回退旧的 8 秒片并打印告警。- 素材会被转码成 1920×1080 @24fps、时间基 1/24000,与 cairo 渲染出的正文片段
完全一致,concat 才不会漂时长。 - 品牌片自带人声 + 配乐,
compose会把每段品牌音轨按场景起点adelay对位后
与正文旁白amix;正文旁白自动推迟到第一个code场景的起点。 - 品牌音轨取的是
brand/audio/*_mix.wav(成品音轨),不是品牌片 mp4 里烘焙的那条;
详见上面的「踩过的坑」。 make brand可重复执行:旧的brand_*场景会被移除、正文位移会被撤销后重算。- 媒体文件不入库,所以新克隆的机器上一张品牌片都没有——
brand.py会安静跳过,
流水线照常出片,只是不带片头片尾。
快速合并
ffmpeg -i growdu_intro_3s_1080p.mp4 -i main.mp4 -i growdu_outro_3s_1080p.mp4 \
-filter_complex "[0:v][1:v][2:v]concat=n=3:v=1:a=0[v]" \
-map "[v]" -c:v h264 -pix_fmt yuv420p -movflags +faststart final.mp4
如果正文含音频,请在最终混音阶段统一加入旁白和背景音乐。