Paper Cutout Remotion（纸片风分层动画）

把一份分镜脚本变成纸片分层风格的 Remotion 视频。核心方法论：不是生成一张漂亮图加镜头移动，而是把画面拆成背景/后排/主体/前景四层独立素材，让每层按不同节奏运动，靠前后遮挡制造纵深立体感。

这套方法不只适合历史题材。只要画面能拆成"背景、主角、配角、前景"——历史人物、知识科普、商业故事、人物关系、城市发展——都能用同样的流程制作。

工具链：apiz CLI（图片生成）+ Python/Pillow/NumPy（绿幕抠图拆层）+ MiniMax（apiz speak 配音，直连 API fallback）+ Remotion（React 控制图层/动画/字幕/渲染）+ FFmpeg（验收）。

配套参考：
- 组件 API 速查：references/components.md
- 四层拆分方法论：references/layering.md（纸片风的灵魂，必读）
- apiz 提示词配方：references/prompt-recipes.md

新项目工作流（10 步）

按以下顺序执行，每步完成再做下一步。顺序乱了会导致素材比例错误、抠图失败、主次不清。

1. 确定镜头（不要直接画图）

先定镜头，不要先画图。同一个人物在全景和特写里的大小、位置、朝向都不同，先随便生成素材，后面必然返工。

每个镜头先回答：谁最大？配角在哪？地平线在哪？
- 全景镜头：交代规模（如"盛唐长安"，皇帝最大居中，群臣最小）
- 特写镜头：表现情绪/动作（如"万邦来朝"，中央人物最大，前排跪拜次之）

2. 把每个镜头拆成四层

见 references/layering.md。每个镜头至少拆成：
- 背景层（山水/宫殿/纸纹，无人物）
- 后排层（远处群臣/侍从，tertiary）
- 主体层（主角，primary，最大）
- 前景层（近处人物/装饰，secondary，遮挡制造纵深）

3. 脚手架

mkdir "<VIDEO_WORKSPACE>/<项目名>"
cp -R "./skills/paper-cutout-remotion/templates/remotion-project/" \
      "<VIDEO_WORKSPACE>/<项目名>/"
cd "<VIDEO_WORKSPACE>/<项目名>" && npm install

⚠️ 用原生 npm install，不要 rtk npm install（rtk 会翻译成 npm run install 报错）。

在项目根建素材目录：

mkdir -p public/assets/plates public/assets/layers public/assets/source
mkdir -p public/audio/narration public/audio/sfx

4. 生成无人物背景底板（gen_plates.py）

背景底板只保留环境（山水/宫殿/纸纹/撕纸边缘/装饰）。绝对不要把主要人物画进背景——画进去就没法独立飞入、摇摆、调整大小了。

# 单张
python scripts/gen_plates.py "唐代长安宫殿全景，水墨远山，宣纸纹理，撕纸边缘" \
    public/assets/plates/01-tang-wide-bg.png

# 批量（plates_spec.yaml）
python scripts/gen_plates.py --batch plates_spec.yaml public/assets/plates/

脚本会自动追加"无人物"约束。提示词配方见 references/prompt-recipes.md。

5. 生成角色素材表（gen_characters.py）

角色用纯绿背景生成（方便后续 chroma key 抠图）。提示词必须强制：朝向、完整全身、白色剪纸描边、纯绿背景、无文字水印。脚本会自动追加这些约束。

# 先写 assets_spec.yaml（角色清单，见 scripts/gen_characters.py 注释）
# dry-run 检查提示词
python scripts/gen_characters.py assets_spec.yaml public/assets/source/ --dry-run
# 实际生成
python scripts/gen_characters.py assets_spec.yaml public/assets/source/

6. 绿幕抠图 + 拆独立 PNG（split_sheet_green.py）

把带绿背景的素材表抠成透明 PNG，多人素材表按网格拆成独立文件。

# 单人物（只抠图不拆）
python scripts/split_sheet_green.py public/assets/source/emperor.png \
    public/assets/layers emperor 1

# 6 人群臣素材表（自动推算网格）
python scripts/split_sheet_green.py public/assets/source/ministers.png \
    public/assets/layers minister 6
# 显式 3 列 2 行
python scripts/split_sheet_green.py public/assets/source/ministers.png \
    public/assets/layers minister 6 --cols 3 --rows 2

抠完后检查 *-full-alpha.png（完整抠图结果）确认绿幕干净、边缘没有绿残留。若有绿残留，调大 split_sheet_green.py 的 EDGE_FEATHER，或提示词强化 "pure flat solid green, no gradient"。

7. 静态排版（先排版，再加动画）

不要一拿到素材就加动画。先在 scenes.tsx 里把所有人物静止摆好，检查：
- 主角是不是最大、最醒目？
- 配角有没有挡住主角的脸、手、关键道具？
- 所有人物脚底是不是落在同一个合理地面上？
- 朝向是否符合场景关系？

只改 src/scenes.tsx（场景组件）和 src/Root.tsx（SCENES 表）。不要改 theme.ts / ui.tsx / cutout.tsx（风格锁定文件，但 BodyText 的 textShadow 和 weight 默认值已优化为在任何背景上都清晰可读）。

8. 设 zIndex 遮挡 + roleMotion 错峰动画

按四层模型分配 zIndex（背景 0 / 后排 1-2 / 主体 3-4 / 前景 5-6 / 文字 10+），给每个 PaperActor 设 role 和 delay：

// 主角先出（delay 4），配角补充（delay 16-22），后排填充（delay 30-40）
<PaperActor src="assets/layers/emperor.png" x={960} y={920} width={650}
            role="primary" delay={4} zIndex={3} seed="s2emp" />
<PaperActor src="assets/layers/maid-left.png" x={620} y={900} width={240}
            role="secondary" delay={18} zIndex={5} seed="s2maid1" />
<PaperActor src="assets/layers/minister.png" x={1500} y={860} width={165}
            role="tertiary" delay={34} zIndex={1} seed="s2min1" />

背景套 <BackgroundPan> 做 1-3% 慢速推镜。详细层级规范见 references/layering.md。

9. 配音 + 字幕 + 音效（gen_tts.py）

画面完成后，按场景生成旁白，用真实时长切镜头。

# 写 narration.yaml（见 scripts/gen_tts.py 注释）
python scripts/gen_tts.py narration.yaml --out-dir public/audio/narration

产出 s01.mp3 s02.mp3 ... + timeline.json（含 frames_playback）。
- 三级兜底：
1. 优先 apiz speak（统一鉴权，内置下载，需 apiz 余额）
2. apiz 失败 → 直连 api.minimaxi.com/v1/t2a_v2（从 .env 读 minimaxi=KEY）
3. minimaxi 不可用（无 KEY 或 API 失败）→ 自动 fallback 到 edge-tts（微软免费 TTS，无需 key/余额，需 pip install edge-tts）
- 所以 .env 没有 minimaxi 也能跑——脚本会自动用 edge-tts，不会硬失败。控制台会打印 生成完成 (apiz / minimaxi / edge) 告诉你用了哪条路径。

用 timeline.json 的 frames_playback 回写 Root.tsx 的 SCENES 表 frames，并在每场 Sequence 里挂 <Audio src={staticFile('audio/narration/sNN.mp3')} />。

音效分层（按需求原文）：
- 旁白：每段一个 mp3，直接决定镜头时长
- BGM：循环播放，音量在人声下方（<Audio src={staticFile('audio/bgm.wav')} loop volume={0.3} />）
- 入场音效：主角 sfx/impact.wav，次要 sfx/whoosh.wav，后排 sfx/tick.wav

10. 预览 + 验收 + 渲染

npm run dev          # Remotion Studio 逐帧预览
npx tsc --noEmit     # 类型检查（长渲染前必做）
# 抽帧检查排版（每场接近结尾的静帧）
npx remotion still Episode --frame=<场景末帧-30> out/check-N.png
npm run render       # 渲染 MP4
ffprobe -v error -show_streams -show_format out/episode.mp4   # 验收

风格 DNA（不可变）

素材目录规范

public/
├── assets/
│   ├── plates/        # 背景底板（无人物，gen_plates 生成）
│   │   ├── 01-tang-wide-bg.png
│   │   └── 02-tang-close-bg.png
│   ├── source/        # 原始绿背景素材表（gen_characters 生成，抠图前）
│   │   └── ministers.png
│   └── layers/        # 抠好的透明角色 PNG（split_sheet 产出，scenes.tsx 引用这里）
│       ├── emperor-1.png
│       └── minister-1.png ...
├── audio/
│   ├── narration/     # 旁白 mp3 + timeline.json（gen_tts 产出）
│   ├── sfx/           # 入场音效 impact/whoosh/tick.wav
│   └── bgm.wav        # 背景音乐
└── captions/          # （可选）SRT 字幕

验收清单（渲染前必过）

• [ ] 主次分明：主角最大（约为后排 4 倍宽），配角不平均分布
• [ ] 无遮挡穿帮：配角没挡住主角的脸/手/关键道具；朝向符合场景关系
• [ ] 脚底同地面：所有人物 y 坐标落在同一合理地平线
• [ ] 错峰入场：角色按 primary→secondary→tertiary 顺序出场，不同时出现
• [ ] 白边+投影：每个 PaperActor 都带 PAPER_FILTER（剪纸感 + 立体感）
• [ ] 音画同步：音效和人物入场帧对齐；字幕跟随旁白逐句
• [ ] 字幕单层：底部一层，不重复，不挡人物脚部
• [ ] 拆分产物合理：split_sheet_green 脚本末尾的 ratio 校验无 ⚠️（产物数 = 期望 count，每个 ratio ∈ [0.4, 3.0]，且每个产物是「从头到脚」完整全身像）
• [ ] 文字无重叠：相邻 BodyText/Title 的 y 间距 ≥ 上一行 size × 1.5（lineHeight 默认 1.5，size 是字号 px，y 是元素顶部坐标不是中心）。y_下 = y_上 + size_上 × 1.5 + 30(留白)
• [ ] 文字在背景上可读：BodyText 默认已加粗(700) + 双阴影（纸色光晕+暗投影），在亮/暗/纹理背景上都应清晰。如果仍有看不清，检查 textShadow 是否被覆盖
• [ ] FFmpeg 抽帧：每场渲接近结尾的静帧，用下方「静帧查看策略」检查上述各项
• [ ] 绿幕干净：抠图后边缘无绿残留（检查 *-full-alpha.png）

静帧查看策略（重要）

remotion still 渲出的静帧要肉眼检查排版，但默认放 out/check-N.png 在 Windows 下走 analyze_image MCP 会因路径反斜杠报 400 "图片输入格式/解析错误"。正确做法：

# 1. 渲静帧到 out/
npx remotion still Episode --frame=<场景末帧-30> out/check-s1.png

# 2. 缩成 jpg 并复制到 cwd 根目录（短文件名，CDN URL 才不会带反斜杠）
python -c "from PIL import Image; Image.open('out/check-s1.png').convert('RGB').save('_verify-s1.jpg', quality=85)"

# 3. Read 工具读 _verify-s1.jpg，拿到干净的 CDN URL 再传给 analyze_image

如果 Read 返回的 URL 里仍带 \\ 反斜杠或盘符，说明源文件路径太长——继续缩短文件名或换 cwd。analyze_image 报 400 时先看 URL 路径部分，不要归咎于网络。

常见坑

• rtk npm install 会失败，用原生 npm install。
• 先画图后定镜头必返工——人物比例/朝向/主次全错。务必先定镜头再生成素材。
• 人物画进背景就废了——背景底板必须无人物，否则没法独立飞入。
• 绿幕不纯（有渐变/阴影）→ 抠图绿残留。提示词强化 "pure flat solid green, no gradient, no shadow on background"，或调大 EDGE_FEATHER。
• apiz 错误是单行 Error: 非 JSON，returncode≠0 时 lib_apiz._run_apiz 直接抛 stderr。
• model 名不一致：apiz speak 用 speech-2.8-hd，直连 minimaxi API 用 speech-02-hd。两个脚本已分别用对的名字。
• apiz 余额不足（实测可能很低）→ gen_tts 自动 fallback 直连 minimaxi；直连也失败 → 自动 fallback 到 edge-tts（微软免费 TTS，无需 key/余额，需 pip install edge-tts）。gen_plates/gen_characters 失败需充值，或换其他绘图模型。
• .env 没有 minimaxi=KEY 也能跑配音：gen_tts.py 检测不到 KEY 时自动跳过 minimaxi 直连，直接用 edge-tts 兜底（female-shaonv 等 MiniMax voice 名通过内置 MINIMAX_TO_EDGE_VOICE 映射到 zh-CN-XiaoxiaoNeural 等 neural voice）。新机器首次使用 pip install edge-tts 即可。
• apiz generate --json 的图片 URL 路径首次需校准：lib_apiz.extract_image_url() 多路径兜底，首次失败时看 .last_generate.json 把实际字段加到兜底列表最前。详见 references/prompt-recipes.md 末尾。
• seed 重复会让漂浮同步——每个 PaperActor 的 seed 带场景前缀+编号（s2emp、s2maid1）。
• 前景 zIndex 必须大于主体——前景遮挡主体才制造纵深，不是反之。见 references/layering.md。
• 人物头顶出画（最易犯的排版错）：PaperActor 的 y 是脚底，人物显示高度 = width × (图片高/宽比)。竖长条人物（高/宽常 2.3~2.6）很容易头顶超出 1080 画布。设坐标前先算：width × 高宽比 ≤ y - 60（留 60px 头顶余量）。例如高/宽=2.4、y=1030，则 width ≤ (1030-60)/2.4 ≈ 404。不确定时用 Python 量真实尺寸：Image.open(path).getbbox()。
• 单人物抠图命名：split_sheet_green.py 对 count=1 输出 <prefix>-1.png（带 -1 后缀）。scenes.tsx 引用时要么用 -1 后缀，要么抠完后重命名去掉。多人素材表则天然是 <prefix>-1.png ~ <prefix>-N.png。
• Chrome Headless Shell 下载慢/失败（国内访问 storage.googleapis.com 不稳定，113MB 易超时）：模板的 remotion.config.ts 已配置自动检测本机 Chrome（C:/Program Files/Google/Chrome/Application/chrome.exe），跳过下载。换机器若 Chrome 路径不同，改这个配置。
• 音频混合失败（audio-mixing 目录缺失）：根因是并发渲染竞争 Windows temp 目录。模板已设 Config.setConcurrency(2) 规避。⚠️ 绝对不要同时跑多个 remotion render（前台+后台并发会触发此问题）。一次只跑一个渲染任务。参考成功案例 demo-wx-article-3（同款配置，带音频渲染正常）。<Audio> 组件要显式传 volume={1}。
• 不要停留在无配音估时版——真实 TTS 生成后必须用 timeline.json 回写一版 frames。
• 旁白被截断（没说完就切场）：根因是帧数字段用错。timeline.json 有两个字段：
• frames_source = ceil(音频秒×30)+15：原速音频实际需要的帧数（含 0.5s 收尾缓冲）
• frames_playback = ceil(frames_source/1.2)：1.2x 加速后的压缩帧数
  关键：如果音频是原速播放（没加 playbackRate={1.2}），SCENES 表的 frames 必须用 frames_source，不能用 frames_playback。否则每段场景比音频短 1~2 秒，旁白没说完就被 FadeScene 淡出切场。只有当音频挂了 <Audio ... playbackRate={1.2} /> 时才用 frames_playback。古诗词等需要慢速韵味的场景建议原速。
• apiz URL 已校准（实测）：apiz generate --json 成功后图片 URL 在 result.images[0].url，lib_apiz.extract_image_url() 已命中此路径，无需再手动校准。图片是公网 CDN（cdn-hk.51sux.com），urllib 直接下载即可。
• 正文文字在背景图上看不清：原因是 BodyText 默认 weight=400 且 textShadow='none'。模板 ui.tsx 已修复为 weight=700 + 双阴影（纸色光晕 rgba(243,234,214,0.9) + 暗投影 rgba(0,0,0,0.6)），新项目直接从模板 cp 即自带修复。如果手动覆盖了 textShadow 属性，记得保留这层对比度。

适用范围

这套方法只要画面能拆成"背景、主角、配角、前景"就适用：
- 历史人物 / 朝代叙事（唐/宋/明…）
- 知识科普（人物 + 概念图解）
- 商业故事（创始人/产品/用户分层）
- 人物关系（家谱/组织/社交网络）
- 城市发展（地标 + 人物 + 场景）

真正让纸片动画有层次的，不是多生成几张图，而是让每张图都承担明确的叙事位置。