白板动画·实测工坊（whiteboard-video-lab）

把中文文案/讲稿/SRT 变成一支白板手绘讲解视频。核心方法论三条：

1. 语义分镜先行：按叙事语义（而非画面显眼度）拆幕、排出场顺序，每幕只表达一个核心意思
2. 旁白时间决定画面：画面时序必须挂靠真实旁白时间，禁止按字数/页长估算（音画对齐契约，见 references/pipeline-guide.md）
3. 图片模型不写字：源图零文字，重点短语出图后本地叠加，杜绝 AI 中文乱码

本 skill 与开源工具 cs-board（MIT）的差异定位：cs-board 是重型本地工作台（需自建 TTS/GPU 服务）；本 skill 在 WorkBuddy 内一站式完成分镜与线稿，渲染给出两条实测路径。方法论借鉴已按 MIT 协议在 NOTICE.md 署名，代码全部原创。

触发路由（含模糊说法）

完整工作流（每步完成后停下等用户确认）

第 1 步：语义分镜（不生成任何图片）

• 输入为 SRT：运行 scripts/scene_planner.py <字幕.srt>，按真实时间拆幕（默认 25–35 秒/幕）
• 输入为纯文案：运行 scripts/scene_planner.py --text <文案.txt> --rate 4（按中文口播语速≈4 字/秒估算时长，输出中标记 estimated: true 并提示用户配音后用 SRT 重跑以获得精确时序）
• 输出分镜表：每幕含场景编号、核心表达、画面主体建议、4–10 字重点短语、时间区间
• 重点短语必须来自该幕文案核心观点，一幕一个核心意思
• 展示分镜表，停止等待确认

第 2 步：生成统一风格线稿

对每幕，把 references/visual-spec.md 的完整视觉规范写入出图提示词，生成 16:9 线稿（无真实素材时）。出图通道二选一：

• 默认：WorkBuddy 内置出图——把 visual-spec.md 规范写入提示词生成
• 备选：本地 ComfyUI（可一键批量）——挂 ColoringBookRedmond-V2 线稿 LoRA（权重 1.0 + 写实系底模），运行 scripts/auto_illustrate.py --plan plan.json --outdir scenes/：按分镜逐幕出图，内置三档色量配方、出图后自动质检（PNG 体积阈值）与换 seed 自动重抽（≤3 次）、幂等续跑（已出幕自动跳过）；配方细节见 references/pipeline-guide.md。白底黑线出图后可用 Pillow multiply 叠 #F5EBD7 纸色

硬性要求：

• 暖米黄纸底 #F5EBD7，深灰线条，仅红/橙/蓝做少量点缀
• 极简手绘涂鸦风、大量留白、系列内风格一致
• 禁止任何文字/字母/数字/水印进入源图
• 构图主体间留足空隙，便于后续按叙事分区
• 逐幕展示线稿，停止等待确认

第 3 步：标注 JSON（语义排序 + 像素坐标）

用户确认线稿后：

• 先读该幕文案、再实际查看图片（用 Read 工具看图），不得只凭文案臆测画面
• 起手可用 scripts/annotate_helper.py <线稿.png> 自动生成 region 草稿（边缘密度网格建议区域，草稿带 draft: true 标记与人工核对提醒），再读图核对语义、改写 label/narrativeRole/subtitle、校准 startMs 后转正——草稿只省坐标测量，语义字段必须人工按图改写
• 按语义顺序安排绘制顺序：「场景铺垫 → 关键人物/物体 → 动作冲突/变化 → 反应/结果」
• 每个元素输出原图坐标系整数像素 x/y/width/height（原点左上角，禁止百分比与估算坐标），canvas 尺寸=原图像素尺寸
• 元素字段：sequence（从 1 连续）、narrativeRole（中文叙事作用）、subtitle（对应字幕原文）、region、reveal.startMs/durationMs
• 区域串行作画（一支笔）：同幕内 startMs 不重叠，下一区域从上一区域结束后 +100~300ms 开始；durationMs 内按 ink:color = 2:1 分配（先铺线后添彩）
• JSON 保存为 <图片名>.annotation.json（与图片同名），停止等待确认

标注 JSON 格式示例：

{
  "sceneId": "scene-01",
  "canvas": { "width": 1672, "height": 941 },
  "sceneDurationMs": 30000,
  "elements": [
    {
      "id": "problem",
      "label": "问题抛出",
      "sequence": 1,
      "narrativeRole": "场景铺垫",
      "subtitle": "为什么你的钱越存越少？",
      "region": { "x": 120, "y": 200, "width": 600, "height": 500 },
      "reveal": { "startMs": 300, "durationMs": 2600 }
    }
  ]
}

第 4 步：渲染成片（双路径，按用户环境选）

两条路径的部署步骤、命令与实测坑清单见 references/pipeline-guide.md。要点：

• 路径 A（推荐，效果最好）：部署开源 cs-board 本地渲染器，用第 3 步的标注 JSON 直接渲染 stream 笔迹成片
• 路径 B（零部署）：WorkBuddy 出图 → ComfyUI 做手绘动效（可选）→ 剪映合成配音/字幕/BGM（可配合 jianying-draft-forge 生成草稿）
• 无论哪条路径，成片后按质检清单核查（见下），停止等待确认

第 5 步：重点短语叠加（仅路径 A）

开启重点文字时：每个叙事区域顶部用本地中文字体叠加 1 条 4–10 字短语（cs-board 的 add_key_text.py 或等价方式），随画手笔迹一起出现。用户可关闭。

第 6 步：批量 i2v 动画化（可选——只在"需要真人步态"时才做）

静态线稿 + 推拉已经能成片；只有当镜头需要真实步态或物理动作（走路、爬梯、翻书、开门、杠杆撬物）才上 i2v。批量生产的完整规则见 references/07-batch-i2v-production.md，三条必须先记住：

1. 提速走 Lightning LoRA（4 步 / cfg 1.0），实测比基准 28 步快 6.15 倍（25.4 → 4.13 分钟/段）；
2. 提交别手拼 API——用 ComfyUI history 里真实成功任务的 API 格式当黄金样本，只改首帧/帧数/提示词/文件名前缀；
3. 16GB 卡单段上限 49 帧（61 帧崩驱动、97 帧必崩），长页拆段、不足用尾帧保持。

产物必过双指标质检（黑屏：亮度<20；花屏：中间调占比>55%），每段过检立即转码落盘——temp 不是存储，攒到最后收割必丢件。

第 7 步：页内连贯性契约（同一页拆多段时必做）

b 段首帧 = a 段真末帧（从落盘成品抽），多段页逐段链式相接。做不到这一点，观众看到的就是"两段重复动画"。（实测 16 个 a/b 对里 14 处中招，返工 13 段 1h37m。）

验收用高斯模糊 r=4 后的 MAD 判构图级差异——线稿细黑线错位 1–2px 就能拉高原始 MAD，原始阈值不可用；最终判定必须目检对照拼图。详见 references/08-consistency-export-publish.md。

第 8 步：导出与发布交付（v2 三段式直出，固定路径）

• 剪映 11.5+ 草稿已加密、导出需会员（用户已拍板不充值）→ 以自己生成的 plan（绝对时间轴）为唯一真相源，走 v2 三段式 ffmpeg 直出：
  ① 切槽位——每段按绝对时间切精确帧数（tpad clone 补 gap → trim=end_frame=N → setpts 归零），总帧数必须闭合；
  ② 拼接——concat demuxer -c copy；
  ③ 成片——叠字幕 PNG + 挂预混音频。
• ⚠️ 禁用 overlay+enable 铺多段动画：副输入流随主时间轴推进，enable 打开时素材已播完只剩末帧，全片动画会被冻结（v1 首发级事故，实测素材帧间差异 76.8% vs 成片 0.17%）；
• 静止金句段（素材 Δ≈0）用 zoompan 单帧微推近激活（每帧 +0.00035，4× 预放大；禁配 -loop 1）；大 filtergraph 混音会断流，音视频解耦：先单独命令预混旁白+BGM 再挂载；
• 配乐走可商用免版税源，起点对齐画面、逐窗验收"不盖人声 0 处"；
• 验收四件套（缺一不发）：规格（时长/分辨率/fps/声道）／EBU R128 响度／逐段差异扫描（成片 Δ ≈ 素材原生 Δ，专杀动画冻结）／音频流时长（专杀静默截断）；
• 发布四件套：标题（问题+数字钩子）／话题 6–8 个／1920×1080 卡片式封面（另出无字版）／简介 ≤400 字，三处文案口径一致；AI 生成内容必须勾选作品声明。

完整清单见 references/08-consistency-export-publish.md；导出细节另见 skill jianying-draft-export（剪映成片·绕行直出）。

自动化与幂等续跑

• 产物命名固定：线稿 <sceneId>.png、标注 <sceneId>.annotation.json，全部落在同一工作目录
• 重跑即续跑：auto_illustrate.py 自动跳过已存在的 <sceneId>.png，失败/中断后直接重跑同一条命令只补缺失幕，不重复劳动（--force 才强制重出）
• 自动重试在先，人工在后：出图不合格（带文字、纹理崩坏、主体粘连）先由脚本自动换 seed 重抽 ≤3 次；3 次仍失败才升级人工检查提示词，不要一开始就手动反复重试
• 每步产物落盘：分镜 JSON、标注 JSON 均写文件（不只在对话里展示），任何一步失败都从文件恢复而非从头再来

质量检查清单（成片前后逐条过）

• 首帧为干净暖米黄纸底，无提前露线
• 所有 region 为整数像素且在画布内；sequence/startMs 与文案事件顺序一致
• 抽查三个时间点（开场、重叠区中段、结尾）：未绘制区域不可见，最终帧停留 ≥0.5 秒完整原图
• 开启重点文字时：每区域顶部有且只有一条准确短语；关闭时画面无任何模型生成的乱码
• 音画对齐：画面元素出现时间 ≤ 对应旁白短语起点（宁可画面稍后，不可抢跑）

批量 i2v 与交付段追加：

• 每段 i2v 过双指标质检（亮度<20 判黑屏；中间调>55% 判花屏）且当段立即转码落盘
• 同页多段满足「b 首帧 = a 末帧」，接缝用模糊 r=4 的 MAD 判构图级差异 + 拼图目检无重复播放
• 混音：配乐相对旁白偏低、逐 0.4s 窗口「配乐盖人声」= 0 处（双声道等功率口径测量）
• 发布物齐备：标题 ≤30 字 / 话题 6–8 / 封面 ≥1920×1080（含无字版）/ 简介 ≤400 字，且三处文案口径一致；AI 生成声明已勾选

异常处理与纠偏

延伸应用：少儿读物与儿童科普

本 skill 的出图管线（线稿 LoRA 三档色量配方，见 references/pipeline-guide.md）天然适合少儿场景：

• 儿童科普白板动画：知识讲解类内容用纯线稿/点缀色档，节奏慢、留白多，适配低龄注意力
• 简笔画素材页：全彩档直接出儿童简笔画插图（小动物/日常物件），可作绘本内页素材
• 轻量画本模式（非视频产物，用户明确要画本时启用）：主题 + 目标年龄段 → 分页大纲（每页 1~2 句低龄文案，3-6 岁/6-9 岁两档语言分级）→ 逐页全彩简笔画插图 → 标题/页码本地字体叠加 → 输出单文件 HTML 翻页书 + 打印友好分页 PDF。角色一致性：主角特征写成固定描述模板跨页复用 + 固定 seed，同角色每页外观必须一致，不一致立即重抽
• 边界提醒：视频（白板动画）是本 skill 主线，画本模式是延伸轻量路径；画本不做音画对齐与渲染，分页文案确认后再批量出图

能力边界

能做：分镜拆解、线稿出图（WorkBuddy 内置出图 / 本机 ComfyUI 线稿 LoRA）、标注 JSON、渲染路径指引与故障排查、质检
不能做：直接在 WorkBuddy 沙箱内渲染 MP4（渲染在用户本机完成）；TTS 配音（推荐用户自备或走 cs-board 本地音色克隆）；保证成片达到特定播放量

参考文档

• references/visual-spec.md：统一出图视觉规范 + 可直接粘贴的出图提示词模板
• references/pipeline-guide.md：双渲染路径部署指引 + ComfyUI/EP2 实测坑清单 + 音画对齐契约
• references/07-batch-i2v-production.md：批量 i2v 生产线（Lightning 提速、黄金样本提交、49 帧上限、黑屏/花屏/僵尸/驱动丢设备四类故障判别、坏种子两种修法、阶梯诊断法、产线纪律）
• references/08-consistency-export-publish.md：页内连贯性契约（b 首帧=a 末帧）、模糊 MAD 接缝验收、剪映会员墙绕行导出、配乐混音要点、发布四件套与合规
• references/FAQ.md：常见问题、错误用法与异常恢复
• scripts/scene_planner.py：SRT/文案 → 分镜 JSON
• scripts/i2v_batch_template.py：批量 i2v 串行生产线模板（串行提交+双指标质检+冷却+僵尸判活+换种子+断点续跑）
• scripts/verify_seam_template.py：接缝验收模板（原始 MAD + 高斯模糊 MAD 双口径）
• scripts/make_cover_template.py：1920×1080 卡片式封面生成器（浅底+蓝主色，换插画与文案即出新封面）

NOTICE

方法论借鉴自开源项目 cs-board（ChenShuo2004/cs-board，MIT License），含语义分镜、分区遮罩编排、流式笔迹、旁白驱动时间轴等思想；全部代码与文档为本 skill 原创。署名详情见 NOTICE.md。

变更记录

• v1.0.0（2026-09-20）：首版。语义分镜、统一视觉规范线稿、标注 JSON、双渲染路径、音画对齐契约、异常处理、FAQ。
• v1.0.1（2026-09-20）：新增批量出图脚本（自动质检+换 seed 重试+幂等续跑）与标注草稿脚本；新增儿童画本轻量模式与三档色量配方；补全路由/异常/FAQ；新增自动化与幂等续跑规范。
• v1.0.2（2026-09-22）：首条全片实战（94 秒白板动画，从长文到发布）回灌。新增第 6/7/8 步（批量 i2v 动画化、页内连贯性契约、导出与发布交付）；新增两份参考文档 07-batch-i2v-production.md（Lightning 提速 6.15×、黄金样本提交、49 帧上限、四类 GPU 故障判别、坏种子两种修法、阶梯诊断、产线纪律）与 08-consistency-export-publish.md（b 首帧=a 末帧、模糊 MAD 验收、会员墙绕行导出、配乐响度对齐、发布四件套与 AI 声明）；新增三个脚本模板（i2v 批量生产线／接缝验收／封面生成器）。
• v1.0.3（2026-09-22）：发布级事故复盘回灌，导出定版 v2 三段式。① 第 8 步重写：切槽位→concat→叠字幕挂预混音频，禁用 overlay+enable 铺段（全片动画冻结根因）；② 验收升级四件套（规格/响度/逐段差异扫描/音频流时长）；③ 静止段 zoompan 微推近激活与两个新坑（-loop 1 失控、大 filtergraph 混音断流→音视频解耦）；④ frontmatter 补 version 字段。