ASCII 视频制作流程

创意标准

这是视觉艺术。ASCII 字符是媒介；电影是标准。

在编写任何一行代码之前，请阐明创意概念。氛围是什么？它讲述了什么视觉故事？是什么让这个项目与所有其他 ASCII 视频不同？用户的提示是一个起点——用创造性的雄心去诠释它，而不是字面转录。

首次渲染的卓越性不容妥协。 输出必须视觉震撼，无需多轮修改。如果某些内容看起来普通、平淡或像"AI 生成的 ASCII 艺术"，那就是错误的——在交付前重新思考创意概念。

超越参考词汇表。 参考资料中的效果目录、着色器预设和调色板库是起始词汇。对于每个项目，都要组合、修改并发明新的模式。目录是绘画的调色板——你才是创作画作的人。

积极主动地发挥创意。 当项目需要时，扩展技能的词汇。如果参考资料中没有视觉构想所需的内容，那就构建它。至少包含一个用户未要求但会欣赏的视觉时刻——一个提升整部作品的转场、效果或色彩选择。

统一的美学高于技术正确性。 视频中的所有场景必须通过统一的视觉语言（共享的色温、相关的字符调色板、一致的运动词汇）感到相互关联。一个技术上正确但每个场景都使用随机不同效果的视频，在美学上是失败的。

密集、分层、深思熟虑。 每一帧都应值得观看。永远不要使用纯黑背景。始终采用多网格构图。始终有逐场景的变化。始终使用有意的色彩。

模式

技术栈

每个项目使用单个独立的 Python 脚本。无需 GPU。

流程架构

每种模式都遵循相同的 6 阶段流程：

INPUT → ANALYZE → SCENE_FN → TONEMAP → SHADE → ENCODE

1. INPUT — 加载/解码源素材（视频帧、音频样本、图像或无输入）
2. ANALYZE — 提取每帧特征（音频频段、视频亮度/边缘、运动矢量）
3. SCENE_FN — 场景函数渲染到像素画布（uint8 H,W,3）。通过 _render_vf() 和像素混合模式组合多个字符网格。参见 references/composition.md
4. TONEMAP — 基于百分位的自适应亮度归一化。参见 references/composition.md § 自适应色调映射
5. SHADE — 通过 ShaderChain 和 FeedbackBuffer 进行后处理。参见 references/shaders.md
6. ENCODE — 将原始 RGB 帧通过管道传输到 ffmpeg 进行 H.264/GIF 编码

创意方向

美学维度

逐段落变化

切勿对整个视频使用相同的配置。对于每个段落/场景：

• 不同的背景效果（或组合 2-3 种）
• 不同的字符调色板（匹配氛围）
• 不同的色彩策略（或至少是不同的色调）
• 改变着色器强度（高潮时更多辉光，安静时更多噪点）
• 如果启用了粒子，则使用不同的粒子类型

项目特定创新

对于每个项目，至少发明以下一项：

• 匹配主题的自定义字符调色板
• 自定义背景效果（组合/修改现有的构建块）
• 自定义色彩调色板（匹配品牌/氛围的离散 RGB 集合）
• 自定义粒子字符集
• 新颖的场景转场或视觉时刻

不要只是从目录中挑选。目录是词汇表——你才是写诗的人。

工作流程

步骤 1：创意构想

在任何代码之前，阐明创意概念：

• 氛围/气氛：观众应该感受到什么？充满活力、冥想、混乱、优雅、不祥？
• 视觉故事：在持续时间内发生了什么？制造紧张感？转变？溶解？
• 色彩世界：暖色/冷色？单色？霓虹色？大地色调？主导色调是什么？
• 字符纹理：密集的数据？稀疏的星星？有机的点？几何块？
• 是什么让这个与众不同：是什么让这个项目独一无二？
• 情感弧线：场景如何进展？以能量开场，推向高潮，然后解决？

将用户的提示映射到美学选择。"轻松的低保真视觉化"与"故障赛博朋克数据流"在各方面都要求不同。

步骤 2：技术设计

• 模式 — 上述 6 种模式中的哪一种
• 分辨率 — 横版 1920x1080（默认）、竖版 1080x1920、方形 1080x1080 @ 24fps
• 硬件检测 — 自动检测核心数/RAM，设置质量配置文件。参见 references/optimization.md
• 段落 — 将时间戳映射到场景函数，每个场景函数都有自己的效果/调色板/色彩/着色器配置
• 输出格式 — MP4（默认）、GIF（640x360 @ 15fps）、PNG 序列

步骤 3：构建脚本

单个 Python 文件。组件（带参考）：

1. 硬件检测 + 质量配置文件 — references/optimization.md
2. 输入加载器 — 模式相关；references/inputs.md
3. 特征分析器 — 音频 FFT、视频亮度或合成
4. 网格 + 渲染器 — 带位图缓存的多密度网格；references/architecture.md
5. 字符调色板 — 每个项目多个；references/architecture.md § 调色板
6. 色彩系统 — HSV + 离散 RGB + 和声生成；references/architecture.md § 色彩
7. 场景函数 — 每个返回 canvas (uint8 H,W,3)；references/scenes.md
8. 色调映射 — 自适应亮度归一化；references/composition.md
9. 着色器管线 — ShaderChain + FeedbackBuffer；references/shaders.md
10. 场景表 + 调度器 — 时间 → 场景函数 + 配置；references/scenes.md
11. 并行编码器 — 使用 ffmpeg 管道进行 N 工作进程的片段渲染
12. 主程序 — 编排完整流程

步骤 4：质量验证

• 先测试单帧：在完整渲染之前，在关键时间戳渲染单帧
• 亮度检查：所有 ASCII 内容的 canvas.mean() > 8。如果太暗，降低 gamma 值
• 视觉连贯性：所有场景是否感觉属于同一个视频？
• 创意构想检查：输出是否匹配步骤 1 的概念？如果看起来普通，请返回修改

关键实现注意事项

亮度 — 使用tonemap()，而非线性乘数

这是头号视觉问题。黑色背景上的 ASCII 本身就很暗。切勿使用 canvas * N 乘数——它们会剪切高光。使用自适应色调映射：

def tonemap(canvas, gamma=0.75):    f = canvas.astype(np.float32)    lo, hi = np.percentile(f[::4, ::4], [1, 99.5])    if hi - lo < 10: hi = lo + 10    f = np.clip((f - lo) / (hi - lo), 0, 1) ** gamma    return (f * 255).astype(np.uint8)

流程：scene_fn() → tonemap() → FeedbackBuffer → ShaderChain → ffmpeg

每场景 gamma 值：默认 0.75，曝光过度 0.55，海报化 0.50，明亮场景 0.85。对于暗层使用 screen 混合模式（而非 overlay）。

字体单元格高度

macOS Pillow：textbbox() 返回错误的高度。使用 font.getmetrics()：cell_height = ascent + descent。参见 references/troubleshooting.md。

ffmpeg 管道死锁

切勿对长时间运行的 ffmpeg 使用 stderr=subprocess.PIPE——缓冲区会在 64KB 时填满并导致死锁。重定向到文件。参见 references/troubleshooting.md。

字体兼容性

并非所有 Unicode 字符都能在所有字体中渲染。在初始化时验证调色板——渲染每个字符，检查是否有空白输出。参见 references/troubleshooting.md。

每片段架构

对于分段视频（引用、场景、章节），将每个片段渲染为单独的文件，以便并行渲染和选择性重新渲染。参见 references/scenes.md。

性能目标

参考资料

安装命令

npx skills add https://github.com/nousresearch/hermes-agent --skill ascii-video

github地址

https://github.com/nousresearch/hermes-agent