Ascii Video
ASCII 视频：将视频/音频转换为彩色 ASCII MP4/GIF。
技能元数据
| 来源 | 内置（默认安装） |
| 路径 | skills/creative/ascii-video |
参考：完整 SKILL.md
以下是 Hermes 在触发此技能时加载的完整技能定义。这是 Agent 在技能激活时看到的指令。
ASCII 视频制作管线
使用时机
当用户提出以下请求时使用：ASCII 视频、文字艺术视频、终端风格视频、字符艺术动画、复古文字可视化、ASCII 音频可视化、将视频转换为 ASCII 艺术、矩阵风格效果，或任何动画 ASCII 输出。
包含内容
ASCII 艺术视频的制作管线——支持任何格式。将视频/音频/图像/生成式输入转换为彩色 ASCII 字符视频输出（MP4、GIF、图像序列）。涵盖：视频到 ASCII 转换、音频响应式音乐可视化、生成式 ASCII 艺术动画、混合视频+音频响应、文字/歌词叠加、实时终端渲染。
创意标准
这是视觉艺术。ASCII 字符是媒介，电影是标准。
在写任何代码之前，先阐述创意概念。情绪是什么？它讲述什么视觉故事？是什么让这个项目与其他所有 ASCII 视频不同？用户的提示是起点——要用创意野心去诠释，而不是逐字照搬。
首次渲染的卓越性不容妥协。 输出必须在视觉上引人注目，无需反复修改。如果某些内容看起来普通、平淡，或像“AI 生成的 ASCII 艺术”，那就是错的——在交付前重新思考创意概念。
超越参考词汇表。 参考中的效果目录、着色器预设和调色板库只是起点词汇。对于每个项目，都要组合、修改和创造新的模式。目录是颜料的调色板——你来创作画作。
主动发挥创意。 当项目需要时，扩展技能的词汇表。如果参考中没有实现愿景所需的内容，就自己构建。至少包含一个用户没有要求但会欣赏的视觉瞬间——一个过渡、一个效果、一个能提升整体作品的颜色选择。
美学统一性优先于技术正确性。 视频中的所有场景必须通过统一的视觉语言相互关联——共享的色温、相关的字符调色板、一致的运动词汇。一个技术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、有层次、经过深思熟虑。 每一帧都值得细看。永远不要使用纯黑色背景。始终采用多网格构图。始终为每个场景提供变化。始终有意识地使用颜色。
模式
| 模式 | 输入 | 输出 | 参考 |
|---|---|---|---|
| 视频转 ASCII | 视频文件 | 源素材的 ASCII 再现 | references/inputs.md § 视频采样 |
| 音频响应式 | 音频文件 | 由音频特征驱动的生成式视觉 | references/inputs.md § 音频分析 |
| 生成式 | 无（或种子参数） | 程序化 ASCII 动画 | references/effects.md |
| 混合式 | 视频 + 音频 | 带有音频响应式叠加的 ASCII 视频 | 两个输入参考 |
| 歌词/文字 | 音频 + 文本/SRT | 带有视觉效果的定时文字 | references/inputs.md § 文字/歌词 |
| TTS 旁白 | 文本引用 + TTS API | 带有打字文本的旁白推荐/引用视频 | references/inputs.md § TTS 集成 |
技术栈
每个项目都是一个独立的 Python 脚本，无需 GPU。
| 层 | 工具 | 用途 |
|---|---|---|
| 核心 | Python 3.10+, NumPy | 数学运算、数组操作、向量化特效 |
| 信号 | SciPy | FFT、峰值检测（音频模式） |
| 图像 | Pillow (PIL) | 字体光栅化、帧解码、图像 I/O |
| 视频 I/O | ffmpeg (CLI) | 解码输入、编码输出、混流音频 |
| 并行 | concurrent.futures | 用于批量/片段渲染的 N 个工作进程 |
| TTS | ElevenLabs API (可选) | 生成旁白片段 |
| 可选 | OpenCV | 视频帧采样、边缘检测 |
流水线架构
每种模式都遵循相同的 6 阶段流水线：
INPUT → ANALYZE → SCENE_FN → TONEMAP → SHADE → ENCODE
- INPUT — 加载/解码源素材（视频帧、音频样本、图像，或空）
- ANALYZE — 提取每帧特征（音频频段、视频亮度/边缘、运动向量）
- SCENE_FN — 场景函数渲染到像素画布（
uint8 H,W,3）。通过_render_vf()+ 像素混合模式组合多个字符网格。参见references/composition.md - TONEMAP — 基于百分位数的自适应亮度归一化。参见
references/composition.md§ 自适应色调映射 - SHADE — 通过
ShaderChain+FeedbackBuffer进行后处理。参见references/shaders.md - ENCODE — 将原始 RGB 帧通过管道送入 ffmpeg 进行 H.264/GIF 编码
创意方向
美学维度
| 维度 | 选项 | 参考 |
|---|---|---|
| 字符调色板 | 密度渐变、块元素、符号、文字（片假名、希腊文、符文、盲文）、项目专用 | architecture.md § 调色板 |
| 色彩策略 | HSV、OKLAB/OKLCH、离散 RGB 调色板、自动生成和谐色、单色、色温 | architecture.md § 色彩系统 |
| 背景纹理 | 正弦场、fBM 噪声、域扭曲、沃罗诺伊图、反应扩散、元胞自动机、视频 | effects.md |
| 主要特效 | 环、螺旋、隧道、涡旋、波浪、干涉、极光、火焰、SDF、奇异吸引子 | effects.md |
| 粒子 | 火花、雪、雨、气泡、符文、轨道、群集模拟、流场跟随、拖尾 | effects.md § 粒子 |
| 着色器氛围 | 复古 CRT、干净现代、故障艺术、电影感、梦幻、工业、迷幻 | shaders.md |
| 网格密度 | xs(8px) 到 xxl(40px)，每层可混合 | architecture.md § 网格系统 |
| 坐标空间 | 笛卡尔、极坐标、平铺、旋转、鱼眼、莫比乌斯、域扭曲 | effects.md § 变换 |
| 反馈 | 缩放隧道、彩虹拖尾、鬼影回响、旋转曼陀罗、色彩演化 | composition.md § 反馈 |
| 遮罩 | 圆形、环形、渐变、文字模板、动画光圈/擦除/溶解 | composition.md § 遮罩 |
| 转场 | 交叉淡入淡出、擦除、溶解、故障切、光圈、基于遮罩的揭示 | shaders.md § 转场 |
每段变化
切勿在整个视频中使用相同的配置。对于每个段落/场景：
- 不同的背景特效（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（或至少不同的色相）
- 变化着色器强度（高潮时更多泛光，安静时更多颗粒）
- 如果粒子处于激活状态，使用不同的粒子类型
项目特定发明
每个项目至少发明以下一项：
- 与主题匹配的自定义字符调色板
- 自定义背景效果（组合/修改现有构建块）
- 自定义颜色调色板（与品牌/氛围匹配的离散 RGB 集合）
- 自定义粒子字符集
- 新颖的场景过渡或视觉瞬间
不要只是从目录中挑选。目录是词汇——你用它写诗。
工作流程
第一步：创意愿景
在写任何代码之前，先阐明创意概念：
- 氛围/情绪：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？转变？溶解？
- 色彩世界：暖色/冷色？单色？霓虹？大地色？主色调是什么？
- 字符质感：密集数据？稀疏星星？有机点？几何块？
- 这个项目有何不同：是什么让这个项目独一无二？
- 情感弧线：场景如何推进？以能量开场，推向高潮，然后收尾？
将用户的提示映射到美学选择上。一个“chill lo-fi 可视化器”与“故障赛博朋克数据流”所需的一切都不同。
第二步：技术设计
- 模式——上述 6 种模式中的哪一种
- 分辨率——横屏 1920x1080（默认），竖屏 1080x1920，方形 1080x1080 @ 24fps
- 硬件检测——自动检测核心数/内存，设置质量配置文件。参见
references/optimization.md - 章节——将时间戳映射到场景函数，每个函数有自己的效果/调色板/颜色/着色器配置
- 输出格式——MP4（默认），GIF（640x360 @ 15fps），PNG 序列
第三步：构建脚本
单个 Python 文件。组件（附参考）：
- 硬件检测 + 质量配置文件——
references/optimization.md - 输入加载器——依赖模式；
references/inputs.md - 特征分析器——音频 FFT、视频亮度或合成数据
- 网格 + 渲染器——带位图缓存的多密度网格；
references/architecture.md - 字符调色板——每个项目多个；
references/architecture.md§ 调色板 - 颜色系统——HSV + 离散 RGB + 和谐生成；
references/architecture.md§ 颜色 - 场景函数——每个返回
canvas (uint8 H,W,3)；references/scenes.md - 色调映射——自适应亮度归一化；
references/composition.md - 着色器管线——
ShaderChain+FeedbackBuffer；references/shaders.md - 场景表 + 调度器——时间 → 场景函数 + 配置；
references/scenes.md - 并行编码器——使用 ffmpeg 管道的 N 工作线程片段渲染
- 主函数——编排整个管线
第四步：质量验证
- 先测试帧：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，降低伽马值 - 视觉连贯性：所有场景是否感觉属于同一个视频？
- 创意愿景检查：输出是否与第一步的概念匹配？如果看起来太普通，返回重做
关键实现说明
亮度 —— 使用 tonemap()，不要用线性乘数
这是排名第一的视觉问题。黑色背景上的 ASCII 本身就很暗。绝对不要使用 canvas * N 乘数——它们会裁切高光。请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)
处理流程：scene_fn() → tonemap() → FeedbackBuffer → ShaderChain → ffmpeg
每场景 gamma 值：默认 0.75，曝光过度 0.55，色调分离 0.50，明亮场景 0.85。对于暗色图层，使用 screen 混合模式（不要用 overlay）。
字体单元格高度
macOS 上的 Pillow：textbbox() 返回的高度不正确。请使用 font.getmetrics()：cell_height = ascent + descent。参见 references/troubleshooting.md。
ffmpeg 管道死锁
对于长时间运行的 ffmpeg，切勿使用 stderr=subprocess.PIPE——缓冲区在 64KB 时会填满并导致死锁。请重定向到文件。参见 references/troubleshooting.md。
字体兼容性
并非所有 Unicode 字符在所有字体中都能正确渲染。请在初始化时验证调色板——渲染每个字符，检查输出是否为空。参见 references/troubleshooting.md。
按片段架构
对于分段视频（引文、场景、章节），将每个片段渲染为独立的剪辑文件，以便并行渲染和选择性重新渲染。参见 references/scenes.md。
性能目标
| 组件 | 预算 |
|---|---|
| 特征提取 | 1-5ms |
| 效果函数 | 2-15ms |
| 字符渲染 | 80-150ms（瓶颈） |
| 着色器管线 | 5-25ms |
| 总计 | ~100-200ms/帧 |
参考文档
| 文件 | 内容 |
|---|---|
references/architecture.md | 网格系统、分辨率预设、字体选择、字符调色板（20+）、色彩系统（HSV + OKLAB + 离散 RGB + 和谐生成）、_render_vf() 辅助函数、GridLayer 类 |
references/composition.md | 像素混合模式（20 种）、blend_canvas()、多网格合成、自适应 tonemap()、FeedbackBuffer、PixelBlendStack、遮罩/模板系统 |
references/effects.md | 效果构建块：值场生成器、色相场、噪声/fBM/域扭曲、沃罗诺伊图、反应扩散、元胞自动机、SDF、奇异吸引子、粒子系统、坐标变换、时间一致性 |
references/shaders.md | ShaderChain、_apply_shader_step() 调度、38 种着色器目录、音频响应缩放、转场、色调预设、输出格式编码、终端渲染 |
references/scenes.md | 场景协议、Renderer 类、SCENES 表、render_clip()、节拍同步剪辑、并行渲染、设计模式（图层层次、方向弧线、视觉隐喻、合成技巧）、各复杂度级别的完整场景示例、场景设计检查清单 |
references/inputs.md | 音频分析（FFT、频带、节拍）、视频采样、图像转换、文本/歌词、TTS 集成（ElevenLabs、语音分配、音频混合） |
references/optimization.md | 硬件检测、质量配置、向量化模式、并行渲染、内存管理、性能预算 |
references/troubleshooting.md | NumPy 广播陷阱、混合模式陷阱、多进程/序列化、亮度诊断、ffmpeg 问题、字体问题、常见错误 |
创意发散（仅在用户要求实验性/创意性/独特输出时使用）
如果用户要求创意性、实验性、令人惊喜或非传统的输出，请先选择最合适的策略，并在生成代码之前逐步推理其步骤。
- 强制连接 — 当用户想要跨领域灵感时（"让它看起来有机"，"工业美学"）
- 概念融合 — 当用户指定两个事物进行组合时（"海洋遇见音乐"，"太空+书法"）
- 侧向策略 — 当用户完全开放时（"给我惊喜"，"我从未见过的东西"）
强制连接
- 选择一个与视觉目标无关的领域（天气系统、微生物学、建筑学、流体动力学、纺织编织）
- 列出其核心视觉/结构元素（侵蚀→逐渐显现；有丝分裂→分裂复制；编织→互锁图案）
- 将这些元素映射到 ASCII 字符和动画模式上
- 综合思考——"侵蚀"或"结晶"在字符网格中看起来是什么样子？
概念融合
- 命名两个不同的视觉/概念空间（例如，海浪 + 乐谱）
- 映射对应关系（波峰 = 高音，波谷 = 休止，泡沫 = 断奏）
- 选择性融合——保留最有趣的映射，舍弃牵强的部分
- 发展仅存在于融合中的涌现特性
侧向策略
- 抽取一条："将你的错误视为隐藏的意图" / "使用一个旧想法" / "你最亲密的朋友会怎么做？" / "强调缺陷" / "把它颠倒过来" / "只取一部分，而非全部" / "反转"
- 根据当前的 ASCII 动画挑战解读该指令
- 在编写代码之前，将侧向洞察应用于视觉设计