首页/新闻资讯/正文详情

srt-whiteboard-animation 白板动画时序模型详解:如何把每一笔墨迹落在字幕节拍上

发布时间:2026/9/29 16:47:01 来源:云帆数科 栏目:资讯中心
srt-whiteboard-animation 白板动画时序模型详解:如何把每一笔墨迹落在字幕节拍上
srt-whiteboard-animation 白板动画时序模型详解如何把每一笔墨迹落在字幕节拍上【免费下载链接】srt-whiteboard-animation将 SRT 字幕做成暖米黄纸张底的流式笔迹白板手绘动画 skillmask 分区遮罩编排 stream 连续笔迹ink→color。项目地址: https://gitcode.com/gh_mirrors/sr/srt-whiteboard-animationsrt-whiteboard-animation 是一个把SRT 字幕转成暖米黄纸张底白板手绘动画的 Skill。它让动画的节奏完全由字幕驱动——先解析字幕时间跨度确定每幕总时长再按字幕事件的先后顺序串行绘制各区域最后以 2:1 权重切分起笔 ink → 添彩 color两段笔迹。本文用仓库里现成的猴子山案例带你拆解这套三层时序模型让每一笔墨迹都落在字幕节拍上。先看效果笔迹如何跟随字幕流动 下面这段动效对应字幕小猴坐山顶拿香蕉 → 大猴冲来抢走 → 孩子们鼓掌大笑。注意三个主体是依次出现的上一个区域的笔画画完并添彩后下一个区域才开始落墨整个画面像有人正在纸上边听口播边画。原始线稿如下动画中的每一根线条都来自这张图三层时序模型一条完整的节拍链时序模型详见 SKILL.md 的时序模型章节本质上是一条三层节拍链从宏观到微观层层收敛层级决定什么由谁驱动第一层sceneDurationMs每幕总时长该幕字幕的时间跨度第二层startMs/durationMs每个区域何时起笔、画多久字幕事件的叙事先后第三层 ink : color 2 : 1区域内先铺线稿再添彩的节奏渲染器固定权重三层对齐后笔尖落下的瞬间就自然落在字幕念到对应事件的瞬间。第一层sceneDurationMs —— 幕时长对齐字幕跨度用 scripts/parse_srt.py 解析字幕文件它会做两件事把每条 SRT 解析成毫秒级startMs / endMs并按25–35 秒/幕的建议把连续字幕聚成分镜每幕给出sceneDurationMspython scripts/parse_srt.py 字幕.srt --target-sec 30 --min-sec 25 --max-sec 35这个sceneDurationMs会被写进标注 JSON成为该幕动画的总时长上限——幕有多长由口播有多长决定而不是画面画完才停。第二层区域串行作画 —— startMs 不重叠stream 画法下画面中只有一支笔所以同一幕内的区域必须在时间上依次进行每个区域用startMsdurationMs定义作画窗口且窗口之间不允许重叠下一区域从上一区域startMs durationMs之后开始中间留100–300ms 呼吸间隙模拟真实书写中抬笔换位的节奏未开始的区域在画布上完全隐藏——渲染器用允许掩码区域矩形扣除后续区域与protectedRegions保证这一点因此后画的对象绝不会提前露出线条。区域排序也不按画面位置而是按字幕叙事语义场景铺垫 → 关键人物/物体 → 动作冲突 → 反应/结果由sequence字段从 1 开始连续编号。第三层ink : color 2 : 1 —— 区域内的两段笔迹每个区域的durationMs会被渲染器按 stream 画法 切成两段帧起笔 ink 段占 2/3笔尖沿骨架/网格连续滑行铺下深灰线稿留足时间让人看清笔迹流动添彩 color 段占 1/3同一区域换原色点亮恢复成彩色画面。权重在 scripts/stream_render.py 的Config中固定为ink_weight 2 / color_weight 1默认 60fps 输出保证笔尖移动接近连续书写。凝视收尾结尾至少停留 0.5 秒全部区域画完后渲染器会自动补帧到sceneDurationMs并强制结尾停留至少0.5 秒完整原图render_to 凝视逻辑gaze_until max(total_ms, cur_ms 500)这一段凝视让观众看清完整画面也为下一幕的合并留出干净的接缝。一张时间表看懂猴子山香蕉案例仓库的 examples/scene-01-monkey-mountain-banana.annotation.json 是理解时序的最佳教材。三个区域各绑一条字幕事件sceneDurationMs为 8600ms顺序区域narrativeRole对应字幕事件窗口 (ms)ink 段 (2/3)color 段 (1/3)1left 左侧场景场景铺垫小猴坐在山顶拿着香蕉300 – 2900300 – 20332033 – 29002center 中间主体动作冲突大猴冲来抢走香蕉3000 – 56003000 – 47334733 – 56003right 右侧反应反应结果小朋友们鼓掌大笑5700 – 81005700 – 73007300 – 8100–凝视停留收笔看全图—8100 – 8600停留 500ms 完整原图注意两个细节区域 1 结束于 2900ms区域 2 从 3000ms 起——100ms 呼吸间隙区域 2 → 区域 3 同理最后画完是 8100msmax(8600, 8100 500) 8600凝视段恰好补足到字幕跨度。每个区域在标注里的时序只有两个核心数字非常轻reveal: { startMs: 300, durationMs: 2600 }direction和handPath仅供预览台做矩形代理演示成片笔迹由渲染器自动生成无需精调。预览台调节拍三个关键操作 ✏️时序不是拍脑袋定的全部在本地预览台 assets/preview.html 里可视化调整Chrome / Edge 打开点打开文件夹载入场景目录即可无需服务器改开始/结束(ms)右侧面板直接编辑区域的开始与结束时间durationMs 结束 − 开始只读把窗口对齐到该区域对应字幕的时长拖模块列表调整顺序拖动即自动重排sequence选中模块还会自动高亮关联字幕——顺序错了节拍必然错按播放核对揭示播放时未开始的区域不显示可直观检查是否提前露线、呼吸间隙是否自然。没有合适起点时可用150 像素/秒 × 绘制距离做durationMs的初始估算再按字幕微调。保存后写回原.annotation.jsonsceneDurationMs会自动对齐到最后一个区域结束 0.5s。保存标注后可先用 scripts/render_annotation_preview.py 生成区域编号/方向检查图核对分区确认无误再走命令行渲染。常见时序问题与质量检查清单渲染前后按这份清单过一遍基本能覆盖所有时序翻车点完整标准见 SKILL.md首帧干净开场是纯暖米黄纸张底没有任何提前露出的线条顺序一致sequence、startMs与字幕事件先后一致而非按画面左右排中段抽查任意重叠模块的中段帧里未开始区域与保护区不出现笔尖贴合手部素材assets/drawing-hand.png始终贴近正在推进的笔迹收尾停留每幕结尾至少 0.5s 完整画面多幕合并用 scripts/merge_scenes.py 按字幕分镜顺序合并合并后时长与分镜一致。小结srt-whiteboard-animation 的时序模型可以浓缩成一句话幕时长问字幕、出场顺序问叙事、内部节奏问 2:1。三层节拍层层对齐后渲染器只需忠实地按startMs排队落墨动画自然与口播同频。掌握这套模型你就能把任何一份 SRT 字幕变成节奏严丝合缝的白板手绘视频。【免费下载链接】srt-whiteboard-animation将 SRT 字幕做成暖米黄纸张底的流式笔迹白板手绘动画 skillmask 分区遮罩编排 stream 连续笔迹ink→color。项目地址: https://gitcode.com/gh_mirrors/sr/srt-whiteboard-animation创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关推荐

Taste Skill 配 TaoToken:让 AI 写前端时少一点模板味的 SKILL.md 配置骨架
Taste Skill 配 TaoToken:让 AI 写前端时少一点模板味的 SKILL.md 配置骨架

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/27 15:14:10

漂亮的网站维护页面怎么选:3个维度避开坑
漂亮的网站维护页面怎么选:3个维度避开坑

漂亮的网站维护页面怎么选:3个维度避开坑 域名解析报错404,服务器后台一片红?很多老板盯着屏幕抓狂,以为代码崩了,其实只是缺个“漂亮的网站维护页面”。这玩意儿不是装饰品,是救命稻草。… · 2026/9/27 15:14:04

OneCLI 5分钟快速上手:从零创建你的第一个AI Agent沙箱(新手完整教程)
OneCLI 5分钟快速上手:从零创建你的第一个AI Agent沙箱(新手完整教程)

OneCLI 5分钟快速上手:从零创建你的第一个AI Agent沙箱(新手完整教程) 【免费下载链接】onecli Open-source sandboxed agent harness for teams. Giving every employee a secured personal agent. 项目地址: https://gitcode.com/gh_mirr… · 2026/9/27 15:13:46

Spingboot启动预热的实现
Spingboot启动预热的实现

启动预热的适用场景启动预热适合以下情况:数据主要来自第三方接口,无法直接从本地数据库读取。第三方接口响应较慢,首次访问容易超时。一个页面需要调用多个第三方接口或逐项查询。数据读取频繁,但变化不频繁。希望服务启动后&… · 2026/9/29 6:52:37

Understanding Driving Risks using Large Language Models: Toward Elderly Driver Assessment
Understanding Driving Risks using Large Language Models: Toward Elderly Driver Assessment

文章主要内容总结 本文研究了多模态大语言模型(具体为ChatGPT-4o)利用静态行车记录仪图像进行类人交通场景解读的潜力,重点聚焦与老年司机评估相关的三项任务:交通密度评估、交叉口可见性评估和停车标志识别。这些任务需上下文推理而非简单目标检测。研究采用零样本、少样… · 2026/9/29 12:28:25

Leveraging Large Language Models for Classifying App Users‘ Feedback
Leveraging Large Language Models for Classifying App Users‘ Feedback

文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)解决应用用户反馈分类的挑战,传统方法依赖有监督机器学习,但受限于标注数据集的规模和质量。研究通过三个核心实验评估了4种先进LLMs(GPT-3.5-Turbo、GPT-4o、Flan-T5、Llama3-70b)的性能: LLMs在用户反馈分类中的基… · 2026/9/29 13:54:46

Using Large Language Models for Legal Decision-Making in Austrian Value-Added Tax Law: An Experim...
Using Large Language Models for Legal Decision-Making in Austrian Value-Added Tax Law: An Experim...

文章主要内容总结 本文通过实验评估了大型语言模型(LLMs)在奥地利及欧盟增值税(VAT)法框架下辅助法律决策的能力。研究聚焦于两种提升LLM性能的方法——微调(fine-tuning)和检索增强生成(RAG),并在两类案例中进行验证:一是权威教科书案例,二是税务咨询公司的真实案… · 2026/9/29 13:54:48

学Java别走弯路,这5个方向最吃香
学Java别走弯路,这5个方向最吃香

学Java的人很多,但学明白的人不多。有人学了半年还在写控制台程序,有人一年就能独当一面。差别不在天赋,而在方向。Java生态太庞大了,什么都学等于什么都没学。选对方向,事半功倍。今天盘点当前最吃香的5个Java方向&am… · 2026/9/29 4:13:53

AlphaAgents: Large Language Model based Multi-Agents for Equity Portfolio Constructions
AlphaAgents: Large Language Model based Multi-Agents for Equity Portfolio Constructions

AlphaAgents相关总结与翻译 一、文章主要内容总结 (一)研究背景与问题 传统股票投资组合管理依赖人类分析师处理海量信息(如财务披露、财报、市场新闻等),存在信息处理效率低、易受认知偏差(如损失厌恶、过度自信)影响的问题,可能错失投资收益机会。尽管AI在数据处理… · 2026/9/29 13:54:44

MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现
MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现

简介:这套Matlab仿真工具完整呈现雷达信号脉冲压缩过程,从线性调频(LFM)信号生成、目标回波仿真到匹配滤波压缩处理均有可运行代码支撑,面向电子信息工程、计算机、数学等专业学生,适用于课程设计、期末大作… · 2026/9/29 0:45:26

汕头网站建设制作厂家避坑指南:5大注意事项救急
汕头网站建设制作厂家避坑指南:5大注意事项救急

汕头网站建设制作厂家避坑指南:5大注意事项救急 改个需求建站公司拖一周,这种憋屈事我见得太多了。 很多汕头老板找本地建站团队,签合同前看着方案挺美,一上线就变脸。 今天不聊虚的,直接拆解找 汕头网站建设制作厂家 时的5个核心 注意事项… · 2026/9/29 13:54:52

多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习
多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习

简介:基于PyTorch的多模态虚假新闻检测项目完整代码包,面向自然语言处理与计算机视觉交叉方向的开发者、科研人员及毕业设计选题者,解决社交媒体中文本与图像联合识别虚假新闻的问题。系统以BERT预训练模型提取文本语义特征,以Res… · 2026/9/29 8:55:58

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码