{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}

Ascii Video

ASCII 视频：将视频/音频转换为彩色 ASCII MP4/GIF。

Skill 元数据


来源	内置（默认安装）
路径	`skills/creative/ascii-video`
平台	linux, macos, windows

参考：完整 SKILL.md

信息

以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。

ASCII 视频生产流水线

使用时机

当用户请求以下内容时使用：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 音频可视化器、将视频转换为 ASCII 艺术、矩阵风格特效，或任何动态 ASCII 输出。

内容概述

用于 ASCII 艺术视频的生产流水线——支持任意格式。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：视频转 ASCII、音频响应式音乐可视化器、生成式 ASCII 艺术动画、视频+音频混合响应、文字/歌词叠加、实时终端渲染。

创作标准

这是视觉艺术。ASCII 字符是媒介；电影是标准。

在写下任何一行代码之前，先阐明创作概念。氛围是什么？这讲述了怎样的视觉故事？是什么让这个项目与其他所有 ASCII 视频不同？用户的 prompt（提示词）只是起点——以创作野心去诠释它，而非字面转录。

首次渲染即达到卓越水准，不可妥协。 输出必须在无需修改的情况下具有视觉冲击力。如果看起来平庸、单调，或像"AI 生成的 ASCII 艺术"，那就是错的——在交付前重新思考创作概念。

超越参考词汇表。 参考资料中的特效目录、shader（着色器）预设和调色板库只是起点词汇。每个项目都应组合、修改并发明新的模式。目录是颜料——你来作画。

主动发挥创造力。 当项目需要时，扩展 skill 的词汇表。如果参考资料无法满足创作愿景，就自己构建。至少加入一个用户没有要求但会欣赏的视觉时刻——一个过渡、一个特效、一个提升整体作品的色彩选择。

整体美学优先于技术正确性。 视频中的所有场景必须通过统一的视觉语言相互关联——共同的色温、相关的字符调色板、一致的运动词汇。一个技术上正确但每个场景随机使用不同特效的视频，在美学上是失败的。

密集、分层、深思熟虑。 每一帧都应值得细看。绝不使用纯黑背景。始终使用多网格构图。始终保持逐场景变化。始终使用有意为之的色彩。

模式

模式	输入	输出	参考
视频转 ASCII	视频文件	源素材的 ASCII 重现	`references/inputs.md` § Video Sampling
音频响应式	音频文件	由音频特征驱动的生成式视觉效果	`references/inputs.md` § Audio Analysis
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	带音频响应叠加层的 ASCII 视频	两个输入参考
歌词/文字	音频 + 文字/SRT	带视觉特效的定时文字	`references/inputs.md` § Text/Lyrics
TTS 旁白	文字引用 + TTS API	带打字文字效果的旁白证言/引用视频	`references/inputs.md` § TTS Integration

技术栈

每个项目使用单一自包含 Python 脚本。无需 GPU。

层级	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、混合音频
并行	concurrent.futures	N 个 worker 用于批量/片段渲染
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、音频采样、图像，或无输入）

ANALYZE — 提取逐帧特征（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 § Adaptive Tonemap

SHADE — 通过 ShaderChain + FeedbackBuffer 进行后处理。参见 references/shaders.md

ENCODE — 将原始 RGB 帧通过管道传输至 ffmpeg 进行 H.264/GIF 编码

创作方向

美学维度

维度	选项	参考
字符调色板	密度渐变、块状元素、符号、文字（片假名、希腊字母、符文、盲文）、项目专属	`architecture.md` § Palettes
色彩策略	HSV、OKLAB/OKLCH、离散 RGB 调色板、自动生成和声、单色、色温	`architecture.md` § Color System
背景纹理	正弦场、fBM 噪声、域扭曲、voronoi、反应扩散、元胞自动机、视频	`effects.md`
主要特效	环形、螺旋、隧道、漩涡、波浪、干涉、极光、火焰、SDF、奇异吸引子	`effects.md`
粒子	火花、雪花、雨滴、气泡、符文、轨道、群集 boid、流场跟随者、轨迹	`effects.md` § Particles
Shader 风格	复古 CRT、简洁现代、故障艺术、电影感、梦幻、工业、迷幻	`shaders.md`
网格密度	xs(8px) 到 xxl(40px)，每层可混合使用	`architecture.md` § Grid System
坐标空间	笛卡尔、极坐标、平铺、旋转、鱼眼、Möbius、域扭曲	`effects.md` § Transforms
Feedback	缩放隧道、彩虹轨迹、幽灵回声、旋转曼陀罗、色彩演化	`composition.md` § Feedback
遮罩	圆形、环形、渐变、文字模板、动态虹膜/擦除/溶解	`composition.md` § Masking
过渡	交叉淡化、擦除、溶解、故障切换、虹膜、基于遮罩的揭示	`shaders.md` § Transitions

逐段变化

绝不对整个视频使用相同配置。对每个段落/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（或至少使用不同色调）

变化 shader 强度（高潮时更多泛光，安静时更多颗粒感）

不同的粒子类型（如果粒子处于激活状态）

项目专属创新

每个项目至少发明以下之一：

匹配主题的自定义字符调色板

自定义背景特效（组合/修改现有构建块）

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

新颖的场景过渡或视觉时刻

不要只从目录中挑选。目录是词汇——你来写诗。

工作流程

第一步：创作愿景

在任何代码之前，阐明创作概念：

氛围/气氛：观众应该感受到什么？充满活力、冥想感、混沌、优雅、不祥？

视觉故事：在整个时长内发生了什么？积累张力？转变？消解？

色彩世界：暖色/冷色？单色？霓虹？大地色调？主色调是什么？

字符质感：密集数据？稀疏星点？有机点阵？几何块状？

与众不同之处：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，积累至高潮，然后解决？

将用户的 prompt 映射到美学选择。"轻松 lo-fi 可视化器"与"故障赛博朋克数据流"在各方面都要求截然不同的处理。

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

段落 — 将时间戳映射到场景函数，每个场景有其自己的特效/调色板/色彩/shader 配置

输出格式 — MP4（默认）、GIF（640x360 @ 15fps）、PNG 序列

第三步：构建脚本

单一 Python 文件。组件（含参考）：

硬件检测 + 质量配置文件 — references/optimization.md

输入加载器 — 依模式而定；references/inputs.md

特征分析器 — 音频 FFT、视频亮度，或合成

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 § Palettes

色彩系统 — HSV + 离散 RGB + 和声生成；references/architecture.md § Color

场景函数 — 每个返回 canvas (uint8 H,W,3)；references/scenes.md

Tonemap — 自适应亮度归一化；references/composition.md

Shader 流水线 — 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 — N worker 片段渲染，使用 ffmpeg 管道

12.

Main — 编排完整流水线

第四步：质量验证

先测试帧：在完整渲染前，在关键时间戳渲染单帧

亮度检查：所有 ASCII 内容的 canvas.mean() > 8。如果偏暗，降低 gamma

视觉连贯性：所有场景是否感觉属于同一个视频？

创作愿景检查：输出是否与第一步的概念相符？如果看起来平庸，请返回重做

关键实现注意事项

亮度——使用 `tonemap()`，而非线性乘数

这是第一大视觉问题。黑色背景上的 ASCII 本质上偏暗。绝不使用 canvas * N 乘数——它们会截断高光。使用自适应 tonemap：

流水线：scene_fn() → tonemap() → FeedbackBuffer → ShaderChain → ffmpeg

逐场景 gamma：默认 0.75，日晒效果 0.55，色调分离 0.50，明亮场景 0.85。暗层使用 screen 混合（而非 overlay）。

字体单元高度

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

ffmpeg 管道死锁

长时间运行的 ffmpeg 绝不使用 stderr=subprocess.PIPE——缓冲区在 64KB 时填满并死锁。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。

逐片段架构

对于分段视频（引用、场景、章节），将每段渲染为独立的片段文件，以支持并行渲染和选择性重渲染。参见 references/scenes.md。

性能目标

组件	预算
特征提取	1-5ms
特效函数	2-15ms
字符渲染	80-150ms（瓶颈）
Shader 流水线	5-25ms
总计	~100-200ms/帧

参考资料

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 + 和声生成）、`_render_vf()` 辅助函数、GridLayer 类
`references/composition.md`	像素混合模式（20 种）、`blend_canvas()`、多网格构图、自适应 `tonemap()`、`FeedbackBuffer`、`PixelBlendStack`、遮罩/模板系统
`references/effects.md`	特效构建块：值场生成器、色调场、噪声/fBM/域扭曲、voronoi、反应扩散、元胞自动机、SDF、奇异吸引子、粒子系统、坐标变换、时间连贯性
`references/shaders.md`	`ShaderChain`、`_apply_shader_step()` 调度、38 种 shader 目录、音频响应式缩放、过渡、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()`、节拍同步剪切、并行渲染、设计模式（层级结构、方向弧线、视觉隐喻、构图技法）、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、频段、节拍）、视频采样、图像转换、文字/歌词、TTS 集成（ElevenLabs、声音分配、音频混合）
`references/optimization.md`	硬件检测、质量配置文件、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/pickling、亮度诊断、ffmpeg 问题、字体问题、常见错误

创意发散（仅在用户请求实验性/创意性/独特输出时使用）

如果用户要求创意性、实验性、令人惊喜或非常规的输出，选择最适合的策略，并在生成代码之前推理其步骤。

强制关联 — 当用户想要跨领域灵感时（"让它看起来有机感"、"工业美学"）

概念融合 — 当用户命名两个要组合的事物时（"海洋遇见音乐"、"太空 + 书法"）

斜向策略 — 当用户完全开放时（"给我惊喜"、"我从未见过的东西"）

强制关联

选择一个与视觉目标无关的领域（天气系统、微生物学、建筑、流体动力学、纺织编织）

列出其核心视觉/结构元素（侵蚀 → 逐渐揭示；有丝分裂 → 分裂复制；编织 → 交错图案）

将这些元素映射到 ASCII 字符和动画模式

综合——"侵蚀"或"结晶"在字符网格中看起来是什么样的？

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，浪花 = 断奏）

选择性融合——保留最有趣的映射，舍弃牵强的

发展只存在于融合中的涌现属性

斜向策略

抽取一张："将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" / "颠倒过来" / "只取一部分，而非全部" / "反转"

将该指令对照当前 ASCII 动画挑战进行诠释

在编写代码之前，将这一横向洞见应用于视觉设计

"Ascii Video — ASCII 视频：将视频/音频转换为彩色 ASCII MP4/GIF"

Ascii Video#

Skill 元数据#

参考：完整 SKILL.md#

ASCII 视频生产流水线#

使用时机#

内容概述#

创作标准#

模式#

技术栈#

流水线架构#

创作方向#

美学维度#

逐段变化#

项目专属创新#

工作流程#

第一步：创作愿景#

第二步：技术设计#

第三步：构建脚本#

第四步：质量验证#

关键实现注意事项#

亮度——使用 tonemap()，而非线性乘数#

字体单元高度#

ffmpeg 管道死锁#

字体兼容性#

逐片段架构#

性能目标#

参考资料#

创意发散（仅在用户请求实验性/创意性/独特输出时使用）#

强制关联#

概念融合#

斜向策略#

Ascii Video

Skill 元数据

参考：完整 SKILL.md

ASCII 视频生产流水线

使用时机

内容概述

创作标准

模式

技术栈

流水线架构

创作方向

美学维度

逐段变化

项目专属创新

工作流程

第一步：创作愿景

第二步：技术设计

第三步：构建脚本

第四步：质量验证

关键实现注意事项

亮度——使用 `tonemap()`，而非线性乘数

字体单元高度

ffmpeg 管道死锁

字体兼容性

逐片段架构

性能目标

参考资料

创意发散（仅在用户请求实验性/创意性/独特输出时使用）

强制关联

概念融合

斜向策略