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
以下是 AigenLabs 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 - 场景表 + 调度器 — 时间 → 场景函数 + 配置；
references/scenes.md - 并行编码器 — N worker 片段渲染，使用 ffmpeg 管道
- 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：
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