Hyperframes

使用 HyperFrames 创建基于 HTML 的视频合成、动画标题卡、社交叠加层、带字幕的对话视频、音频响应视觉效果和着色器转场。HTML 是视频的唯一真实来源。当用户需要从 HTML 合成渲染 MP4/WebM、在媒体上添加文字/Logo/图表动画、将字幕与音频同步、需要 TTS 旁白，或将网站转换为视频时使用本技能。

技能元数据


来源	可选 — 通过 `aigenlabs skills install official/creative/hyperframes` 安装
路径	`optional-skills/creative/hyperframes`
版本	`1.0.0`
作者	heygen-com
许可证	Apache-2.0
平台	linux, macos, windows
标签	`creative`, `video`, `animation`, `html`, `gsap`, `motion-graphics`
相关技能	`manim-video`, `meme-generation`

参考：完整 SKILL.md

信息

以下是 AigenLabs 在触发本技能时加载的完整技能定义。这是 agent 在技能激活时所看到的指令内容。

HyperFrames

HTML 是视频的唯一真实来源。合成（composition）是一个带有 data-* 属性用于计时、GSAP 时间轴用于动画、CSS 用于外观的 HTML 文件。HyperFrames 引擎逐帧捕获页面，并通过 FFmpeg 编码为 MP4/WebM。

与 manim-video 的互补关系： 数学/几何讲解（方程式、3B1B 风格）使用 manim-video。动态图形、带字幕的对话视频、产品演示、社交叠加层、着色器转场，以及任何由真实视频/音频媒体驱动的内容使用 hyperframes。

使用场景

用户要求从文本、脚本或网站渲染视频
动画标题卡、下三分之一字幕条或排版片头
带字幕的旁白视频（TTS + 字幕与波形同步）
音频响应视觉效果（节拍同步、频谱条、脉冲发光）
场景间转场（交叉淡入淡出、划像、着色器扭曲、闪白）
社交叠加层（Instagram/TikTok/YouTube 风格）
网站转视频流程（捕获 URL，生成宣传片）
任何需要确定性渲染为视频文件的 HTML/CSS/JS 动画

不适用本技能的场景：

纯数学/方程式动画（→ manim-video）
图像生成或表情包（→ meme-generation，图像模型）
实时视频会议或直播

快速参考

npx hyperframes init my-video               # 初始化项目脚手架
cd my-video
npx hyperframes lint                        # 预览/渲染前验证
npx hyperframes preview                     # 实时热重载浏览器预览（端口 3002）
npx hyperframes render --output final.mp4   # 渲染为 MP4
npx hyperframes doctor                      # 诊断环境问题

完整 CLI 参考：references/cli.md。

初始设置（一次性）

bash "$(dirname "$(find ~/.aigenlabs/skills -path '*/hyperframes/SKILL.md' 2>/dev/null | head -1)")/scripts/setup.sh"

该脚本执行以下操作：

验证 Node.js >= 22 和 FFmpeg 已安装（若未安装则打印修复说明）。
全局安装 hyperframes CLI（npm install -g hyperframes@>=0.4.2）。
通过 Puppeteer 预缓存 chrome-headless-shell — 必需，用于通过 Chrome 的 HeadlessExperimental.beginFrame 捕获路径实现最高质量渲染。
运行 npx hyperframes doctor 并报告结果。

若设置失败，请参阅 references/troubleshooting.md。

操作流程

1. 编写 HTML 前先规划

在接触代码之前，从高层次阐明：

内容 — 叙事弧线、关键时刻、情感节拍
结构 — 合成、轨道（视频/音频/叠加层）、时长
视觉标识 — 颜色、字体、动态风格（爆炸感 / 电影感 / 流畅 / 技术感）
主帧 — 每个场景中最多元素同时可见的时刻。这是你首先要构建的静态布局。

视觉标识关卡（硬性关卡）。 在编写任何合成 HTML 之前，必须先定义视觉标识。不得使用默认或通用颜色编写合成（#333、#3b82f6、Roboto 是跳过此步骤的明显标志）。按顺序检查：

项目根目录有 DESIGN.md？ → 使用其中精确的颜色、字体、动态规则和"禁止事项"约束。
用户指定了风格（如"Swiss Pulse"、"暗黑科技感"、"奢侈品牌"）？ → 生成一个包含 ## Style Prompt、## Colors（3-5 个带角色的十六进制色值）、## Typography（1-2 个字体族）、## What NOT to Do（3-5 个反模式）的最小 DESIGN.md。
以上均无？ → 在编写任何 HTML 之前先提问 3 个问题：
- 氛围？（爆炸感 / 电影感 / 流畅 / 技术感 / 混乱 / 温暖）
- 浅色还是深色画布？
- 是否有品牌颜色、字体或视觉参考？
然后根据答案生成 DESIGN.md。每个合成的调色板和排版都必须追溯到 DESIGN.md 或用户的明确指示。

2. 初始化脚手架

npx hyperframes init my-video --non-interactive

模板：blank、warm-grain、play-mode、swiss-grid、vignelli、decision-tree、kinetic-type、product-promo、nyt-graph。传入 --example <name> 选择模板，--video clip.mp4 或 --audio track.mp3 以媒体文件为起点。

3. 先布局，后动画

先为主帧编写静态 HTML+CSS — 暂不添加 GSAP。.scene-content 容器必须填满场景（width:100%; height:100%; padding:Npx），使用 display:flex + gap。用 padding 将内容向内推 — 永远不要在内容容器上使用 position: absolute; top: Npx（内容高于剩余空间时会溢出）。

只有在主帧看起来正确之后，才添加 gsap.from() 入场动画（向 CSS 位置动画）和 gsap.to() 退场动画（从 CSS 位置动画）。

完整的 data 属性 schema 和合成规则见 references/composition.md。

4. 使用 GSAP 制作动画

每个合成必须：

注册其时间轴：window.__timelines["<composition-id>"] = tl
初始暂停：gsap.timeline({ paused: true }) — 播放器控制播放
使用有限的 repeat 值（禁止 repeat: -1 — 会破坏捕获引擎）。计算方式：repeat: Math.ceil(duration / cycleDuration) - 1。
具有确定性 — 禁止 Math.random()、Date.now() 或挂钟逻辑。如需伪随机数，使用带种子的 PRNG。
同步构建 — 时间轴构建过程中禁止 async/await、setTimeout 或 Promise。

核心 GSAP API（tween、ease、stagger、timeline）见 references/gsap.md。

5. 场景间转场

多场景合成需要转场。规则：

场景间始终使用转场 — 禁止跳切。
每个场景元素始终使用入场动画（gsap.from(...)）。
除最后一个场景外，禁止使用退场动画 — 转场本身就是退出。
最后一个场景可以淡出。

使用 npx hyperframes add <transition-name> 安装着色器转场（flash-through-white、liquid-wipe 等）。完整列表：npx hyperframes add --list。

6. 音频、字幕、TTS、音频响应、高亮

音频： 始终使用独立的 <audio> 元素（视频使用 muted playsinline）。
TTS： npx hyperframes tts "脚本文本" --voice af_nova --output narration.wav。使用 --list 列出可用音色。音色 ID 首字母编码语言（a/b=英语，e=西班牙语，f=法语，j=日语，z=普通话等）— CLI 自动推断音素化（phonemizer）语言环境；仅在需要覆盖时传入 --lang。非英语音素化需要系统级安装 espeak-ng。
字幕： npx hyperframes transcribe narration.wav → 词级转录。根据转录内容的语气选择样式（hype / corporate / tutorial / storytelling / social — 见 references/features.md 中的表格）。语言规则： 除非确认音频为英语，否则永远不要使用 .en whisper 模型 — .en 会将非英语音频翻译而非转录。每个字幕组在其退出 tween 之后必须有一个硬性的 tl.set(el, { opacity: 0, visibility: "hidden" }, group.end) 清除 — 否则字幕组会泄漏到后续组中保持可见。
音频响应视觉效果： 预先提取音频频段（低频 / 中频 / 高频），并在时间轴内通过 for 循环的 tl.call(draw, [], f / fps) 逐帧采样 — 单个长 tween 不会响应音频。将低频映射到 scale（脉冲），高频映射到 textShadow/boxShadow（发光），整体振幅映射到 opacity/y/backgroundColor。避免均衡器条形图的陈词滥调 — 让内容引导视觉，让音频驱动其行为。
标记式高亮： 文字强调的高亮、圆圈、爆炸、涂鸦、划除效果均为确定性 CSS+GSAP — 见 references/features.md#marker-highlighting。完全可寻址，无动画 SVG 滤镜。
场景转场： 每个多场景合成必须使用转场（禁止跳切）。从 CSS 原语（推入滑动、模糊交叉淡入淡出、缩放穿越、交错块）或着色器转场（flash-through-white、liquid-wipe、cross-warp-morph、chromatic-split 等，通过 npx hyperframes add 安装）中选择。氛围和能量对照表见 references/features.md#transitions。同一合成中不得混用 CSS 转场和着色器转场。

7. Lint、验证、检查、预览、渲染

npx hyperframes lint              # 捕获缺失的 data-composition-id、重叠轨道、未注册的时间轴
npx hyperframes validate          # 在 5 个时间戳进行 WCAG 对比度审计
npx hyperframes inspect           # 视觉布局审计 — 溢出、帧外元素、被遮挡的文字
npx hyperframes preview           # 实时浏览器预览
npx hyperframes render --quality draft --output draft.mp4    # 快速迭代
npx hyperframes render --quality high --output final.mp4     # 最终交付

hyperframes validate 对每个文字元素后方的背景像素进行采样，并对对比度低于 4.5:1（大文字为 3:1）的情况发出警告。hyperframes inspect 是布局侧的配套工具 — 在多个时间戳运行页面，标记静态 lint 无法发现的问题（仅在 4.5s 时超出安全区域的字幕换行、标题为最长变体时溢出的卡片、被转场着色器遮挡的元素）。对于包含对话气泡、卡片、字幕或紧凑排版的合成，务必运行 inspect。

8. 网站转视频（若用户提供 URL）

使用 references/website-to-video.md 中的 7 步捕获转视频工作流：捕获 → DESIGN.md → SCRIPT.md → 分镜 → 合成 → 渲染 → 交付。

常见陷阱

HeadlessExperimental.beginFrame' wasn't found — Chromium 147+ 移除了此协议。确保使用 hyperframes@>=0.4.2（自动检测并回退到截图模式）。应急方案：export PRODUCER_FORCE_SCREENSHOT=true。参见 hyperframes#294 和 references/troubleshooting.md。
系统 Chrome（非 chrome-headless-shell） — 渲染会挂起 120 秒后超时。运行 npx puppeteer browsers install chrome-headless-shell（setup.sh 已处理此步骤）。hyperframes doctor 会报告将使用哪个二进制文件。
任何地方出现 repeat: -1 — 会破坏捕获引擎。始终计算有限的 repeat 次数。
在稍后入场的 clip 元素上使用 gsap.set() — 页面加载时该元素不存在。改为在时间轴内使用 tl.set(selector, vars, timePosition)，位置在该 clip 的 data-start 处或之后。
内容文字中使用 <br> — 强制换行不了解渲染字体宽度，导致自然换行 + <br> 双重换行。使用 max-width 让文字自然换行。例外：每个单词刻意独占一行的短展示标题。
对 visibility 或 display 进行动画 — GSAP 无法对这些属性进行 tween。使用 autoAlpha（同时处理 visibility 和 opacity）。
调用 video.play() 或 audio.play() — 框架拥有播放控制权。永远不要自行调用这些方法。
异步构建时间轴 — 捕获引擎在页面加载后同步读取 window.__timelines。永远不要将时间轴构建包裹在 async、setTimeout 或 Promise 中。
独立 index.html 包裹在 <template> 中 — 会对浏览器隐藏所有内容。只有通过 data-composition-src 加载的子合成才使用 <template>。
将视频用于音频 — 始终使用静音的 <video> + 独立的 <audio>。

验证

渲染前后均需执行：

Lint + validate + inspect 通过： npx hyperframes lint --strict && npx hyperframes validate && npx hyperframes inspect（lint 捕获结构问题，validate 捕获对比度问题，inspect 捕获视觉布局/溢出问题 — 若出现警告请参阅 troubleshooting.md）。
动画编排 — 对于新合成或重大动画变更，运行动画映射。npx hyperframes init 会将技能脚本复制到项目中，因此路径为项目本地路径：
```
node skills/hyperframes/scripts/animation-map.mjs <composition-dir> \
  --out <composition-dir>/.hyperframes/anim-map
```
输出单个 animation-map.json，包含每个 tween 的摘要、ASCII 甘特时间轴、stagger 检测、死区（超过 1 秒无动画）、元素生命周期和标记（offscreen、collision、invisible、paced-fast <0.2s、paced-slow >2s）。扫描摘要和标记 — 逐一修复或说明原因。小幅编辑可跳过。
文件存在且非零： ls -lh final.mp4。
时长与 data-duration 匹配： ffprobe -v error -show_entries format=duration -of default=nw=1:nk=1 final.mp4。
视觉检查： 提取合成中间帧：ffmpeg -i final.mp4 -ss 00:00:05 -vframes 1 preview.png。
若预期有音频，确认音频存在： ffprobe -v error -show_streams -select_streams a -of default=nw=1:nk=1 final.mp4 | head -1。

若 hyperframes render 失败，运行 npx hyperframes doctor 并在报告问题时附上其输出。

参考资料

composition.md — data 属性、时间轴契约、不可违反的规则、排版/资源规则
cli.md — 所有 CLI 命令（init、capture、lint、validate、inspect、preview、render、transcribe、tts、doctor、browser、info、upgrade、benchmark）
gsap.md — HyperFrames 的 GSAP 核心 API（tween、ease、stagger、timeline、matchMedia）
features.md — 字幕、TTS、音频响应、标记高亮、转场（按需加载）
website-to-video.md — 7 步捕获转视频工作流
troubleshooting.md — OpenClaw 修复、环境变量、常见渲染错误

技能元数据​

参考：完整 SKILL.md​

HyperFrames

使用场景​

快速参考​

初始设置（一次性）​

操作流程​

1. 编写 HTML 前先规划​

2. 初始化脚手架​

3. 先布局，后动画​

4. 使用 GSAP 制作动画​

5. 场景间转场​

6. 音频、字幕、TTS、音频响应、高亮​

7. Lint、验证、检查、预览、渲染​

8. 网站转视频（若用户提供 URL）​

常见陷阱​

验证​

参考资料​