chore: 合并上游更新 — ttsVoices 映射及执黑先行配置

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

.claude/skills/config.json

@@ -1,5 +1,5 @@
 {
-"jianyingDraftPath": "/Users/lc/Movies/JianyingPro/User Data/Projects/com.lveditor.draft",
+  "jianyingDraftPath": "/Users/lc/Movies/JianyingPro/User Data/Projects/com.lveditor.draft",
   "capcutMateDir": "/Users/lc/capcut-mate",
   "capcutMateApiBase": "http://capcut.muyetools.cn/openapi/capcut-mate/v1",
   "imgbbApiKey": "deprecated",
@@ -38,4 +38,4 @@
     "斯内普": "cosyvoice-v3.5-plus-bailian-fa8787c0f70b4ba2a907c35511e6a6f6",
     "布拉德": "cosyvoice-v3.5-plus-bailian-574be4b7013a4e1f924de08fa8b9bdef"
   }
-}
+}

.claude/skills/video-from-script/scripts/qwen-tts.js

@@ -55,7 +55,7 @@ function getAudioDuration(filePath) {
     return parseFloat(out.trim())
   } catch {
     const stat = fs.statSync(filePath)
-    return stat.size * 8 / 32000
+    return stat.size * 8 / 160000
   }
 }
 

accounts/执黑先行/account.json

@@ -13,7 +13,7 @@
     }
   },
   "ttsVoice": "斯内普",
-  "ttsInstruction": "用沉稳有力的男性声音朗读，语速适中，语气坚定有力，像是一个有经历有力量的人在平静地讲述生活的方向",
+  "ttsInstruction": "中低音，胸腔共鸣。带一点气声，像在你耳边说话，不是在台上演讲。咬字松弛，不播音，像个真实的人。越重要的话说得越轻、越慢。冷静但不冷漠，是看透之后的平静。偶尔一句冷幽默，面无表情说出来。让人觉得他什么都见过，但还是愿意坐下来跟你聊。很有磁性，性张力的男性声音，像个黑帮老大。但是你特别想跟他做朋友，很亲切。",
   "storyboardPrompt": "prompts/分镜.md",
   "imageStylePrompt": "prompts/图片提示词.md",
   "videoStylePrompt": "prompts/视频提示词.md",

accounts/执黑先行/prompts/分镜.md

@@ -151,21 +151,49 @@
 
 ---
 
-## 六、时间线规则（固化，不可违反）
+## 六、时间线铁律（违反则整条打回重写，不可妥协）
 
-- TTS 语速 = **1.15x**（固定）
-- 文案总音频时长 = 字数 ÷ 5（字/秒）
-- Kling 可灵视频片段固定 **6 秒**
-- 每个 shot 的 TTS 估算（script字数÷5）必须 ≤ 6 秒
-- **TTS > 6s → 强制在语义断点拆分，拆分后 script = 语义子句，禁止重复完整句**
-- 合并后所有 script = 原文一字不差
+### ⚠️ 铁律一：音频是神圣的，不可修改
+
+- TTS 语速 = **1.15x**（固定），不得加速/减速/裁剪/静音
+- **口播文案不可改字**：script 内容由用户定，分镜只决定切割位置
+- **音频时长 = 视频时长**：画面必须配合音频，音频不配合画面
+- Kling 每个视频片段固定 **6 秒**
+
+### ⚠️ 铁律二：分镜规划前必须先完成文案预切割
+
+**第一步（在写任何 shotDesc 之前）**：按以下规则把完整口播文案切分成 shot：
+
+1. 估算公式：每个 shot 的 TTS 时长 = **script 字数 ÷ 5**（秒）
+   - 语速基准：1.15x 正常中文说话速率 ≈ 5字/秒
+2. 每个 shot 估算时长必须 **≤ 6 秒**（= 最多 **30字**）
+3. 相邻两段合并后 ≤ 30字 → **强制合并**为一个 shot
+4. 任何 shot 估算 > 6s → **强制在语义断点处拆分**
 
 | TTS 估算 | 决策 |
 |---------|------|
-| < 3 秒 | 强制合并至相邻 Shot |
-| 3–5 秒 | 优先合并；如独立存在，可接受 |
-| 5–6 秒 | 可单独 |
-| > 6 秒 | **强制拆成 2+ 个 Shot，每个新 shot script = 语义子句** |
+| < 3秒（<15字） | 强制合并至相邻 Shot（合并后 ≤ 30字） |
+| 3–6秒（15–30字） | 可独立 shot |
+| > 6秒（>30字） | **强制拆分，每新 shot ≤ 30字** |
+
+### ⚠️ 铁律三：视频 vs 音频的唯一合法处理策略
+
+| 情况 | ratio = 视频(6s) ÷ 音频 | 策略 |
+|------|------------------------|------|
+| 视频 > 音频，ratio 1.1–2x | ✅ 视频加速（speed_up）|
+| 视频 >> 音频，ratio > 2x | ✅ 视频截断（trim）|
+| 视频 ≈ 音频，ratio 0.9–1.1x | ✅ 无需调整（none）|
+| **音频 > 视频，ratio < 0.9** | ❌ **禁止！** 必须打回分镜重新拆分 script |
+
+**绝对禁止**：视频放慢 / 冻结帧 / 音频加减速 / 音频裁剪
+
+### ⚠️ 铁律四：音频实测 > 6s 时的补救
+
+如果 TTS 实测超过 6s（估算误差导致）：
+1. 在语义断点处把 **音频文件物理切割**（ffmpeg -t / -ss）
+2. 把对应 script 同步切分为多个 shot
+3. 每个新 shot 独立配一个 Kling 6s 视频
+4. **禁止**：拉伸视频 / 截断音频内容 / 改变语速
 
 ---