素材成片（dsh-video）

一句话：给一个素材目录和一份 JSON，就能得到一条带转场、字幕、配乐的 mp4。 渲染在本机 proot 里跑，不上传、不依赖云服务。

能做 / 不能做

能做：

• 图片序列 → 推拉（Ken Burns）或左右平移，交叉转场（xfade 全部类型），按场景配字幕。
• 视频片段 → 裁切（trim）、统一画幅/帧率、拼接、和图片混排。
• 音频 → BGM 循环补齐 + 淡入淡出；有旁白时 BGM 自动压下去（sidechain ducking）。
• 视频素材的原声会被丢弃；只混入 audio 中指定的文件。未指定音频时生成静音 AAC 音轨。
• 输出 9:16 / 16:9 / 1:1 任意偶数尺寸，H.264 + AAC、+faststart（手机相册直接能播）。
• 顺手给：封面 jpg、指定时刻静帧 png（验收用）、可选 SRT。

不能做（别答应）：

• 不生成画面（不做文生图/文生视频）；素材必须是现成的。
• 不做「自动挑片段/自动卡点」这类语义剪辑，时间轴由 manifest 决定。
• 当前工具只支持 TTS 外放，本技能不能直接导出配音文件；配音需先准备好音频。
• 不做去水印、不做超分修复。
• 不读 HEIC：inventory.mjs 直接跳过 .heic（本机 ffmpeg 6.1 对它的支持未验证）。遇到就先在相册里「另存为 JPG」。

依赖（都已就位，别再找）

• ffmpeg 6.1 只在 proot Alpine 里：/data/user/0/com.deepseek.harness/files/work/linux/run.sh ffmpeg ...
• libass + fontconfig + Noto Sans CJK SC 齐全（中文字幕靠它烧）。
• Node ≥ 20（本机 v26）。

三步流程

1. 盘点素材

SK=/data/user/0/com.deepseek.harness/files/payload/dshhome/skills/dsh-video
node "$SK/scripts/inventory.mjs" /sdcard/某目录 --width 720 --height 1280 --out /sdcard/某目录/draft.json

它按文件名自然排序、探测每个视频时长、给出草稿 manifest。草稿只是起点：填 text、调 duration、决定顺序。

2. 改 manifest（或直接手写）

{
  "output": "/sdcard/DeepSeekHarness/videos/demo.mp4",
  "width": 720, "height": 1280, "fps": 30,
  "scenes": [
    { "src": "/sdcard/素材/01.jpg", "duration": 2.2, "motion": "in",    "text": "第一句" },
    { "src": "/sdcard/素材/02.mp4", "duration": 3.0, "trim": 1.5 },
    { "src": "/sdcard/素材/03.jpg", "duration": 2.0, "motion": "left",  "text": "第二句\n可以换行" }
  ],
  "transition": { "type": "fade", "duration": 0.5 },
  "audio": { "bgm": "/sdcard/素材/bgm.mp3", "volume": 0.4, "duck": true },
  "style": { "fontSize": 46, "marginV": 96 },
  "srt": true
}

3. 渲染 + 验收

node "$SK/scripts/render.mjs" /sdcard/某目录/manifest.json --still 2.5

• --still 秒：出片后抽一张静帧 PNG —— 画面必须看一眼。
• --dry-run：检查素材并打印渲染计划；视频输入会调用 ffprobe，但不会运行 ffmpeg、创建目录或写入文件。
• 改字幕/换 BGM 会复用场景中间片；缓存位于 <输出目录>/.<片名>.work/，检查渲染命令以及源文件大小、修改时间。旋转等画面参数改变会重渲对应场景。需要强制重渲时可另选 workDir 绝对路径。

验收四件套：

RUN=/data/user/0/com.deepseek.harness/files/work/linux/run.sh
$RUN ffprobe -v error -select_streams v:0 -show_entries stream=width,height -of csv=s=x:p=0 out.mp4
$RUN ffprobe -v error -show_entries format=duration -of csv=p=0 out.mp4
$RUN ffmpeg -hide_banner -i out.mp4 -af volumedetect -f null - 2>&1 | grep mean_volume   # 不是 -inf 才真有声音

再配合 --still 用 read_image 看一眼：字幕烧上了、没黑帧、主体没被裁掉。

坑（都踩过）

1. ffmpeg 不在宿主 PATH。一律经 work/linux/run.sh 调；脚本里默认就写死了这个入口，可用 DSH_LINUX_RUN 覆盖。
2. filtergraph 的 label 只能被消费一次。旁白要同时喂 sidechain 和 amix 时必须 asplit=2，否则报 Stream specifier 'vo' ... matches no streams。
3. 图片加缩放用单帧 + zoompan d=N，别再叠 -loop（会变成 N×N 帧）。平移/静止才用 -loop 1 -t。
4. xfade 要求两端同尺寸、同帧率、同 pix_fmt。脚本先归一化中间片并 settb=AVTB，你换素材不用管；但别手改中间片。
5. manifest 的 src 要绝对路径。inventory.mjs 已输出绝对路径；手写时别用相对路径（ffmpeg 的 cwd 是 /sdcard，会找不到）。
6. 视频素材短于 duration 会被自动截短（终端有 ! 提示）。慢动作须先用 setpts 预处理素材；仅改变输出 fps 不会改变播放速度。
7. 片长 = Σ duration − 转场时长 ×（场景数−1）。加场景后时长对不上先算这个。
8. 省流量的顺序：先 720×1280 / preset=ultrafast / crf=26 出预览，定稿再 1080p / crf 21。本机实测 720p 约 2 倍实时（5.2s 片 ≈ 10s 渲染），1080p 更长。
9. 一次只跑一个渲染。遵守手机一次只做一件重活的限制；长片先出短预览，确认后再渲染全片。
10. 输出后缀必须 .mp4。/sdcard 上的 .ts 会被相册当成视频（历史事故：992 条零秒视频）。
11. 相册里没立刻看到：媒体库有延迟，重新打开相册或等一会；文件本身已写好。
12. 照片方向：个别手机照片带 EXIF 方向、ffmpeg 没吃到，画面会倒。用 "rotate":90（或 180/270）转正；rotate 只对图片生效（视频由 ffmpeg 自动旋转，别再手动转）。

和 dsh-storyboard 的分工

dsh-storyboard 负责「讲什么、怎么讲」（VOX 风分镜、旁白文案、视觉节奏）；dsh-video 负责「真的出片」。标准串法：storyboard 出分镜 → 按分镜准备素材 → 用本技能出片。

自测

bash "$SK/scripts/selftest.sh"    # 造素材→渲染→ffprobe 校验分辨率/编码/时长→PASS

自测会在 /sdcard/DeepSeekHarness/tmp/dsh-video-selftest/run-XXXXXX/ 创建独立目录，保留此前的测试素材和成片。

安装位置与恢复

• 生效位置：$DSH_HOME/skills/dsh-video/（本机即 .../payload/dshhome/skills/dsh-video）。
• 源码副本：/sdcard/DeepSeekHarness/skills-src/dsh-video/（重装 App 不丢）。
• App 重装 / 内核重解压会清 payload → 技能消失时用源码副本恢复：

cp -r /sdcard/DeepSeekHarness/skills-src/dsh-video \
      /data/user/0/com.deepseek.harness/files/payload/dshhome/skills/

改完源码副本后同样执行上面这条覆盖回去。