video-script-conversion

v0.3.3: 交付前自检补模式④；count_spoken_chars.py 补汉字口径输出，对齐 Step 10 双口径契约。

1. Scope

文章/长素材/口语 raw/实录转写 → 短视频口播脚本的转换、修整与审计。Liz 拿其他 AI 的候选稿来评、比、裁，也走本 skill。

文章逻辑 ≠ 视频逻辑。 文章允许读者自己找重点、反复读；视频大约 5 秒决定去留。观众状态是「加了一天班，好不容易有 40 分钟刷视频」——5 秒内说不清要讲什么，就划走。读起来顺的文本，念出来可以完全站不住。

书写态 ≠ 口播态。 文字里括号、指代回跳（前者后者）、反复重读都免费；音频没有后退键。Liz 的表达底层偏书写态（精密、堆近义词、链式对冲）——口播修整的本质是序列化转换：把「深度遍历日志」换成「拓扑排序」（先主干后分支），不是降智、不是降密度。细则见 references/koupi-voice-profile-2026-08.md。

长文 voice / 读者画像三要素（聪明 / 选择多 / 很忙）以 liz-writes 为准。本 skill 管口播执行；两边都加载时，口播门禁以本文为准。

2. 硬原则（Liz 定版 — 不可推翻）

1. 抓人三件套：标题 / 封面 / 前 5 秒必须抓人。
2. 两问门禁：每个脚本必须能回答「关我屁事？」「对我有屁用？」——答案在稿子里有具体落点；找不到就补或删。内容敏感性 < 这两问。
3. 金句是骨架：保留 Liz 金句与隐喻；不发明事实、不写她没给的新内容。
4. 时长：目标约 3 分钟 ≈ 850–950 口播字；永远给可裁剪点。
5. 交付：单个 MD 代码块（标题三件套 / 封面 / 金字塔：一句话版 + 一段话版 / 口播脚本 / 可裁剪 / 纠偏与延展说明）。Liz 要「呈金字塔形」或素材是 denser 观点 IP 碎念时，一句话/一段话必给（封面文案 + 简介/转发），不要只交长口播。
6. 价格：数字必须「我比过价」式 hedge，不当成永久行情。
7. 合规：中转 / 接码 / 墙操作细节、敏感名词（梯子/VPN/Telegram 等）不进口播——换说法，不删论点（如 Telegram →「聊天软件」）。
8. 纠偏/延展必须声明告知，不静默改。

已知张力（已裁决，勿反向「优化」）

• 语气词：删无信息口头禅；保留句子级口语节奏词（「说白了」「这话听着像废话，但是是真的」）。
• 口癖 ≠ 垃圾：Liz 的口癖多是「操作型」逻辑算子（首先/比如说/也就是说/严格来说…）——思维结构，删了就不是她；元认知弹窗（看到了吗/这算是在自夸吗）是活人指纹，一个都别删。要剪的是堆近义词（留一个）、括号（口播里展平——音频没有后退键）、对冲链（最多一层）。细则见 references/koupi-voice-profile-2026-08.md。
• AI 多轮迭代会退化 → 真人先讲，AI 后修；修整过度 = 另一种 slop。
• 故事感开场 ≠ 更弱（真实细节让人进场）；与戏剧化悬念是两种可选变体。

3. 模式选择（先选再动手）

Liz 实战偏好（有实录时）：提纲 → 自己口述录制 1.0 → AI 只修不造。修整实录远比生成新稿保真。

4. Workflow

Step 1 — 读素材，钉死唯一主题

• 读原材料，并读 notes.md（常有标题选项与机制摘要）。若已有发布版 lizliz.xyz/content/articles/<slug>.md，以发布版为准；写作目录草稿可能滞后，引用前做 body diff。
• 素材源是技术 skill/长文档时，单独挖一轮「故事级料」：除提纲式要点外，专门扫全文找认知落差事实（如「投简历根本不用做 PDF——账号档案就是数据源」）、真实闭环（如「HR 回复走 App 消息+短信」）、反直觉细节。只吃提炼版 context 会漏掉最能抓人的料（2026-08-02 geo-job-hunting 双版实战：两版都漏了这两个 nugget）。挖完按「降低理解成本 + 面向更大观众」过滤，不榨干技术细节。
• 先确立 ONE anchor theme。 Liz 常会明示。例与 7 问链见 references/worked-example-2026-07-31.md——那是单次案例，不是每次必凑的模板。
• 禁止脚本重选主题。 其他 AI 的常见翻车：把她已废弃的锚（如「宪法」、纯工作流重构）又捧成核心。每稿对照她说定的 anchor。
• 多主题并存时：其余列入拆条（后续 3 分钟视频），本条只留一个。
• 多候选主题菜单 ≠ 可任选最「好写」的那个。 Liz 常会列一串相关概念（知道vs做到 / 回音壁 / 需求决定价格 / Simulator…），再点破「更想表达的其实是 X」。以她点名的独有锚为准；菜单里其余只作机制一环或拆条，不得捧成主标题/主框架。
• 反平庸锚点门禁（clear-soup 的选题版）：开写前自问——这个框架是不是认知/成长赛道博主已经讲烂的米饭馒头（「读一百本书日子拧巴」「知道不等于做到」「认知内卷」）？若是，且素材里有 AI 时代特有 / 她亲身摩擦 / 别人抄不走的诊断（如 AI echo chamber、AI psychosis、真人怼现场、绿气泡原诊），必须以后者为锚，前者最多当 chamber 内部机制出现一句。2026-08-03 实战：两版初稿把「认知内卷」当主菜 → 她判太平庸；重锚 AI psychosis 后才立住。见 references/worked-example-ai-psychosis-2026-08.md。
• 独有料优先级：真人群怼/现场对话 > 她绿气泡/碎碎念原诊 > 通用正确道理。开场杀「任何人都能用的对比句」，优先时间锚+真人摩擦。

Step 2 — 按模式处理

模式② 修整（口语 raw 已成型）

1. 标结构：在原文上加 beats 标记（开场 / 点破 / 有用 / 落地 / 结尾），不重排论点顺序。
2. 顺连接：补过渡句，不补新论点、不补新例子。
3. 剪垃圾：按 Step 3；金句与真实细节优先于顺滑。
4. 纠偏：价格 hedge、合规换说法；改动写入「纠偏与延展说明」。
5. 可选延展：仅填 raw 里已有的逻辑缝（A→C 缺 B），不扩写成新段落。

模式③ 实录修整（转写稿）

1. 以真人 1.0 为唯一内容源——不生成替代稿。
2. 清气口与无信息 filler（嗯/啊/那个/就是）；保留句子级节奏词与真实细节。
3. 修差语言习惯（重复、口误、断句），不改 Liz 的用词选择与隐喻。
4. 标 beats + 合规/价格纠偏，同模式②。
5. 对照提纲（若有）：删的是废话，不是 Liz 临场加的真话。

模式① 重建 — 骨架 beats（非文章章节序；标签名勿与 Workflow Step 混用）

• 标题 beat：3 候选，主推第一。认知落差放标题；迁移叙事（「把工作台搬进聊天软件」）会随生态普及贬值。交付格式 = 标题三件套：(1) 抓人主标题（反常识/认知落差，面向最大受众共鸣）；(2) 括号补充——标题是一句话时，括号可放 3–4 句极简概述或留白/鸡汤；(3) 长尾 hashtag 组。主推给全套，备选可只给标题本体。原样 prompt 存档见 references/user-thinking-blogger-2026-08.md。
• 封面 beat：2 个短选项；具体 + 价格或人，不用抽象名词。
• hook beat（前 5 秒）：反常识 + 具体；每条视频择 1–2 种，不叠满。可选用：
  • 价格锚（「60 块/月」）
  • 人物隐喻（实习生/秘书/小弟）
  • 群像场景反差（「群里清一色在用 X，只有我在用 Y」）
  • 故事感开场：时间锚「几天前」+ 小尺度「小群」+ 对话动词「讨论/探讨」+ 悬念从真实对话长出（非硬造「一句话让全场愣住」）
  • 概念命名：反直觉名字即钩子（如太监秘书）；命名后立刻一句话说清职责分层
  • 抽象宣称弱于具体图像。开场对比见 references/anti-slop-mantra-2026-08.md。
• 点破 beat（5–15 秒）：把观众疑问说出口。(a) 关我屁事（「又是 AI 安利？」）；(b) 为什么不用更显然的方案——可用自我贬低式真话建立口语可信度。然后点明本条视频给他们什么。
• 有用 beat（尽早）：真实账（价格、时间、一件具体事）——不要「省下决策疲劳」这类空抽象；成本不止数字，还有策略（「能升不能降 → 先买最低配」）。
• 落地 beat（按题材选用）：
  • 实例化清单：概念后给 2–4 个真实实例。
  • before/after：多工具切换的痛 → 单一入口的爽，各一句。
  • 完整 device 表见 references/worked-example-digital-employee-2026-08.md。
• 结尾 beat：落机制不落总结；保留落地句；可选系列钩子。结尾 payoff 二选一（可并存但别叠成两个收尾）：
  • 三条可抄结论：非 builder 受众、需要立刻能用的行动清单（见 Step 4）。
  • 信任反转（trust flip）：主动降门槛、承认替代方案也够用——预反驳「我不需要折腾」，给退路。

Step 3 — 砍无信息垃圾

删：无信息口头禅（嗯/然后/就）；脚注/引用堆法；未用白话挣来的黑话（MCP/RLHF/OAuth/Sycophancy 等）——每个保留的技术词配一个日常类比；竞品拉踩（视频里又掉密度又招架，拆条或留文章）；中转/接码/墙操作细节；敏感名词（换说法）；低密度工具名单。口播态专项：堆近义词只留一个；括号内容展平（并句或删）；对冲链最多一层；名词化改动词化（「信息传输协议」→「见人说人话，见 AI 说 AI 话」）；隐喻一次一个。细则见 references/koupi-voice-profile-2026-08.md。

留：句子级口语节奏词；操作型逻辑算子（首先/比如说/也就是说/严格来说——Liz 的思维结构，删了就不是她）；元认知弹窗（「看到了吗」「这算是在自夸吗」——活人指纹）；Liz 金句作结构骨架（屁股/椅子、小马过河、60 块实习生、太监秘书/小弟、脱裤子放屁、彩虹屁等）。隐喻即认知落差——不为「顺」而砍。

Step 4 — 用户思维 beats

• 非 builder 受众可加 「三条可抄结论」（「就算你不折腾服务器，这套思路现在就能抄」）——与结尾 beat 的 trust flip 选用见 Step 2。
• 尊重观众的状态，不是尊重观众的人：反常识开头/前 5 秒给承诺，是尊重「加班后 40 分钟」状态，不是骗流量。
• 状态类 devices（按需）：共情场景描述 / 先扬后抑再反转 / 给失败模式命名 / 极端反诘 / 示弱式可信度 + 请求式 CTA。完整提取（含田野证据、重新定义等）见 references/user-thinking-blogger-2026-08.md。提取的是 devices 与原则，不是抄文风/节奏。
• 价格/事实：一律经验 hedge。

Step 5 — 预反驳（有真实反馈时）

有群聊导出/访谈等真人反馈时，定稿前先挖——强于假想观众。

1. 证据链可追溯（归档 raw；写作项目里 source-*.md 带时间与说话人）。
2. 抽三种形：(a) 真实声音与为何没选；(b) 他们实际怎么做；(c) 差异与选择（含 Liz 当场原话反驳）。
3. 插在异议对准的 beat；每条 = 真人异议 + Liz 真实回应。不发明假想观众提问。
4. 密度：2–4 处插入，不大改骨架。
5. 稿末附 反驳预设追溯表（反驳 → 来源/时间 → 回应出处）。
6. 锚点隐喻若有诞生现场，可作花絮/置顶评论。

工作例：references/preemptive-rebuttal-pattern.md。

Step 6 — 发布前门禁（强制）

两问（每次必做）：关我屁事？（凭什么看我）／对我有屁用？（看完得到什么）。落点必须在脚本里。写前加载用户思维；交付前再审一遍。

有趣 + 有用（与 §5 双坑同门禁）：过两问仍像「正确废话」→ 不合格（clear-soup）；为抓人而套工业化钩子 → 不合格（Sheeran mean）。要有具体图像或真实账撑起洞见。

反 AI slop：

• 真人先讲，AI 后修；AI 是修整工具，不是内容来源。
• 每轮对比本人 voice——以「念得最像自己」为准，不是最新版优先；Liz 说「这不像我了」→ 停迭代，回真人版重修。
• Slop 信号：过于顺滑（气口全无）、金句被「优化」掉、候选趋同、filler 清到失去人味。
• 元认知弹窗与逻辑算子被清平 = slop 信号（活人指纹被磨成 AI 平均脸）。
• 目标是「她念得舒服、像自己」，不是「文本看起来完美」。

复盘原文：references/anti-slop-mantra-2026-08.md。

Step 7 — 多轮外部反馈裁决

Liz 带来 2–3 轮外部 AI 反馈（常互相打架、常重选她已废弃主题）时：

1. 先原文归档为 feedback-*.md。
2. 裁决，不追最新一轮：表 = 反馈点 → 裁决 → 采纳/合并/拒绝。
3. 技术正确性权重大于文风意见；IP 隐喻被说「有风险」时保留并标风险给她自己拍板。
4. 对话里交新版 + 短裁决摘要；全表留文件。

Step 8 — 交付格式

一个自包含代码块：

# 标题（主推三件套：主标题+括号补充+hashtag；另 2 备选）
# 封面大字（已定型则沿用；换标题时给 2 个匹配备选）
# 一句话版（钩子/封面/Pin；可与主标题同构或更短）
# 一段话版（简介/开场提要/转发；约 80–150 汉字信息密度）
# 口播脚本（分节 beats：开场·前5秒 / 15秒点破疑问 / 主题落地 / 结尾）
# 可裁剪（压到 X 分钟删哪节；60 秒版留哪节）
# 纠偏与延展说明（删了什么为什么、合规微调、价格 hedge、拆条建议、工具点名拍板项）

她直接复制。目标长度约 3 分钟 ≈ 850–950 口播字；必须给裁剪点。

项目目录：口播/短视频脚本类交付放 writing/YYYY-MM-DD/videoscript-<slug>/（slug 加 videoscript- 前缀，命名规则已入 writing/AGENTS.md，2026-08-02 Liz 定版）。

Cursor 交叉审计（composer-2.5 / grok）：只写项目内 cursor-audit/（SCRIPT-v0.2.md + AUDIT-REPORT.md），不覆盖根目录 SCRIPT-v0.1.md 直至 Liz 合入。Workspace 必含：原话真源（群聊/绿气泡/主题锚）+ v0.1 + skill 硬原则/koupi/anti-slop + scripts/count_spoken_chars.py；字数双口径实测。见 cursor-agent §3.9。

交付前 30 秒自检

• 模式选对了（重建 / 修整 / 实录修整 / 补丁装配）
• 主题 = Liz 说定的 anchor，无漂移
• 标题三件套 + 封面 + 前 5 秒抓人
• 金字塔：一句话版 + 一段话版在位（观点 IP / Liz 点名时必给）
• 两问在稿内有落点
• 有趣 + 有用：非清汤寡水、非工业化套路
• 金句还在；无发明事实；价格有 hedge
• 合规/敏感词已换说法；中转接码墙细节未进口播
• 有可裁剪说明；纠偏/延展已声明
• 念起来像她，不像 AI 平均脸

Step 9 — 五维诊断（审计任务时）

skill_view name='dbs-content'（writing profile 已注册；外部 dontbesilent 包——只加载不改）。套 Phase 3 五维：文字洁癖 / 封面标题 / 表达效率 / 认知落差 / AI 辅助工作流；按报告模板输出。缩略框架：references/dbs-five-dimension-audit.md。

竞品/多稿对比时：表扬单点最强 hook/payoff；每稿对照 (a) 既定主题 (b) 价格锚 (c) 两问 (d) 是否贴 3 分钟目标。结论用对比表，不用长散文。

Step 10 — 反馈补丁装配 refine（结构已收敛时，模式④）

Liz 的 feedback 若结论是「结构已收敛，缺的是把已有素材补进稿子」（信息补全，不是创意生成）时：

1. 清单即宪法：feedback 里的具体改动清单逐条执行；拍板清单（标题/说法/结尾/金句/情绪浓度裁决）只落地不再评。逐条核验表（feedback 每条 → v0.1 现状 → 本轮动作 → 增量价值）写进 AUDIT-REPORT。
2. 只补已有素材：起源故事、平台封闭逻辑、交付 CTA 等补丁全部来自她原话与 raw——发现 v0.1 整段丢掉的素材就补回，不新造。
3. 删冗余腾字数：先砍「前面已讲过一遍的复述」（如【落地】两步复述），再微调无信息字词；已裁决项/金句/CTA 永远不砍，压缩只动填充词。每压一轮重新统计字数。
4. 占位符不编数（轨道草稿 ↔ 交付稿两套规则）：轨道草稿/对账表里缺数字用【待 Liz 填 N】式行内占位，不编数据；合并进最终交付稿时必须去掉占位符——口播稿要能直接念，改用素材内已有事实接地（「字段真递出去了」「人工翻不到后面那几家」），feedback 原句作为整句替换通道写进纠偏说明，Liz 有真实数字再整句换。
5. 字数核验脚本 + 双口径：scripts/count_spoken_chars.py <SCRIPT-v0.2.md>——统计口播正文（只删行首节标题），并查脏字数/金句/关键元素在位。两个口径都要报：汉字数（≈实播时长）与总字符含标点（对照 850–950 目标带）；禁止目测估算——2026-08 实测：估数 876 vs 实测 1016 含标点/769 汉字，偏差 ±15%。交付文档的字数表一律用实测值。⚠️ 正则只删「行首独占一行的节标题」；不能删行内【待 Liz 填 N】式占位符（naive re.sub(r'【[^】]+】', …) 会误删导致字数虚低、元素核验误报）。
   • 英文专名会抬高「含标点总字符」：AI psychosis / echo chamber / Simulator 等每个字母计 1；汉字 770 左右时总字符常摸到 950 上限。以汉字估时长为主；总字符略超 10–20 可接受，不要为压总字符而砍掉锚点金句。
   • HARD_WORDS 命中 ≠ 自动删除：脚本会旗标「意淫/自慰」等。若来自 Liz 绿气泡/原诊且是骨架锐度，裁决保留 + 可裁剪点写审核替换句；只有无来源的猎奇添加才砍。CHECK_WORDS 默认列表是 geo-job 遗留，跨题材时以本稿金句自建核对，勿被 MISS 误导。
6. AUDIT-REPORT 交付格式：结论先行 → 逐条对账表（含拍板清单核验表）→ 已处理项核验（不重审仅确认未破坏）→ 设计决策 → 待拍板项 → 硬原则自检。工作例：references/patch-list-refine-geo-job-2026-08.md。
7. 双轨合并裁决（Hermes subagent + Cursor 各做一版时）：
   • 每轨独立交付 AUDIT-REPORT（逐条对账表）+ 新版脚本；两轨对账互证 = 补丁清单的第二次收敛验证——无串通达成同一裁决即强信号，直接合。
   • 合并文档解剖：结论 → 缝合版全文（可直接念） → 共识表（无串通收敛点）→ 分歧+裁决表（每行：两版 → 裁决 → 理由，不和稀泥）→ 待拍板残留项 → 字数实测 → 文件索引。
   • 换词指令的落点 = 原句位置：feedback 说「把 X 换成 Y」时，Y 留在 X 原来的 beat（「爽感陷阱」句替换 v0.1 落地原句，就留在落地），除非有结构理由才挪位。
   • 口播 CTA 双路径：口播念域名为主（抗流失/抗外链降权），简介栏链接作备份；分发策略（「简介里也会挂」）不念上口，写进纠偏说明执行。

5. 跨格式 IP 内容准则（公众号/长文 ↔ 口播）

公众号元 prompt 全文存档：references/ip-content-meta-prompt-2026-08.md。与口播共享同一套 IP 准则；长文交付时配合 liz-writes（读者画像不在此重复）。

定位

专注 AI 探索，研究变现实操，帮你在生活中扎根 AI。

姿态（平视四词）

平视、真诚、智性、利他——姿态是「我也是刚想通」，不是「我教你做事」（爹味/教导腔禁用）。拒绝捧着、端着、文绉绉、装逼；目标是「坐下来跟你聊出的经验」，不是「写出的文章」。

文风禁令

杜绝写作感/文学创作感：去姿态、去 drama、去概念化、去节奏设计，白话复盘。少用形容词/副词，用清爽动词和名词。保留 Liz 原话与思考框架/表达习惯——辨识度 = IP 资产。

质量双坑（防无聊）

防 clear-soup（清汤寡水：正确但无味）+ 防 Sheeran mean（工业化流行套路）。目标：有趣 + 有用；避免无聊的平淡、又臭又长、曲高和寡、孤芳自赏。尊重市场，与尽可能广的受众共鸣。

审视四序（与 Step 6 两问同门禁）

选题 → 标题 → 开头 → 全文，依次审视；过不了就停。两问定义见 Step 6，此处不复述。纠偏/延展必须声明。

6. Pitfalls（只留非复读项）

• 作者视角编号清单（0/ 1/ 2/ …）不能当口播——重建，不要润色。
• 迁移叙事标题易贬值；框架/洞察类更耐放。
• 多轮外部反馈：先归档再裁决，禁止盲从最新一轮。（流程见 Step 7）
• 补丁装配时：清单即宪法；压缩只砍填充词与已讲过一遍的复述，金句/裁决项/CTA 不砍；字数统计正则勿误删行内占位符。（流程见 Step 10）
• 有真人异议时禁止改用假想观众。（流程见 Step 5）
• 候选菜单里的「通用正确框」不是默认锚：知道vs做到 / 认知内卷 / 读百书日子拧巴 = 认知赛道讲烂饭；Liz 点了更独有的（AI psychosis、回音壁、亲身摩擦）时，通用框最多当机制一环，禁止做主标题主框架。（流程见 Step 1 反平庸锚点门禁）
• 审计他人/自己的初稿时先诊「主题是否漂到平庸」，再修句子——主题错了润色无效。
• raw 里夹着「失败 AI 初稿」时禁止润色路径：Liz 明示「两篇/多篇初稿都不够好」或 raw 后半已附候选口播时，候选稿 = 失败对照样本（诊断：摘要腔 / 舞台指示 / 超时长 / 发明人设课价 / Sheeran mean 章节包装），不得当范本润色或抄结构。模式①从 Liz 原话碎念 + 金句 + 例子重建。工作例：references/worked-example-tizaojia-2026-08.md。
• 产品/工具点名 vs 泛化必须标拍板，禁止静默砍：raw 点了 OpenClaw/Hermes/具体课名时，重建若泛化成「更花的 Agent」→ 纠偏说明 + 待 Liz 拍板；Cursor 交叉轨常会回补点名——差分表单独一行。
• 开场二选一写进 notes，双轨勿各蒙后和稀泥：症状先入（Mac/Windows/装不上…对号入座，「关我屁事」更强）vs 命题先入（「你是在为焦虑付费」钉子标题感）。双轨时可一轨偏症状、一轨偏命题，合并比念感，不叠两套开场。
• 主题漂移、价格永久化、发明事实、slop/修整过度、故事感机制——见 §2 硬原则与 Step 6，此处不复读。

7. Support files

• references/dbs-five-dimension-audit.md — 五维诊断缩略 + 报告模板 + 说话风格
• references/worked-example-2026-07-31.md — 文章→脚本会话：anchor 链、两稿裁决、v3 骨架、拆条
• references/worked-example-digital-employee-2026-08.md — 口播 raw + device 提取表
• references/preemptive-rebuttal-pattern.md — 预反驳工作例与追溯表形
• references/user-thinking-blogger-2026-08.md — 用户思维范本 + device 表 + 标题三件套原样存档（学 devices，不抄文风）
• references/anti-slop-mantra-2026-08.md — 反 slop + 两问复盘 + 开场对比
• references/ip-content-meta-prompt-2026-08.md — 公众号元 prompt 原样存档
• references/koupi-voice-profile-2026-08.md — Liz 口癖语料库 + 口播修整细则（逻辑算子表/序列化诊断/删留剪三分法/高质量口癖清单）
• references/koupi-raw-discussion-2026-08.md — 口癖讨论原始全档（Liz + AI 双诊）
• references/patch-list-refine-geo-job-2026-08.md — 补丁装配 refine 工作例：6 项改动清单、拍板清单、AUDIT-REPORT 骨架、压缩与核验过程
• references/worked-example-ai-psychosis-2026-08.md — 群聊+双版平庸初稿→重锚 AI psychosis：反平庸选题、独有料优先级、英文专名字数、HARD_WORDS 裁决
• references/worked-example-tizaojia-2026-08.md — 做题家/出题家：失败双初稿当反例、金字塔交付、Hermes+Composer 双轨（症状开场 vs 命题开场）、工具点名拍板
• scripts/count_spoken_chars.py — 口播字数核验脚本（删行首节标题统计正文；双口径：汉字数 + 含标点总字符；脏字/金句/元素检查）