跳到主要内容

Hyperframes

使用 HyperFrames 创建基于 HTML 的视频合成、动画标题卡、社交叠加层、带字幕的对话头视频、音频响应式视觉效果以及着色器转场。HTML 是视频的权威来源。当用户希望从 HTML 合成渲染出 MP4/WebM、需要在媒体上动画处理文本/徽标/图表、需要与音频同步的字幕、需要 TTS 配音，或将网站转换为视频时，请使用此功能。

技能元数据​

来源可选 — 通过 hermes skills install official/creative/hyperframes 安装
路径optional-skills/creative/hyperframes
版本1.0.0
作者heygen-com
许可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
信息

以下是 Hermes 在触发此技能时加载的完整技能定义。这是智能体在技能激活时看到的指令。

HyperFrames

HTML 是视频的权威来源。一个合成就是一个 HTML 文件，其中包含用于计时的 data-* 属性、用于动画的 GSAP 时间轴以及用于外观的 CSS。HyperFrames 引擎逐帧捕获页面并使用 FFmpeg 编码为 MP4/WebM。

作为 manim-video 的补充： 对于数学/几何解释器（方程、3B1B 风格）请使用 manim-video。对于动态图形、带字幕的说话人头部、产品导览、社交覆盖、着色器过渡以及由真实视频/音频媒体驱动的任何内容，请使用 hyperframes。

何时使用​

  • 用户根据文本、脚本或网站请求渲染的视频
  • 动画标题卡、下三分之一或排版介绍
  • 带字幕的旁白视频（TTS + 与波形同步的字幕）
  • 音频响应式视觉效果（节拍同步、频谱条、脉冲发光）
  • 场景间过渡（交叉渐隐、擦除、着色器变形、闪白）
  • 社交覆盖（Instagram/TikTok/YouTube 风格）
  • 网站到视频的流水线（捕获 URL，生成宣传片）
  • 任何必须确定性渲染为视频文件的 HTML/CSS/JS 动画

不要将此技能用于：

  • 纯数学/方程动画（→ manim-video）
  • 图像生成或表情包（→ meme-generation，图像模型）
  • 实时视频会议或流媒体

快速参考​

npx hyperframes init my-video               # 搭建项目脚手架
cd my-video
npx hyperframes lint                        # 预览/渲染前进行验证
npx hyperframes preview                     # 浏览器实时重载预览（端口 3002）
npx hyperframes render --output final.mp4   # 渲染为 MP4
npx hyperframes doctor                      # 诊断环境问题

渲染标志：--quality draft|standard|high · --fps 24|30|60 · --format mp4|webm · --docker（可复现）· --strict。

完整 CLI 参考：references/cli.md。

设置（一次性）​

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

该脚本：

  1. 验证已安装 Node.js >= 22 和 FFmpeg（如未安装则打印修复说明）。
  2. 全局安装 hyperframes CLI（npm install -g hyperframes@>=0.4.2）。
  3. 通过 Puppeteer 预缓存 chrome-headless-shell — 这是通过 Chrome 的 HeadlessExperimental.beginFrame 捕获路径实现最佳质量渲染所必需的。
  4. 运行 npx hyperframes doctor 并报告结果。

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

流程​

1. 编写 HTML 前先规划​

在编写代码之前，从宏观层面阐述：

  • 内容 — 叙事弧线、关键时刻、情感节点
  • 结构 — 合成、轨道（视频/音频/覆盖）、持续时间
  • 视觉身份 — 颜色、字体、运动特性（爆炸性 / 电影感 / 流畅 / 技术感）
  • 关键帧 — 对于每个场景，最多元素同时可见的时刻。这是你将首先构建的静态布局。

视觉身份门控（硬门控）。 在编写任何合成 HTML 之前，必须定义视觉身份。不要使用默认或通用颜色（#333、#3b82f6、Roboto 表明跳过了此步骤）编写合成。按顺序检查：

  1. 项目根目录有 DESIGN.md？ → 使用其确切的颜色、字体、运动规则和“不要做什么”约束。

  2. 用户指定了风格（例如 "Swiss Pulse"、"dark and techy"、"luxury brand"）？ → 生成一个最小化的 DESIGN.md，包含 ## 风格提示、## 颜色（3-5 个十六进制值及其用途）、## 字体（1-2 个字族）、## 不要做什么（3-5 个反模式）。

  3. 以上都没有？ → 在编写任何 HTML 之前询问 3 个问题：

    • 情绪？（爆炸性 / 电影感 / 流畅 / 技术感 / 混乱 / 温暖）
    • 亮色还是暗色画布？
    • 有任何品牌颜色、字体或视觉参考吗？

    然后根据答案生成一个 DESIGN.md。每个合成都必须追溯其调色板和字体到 DESIGN.md 或明确的用户指示。

2. 搭建脚手架​

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。传递 --example <name> 来选择一个，--video clip.mp4 或 --audio track.mp3 来用媒体初始化。

3. 先布局后动画​

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

只有在关键帧看起来正确后，再添加 gsap.from() 入场动画（动画到 CSS 位置）和 gsap.to() 出场动画（动画从该位置）。

完整 data-attribute 模式和合成规则参见 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
  • 开始时暂停：gsap.timeline({ paused: true }) — 播放器控制播放
  • 使用有限的 repeat 值（不要用 repeat: -1 — 会破坏捕获引擎）。计算：repeat: Math.ceil(duration / cycleDuration) - 1。
  • 具有确定性 — 没有 Math.random()、Date.now() 或挂钟逻辑。如果需要伪随机性，请使用确定性种子的 PRNG。
  • 同步构建 — 没有 async/await、setTimeout 或围绕时间轴构建的 Promise。

核心 GSAP API（补间、缓动、交错、时间轴）参见 references/gsap.md。

5. 场景间的过渡​

多场景合成需要过渡。规则：

  1. 场景之间始终使用过渡 — 不要硬切。
  2. 每个场景元素始终使用入场动画（gsap.from(...)）。
  3. 除最后一个场景外，永远不要使用出场动画 — 过渡即出场。
  4. 最后一个场景可以淡出。

使用 npx hyperframes add <transition-name> 安装着色器过渡（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： 始终是单独的 <audio> 元素（视频是 muted playsinline）。
  • TTS： npx hyperframes tts "Script text" --voice af_nova --output narration.wav。使用 --list 列出声音。声音 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 自动推断音素器区域设置；仅当需要覆盖时才传递 --lang。非英语音素化需要系统范围安装 espeak-ng。
  • 字幕： npx hyperframes transcribe narration.wav → 词级文字记录。从文字记录的语气中选择风格（炒作 / 企业 / 教程 / 故事 / 社交 — 参见 references/features.md 中的表格）。语言规则： 除非音频确认是英语，否则不要使用 .en whisper 模型 — .en 会翻译非英语音频而不是转录它。每个字幕组必须在其出场补间后有一个硬性的 tl.set(el, { opacity: 0, visibility: "hidden" }, group.end) 终止 — 否则组会泄漏到后续组中可见。
  • 音频响应式视觉效果： 预提取音频频段（低音 / 中音 / 高音），并在时间轴内使用 for 循环 tl.call(draw, [], f / fps) 逐帧采样 — 单个长补间不会对音频做出响应。将低音映射到 scale（脉冲），高音映射到 textShadow/boxShadow（发光），整体振幅映射到 opacity/y/backgroundColor。避免均衡器条的陈词滥调 — 让内容引导视觉，音频驱动其行为。
  • 标记式高亮： 用于文本强调的高亮、圆圈、爆发、涂鸦、草绘效果是确定性的 CSS+GSAP — 参见 references/features.md#marker-highlighting。完全可搜寻，没有动画 SVG 滤镜。
  • 场景过渡： 每个多场景合成必须使用过渡（不要硬切）。从 CSS 原语（推滑、模糊交叉渐隐、缩放穿入、交错块）或着色器过渡（flash-through-white、liquid-wipe、cross-warp-morph、chromatic-split 等，通过 npx hyperframes add）中选择。情绪和能量表位于 references/features.md#transitions。不要在同一合成中混合使用 CSS 和着色器过渡。

7. 检查、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 对比度审核
npx hyperframes inspect           # 视觉布局审核 — 溢出、离帧元素、被遮挡的文本
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 在每个文本元素后方采样背景像素，并对低于 4.5:1（大文本为 3:1）的对比度比发出警告。hyperframes inspect 是布局端的对应工具 — 在多个时间戳运行页面，并标记静态检查无法看到的问题（字幕仅在 4.5 秒时换行超过安全区域，卡片在标题是最长变体时溢出，元素最终位于过渡着色器后面）。在包含对话气泡、卡片、字幕或紧凑排版的合成上尤其要运行 inspect。

8. 网站到视频（如果用户提供了 URL）​

使用 references/website-to-video.md 中的 7 步捕获到视频工作流：捕获 → DESIGN.md → SCRIPT.md → 故事板 → 合成 → 渲染 → 交付。

常见问题​

  • HeadlessExperimental.beginFrame' 未找到 — Chromium 147+ 移除了此协议。请确保使用 hyperframes@>=0.4.2 版本（会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 会执行此操作）。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。务必计算一个有限的重复次数。
  • 对后期进入的裁剪元素使用 gsap.set() — 该元素在页面加载时不存在。请在时间轴内，在裁剪的 data-start 时间点或之后，使用 tl.set(selector, vars, timePosition)。
  • 内容文本中的 <br> — 强制换行不知道渲染字体的宽度，因此自然换行 + <br> 会导致双重换行。使用 max-width 让文本自动换行。例外情况：每个词单独一行的短显示标题。
  • 为 visibility 或 display 添加动画 — GSAP 无法对这些属性进行补间动画。请使用 autoAlpha（同时处理可见性和不透明度）。
  • 调用 video.play() 或 audio.play() — 框架控制播放。切勿自行调用这些方法。
  • 异步构建时间轴 — 捕获引擎在页面加载后同步读取 window.__timelines。切勿将时间轴构建包装在 async、setTimeout 或 Promise 中。
  • 包装在 <template> 中的独立 index.html — 会向浏览器隐藏所有内容。只有通过 data-composition-src 加载的子组合才使用 <template>。
  • 使用视频作为音频 — 始终使用静音的 <video> + 单独的 <audio>。

验证​

渲染前后：

  1. 通过 lint + 验证 + 检查： 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 — 如果出现警告，请参阅 troubleshooting.md）。
  2. 动画编排 — 对于新的组合或重大的动画更改，请运行动画映射。npx hyperframes init 会将脚本复制到项目中，因此路径是项目本地的： 
    node skills/hyperframes/scripts/animation-map.mjs <composition-dir> \
      --out <composition-dir>/.hyperframes/anim-map
    输出单个 animation-map.json，包含每个补间动画的摘要、ASCII 甘特图时间轴、错开检测、死区（>1秒无动画）、元素生命周期以及标志（offscreen、collision、invisible、paced-fast <0.2秒、paced-slow >2秒）。扫描摘要和标志 — 修复或说明原因。小改动可跳过。
  3. 文件存在且非零： ls -lh final.mp4。
  4. 时长匹配 data-duration： ffprobe -v error -show_entries format=duration -of default=nw=1:nk=1 final.mp4。
  5. 视觉检查： 提取组合中间的一帧：ffmpeg -i final.mp4 -ss 00:00:05 -vframes 1 preview.png。
  6. 如有预期，音频存在： ffprobe -v error -show_streams -select_streams a -of default=nw=1:nk=1 final.mp4 | head -1。

如果 hyperframes render 失败，请运行 npx hyperframes doctor 并在报告时附上其输出。

参考资料​

  • composition.md — 数据属性、时间轴契约、不可协商规则、排版/资源规则
  • cli.md — 每个 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（补间、缓动、错开、时间轴、matchMedia）
  • features.md — 字幕、TTS、音频反应、标记高亮、过渡（按需加载）
  • website-to-video.md — 7步捕获到视频工作流
  • troubleshooting.md — OpenClaw 修复、环境变量、常见渲染错误