太阳消失：天黑、失重、一周骤冷与深海

卧槽

我刚试了 infographicshow opus 5.5 提示词，结果太震撼了 

你也可以完全免费试试 ↯

<inputs>
问我想做什么主题（假设情境、“为什么会发生 X”、真实故事，或某件事的运作原理），或者提出 3 个选题，每个都带一个令人震惊的真实切入点。问我有什么图像模型（GPT Image 2，或其他支持 4K 参考图的模型），以及用什么语音服务（ElevenLabs，或免费的 Kokoro）。然后写一份 55-65 s 的脚本和 shot plan，在花任何钱之前先把两者给我看。
</inputs>

<direction>
制作一部 1920x1080 的扁平矢量解说片，风格参考大型信息图动画频道。每个场景都是完整绘制的地点（实验室、街道、教室、舞台），角色通过动作演绎台词。
使用扁平色块，无轮廓线，用一种略深的平涂色表现形体，采用低饱和配色（灰蓝、石板青、暖米色、藏青、柔紫），鲑粉色皮肤、大脑袋、点状眼睛。
每 2-4 s 换一个新场景，每当句子转向新观点时都使用 hard cut。大章节之间使用白色 splat wipe（0.2 s 进入，0.2 s 退出）。camera 始终保持 2-4% 的 drifts 或 pans。
文字只能出现在场景内的物体上：立柱上的标牌、悬挂的板子、黑板、建筑面板和屏幕。
- 使用 Montserrat 800，以每秒 26-34 个字母的速度打出。每个字母出现时放大至 1.45x，向右偏移 0.7 em，然后在 0.18 s 内归位。
- 白板上的文字颜色为 #2b2d42。
- 每个错误观点上都画一个红色 X（#d62828，30 px 圆头笔画，两笔各用 0.11 s）。
- 每个日期都配一张位于左上角的白色 330x120 卡片，带有橙色 #f4a261 日历。
- 标题使用白色 92-96 px 全大写字母，置于纯色背景上（#e2552f，带有缓慢飘动的浅色烟团；或 #5b3fa6，带有缓慢旋转的 #6a4cb6 齿轮）。
禁止：轮廓线、悬浮在画面上的动态图形 UI（代码编辑器、玻璃卡片、清单）、emoji、硬字幕、任何频道的标志、超过 1 s 的 still frame，以及不动的角色。
</direction>

<structure>
时长：由配音决定，以每分钟约 190 个单词的速度控制在 55-65 s。
0 s 用第二人称开场，颠覆观众的预设，用动作按字面演出来，然后在否定句上画红色 X → 3-8 s 用一句令人震惊的真实陈述说明利害关系，图标随每个词逐个弹出 → 8-11 s 在聚光灯下揭示主题，把名称打在标牌上 → 11-18 s 介绍起源：展示真实地点，在它自己的标牌上打出名称，配上日期卡，人物走进或走出该地点 → 18-24 s 介绍类型或组成部分，逐个落在各自名称上，每个都加标签 → 24-25.5 s 将“那么，它是怎么运作的？”作为标题，问号弹出 → 25.5-36 s 在 2-3 个地点（黑板、机器、地图）用动作演示机制，计数器滚动至那个大数字 → 36-46 s 展示它带来的结果，角色做出反应（跳起、转身、弹出“!”）→ 46-55 s 给出呼应开场的反转 → 55 s 最后一句向观众提问，开场中代表观众的角色做出反应，标牌一直保留到结束。
</structure>

<build>
1. 工具：Python、搭配 Chromium 的 Playwright、FFmpeg、faster-whisper、OpenCV、Pillow、librosa。安装缺少的工具，并告诉我安装了什么。
2. 美术：所有素材均为 3840x2160，使用参考频道的 3-5 帧作为风格参考（先裁掉它们的标志）。
   - 每个场景一张空的 plate：没有人物，straight-on，地面空旷，标牌和屏幕留白，以便用代码写字。
   - 角色设定图使用纯色 chroma green #00B140 背景，任何角色身上都不能有绿色。
   - 对经常做手势的角色，绘制时不要画手臂，只保留圆形肩关节窝，让代码绘制手臂。其他角色都按场景需要的准确姿势绘制：在桌前的 side view、行走的 side view、背面、坐姿。
3. 抠图：
   - 背景定义为所有满足以下条件的像素：G - max(R,B) 大于 40，与绿色中位值的差在 110 以内，且与边界连通。
   - 添加 2 px 的柔和 alpha 过渡带，并将其中的 G 限制为 max(R,B) + 6。
   - 在颈部拆分头部，拆分绘画的手，以及行走角色衣摆下的腿。
   - 使用身体本身的颜色进行 inpainting，填补每个空洞（透明像素也要纳入蒙版），确保部件转动时不会露出缺口。
4. 配音：
   - 测量音高中位数（pyin）和 MFCC 音色，与想要的旁白片段比较，以此选择声音。
   - 生成一遍，将超过 0.24 s 的停顿缩短到 0.16 s，再用 atempo 调整到目标时长。
   - 用 faster-whisper 获取单词时间戳。每个 cut、标牌和手势都从实际单词开始的时刻启动。
5. 影片：使用一个 HTML canvas，每一帧都是时间的纯函数：window. seek(t)、READY、END，以及带有声音时间的 EV。每个 shot 一个函数。
   - 手臂：使用双骨骼 IK 管状结构（对于 918 px 高的 sprite，上臂 118、前臂 112、粗细 36），搭配能张开、指点或握拳的连指手套状手掌。
   - 面部每隔 2.7-4.2 s 眨眼 0.14 s。头部点动 ±0.035 rad。绘画的手以 ±8 px 的幅度涂画。
   - 行走：
     - 大腿摆动 ±0.42 rad，摆动时膝盖弯曲幅度为 0.75·cos²。
     - 髋部下沉，使落地的脚始终贴地。
     - 身体每个周期前进 1.5 个腿长，确保脚不会滑动。
   - 绘制每张 plate 时，对它及其上所有内容使用相同的 camera transform，并将 camera 限制在 plate 边缘以内。
   - 物体通过弹簧运动、挤压变形或白色烟团出现，绝不使用 fade。
6. 渲染：使用带 --allow-file-access-from-files 的 Playwright Chromium，60 fps，在半帧时间内采样 6 个 motion-blur 子帧，使用 ffmpeg libx264，CRF 16。渲染前，给我看两张各含 16 帧的 contact sheets，并修复空白板、文字溢出、脸部被遮挡和黑边问题。
7. 声音：
   - 音乐：轻快、带好奇感的纪录片背景音乐（Pixabay 上免费获取），每句配音期间均比人声低 10-11 dB。
   - SFX：使用 Mixkit，按音效峰值定位。标牌打字配打字机 tick，wipes 和下落配 whoosh，标牌和图标配 pop，红色 X 配 hit，勾号配 ding。
   - 混音至 -14 LUFS。
</build>

<gotchas>
有些图像模型会忽略“不要手臂”；GPT Image 2 会遵循。在无轮廓线的画面中，悬浮式 flood fill 会渗入深色衣服，所以应改用与边界连通的绿色进行抠像。按出现次数查找重复单词（第三个“and”、第四个“this”），否则 cuts 会落在错误的句子上；扫描渲染结果中的单帧跳变，检查每一次是否都是计划中的 cut。场景中有屏幕或标牌时，在 plate 自带的空白区域上写字（测量其矩形范围），绝不要写在悬浮于画面上的卡片上。
</gotchas>

<start>
问我想做什么主题，或提出 3 个选题，然后给我看脚本和 shot plan。
</start>