用途 canvas-film 用于制作 30 至 120 秒、带旁白的动画短片，输出两种形式：一个自包含的 HTML canvas 页面，以及渲染好的 MP4。它围绕一个前提设计：创作者听不到成片、静态图也不等于影片，因此用语音转文字充当“耳朵”，用静帧和联系表充当“眼睛”，用单词时间戳充当“时间感”。
两条核心规则
- 先音频后画面。在开始动画前锁定配音时间线；每个视觉节拍都锚定到某个单词（如 word("c02", "bail")），而不是手写数字。这样重录某句台词时，画面节拍会随之移动。
- 单一纯函数 renderAt(t)。页面仅凭时间 t 就能画出任意时刻；实时播放传入 audio.currentTime，导出时按 t = frame / fps 步进。不读取系统时钟，因此审看的内容就是渲染出的内容。
使用方式 所有步骤都通过 scripts/film.py 执行（命令形式为 uv run scripts/film.py <cmd> <项目目录>），需要 ffmpeg，音频相关步骤需要 ELEVENLABS_API_KEY。项目的 film.json 保存配音、台词、音效、音乐和混音提示表；src/scenes.js 保存画面。
- 简报与剧本：按每秒约 1.8 个口语词估算时长。台词要写得像真人会说的话，尽量引用来源（聊天、笔记）。
- 脚手架：执行 film.py init <dir> --style collage 复制引擎、样式、示例场景和示例 JSON 到项目，再用 film.py fonts 拉取样式文件指定的字体族。
- 配音：在 film.json 中逐行分配声音，执行 film.py tts <dir>，它会打印每行转写文本，需逐条对照剧本核对。
- 时间线：film.py timeline <dir> 会裁剪空白、缩短指定停顿（cuts）、应用语速、重叠对话（负 gap），并写出 build/timeline.json（单词时间与各说话者口型包络）。反复调整台词、cuts 和 gap，直到结尾时长符合简报。
- 画面：按 references/characters.md 制作角色与道具，按 references/engine.md 和样式参考在 src/scenes.js 中编写场景。
- 音乐与音效：依次执行 film.py music、film.py sfx、film.py mix。
- 审看：film.py build，再用 film.py snap <dir> <t...> 在每处节拍截帧检查并修正，循环往复；然后 film.py render，用 film.py sheet 生成 MP4 联系表，并对分享文件执行 film.py stt 配合 --find 检索关键词。
参考文档按主题划分：音频细节（剧本长度、选角、v3 标签、停顿、对话重叠、哔声、音乐提示、音效、混音电平、音频验证）见 references/audio.md；照片转一致角色、表情、口型图、道具与背景见 references/characters.md；场景编写（场景契约、锚定、转场、定格、canvas 陷阱、表演）见 references/engine.md；静帧、联系表、渲染、分享编码与最终检查见 references/review.md；拼贴风格（提示词、字形、印章、马克笔补写、纸张、漫画手法）见 references/style-collage.md。
适用场景 适合需要完整可控的插画风动画短片、且愿意手工编写 canvas 的创作者。与从 HTML/React 组合构建视频的 HyperFrames、Remotion 不同，本技能手写 canvas 以完全掌控插画外观；browser-video 则录制真实页面。图像生成取决于环境能力（资料提到 gpt-image-2 路径可行），ElevenLabs 相关技能深入覆盖其 API。
限制 资料未提供定价、平台支持范围或效果保证；音频步骤依赖 ElevenLabs API 密钥与 ffmpeg。新增样式需成对编写 style-<name>.js 和 style-<name>.md，并基于已发布影片而非想象来写。