用途：制作画面与配音逐词对齐的短视频解说。核心做法是先渲染配音，再用 Whisper 提取词级时间戳，把每个画面节拍（句子、数据、标注、转场）的边界吸附到词边界，节拍时长由时间戳推导而非随意设定。
主要能力：覆盖配音生成（ElevenLabs v3 及回退模型）、Whisper 词级转写、节拍分解与故事板、Pexels B-roll 检索与裁剪调色、HTML 超帧动效（Playwright 逐帧渲染）、音乐生成与混音、ffmpeg 拼接、ASS 字幕重定时与烧录、成片自检。支持 9:16（默认）、1:1、16:9，流程为 9 阶段加 4 个人工确认门。
使用方式：以 --script 传入锁定脚本，按问卷收集音色、交付风格、视觉风格、画幅、B-roll 预算与来源、音乐、结尾卡与输出目录；依次产出 brief、配音、词时间戳、节拍清单、B-roll、超帧、音乐、成片。所有节拍须统一 25fps，字幕最后烧录且仅限 B-roll 窗口。
适用场景：清单、机制解说、数据广告、辟谣问答、成本对比、叙事独白、凭证展示等脚本优先短片。
限制：不适用于真人出镜 UGC、口型同步的医生口播、音乐驱动 MV、写实产品广告。资料未提供具体收费、价格与平台支持信息。