用途：把一段口播文字稿转成“文字稿↔配音↔画面逐句对应”的 MP4。核心约定是音频即时钟、画面跟着声音走，场景切换与元素出现均由 timeline.json 时间戳驱动，渲染为 seek 式逐帧截图，同样输入得到同样每帧。
主要能力：TTS 配音（edge-tts，支持音色简称如 xiaoxiao、xiaoyi、yunxi、yunjian、yunyang，可用 --rate 调速），产出 voice.mp3、timeline.json（逐句/逐词毫秒时间戳）、subtitles.srt；HTML 动画合成页按时间戳驱动；Playwright 无头浏览器逐帧确定性渲染，输出 final.mp4（已混入配音音轨）。
使用方式：每条视频一个独立目录，含 script.txt、kit.css/engine.js、composition.html、build/、final.mp4。环境自检：ffmpeg -version | head -1 && python -c "import edge_tts, playwright" && python -m playwright install chromium --dry-run。生成配音：python <skill>/scripts/tts.py --script script.txt --out build --voice xiaoxiao。预览：python -m http.server 8765。渲染：python <skill>/scripts/render.py --html composition.html --audio build/voice.mp3 --out final.mp4。支持 --fast 草稿、--width/--height 改分辨率、--watermark 加署名、断点续渲与 --keep-frames。
适用场景：口播视频批量成片；用户自带配音/SRT 时可跳过 TTS，把 SRT 转成 timeline 的 sentences 格式。
限制：edge-tts 需能访问 Microsoft 服务，失败常为网络问题；禁止使用 CSS animation/transition、setTimeout、Math.random 以保证确定性；1080p30 渲染耗时约为片长 6-10 倍；中文语速约 4.2 字/秒。定价与收费方式暂未提供。