Import AITURK IDE 1.0.0-beta.1 from Hermes 63279301; preserve MIT license

website/i18n/zh-Hans/docusaurus-plugin-content-docs/current/user-guide/skills/optional/creative/creative-audiocraft-audio-generation.md

@@ -0,0 +1,588 @@
+---
+title: "Audiocraft 音频生成 — AudioCraft：MusicGen 文本转音乐，AudioGen 文本转声音"
+sidebar_label: "Audiocraft 音频生成"
+description: "AudioCraft：MusicGen 文本转音乐，AudioGen 文本转声音"
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# Audiocraft 音频生成
+
+AudioCraft：MusicGen 文本转音乐，AudioGen 文本转声音。
+
+## Skill 元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/creative/audiocraft-audio-generation` 安装 |
+| 路径 | `optional-skills/creative/audiocraft-audio-generation` |
+| 版本 | `1.0.0` |
+| 作者 | Orchestra Research |
+| 许可证 | MIT |
+| 依赖 | `audiocraft`, `torch>=2.0.0`, `transformers>=4.30.0` |
+| 平台 | linux, macos |
+| 标签 | `Multimodal`, `Audio Generation`, `Text-to-Music`, `Text-to-Audio`, `MusicGen` |
+| 相关 skill | [`heartmula`](/user-guide/skills/optional/creative/creative-heartmula), [`songwriting-and-ai-music`](/user-guide/skills/bundled/creative/creative-songwriting-and-ai-music) |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。
+:::
+
+# AudioCraft：音频生成
+
+使用 Meta 的 AudioCraft 进行文本转音乐和文本转音频生成的完整指南，涵盖 MusicGen、AudioGen 和 EnCodec。
+
+## 何时使用 AudioCraft
+
+**在以下情况下使用 AudioCraft：**
+- 需要从文本描述生成音乐
+- 创建音效和环境音频
+- 构建音乐生成应用
+- 需要旋律条件化的音乐生成
+- 需要立体声音频输出
+- 需要可控的风格迁移音乐生成
+
+**核心功能：**
+- **MusicGen**：支持旋律条件化的文本转音乐生成
+- **AudioGen**：文本转音效生成
+- **EnCodec**：高保真神经音频编解码器
+- **多种模型规格**：从 Small（300M）到 Large（3.3B）
+- **立体声支持**：完整立体声音频生成
+- **风格条件化**：MusicGen-Style 支持基于参考的生成
+
+**以下情况请使用替代方案：**
+- **Stable Audio**：用于较长的商业音乐生成
+- **Bark**：用于带音乐/音效的文本转语音
+- **Riffusion**：用于基于频谱图的音乐生成
+- **OpenAI Jukebox**：用于带歌词的原始音频生成
+
+## 快速开始
+
+### 安装
+
+```bash
+# 从 PyPI 安装
+pip install audiocraft
+
+# 从 GitHub 安装（最新版）
+pip install git+https://github.com/facebookresearch/audiocraft.git
+
+# 或使用 HuggingFace Transformers
+pip install transformers torch torchaudio
+```
+
+### 基础文本转音乐（AudioCraft）
+
+```python
+import torchaudio
+from audiocraft.models import MusicGen
+
+# 加载模型
+model = MusicGen.get_pretrained('facebook/musicgen-small')
+
+# 设置生成参数
+model.set_generation_params(
+    duration=8,  # 秒
+    top_k=250,
+    temperature=1.0
+)
+
+# 从文本生成
+descriptions = ["happy upbeat electronic dance music with synths"]
+wav = model.generate(descriptions)
+
+# 保存音频
+torchaudio.save("output.wav", wav[0].cpu(), sample_rate=32000)
+```
+
+### 使用 HuggingFace Transformers
+
+```python
+from transformers import AutoProcessor, MusicgenForConditionalGeneration
+import scipy
+
+# 加载模型和处理器
+processor = AutoProcessor.from_pretrained("facebook/musicgen-small")
+model = MusicgenForConditionalGeneration.from_pretrained("facebook/musicgen-small")
+model.to("cuda")
+
+# 生成音乐
+inputs = processor(
+    text=["80s pop track with bassy drums and synth"],
+    padding=True,
+    return_tensors="pt"
+).to("cuda")
+
+audio_values = model.generate(
+    **inputs,
+    do_sample=True,
+    guidance_scale=3,
+    max_new_tokens=256
+)
+
+# 保存
+sampling_rate = model.config.audio_encoder.sampling_rate
+scipy.io.wavfile.write("output.wav", rate=sampling_rate, data=audio_values[0, 0].cpu().numpy())
+```
+
+### 使用 AudioGen 进行文本转声音
+
+```python
+from audiocraft.models import AudioGen
+
+# 加载 AudioGen
+model = AudioGen.get_pretrained('facebook/audiogen-medium')
+
+model.set_generation_params(duration=5)
+
+# 生成音效
+descriptions = ["dog barking in a park with birds chirping"]
+wav = model.generate(descriptions)
+
+torchaudio.save("sound.wav", wav[0].cpu(), sample_rate=16000)
+```
+
+## 核心概念
+
+### 架构概览
+
+<!-- ascii-guard-ignore -->
+```
+AudioCraft Architecture:
+┌──────────────────────────────────────────────────────────────┐
+│                    Text Encoder (T5)                          │
+│                         │                                     │
+│                    Text Embeddings                            │
+└────────────────────────┬─────────────────────────────────────┘
+                         │
+┌────────────────────────▼─────────────────────────────────────┐
+│              Transformer Decoder (LM)                         │
+│     Auto-regressively generates audio tokens                  │
+│     Using efficient token interleaving patterns               │
+└────────────────────────┬─────────────────────────────────────┘
+                         │
+┌────────────────────────▼─────────────────────────────────────┐
+│                EnCodec Audio Decoder                          │
+│        Converts tokens back to audio waveform                 │
+└──────────────────────────────────────────────────────────────┘
+```
+<!-- ascii-guard-ignore-end -->
+
+### 模型变体
+
+| 模型 | 规模 | 描述 | 适用场景 |
+|-------|------|-------------|----------|
+| `musicgen-small` | 300M | 文本转音乐 | 快速生成 |
+| `musicgen-medium` | 1.5B | 文本转音乐 | 均衡选择 |
+| `musicgen-large` | 3.3B | 文本转音乐 | 最佳质量 |
+| `musicgen-melody` | 1.5B | 文本 + 旋律 | 旋律条件化 |
+| `musicgen-melody-large` | 3.3B | 文本 + 旋律 | 最佳旋律效果 |
+| `musicgen-stereo-*` | 不定 | 立体声输出 | 立体声生成 |
+| `musicgen-style` | 1.5B | 风格迁移 | 基于参考的生成 |
+| `audiogen-medium` | 1.5B | 文本转声音 | 音效生成 |
+
+### 生成参数
+
+| 参数 | 默认值 | 描述 |
+|-----------|---------|-------------|
+| `duration` | 8.0 | 时长（秒），范围 1-120 |
+| `top_k` | 250 | Top-k 采样 |
+| `top_p` | 0.0 | Nucleus 采样（0 = 禁用） |
+| `temperature` | 1.0 | 采样温度 |
+| `cfg_coef` | 3.0 | 无分类器引导系数 |
+
+## MusicGen 用法
+
+### 文本转音乐生成
+
+```python
+from audiocraft.models import MusicGen
+import torchaudio
+
+model = MusicGen.get_pretrained('facebook/musicgen-medium')
+
+# 配置生成参数
+model.set_generation_params(
+    duration=30,          # 最长 30 秒
+    top_k=250,            # 采样多样性
+    top_p=0.0,            # 0 = 仅使用 top_k
+    temperature=1.0,      # 创意度（越高越多样）
+    cfg_coef=3.0          # 文本遵循度（越高越严格）
+)
+
+# 生成多个样本
+descriptions = [
+    "epic orchestral soundtrack with strings and brass",
+    "chill lo-fi hip hop beat with jazzy piano",
+    "energetic rock song with electric guitar"
+]
+
+# 生成（返回 [batch, channels, samples]）
+wav = model.generate(descriptions)
+
+# 逐个保存
+for i, audio in enumerate(wav):
+    torchaudio.save(f"music_{i}.wav", audio.cpu(), sample_rate=32000)
+```
+
+### 旋律条件化生成
+
+```python
+from audiocraft.models import MusicGen
+import torchaudio
+
+# 加载旋律模型
+model = MusicGen.get_pretrained('facebook/musicgen-melody')
+model.set_generation_params(duration=30)
+
+# 加载旋律音频
+melody, sr = torchaudio.load("melody.wav")
+
+# 使用旋律条件化生成
+descriptions = ["acoustic guitar folk song"]
+wav = model.generate_with_chroma(descriptions, melody, sr)
+
+torchaudio.save("melody_conditioned.wav", wav[0].cpu(), sample_rate=32000)
+```
+
+### 立体声生成
+
+```python
+from audiocraft.models import MusicGen
+
+# 加载立体声模型
+model = MusicGen.get_pretrained('facebook/musicgen-stereo-medium')
+model.set_generation_params(duration=15)
+
+descriptions = ["ambient electronic music with wide stereo panning"]
+wav = model.generate(descriptions)
+
+# wav 形状：立体声为 [batch, 2, samples]
+print(f"Stereo shape: {wav.shape}")  # [1, 2, 480000]
+torchaudio.save("stereo.wav", wav[0].cpu(), sample_rate=32000)
+```
+
+### 音频续写
+
+```python
+from transformers import AutoProcessor, MusicgenForConditionalGeneration
+
+processor = AutoProcessor.from_pretrained("facebook/musicgen-medium")
+model = MusicgenForConditionalGeneration.from_pretrained("facebook/musicgen-medium")
+
+# 加载待续写的音频
+import torchaudio
+audio, sr = torchaudio.load("intro.wav")
+
+# 同时处理文本和音频
+inputs = processor(
+    audio=audio.squeeze().numpy(),
+    sampling_rate=sr,
+    text=["continue with a epic chorus"],
+    padding=True,
+    return_tensors="pt"
+)
+
+# 生成续写内容
+audio_values = model.generate(**inputs, do_sample=True, guidance_scale=3, max_new_tokens=512)
+```
+
+## MusicGen-Style 用法
+
+### 风格条件化生成
+
+```python
+from audiocraft.models import MusicGen
+
+# 加载风格模型
+model = MusicGen.get_pretrained('facebook/musicgen-style')
+
+# 配置带风格的生成参数
+model.set_generation_params(
+    duration=30,
+    cfg_coef=3.0,
+    cfg_coef_beta=5.0  # 风格影响强度
+)
+
+# 配置风格条件器参数
+model.set_style_conditioner_params(
+    eval_q=3,          # RVQ 量化器数量（1-6）
+    excerpt_length=3.0  # 风格片段长度
+)
+
+# 加载风格参考音频
+style_audio, sr = torchaudio.load("reference_style.wav")
+
+# 使用文本 + 风格生成
+descriptions = ["upbeat dance track"]
+wav = model.generate_with_style(descriptions, style_audio, sr)
+```
+
+### 仅风格生成（无文本）
+
+```python
+# 不使用文本 prompt，仅匹配风格生成
+model.set_generation_params(
+    duration=30,
+    cfg_coef=3.0,
+    cfg_coef_beta=None  # 禁用双 CFG 以支持纯风格模式
+)
+
+wav = model.generate_with_style([None], style_audio, sr)
+```
+
+## AudioGen 用法
+
+### 音效生成
+
+```python
+from audiocraft.models import AudioGen
+import torchaudio
+
+model = AudioGen.get_pretrained('facebook/audiogen-medium')
+model.set_generation_params(duration=10)
+
+# 生成各类声音
+descriptions = [
+    "thunderstorm with heavy rain and lightning",
+    "busy city traffic with car horns",
+    "ocean waves crashing on rocks",
+    "crackling campfire in forest"
+]
+
+wav = model.generate(descriptions)
+
+for i, audio in enumerate(wav):
+    torchaudio.save(f"sound_{i}.wav", audio.cpu(), sample_rate=16000)
+```
+
+## EnCodec 用法
+
+### 音频压缩
+
+```python
+from audiocraft.models import CompressionModel
+import torch
+import torchaudio
+
+# 加载 EnCodec
+model = CompressionModel.get_pretrained('facebook/encodec_32khz')
+
+# 加载音频
+wav, sr = torchaudio.load("audio.wav")
+
+# 确保采样率正确
+if sr != 32000:
+    resampler = torchaudio.transforms.Resample(sr, 32000)
+    wav = resampler(wav)
+
+# 编码为 token
+with torch.no_grad():
+    encoded = model.encode(wav.unsqueeze(0))
+    codes = encoded[0]  # 音频编码
+
+# 解码回音频
+with torch.no_grad():
+    decoded = model.decode(codes)
+
+torchaudio.save("reconstructed.wav", decoded[0].cpu(), sample_rate=32000)
+```
+
+## 常见工作流
+
+### 工作流 1：音乐生成流水线
+
+```python
+import torch
+import torchaudio
+from audiocraft.models import MusicGen
+
+class MusicGenerator:
+    def __init__(self, model_name="facebook/musicgen-medium"):
+        self.model = MusicGen.get_pretrained(model_name)
+        self.sample_rate = 32000
+
+    def generate(self, prompt, duration=30, temperature=1.0, cfg=3.0):
+        self.model.set_generation_params(
+            duration=duration,
+            top_k=250,
+            temperature=temperature,
+            cfg_coef=cfg
+        )
+
+        with torch.no_grad():
+            wav = self.model.generate([prompt])
+
+        return wav[0].cpu()
+
+    def generate_batch(self, prompts, duration=30):
+        self.model.set_generation_params(duration=duration)
+
+        with torch.no_grad():
+            wav = self.model.generate(prompts)
+
+        return wav.cpu()
+
+    def save(self, audio, path):
+        torchaudio.save(path, audio, sample_rate=self.sample_rate)
+
+# 使用示例
+generator = MusicGenerator()
+audio = generator.generate(
+    "epic cinematic orchestral music",
+    duration=30,
+    temperature=1.0
+)
+generator.save(audio, "epic_music.wav")
+```
+
+### 工作流 2：音效批量处理
+
+```python
+import json
+from pathlib import Path
+from audiocraft.models import AudioGen
+import torchaudio
+
+def batch_generate_sounds(sound_specs, output_dir):
+    """
+    根据规格批量生成声音。
+
+    Args:
+        sound_specs: list of {"name": str, "description": str, "duration": float}
+        output_dir: output directory path
+    """
+    model = AudioGen.get_pretrained('facebook/audiogen-medium')
+    output_dir = Path(output_dir)
+    output_dir.mkdir(exist_ok=True)
+
+    results = []
+
+    for spec in sound_specs:
+        model.set_generation_params(duration=spec.get("duration", 5))
+
+        wav = model.generate([spec["description"]])
+
+        output_path = output_dir / f"{spec['name']}.wav"
+        torchaudio.save(str(output_path), wav[0].cpu(), sample_rate=16000)
+
+        results.append({
+            "name": spec["name"],
+            "path": str(output_path),
+            "description": spec["description"]
+        })
+
+    return results
+
+# 使用示例
+sounds = [
+    {"name": "explosion", "description": "massive explosion with debris", "duration": 3},
+    {"name": "footsteps", "description": "footsteps on wooden floor", "duration": 5},
+    {"name": "door", "description": "wooden door creaking and closing", "duration": 2}
+]
+
+results = batch_generate_sounds(sounds, "sound_effects/")
+```
+
+### 工作流 3：Gradio 演示
+
+```python
+import gradio as gr
+import torch
+import torchaudio
+from audiocraft.models import MusicGen
+
+model = MusicGen.get_pretrained('facebook/musicgen-small')
+
+def generate_music(prompt, duration, temperature, cfg_coef):
+    model.set_generation_params(
+        duration=duration,
+        temperature=temperature,
+        cfg_coef=cfg_coef
+    )
+
+    with torch.no_grad():
+        wav = model.generate([prompt])
+
+    # 保存到临时文件
+    path = "temp_output.wav"
+    torchaudio.save(path, wav[0].cpu(), sample_rate=32000)
+    return path
+
+demo = gr.Interface(
+    fn=generate_music,
+    inputs=[
+        gr.Textbox(label="Music Description", placeholder="upbeat electronic dance music"),
+        gr.Slider(1, 30, value=8, label="Duration (seconds)"),
+        gr.Slider(0.5, 2.0, value=1.0, label="Temperature"),
+        gr.Slider(1.0, 10.0, value=3.0, label="CFG Coefficient")
+    ],
+    outputs=gr.Audio(label="Generated Music"),
+    title="MusicGen Demo"
+)
+
+demo.launch()
+```
+
+## 性能优化
+
+### 内存优化
+
+```python
+# 使用较小的模型
+model = MusicGen.get_pretrained('facebook/musicgen-small')
+
+# 每次生成后清理缓存
+torch.cuda.empty_cache()
+
+# 生成较短的时长
+model.set_generation_params(duration=10)  # 替代 30 秒
+
+# 使用半精度
+model = model.half()
+```
+
+### 批处理效率
+
+```python
+# 一次处理多个 prompt（更高效）
+descriptions = ["prompt1", "prompt2", "prompt3", "prompt4"]
+wav = model.generate(descriptions)  # 单次批处理
+
+# 而非
+for desc in descriptions:
+    wav = model.generate([desc])  # 多次批处理（较慢）
+```
+
+### GPU 显存需求
+
+| 模型 | FP32 显存 | FP16 显存 |
+|-------|-----------|-----------|
+| musicgen-small | ~4GB | ~2GB |
+| musicgen-medium | ~8GB | ~4GB |
+| musicgen-large | ~16GB | ~8GB |
+
+## 常见问题
+
+| 问题 | 解决方案 |
+|-------|----------|
+| CUDA 显存不足 | 使用较小模型，缩短时长 |
+| 质量较差 | 提高 cfg_coef，优化 prompt |
+| 生成时长过短 | 检查最大时长设置 |
+| 音频有杂音 | 尝试不同的 temperature |
+| 立体声不生效 | 使用立体声模型变体 |
+
+## 参考资料
+
+- **[高级用法](https://github.com/NousResearch/hermes-agent/blob/main/skills/mlops/models/audiocraft/references/advanced-usage.md)** - 训练、微调、部署
+- **[故障排查](https://github.com/NousResearch/hermes-agent/blob/main/skills/mlops/models/audiocraft/references/troubleshooting.md)** - 常见问题与解决方案
+
+## 资源
+
+- **GitHub**：https://github.com/facebookresearch/audiocraft
+- **论文（MusicGen）**：https://arxiv.org/abs/2306.05284
+- **论文（AudioGen）**：https://arxiv.org/abs/2209.15352
+- **HuggingFace**：https://huggingface.co/facebook/musicgen-small
+- **演示**：https://huggingface.co/spaces/facebook/MusicGen

website/i18n/zh-Hans/docusaurus-plugin-content-docs/current/user-guide/skills/optional/creative/creative-concept-diagrams.md

@@ -0,0 +1,379 @@
+---
+title: "概念图"
+sidebar_label: "概念图"
+description: "以统一的教育视觉语言生成扁平、简约、支持明暗模式的 SVG 图表，输出为独立 HTML 文件，包含 9 种语义色阶、句首大写排版及自动暗色模式。..."
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# 概念图
+
+以统一的教育视觉语言生成扁平、简约、支持明暗模式的 SVG 图表，输出为独立 HTML 文件，包含 9 种语义色阶、句首大写排版及自动暗色模式。最适合教育类和非软件类视觉内容——物理装置、化学机制、数学曲线、实物（飞机、涡轮机、智能手机、机械表）、解剖图、平面图、截面图、叙事流程（X 的生命周期、Y 的过程）、中心辐射型系统集成（智慧城市、IoT）以及爆炸分层视图。若已有更专业的 skill 适用于该主题（专用软件/云架构、手绘草图、动画说明等），优先使用那些 skill——否则本 skill 也可作为通用 SVG 图表的备选方案，具备简洁的教育风格外观。内置 15 个示例图表。
+
+## Skill 元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/creative/concept-diagrams` 安装 |
+| 路径 | `optional-skills/creative/concept-diagrams` |
+| 版本 | `0.1.0` |
+| 作者 | v1k22（原始 PR），移植至 hermes-agent |
+| 许可证 | MIT |
+| 平台 | linux, macos, windows |
+| 标签 | `diagrams`, `svg`, `visualization`, `education`, `physics`, `chemistry`, `engineering` |
+| 相关 skills | [`architecture-diagram`](/user-guide/skills/bundled/creative/creative-architecture-diagram), [`excalidraw`](/user-guide/skills/bundled/creative/creative-excalidraw) |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发本 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。
+:::
+
+# 概念图
+
+使用统一的扁平、简约设计系统生成生产级 SVG 图表。输出为单个自包含 HTML 文件，可在任何现代浏览器中一致渲染，并自动支持明暗模式。
+
+## 适用范围
+
+**最适合：**
+- 物理装置、化学机制、数学曲线、生物学
+- 实物（飞机、涡轮机、智能手机、机械表、细胞）
+- 解剖图、截面图、爆炸分层视图
+- 平面图、建筑改造图
+- 叙事流程（X 的生命周期、Y 的过程）
+- 中心辐射型系统集成（智慧城市、IoT 网络、电网）
+- 任何领域的教育/教科书风格视觉内容
+- 定量图表（分组柱状图、能量曲线）
+
+**优先考虑其他方案：**
+- 具有深色科技风格的专用软件/云基础设施架构（如有 `architecture-diagram` 可用，优先使用）
+- 手绘白板草图（如有 `excalidraw` 可用，优先使用）
+- 动画说明或视频输出（考虑动画 skill）
+
+若已有更专业的 skill 适用于该主题，优先使用。若无合适选项，本 skill 可作为通用 SVG 图表备选方案——输出将呈现下文描述的简洁教育风格，适用于几乎任何主题。
+
+## 工作流程
+
+1. 确定图表类型（见下方"图表类型"）。
+2. 使用设计系统规则布局组件。
+3. 使用 `templates/template.html` 作为包装器编写完整 HTML 页面——将 SVG 粘贴到模板中 `<!-- PASTE SVG HERE -->` 的位置。
+4. 保存为独立 `.html` 文件（例如 `~/my-diagram.html` 或 `./my-diagram.html`）。
+5. 用户直接在浏览器中打开——无需服务器，无需依赖。
+
+可选：若用户需要可浏览的多图表画廊，参见底部"本地预览服务器"。
+
+加载 HTML 模板：
+```
+skill_view(name="concept-diagrams", file_path="templates/template.html")
+```
+
+模板内嵌完整 CSS 设计系统（`c-*` 颜色类、文本类、明暗变量、箭头标记样式）。你生成的 SVG 依赖这些类存在于宿主页面中。
+
+---
+
+## 设计系统
+
+### 设计理念
+
+- **扁平**：无渐变、无投影、无模糊、无发光、无霓虹效果。
+- **简约**：只展示核心内容，框内无装饰性图标。
+- **一致**：每张图表使用相同的颜色、间距、排版和描边宽度。
+- **暗色模式就绪**：所有颜色通过 CSS 类自动适配——无需为每种模式单独编写 SVG。
+
+### 调色板
+
+9 种色阶，每种 7 个色阶值。将类名放在 `<g>` 或形状元素上；模板 CSS 自动处理明暗两种模式。
+
+| 类名 | 50（最浅） | 100 | 200 | 400 | 600 | 800 | 900（最深） |
+|------------|---------------|---------|---------|---------|---------|---------|---------------|
+| `c-purple` | #EEEDFE | #CECBF6 | #AFA9EC | #7F77DD | #534AB7 | #3C3489 | #26215C |
+| `c-teal`   | #E1F5EE | #9FE1CB | #5DCAA5 | #1D9E75 | #0F6E56 | #085041 | #04342C |
+| `c-coral`  | #FAECE7 | #F5C4B3 | #F0997B | #D85A30 | #993C1D | #712B13 | #4A1B0C |
+| `c-pink`   | #FBEAF0 | #F4C0D1 | #ED93B1 | #D4537E | #993556 | #72243E | #4B1528 |
+| `c-gray`   | #F1EFE8 | #D3D1C7 | #B4B2A9 | #888780 | #5F5E5A | #444441 | #2C2C2A |
+| `c-blue`   | #E6F1FB | #B5D4F4 | #85B7EB | #378ADD | #185FA5 | #0C447C | #042C53 |
+| `c-green`  | #EAF3DE | #C0DD97 | #97C459 | #639922 | #3B6D11 | #27500A | #173404 |
+| `c-amber`  | #FAEEDA | #FAC775 | #EF9F27 | #BA7517 | #854F0B | #633806 | #412402 |
+| `c-red`    | #FCEBEB | #F7C1C1 | #F09595 | #E24B4A | #A32D2D | #791F1F | #501313 |
+
+#### 颜色分配规则
+
+颜色编码**语义**，而非顺序。切勿像彩虹一样循环使用颜色。
+
+- 按**类别**对节点分组——同类型的所有节点共用一种颜色。
+- 对中性/结构性节点（起点、终点、通用步骤、用户）使用 `c-gray`。
+- 每张图表使用 **2-3 种颜色**，而非 6 种以上。
+- 通用类别优先使用 `c-purple`、`c-teal`、`c-coral`、`c-pink`。
+- 将 `c-blue`、`c-green`、`c-amber`、`c-red` 保留用于语义含义（信息、成功、警告、错误）。
+
+明暗色阶映射（由模板 CSS 处理——直接使用类名即可）：
+- 亮色模式：50 填充 + 600 描边 + 800 标题 / 600 副标题
+- 暗色模式：800 填充 + 200 描边 + 100 标题 / 200 副标题
+
+### 排版
+
+只有两种字体大小，不得例外。
+
+| 类名 | 大小 | 字重 | 用途 |
+|-------|------|--------|-----|
+| `th`  | 14px | 500    | 节点标题、区域标签 |
+| `ts`  | 12px | 400    | 副标题、描述、箭头标签 |
+| `t`   | 14px | 400    | 通用文本 |
+
+- **始终使用句首大写。** 禁止首字母大写（Title Case），禁止全大写（ALL CAPS）。
+- 每个 `<text>` 必须带有类名（`t`、`ts` 或 `th`），不得有无类名的文本。
+- 框内所有文本使用 `dominant-baseline="central"`。
+- 框内居中文本使用 `text-anchor="middle"`。
+
+**宽度估算（近似值）：**
+- 14px 字重 500：每字符约 8px
+- 12px 字重 400：每字符约 6.5px
+- 始终验证：`box_width >= (字符数 × px/字符) + 48`（每侧 24px 内边距）
+
+### 间距与布局
+
+- **ViewBox**：`viewBox="0 0 680 H"`，其中 H = 内容高度 + 40px 缓冲。
+- **安全区域**：x=40 至 x=640，y=40 至 y=(H-40)。
+- **框间距**：最小 60px。
+- **框内边距**：水平 24px，垂直 12px。
+- **箭头间隙**：箭头与框边缘之间 10px。
+- **单行框**：高度 44px。
+- **双行框**：高度 56px，标题与副标题基线间距 18px。
+- **容器内边距**：每个容器内部最小 20px。
+- **最大嵌套层级**：2-3 层。在 680px 宽度下更深的嵌套会难以阅读。
+
+### 描边与形状
+
+- **描边宽度**：所有节点边框 0.5px，不得使用 1px 或 2px。
+- **矩形圆角**：节点使用 `rx="8"`，内层容器使用 `rx="12"`，外层容器使用 `rx="16"` 至 `rx="20"`。
+- **连接路径**：必须设置 `fill="none"`，否则 SVG 默认填充为黑色。
+
+### 箭头标记
+
+在**每个** SVG 开头包含以下 `<defs>` 块：
+
+```xml
+<defs>
+  <marker id="arrow" viewBox="0 0 10 10" refX="8" refY="5"
+          markerWidth="6" markerHeight="6" orient="auto-start-reverse">
+    <path d="M2 1L8 5L2 9" fill="none" stroke="context-stroke"
+          stroke-width="1.5" stroke-linecap="round" stroke-linejoin="round"/>
+  </marker>
+</defs>
+```
+
+在线条上使用 `marker-end="url(#arrow)"`。箭头通过 `context-stroke` 继承线条颜色。
+
+### CSS 类（由模板提供）
+
+模板页面提供：
+
+- 文本：`.t`、`.ts`、`.th`
+- 中性：`.box`、`.arr`、`.leader`、`.node`
+- 色阶：`.c-purple`、`.c-teal`、`.c-coral`、`.c-pink`、`.c-gray`、`.c-blue`、`.c-green`、`.c-amber`、`.c-red`（均自动支持明暗模式）
+
+你**无需**重新定义这些类——直接在 SVG 中应用即可。模板文件包含完整的 CSS 定义。
+
+---
+
+## SVG 样板代码
+
+模板页面中的每个 SVG 均以如下结构开头：
+
+```xml
+<svg width="100%" viewBox="0 0 680 {HEIGHT}" xmlns="http://www.w3.org/2000/svg">
+  <defs>
+    <marker id="arrow" viewBox="0 0 10 10" refX="8" refY="5"
+            markerWidth="6" markerHeight="6" orient="auto-start-reverse">
+      <path d="M2 1L8 5L2 9" fill="none" stroke="context-stroke"
+            stroke-width="1.5" stroke-linecap="round" stroke-linejoin="round"/>
+    </marker>
+  </defs>
+
+  <!-- Diagram content here -->
+
+</svg>
+```
+
+将 `{HEIGHT}` 替换为实际计算高度（最后一个元素底部 + 40px）。
+
+### 节点模式
+
+**单行节点（44px）：**
+```xml
+<g class="node c-blue">
+  <rect x="100" y="20" width="180" height="44" rx="8" stroke-width="0.5"/>
+  <text class="th" x="190" y="42" text-anchor="middle" dominant-baseline="central">Service name</text>
+</g>
+```
+
+**双行节点（56px）：**
+```xml
+<g class="node c-teal">
+  <rect x="100" y="20" width="200" height="56" rx="8" stroke-width="0.5"/>
+  <text class="th" x="200" y="38" text-anchor="middle" dominant-baseline="central">Service name</text>
+  <text class="ts" x="200" y="56" text-anchor="middle" dominant-baseline="central">Short description</text>
+</g>
+```
+
+**连接线（无标签）：**
+```xml
+<line x1="200" y1="76" x2="200" y2="120" class="arr" marker-end="url(#arrow)"/>
+```
+
+**容器（虚线或实线）：**
+```xml
+<g class="c-purple">
+  <rect x="40" y="92" width="600" height="300" rx="16" stroke-width="0.5"/>
+  <text class="th" x="66" y="116">Container label</text>
+  <text class="ts" x="66" y="134">Subtitle info</text>
+</g>
+```
+
+---
+
+## 图表类型
+
+根据主题选择合适的布局：
+
+1. **流程图** — CI/CD 流水线、请求生命周期、审批工作流、数据处理。单向流（从上到下或从左到右），每行最多 4-5 个节点。
+2. **结构/包含图** — 云基础设施嵌套、分层系统架构。大型外层容器包含内层区域，虚线矩形表示逻辑分组。
+3. **API/端点映射** — REST 路由、GraphQL schema。从根节点树状展开，分支到资源组，每组包含端点节点。
+4. **微服务拓扑** — 服务网格、事件驱动系统。服务作为节点，箭头表示通信模式，消息队列位于服务之间。
+5. **数据流图** — ETL 流水线、流式架构。从数据源经处理流向数据汇，方向从左到右。
+6. **实物/结构图** — 交通工具、建筑、硬件、解剖图。使用与实物形态匹配的形状——弯曲体用 `<path>`，锥形用 `<polygon>`，圆柱部件用 `<ellipse>`/`<circle>`，隔间用嵌套 `<rect>`。参见 `references/physical-shape-cookbook.md`。
+7. **基础设施/系统集成图** — 智慧城市、IoT 网络、多域系统。中心辐射布局，中央平台连接各子系统。按系统使用语义线型（`.data-line`、`.power-line`、`.water-pipe`、`.road`）。参见 `references/infrastructure-patterns.md`。
+8. **UI/仪表盘原型** — 管理面板、监控仪表盘。屏幕框架内嵌套图表/仪表/指示器元素。参见 `references/dashboard-patterns.md`。
+
+对于实物图、基础设施图和仪表盘图，生成前请先加载对应的参考文件——每个文件提供现成的 CSS 类和形状原语。
+
+---
+
+## 验证清单
+
+在最终确定任何 SVG 之前，验证以下**所有**项目：
+
+1. 每个 `<text>` 都有类名 `t`、`ts` 或 `th`。
+2. 框内每个 `<text>` 都有 `dominant-baseline="central"`。
+3. 用作箭头的每个连接 `<path>` 或 `<line>` 都有 `fill="none"`。
+4. 没有箭头线穿过无关的框。
+5. 14px 文本：`box_width >= (最长标签字符数 × 8) + 48`。
+6. 12px 文本：`box_width >= (最长标签字符数 × 6.5) + 48`。
+7. ViewBox 高度 = 最底部元素 + 40px。
+8. 所有内容在 x=40 至 x=640 范围内。
+9. 颜色类（`c-*`）放在 `<g>` 或形状元素上，不得放在 `<path>` 连接线上。
+10. 箭头 `<defs>` 块存在。
+11. 无渐变、投影、模糊或发光效果。
+12. 所有节点边框描边宽度为 0.5px。
+
+---
+
+## 输出与预览
+
+### 默认：独立 HTML 文件
+
+写入单个 `.html` 文件，用户可直接打开。无需服务器，无需依赖，离线可用。模式：
+
+```python
+# 1. Load the template
+template = skill_view("concept-diagrams", "templates/template.html")
+
+# 2. Fill in title, subtitle, and paste your SVG
+html = template.replace(
+    "<!-- DIAGRAM TITLE HERE -->", "SN2 reaction mechanism"
+).replace(
+    "<!-- OPTIONAL SUBTITLE HERE -->", "Bimolecular nucleophilic substitution"
+).replace(
+    "<!-- PASTE SVG HERE -->", svg_content
+)
+
+# 3. Write to a user-chosen path (or ./ by default)
+write_file("./sn2-mechanism.html", html)
+```
+
+告知用户如何打开：
+
+```
+# macOS
+open ./sn2-mechanism.html
+# Linux
+xdg-open ./sn2-mechanism.html
+```
+
+### 可选：本地预览服务器（多图表画廊）
+
+仅在用户明确需要可浏览的多图表画廊时使用。
+
+**规则：**
+- 仅绑定到 `127.0.0.1`，绝不使用 `0.0.0.0`。在共享网络上将图表暴露在所有网络接口上存在安全风险。
+- 选择空闲端口（不得硬编码），并告知用户所选 URL。
+- 服务器是可选的、需用户主动选择的——优先使用独立 HTML 文件。
+
+推荐模式（让操作系统选择空闲的临时端口）：
+
+```bash
+# Put each diagram in its own folder under .diagrams/
+mkdir -p .diagrams/sn2-mechanism
+# ...write .diagrams/sn2-mechanism/index.html...
+
+# Serve on loopback only, free port
+cd .diagrams && python3 -c "
+import http.server, socketserver
+with socketserver.TCPServer(('127.0.0.1', 0), http.server.SimpleHTTPRequestHandler) as s:
+    print(f'Serving at http://127.0.0.1:{s.server_address[1]}/')
+    s.serve_forever()
+" &
+```
+
+若用户坚持使用固定端口，使用 `127.0.0.1:<port>`——仍然不得使用 `0.0.0.0`。说明如何停止服务器（`kill %1` 或 `pkill -f "http.server"`）。
+
+---
+
+## 示例参考
+
+`examples/` 目录内置 15 个完整、经过测试的图表。在编写同类型新图表之前，先浏览这些示例以获取可用模式：
+
+| 文件 | 类型 | 演示内容 |
+|------|------|--------------|
+| `hospital-emergency-department-flow.md` | 流程图 | 带语义颜色的优先级路由 |
+| `feature-film-production-pipeline.md` | 流程图 | 分阶段工作流、水平子流程 |
+| `automated-password-reset-flow.md` | 流程图 | 带错误分支的认证流程 |
+| `autonomous-llm-research-agent-flow.md` | 流程图 | 回环箭头、决策分支 |
+| `place-order-uml-sequence.md` | 时序图 | UML 时序图风格 |
+| `commercial-aircraft-structure.md` | 实物图 | 使用路径、多边形、椭圆绘制真实形状 |
+| `wind-turbine-structure.md` | 实物截面图 | 地下/地上分离、颜色编码 |
+| `smartphone-layer-anatomy.md` | 爆炸视图 | 左右交替标签、分层组件 |
+| `apartment-floor-plan-conversion.md` | 平面图 | 墙体、门、虚线红色标注改造方案 |
+| `banana-journey-tree-to-smoothie.md` | 叙事流程 | 蜿蜒路径、渐进状态变化 |
+| `cpu-ooo-microarchitecture.md` | 硬件流水线 | 扇出、内存层次侧边栏 |
+| `sn2-reaction-mechanism.md` | 化学图 | 分子、弯曲箭头、能量曲线 |
+| `smart-city-infrastructure.md` | 中心辐射图 | 每个系统使用语义线型 |
+| `electricity-grid-flow.md` | 多阶段流程图 | 电压层次、流向标记 |
+| `ml-benchmark-grouped-bar-chart.md` | 图表 | 分组柱状图、双轴 |
+
+使用以下命令加载任意示例：
+```
+skill_view(name="concept-diagrams", file_path="examples/<filename>")
+```
+
+---
+
+## 快速参考：何时使用何种图表
+
+| 用户说 | 图表类型 | 建议颜色 |
+|-----------|--------------|------------------|
+| "展示流水线" | 流程图 | 灰色起止点，紫色步骤，红色错误，青色部署 |
+| "画数据流" | 数据流水线（从左到右） | 灰色数据源，紫色处理，青色数据汇 |
+| "可视化系统" | 结构图（包含关系） | 紫色容器，青色服务，珊瑚色数据 |
+| "映射端点" | API 树状图 | 紫色根节点，每个资源组一种色阶 |
+| "展示服务" | 微服务拓扑 | 灰色入口，青色服务，紫色总线，珊瑚色 worker |
+| "画飞机/交通工具" | 实物图 | 路径、多边形、椭圆绘制真实形状 |
+| "智慧城市/IoT" | 中心辐射集成图 | 每个子系统使用语义线型 |
+| "展示仪表盘" | UI 原型 | 深色屏幕，图表颜色：青色、紫色、珊瑚色告警 |
+| "电网/电力" | 多阶段流程图 | 电压层次（高/中/低压线宽） |
+| "风力涡轮机/涡轮机" | 实物截面图 | 基础 + 塔筒截面 + 机舱颜色编码 |
+| "X 的旅程/生命周期" | 叙事流程 | 蜿蜒路径，渐进状态变化 |
+| "X 的层次/爆炸图" | 爆炸分层视图 | 垂直堆叠，交替标签 |
+| "CPU/流水线" | 硬件流水线 | 垂直阶段，扇出到执行端口 |
+| "平面图/公寓" | 平面图 | 墙体、门，虚线红色标注改造方案 |
+| "反应机制" | 化学图 | 原子、化学键、弯曲箭头、过渡态、能量曲线 |

website/i18n/zh-Hans/docusaurus-plugin-content-docs/current/user-guide/skills/optional/creative/creative-heartmula.md

@@ -0,0 +1,189 @@
+---
+title: "Heartmula — HeartMuLa：基于歌词与标签的类 Suno 歌曲生成"
+sidebar_label: "Heartmula"
+description: "HeartMuLa：基于歌词与标签的类 Suno 歌曲生成"
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# Heartmula
+
+HeartMuLa：基于歌词与标签的类 Suno 歌曲生成。
+
+## Skill 元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/creative/heartmula` 安装 |
+| 路径 | `optional-skills/creative/heartmula` |
+| 版本 | `1.0.0` |
+| 平台 | linux, macos, windows |
+| 标签 | `music`, `audio`, `generation`, `ai`, `heartmula`, `heartcodec`, `lyrics`, `songs` |
+| 相关 skill | [`audiocraft-audio-generation`](/user-guide/skills/optional/creative/creative-audiocraft-audio-generation), [`songwriting-and-ai-music`](/user-guide/skills/bundled/creative/creative-songwriting-and-ai-music) |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。
+:::
+
+# HeartMuLa - 开源音乐生成
+
+## 概述
+HeartMuLa 是一系列开源音乐基础模型（Apache-2.0），可根据歌词和标签生成音乐，支持多语言。能从歌词与标签生成完整歌曲，是开源领域中可与 Suno 媲美的方案。包含：
+- **HeartMuLa** — 音乐语言模型（3B/7B），从歌词与标签生成音乐
+- **HeartCodec** — 12.5Hz 音乐编解码器，用于高保真音频重建
+- **HeartTranscriptor** — 基于 Whisper 的歌词转录工具
+- **HeartCLAP** — 音频-文本对齐模型
+
+## 使用场景
+- 用户希望从文本描述生成音乐/歌曲
+- 用户需要开源的 Suno 替代方案
+- 用户需要本地/离线音乐生成
+- 用户询问 HeartMuLa、heartlib 或 AI 音乐生成相关内容
+
+## 硬件要求
+- **最低配置**：8GB 显存，配合 `--lazy_load true`（按需加载/卸载模型）
+- **推荐配置**：16GB+ 显存，可在单 GPU 上流畅运行
+- **多 GPU**：使用 `--mula_device cuda:0 --codec_device cuda:1` 将模型分布到多张 GPU
+- 3B 模型在 lazy_load 模式下峰值显存约为 6.2GB
+
+## 安装步骤
+
+### 1. 克隆仓库
+```bash
+cd ~/  # 或目标目录
+git clone https://github.com/HeartMuLa/heartlib.git
+cd heartlib
+```
+
+### 2. 创建虚拟环境（需要 Python 3.10）
+```bash
+uv venv --python 3.10 .venv
+. .venv/bin/activate
+uv pip install -e .
+```
+
+### 3. 修复依赖兼容性问题
+
+**重要**：截至 2026 年 2 月，固定的依赖版本与较新的包存在冲突。请应用以下修复：
+
+```bash
+# 升级 datasets（旧版本与当前 pyarrow 不兼容）
+uv pip install --upgrade datasets
+
+# 升级 transformers（需要兼容 huggingface-hub 1.x）
+uv pip install --upgrade transformers
+```
+
+### 4. 修补源代码（transformers 5.x 必须执行）
+
+**补丁 1 — RoPE 缓存修复**，文件：`src/heartlib/heartmula/modeling_heartmula.py`：
+
+在 `HeartMuLa` 类的 `setup_caches` 方法中，在 `reset_caches` 的 try/except 块之后、`with device:` 块之前，添加 RoPE 重新初始化代码：
+
+```python
+# Re-initialize RoPE caches that were skipped during meta-device loading
+from torchtune.models.llama3_1._position_embeddings import Llama3ScaledRoPE
+for module in self.modules():
+    if isinstance(module, Llama3ScaledRoPE) and not module.is_cache_built:
+        module.rope_init()
+        module.to(device)
+```
+
+**原因**：`from_pretrained` 首先在 meta 设备上创建模型；`Llama3ScaledRoPE.rope_init()` 在 meta 张量上跳过缓存构建，且在权重加载到真实设备后也不会重建。
+
+**补丁 2 — HeartCodec 加载修复**，文件：`src/heartlib/pipelines/music_generation.py`：
+
+在所有 `HeartCodec.from_pretrained()` 调用中添加 `ignore_mismatched_sizes=True`（共 2 处：`__init__` 中的 eager 加载和 `codec` 属性中的 lazy 加载）。
+
+**原因**：VQ codebook 的 `initted` buffer 在 checkpoint 中形状为 `[1]`，而模型中为 `[]`。数据相同，仅为标量与 0 维张量的差异，可安全忽略。
+
+### 5. 下载模型检查点
+```bash
+cd heartlib  # 项目根目录
+hf download --local-dir './ckpt' 'HeartMuLa/HeartMuLaGen'
+hf download --local-dir './ckpt/HeartMuLa-oss-3B' 'HeartMuLa/HeartMuLa-oss-3B-happy-new-year'
+hf download --local-dir './ckpt/HeartCodec-oss' 'HeartMuLa/HeartCodec-oss-20260123'
+```
+
+三个检查点可并行下载，总大小为数 GB。
+
+## GPU / CUDA
+
+HeartMuLa 默认使用 CUDA（`--mula_device cuda --codec_device cuda`）。如果用户已安装支持 CUDA 的 PyTorch 并拥有 NVIDIA GPU，则无需额外配置。
+
+- 已安装的 `torch==2.4.1` 开箱即支持 CUDA 12.1
+- `torchtune` 可能显示版本为 `0.4.0+cpu` — 这只是包元数据，实际仍通过 PyTorch 使用 CUDA
+- 如需确认 GPU 是否被使用，可查看输出中的 "CUDA memory" 行（例如 "CUDA memory before unloading: 6.20 GB"）
+- **没有 GPU？** 可使用 `--mula_device cpu --codec_device cpu` 在 CPU 上运行，但生成速度会**极慢**（单首歌曲可能需要 30-60 分钟以上，而 GPU 约需 4 分钟）。CPU 模式还需要大量内存（12GB+ 空闲）。如果用户没有 NVIDIA GPU，建议使用云 GPU 服务（Google Colab 免费 T4、Lambda Labs 等）或访问在线 demo：https://heartmula.github.io/
+
+## 使用方法
+
+### 基本生成
+```bash
+cd heartlib
+. .venv/bin/activate
+python ./examples/run_music_generation.py \
+  --model_path=./ckpt \
+  --version="3B" \
+  --lyrics="./assets/lyrics.txt" \
+  --tags="./assets/tags.txt" \
+  --save_path="./assets/output.mp3" \
+  --lazy_load true
+```
+
+### 输入格式
+
+**标签**（逗号分隔，无空格）：
+```
+piano,happy,wedding,synthesizer,romantic
+```
+或
+```
+rock,energetic,guitar,drums,male-vocal
+```
+
+**歌词**（使用方括号结构标签）：
+```
+[Intro]
+
+[Verse]
+Your lyrics here...
+
+[Chorus]
+Chorus lyrics...
+
+[Bridge]
+Bridge lyrics...
+
+[Outro]
+```
+
+### 关键参数
+| 参数 | 默认值 | 说明 |
+|-----------|---------|-------------|
+| `--max_audio_length_ms` | 240000 | 最大时长（毫秒，240s = 4 分钟） |
+| `--topk` | 50 | Top-k 采样 |
+| `--temperature` | 1.0 | 采样温度（temperature） |
+| `--cfg_scale` | 1.5 | 无分类器引导（classifier-free guidance）缩放比例 |
+| `--lazy_load` | false | 按需加载/卸载模型（节省显存） |
+| `--mula_dtype` | bfloat16 | HeartMuLa 的数据类型（推荐 bf16） |
+| `--codec_dtype` | float32 | HeartCodec 的数据类型（推荐 fp32 以保证质量） |
+
+### 性能
+- RTF（实时率）≈ 1.0 — 生成一首 4 分钟的歌曲约需 4 分钟
+- 输出：MP3，48kHz 立体声，128kbps
+
+## 注意事项
+1. **不要对 HeartCodec 使用 bf16** — 会降低音频质量。请使用 fp32（默认值）。
+2. **标签可能被忽略** — 已知问题（#90）。歌词往往占主导地位；建议尝试调整标签顺序。
+3. **macOS 上 Triton 不可用** — GPU 加速仅支持 Linux/CUDA。
+4. 上游 issue 中报告了 **RTX 5080 不兼容**问题。
+5. 依赖版本冲突需要按上述说明手动升级并打补丁。
+
+## 相关链接
+- 仓库：https://github.com/HeartMuLa/heartlib
+- 模型：https://huggingface.co/HeartMuLa
+- 论文：https://arxiv.org/abs/2601.10547
+- 许可证：Apache-2.0

website/i18n/zh-Hans/docusaurus-plugin-content-docs/current/user-guide/skills/optional/creative/creative-hyperframes.md

@@ -0,0 +1,205 @@
+---
+title: "Hyperframes"
+sidebar_label: "Hyperframes"
+description: "使用 HyperFrames 创建基于 HTML 的视频合成、动画标题卡、社交叠加层、带字幕的对话视频、音频响应视觉效果和着色器转场..."
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# Hyperframes
+
+使用 HyperFrames 创建基于 HTML 的视频合成、动画标题卡、社交叠加层、带字幕的对话视频、音频响应视觉效果和着色器转场。HTML 是视频的唯一真实来源。当用户需要从 HTML 合成渲染 MP4/WebM、在媒体上添加文字/Logo/图表动画、将字幕与音频同步、需要 TTS 旁白，或将网站转换为视频时使用本技能。
+
+## 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 |
+| 许可证 | Apache-2.0 |
+| 平台 | linux, macos, windows |
+| 标签 | `creative`, `video`, `animation`, `html`, `gsap`, `motion-graphics` |
+| 相关技能 | [`manim-video`](/user-guide/skills/bundled/creative/creative-manim-video), [`meme-generation`](/user-guide/skills/optional/creative/creative-meme-generation) |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发本技能时加载的完整技能定义。这是 agent 在技能激活时所看到的指令内容。
+:::
+
+# HyperFrames
+
+HTML 是视频的唯一真实来源。合成（composition）是一个带有 `data-*` 属性用于计时、GSAP 时间轴用于动画、CSS 用于外观的 HTML 文件。HyperFrames 引擎逐帧捕获页面，并通过 FFmpeg 编码为 MP4/WebM。
+
+**与 `manim-video` 的互补关系：** 数学/几何讲解（方程式、3B1B 风格）使用 `manim-video`。动态图形、带字幕的对话视频、产品演示、社交叠加层、着色器转场，以及任何由真实视频/音频媒体驱动的内容使用 `hyperframes`。
+
+## 使用场景
+
+- 用户要求从文本、脚本或网站渲染视频
+- 动画标题卡、下三分之一字幕条或排版片头
+- 带字幕的旁白视频（TTS + 字幕与波形同步）
+- 音频响应视觉效果（节拍同步、频谱条、脉冲发光）
+- 场景间转场（交叉淡入淡出、划像、着色器扭曲、闪白）
+- 社交叠加层（Instagram/TikTok/YouTube 风格）
+- 网站转视频流程（捕获 URL，生成宣传片）
+- 任何需要确定性渲染为视频文件的 HTML/CSS/JS 动画
+
+**不适用**本技能的场景：
+- 纯数学/方程式动画（→ `manim-video`）
+- 图像生成或表情包（→ `meme-generation`，图像模型）
+- 实时视频会议或直播
+
+## 快速参考
+
+```bash
+npx hyperframes init my-video               # 初始化项目脚手架
+cd my-video
+npx hyperframes lint                        # 预览/渲染前验证
+npx hyperframes preview                     # 实时热重载浏览器预览（端口 3002）
+npx hyperframes render --output final.mp4   # 渲染为 MP4
+npx hyperframes doctor                      # 诊断环境问题
+```
+
+渲染参数：`--quality draft|standard|high` · `--fps 24|30|60` · `--format mp4|webm` · `--docker`（可复现）· `--strict`。
+
+完整 CLI 参考：[references/cli.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/cli.md)。
+
+## 初始设置（一次性）
+
+```bash
+bash "$(dirname "$(find ~/.hermes/skills -path '*/hyperframes/SKILL.md' 2>/dev/null | head -1)")/scripts/setup.sh"
+```
+
+该脚本执行以下操作：
+1. 验证 Node.js >= 22 和 FFmpeg 已安装（若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` — **必需**，用于通过 Chrome 的 `HeadlessExperimental.beginFrame` 捕获路径实现最高质量渲染。
+4. 运行 `npx hyperframes doctor` 并报告结果。
+
+若设置失败，请参阅 [references/troubleshooting.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/troubleshooting.md)。
+
+## 操作流程
+
+### 1. 编写 HTML 前先规划
+
+在接触代码之前，从高层次阐明：
+- **内容** — 叙事弧线、关键时刻、情感节拍
+- **结构** — 合成、轨道（视频/音频/叠加层）、时长
+- **视觉标识** — 颜色、字体、动态风格（爆炸感 / 电影感 / 流畅 / 技术感）
+- **主帧** — 每个场景中最多元素同时可见的时刻。这是你首先要构建的静态布局。
+
+**视觉标识关卡（硬性关卡）。** 在编写任何合成 HTML 之前，必须先定义视觉标识。**不得**使用默认或通用颜色编写合成（`#333`、`#3b82f6`、`Roboto` 是跳过此步骤的明显标志）。按顺序检查：
+
+1. **项目根目录有 `DESIGN.md`？** → 使用其中精确的颜色、字体、动态规则和"禁止事项"约束。
+2. **用户指定了风格**（如"Swiss Pulse"、"暗黑科技感"、"奢侈品牌"）？ → 生成一个包含 `## Style Prompt`、`## Colors`（3-5 个带角色的十六进制色值）、`## Typography`（1-2 个字体族）、`## What NOT to Do`（3-5 个反模式）的最小 `DESIGN.md`。
+3. **以上均无？** → 在编写任何 HTML 之前先提问 3 个问题：
+   - 氛围？（爆炸感 / 电影感 / 流畅 / 技术感 / 混乱 / 温暖）
+   - 浅色还是深色画布？
+   - 是否有品牌颜色、字体或视觉参考？
+
+   然后根据答案生成 `DESIGN.md`。每个合成的调色板和排版都必须追溯到 `DESIGN.md` 或用户的明确指示。
+
+### 2. 初始化脚手架
+
+```bash
+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`。传入 `--example <name>` 选择模板，`--video clip.mp4` 或 `--audio track.mp3` 以媒体文件为起点。
+
+### 3. 先布局，后动画
+
+先为**主帧**编写静态 HTML+CSS — 暂不添加 GSAP。`.scene-content` 容器必须填满场景（`width:100%; height:100%; padding:Npx`），使用 `display:flex` + `gap`。用 padding 将内容向内推 — 永远不要在内容容器上使用 `position: absolute; top: Npx`（内容高于剩余空间时会溢出）。
+
+只有在主帧看起来正确之后，才添加 `gsap.from()` 入场动画（**向** CSS 位置动画）和 `gsap.to()` 退场动画（**从** CSS 位置动画）。
+
+完整的 data 属性 schema 和合成规则见 [references/composition.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/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`
+- 初始暂停：`gsap.timeline({ paused: true })` — 播放器控制播放
+- 使用有限的 `repeat` 值（禁止 `repeat: -1` — 会破坏捕获引擎）。计算方式：`repeat: Math.ceil(duration / cycleDuration) - 1`。
+- 具有确定性 — 禁止 `Math.random()`、`Date.now()` 或挂钟逻辑。如需伪随机数，使用带种子的 PRNG。
+- 同步构建 — 时间轴构建过程中禁止 `async`/`await`、`setTimeout` 或 Promise。
+
+核心 GSAP API（tween、ease、stagger、timeline）见 [references/gsap.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/gsap.md)。
+
+### 5. 场景间转场
+
+多场景合成需要转场。规则：
+1. **场景间始终使用转场** — 禁止跳切。
+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，禁止使用退场动画** — 转场本身就是退出。
+4. 最后一个场景可以淡出。
+
+使用 `npx hyperframes add <transition-name>` 安装着色器转场（`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：** 始终使用独立的 `<audio>` 元素（视频使用 `muted playsinline`）。
+- **TTS：** `npx hyperframes tts "脚本文本" --voice af_nova --output narration.wav`。使用 `--list` 列出可用音色。音色 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 自动推断音素化（phonemizer）语言环境；仅在需要覆盖时传入 `--lang`。非英语音素化需要系统级安装 `espeak-ng`。
+- **字幕：** `npx hyperframes transcribe narration.wav` → 词级转录。根据转录内容的语气选择样式（hype / corporate / tutorial / storytelling / social — 见 `references/features.md` 中的表格）。**语言规则：** 除非确认音频为英语，否则永远不要使用 `.en` whisper 模型 — `.en` 会将非英语音频翻译而非转录。每个字幕组在其退出 tween 之后必须有一个硬性的 `tl.set(el, { opacity: 0, visibility: "hidden" }, group.end)` 清除 — 否则字幕组会泄漏到后续组中保持可见。
+- **音频响应视觉效果：** 预先提取音频频段（低频 / 中频 / 高频），并在时间轴内通过 `for` 循环的 `tl.call(draw, [], f / fps)` 逐帧采样 — 单个长 tween **不会**响应音频。将低频映射到 `scale`（脉冲），高频映射到 `textShadow`/`boxShadow`（发光），整体振幅映射到 `opacity`/`y`/`backgroundColor`。避免均衡器条形图的陈词滥调 — 让内容引导视觉，让音频驱动其行为。
+- **标记式高亮：** 文字强调的高亮、圆圈、爆炸、涂鸦、划除效果均为确定性 CSS+GSAP — 见 `references/features.md#marker-highlighting`。完全可寻址，无动画 SVG 滤镜。
+- **场景转场：** 每个多场景合成必须使用转场（禁止跳切）。从 CSS 原语（推入滑动、模糊交叉淡入淡出、缩放穿越、交错块）或着色器转场（`flash-through-white`、`liquid-wipe`、`cross-warp-morph`、`chromatic-split` 等，通过 `npx hyperframes add` 安装）中选择。氛围和能量对照表见 `references/features.md#transitions`。同一合成中不得混用 CSS 转场和着色器转场。
+
+### 7. Lint、验证、检查、预览、渲染
+
+```bash
+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 对比度审计
+npx hyperframes inspect           # 视觉布局审计 — 溢出、帧外元素、被遮挡的文字
+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` 对每个文字元素后方的背景像素进行采样，并对对比度低于 4.5:1（大文字为 3:1）的情况发出警告。`hyperframes inspect` 是布局侧的配套工具 — 在多个时间戳运行页面，标记静态 lint 无法发现的问题（仅在 4.5s 时超出安全区域的字幕换行、标题为最长变体时溢出的卡片、被转场着色器遮挡的元素）。对于包含对话气泡、卡片、字幕或紧凑排版的合成，务必运行 `inspect`。
+
+### 8. 网站转视频（若用户提供 URL）
+
+使用 [references/website-to-video.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/website-to-video.md) 中的 7 步捕获转视频工作流：捕获 → DESIGN.md → SCRIPT.md → 分镜 → 合成 → 渲染 → 交付。
+
+## 常见陷阱
+
+- **`HeadlessExperimental.beginFrame' wasn't found`** — Chromium 147+ 移除了此协议。确保使用 `hyperframes@>=0.4.2`（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](https://github.com/heygen-com/hyperframes/issues/294) 和 [references/troubleshooting.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/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 已处理此步骤）。`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。始终计算有限的 repeat 次数。
+- **在稍后入场的 clip 元素上使用 `gsap.set()`** — 页面加载时该元素不存在。改为在时间轴内使用 `tl.set(selector, vars, timePosition)`，位置在该 clip 的 `data-start` 处或之后。
+- **内容文字中使用 `<br>`** — 强制换行不了解渲染字体宽度，导致自然换行 + `<br>` 双重换行。使用 `max-width` 让文字自然换行。例外：每个单词刻意独占一行的短展示标题。
+- **对 `visibility` 或 `display` 进行动画** — GSAP 无法对这些属性进行 tween。使用 `autoAlpha`（同时处理 visibility 和 opacity）。
+- **调用 `video.play()` 或 `audio.play()`** — 框架拥有播放控制权。永远不要自行调用这些方法。
+- **异步构建时间轴** — 捕获引擎在页面加载后同步读取 `window.__timelines`。永远不要将时间轴构建包裹在 `async`、`setTimeout` 或 Promise 中。
+- **独立 `index.html` 包裹在 `<template>` 中** — 会对浏览器隐藏所有内容。只有通过 `data-composition-src` 加载的**子合成**才使用 `<template>`。
+- **将视频用于音频** — 始终使用静音的 `<video>` + 独立的 `<audio>`。
+
+## 验证
+
+渲染前后均需执行：
+
+1. **Lint + validate + inspect 通过：** `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 — 若出现警告请参阅 troubleshooting.md）。
+2. **动画编排** — 对于新合成或重大动画变更，运行动画映射。`npx hyperframes init` 会将技能脚本复制到项目中，因此路径为项目本地路径：
+   ```bash
+   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 tween 的摘要、ASCII 甘特时间轴、stagger 检测、死区（超过 1 秒无动画）、元素生命周期和标记（`offscreen`、`collision`、`invisible`、`paced-fast` &lt;0.2s、`paced-slow` >2s）。扫描摘要和标记 — 逐一修复或说明原因。小幅编辑可跳过。
+3. **文件存在且非零：** `ls -lh final.mp4`。
+4. **时长与 `data-duration` 匹配：** `ffprobe -v error -show_entries format=duration -of default=nw=1:nk=1 final.mp4`。
+5. **视觉检查：** 提取合成中间帧：`ffmpeg -i final.mp4 -ss 00:00:05 -vframes 1 preview.png`。
+6. **若预期有音频，确认音频存在：** `ffprobe -v error -show_streams -select_streams a -of default=nw=1:nk=1 final.mp4 | head -1`。
+
+若 `hyperframes render` 失败，运行 `npx hyperframes doctor` 并在报告问题时附上其输出。
+
+## 参考资料
+
+- [composition.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/composition.md) — data 属性、时间轴契约、不可违反的规则、排版/资源规则
+- [cli.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/cli.md) — 所有 CLI 命令（init、capture、lint、validate、inspect、preview、render、transcribe、tts、doctor、browser、info、upgrade、benchmark）
+- [gsap.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/gsap.md) — HyperFrames 的 GSAP 核心 API（tween、ease、stagger、timeline、matchMedia）
+- [features.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/features.md) — 字幕、TTS、音频响应、标记高亮、转场（按需加载）
+- [website-to-video.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/website-to-video.md) — 7 步捕获转视频工作流
+- [troubleshooting.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/hyperframes/references/troubleshooting.md) — OpenClaw 修复、环境变量、常见渲染错误

website/i18n/zh-Hans/docusaurus-plugin-content-docs/current/user-guide/skills/optional/creative/creative-kanban-video-orchestrator.md

@@ -0,0 +1,173 @@
+---
+title: "Kanban Video Orchestrator — 规划、搭建并监控由 Hermes Kanban 支撑的多智能体视频制作流水线"
+sidebar_label: "Kanban Video Orchestrator"
+description: "规划、搭建并监控由 Hermes Kanban 支撑的多智能体视频制作流水线"
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# Kanban Video Orchestrator
+
+规划、搭建并监控由 Hermes Kanban 支撑的多智能体视频制作流水线。当用户想要制作**任何**类型的视频时使用本技能——叙事短片、产品/营销视频、MV、解说视频、ASCII/终端艺术、抽象/生成循环、漫画、3D、实时/装置艺术——且工作需要分解为专业角色（编剧、设计师、动画师、渲染师、配音、剪辑等）并通过 kanban 看板协调。执行自适应探索以明确需求范围，为所请求的风格设计合适的团队，生成用于创建 Hermes profiles 和初始 kanban 任务的安装脚本，然后协助监控执行过程并在任务卡住或失败时介入。将场景路由到适合每个节拍的 Hermes 渲染/音频/设计技能（`ascii-video`、`manim-video`、`p5js`、`comfyui`、`touchdesigner-mcp`、`pixel-art`、`baoyu-comic`、`claude-design`、`excalidraw`、`songsee`、`heartmula`……）以及用于 TTS、图像生成和图像转视频的外部 API。
+
+## 技能元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/creative/kanban-video-orchestrator` 安装 |
+| 路径 | `optional-skills/creative/kanban-video-orchestrator` |
+| 版本 | `1.0.0` |
+| 作者 | ['SHL0MS', 'alt-glitch'] |
+| 许可证 | MIT |
+| 平台 | linux, macos, windows |
+| 标签 | `video`, `kanban`, `multi-agent`, `orchestration`, `production-pipeline` |
+| 相关技能 | [`ascii-video`](/user-guide/skills/bundled/creative/creative-ascii-video)、[`manim-video`](/user-guide/skills/bundled/creative/creative-manim-video)、[`p5js`](/user-guide/skills/bundled/creative/creative-p5js)、[`comfyui`](/user-guide/skills/bundled/creative/creative-comfyui)、[`touchdesigner-mcp`](/user-guide/skills/bundled/creative/creative-touchdesigner-mcp)、[`pixel-art`](/user-guide/skills/bundled/creative/creative-pixel-art)、[`ascii-art`](/user-guide/skills/bundled/creative/creative-ascii-art)、[`songwriting-and-ai-music`](/user-guide/skills/bundled/creative/creative-songwriting-and-ai-music)、[`heartmula`](/user-guide/skills/optional/creative/creative-heartmula)、[`songsee`](/user-guide/skills/bundled/media/media-songsee)、[`youtube-content`](/user-guide/skills/bundled/media/media-youtube-content)、[`claude-design`](/user-guide/skills/bundled/creative/creative-claude-design)、[`excalidraw`](/user-guide/skills/bundled/creative/creative-excalidraw)、[`architecture-diagram`](/user-guide/skills/bundled/creative/creative-architecture-diagram)、[`concept-diagrams`](/user-guide/skills/optional/creative/creative-concept-diagrams)、[`baoyu-comic`](/user-guide/skills/bundled/creative/creative-baoyu-comic)、[`baoyu-infographic`](/user-guide/skills/bundled/creative/creative-baoyu-infographic)、[`humanizer`](/user-guide/skills/bundled/creative/creative-humanizer)、[`gif-search`](/user-guide/skills/bundled/media/media-gif-search)、[`meme-generation`](/user-guide/skills/optional/creative/creative-meme-generation) |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发本技能时加载的完整技能定义。这是技能激活时智能体所看到的指令内容。
+:::
+
+# Kanban Video Orchestrator
+
+将任何视频请求——从 15 秒产品预告到 5 分钟叙事短片，再到 MV 或 ASCII 循环——封装进 Hermes Kanban 流水线，将工作分解给专业智能体 profiles。
+
+本技能**不**自行渲染任何内容。它是一个元流水线，负责：
+
+1. **探索**——通过有针对性的发现问题明确需求范围
+2. **设计**——根据风格设计合适的团队（哪些角色、每个角色使用哪些工具）
+3. **生成**——生成安装脚本，创建 Hermes profiles、项目工作区和初始 kanban 任务
+4. **交接**——移交给 director profile，由其通过 kanban 进行分解
+5. **监控**——跟踪执行过程，在任务卡住或失败时协助介入
+
+实际渲染在 kanban 运行后在其内部完成，使用适合各场景的现有技能和工具——`ascii-video`、`manim-video`、`p5js`、`comfyui`、`touchdesigner-mcp`、`songwriting-and-ai-music`、`heartmula`、外部 API，或使用 PIL + ffmpeg 的纯 Python。
+
+## 不适用本技能的情况
+
+- 视频是一个无需专业分工的连续程序化项目。直接编写代码即可。
+- 用户只需快速一次性转换（例如"把这个 mp4 转成 GIF"）——直接使用 ffmpeg。
+- 输出是静态图片、GIF 或纯音频产物——使用对应的专项技能（`ascii-art`、`gifs`、`meme-generation`、`songwriting-and-ai-music`）。
+- 工作完全适合某个现有技能（例如纯 ASCII 视频——直接使用 `ascii-video`）。
+
+## 工作流程
+
+```
+DISCOVER  →  BRIEF  →  TEAM DESIGN  →  SETUP  →  EXECUTE  →  MONITOR
+```
+
+### 第一步 — 探索（提出正确的问题）
+
+探索过程是**自适应的**：只问真正需要的问题。始终从三个问题开始，以识别大致轮廓：
+
+- **视频是什么？**（一句话简介）
+- **时长多少？**（5-30 秒预告 / 30-90 秒短片 / 90 秒-3 分钟解说 / 3-10 分钟影片 / 更长）
+- **宽高比和目标平台？**（1:1 / 9:16 / 16:9；X、IG、YouTube、内部使用等）
+
+根据回答，对风格类别进行分类。风格决定后续需要提问的问题。**不要一次性问所有问题。** 每次问 2-4 个，倾听回答，然后继续。当用户的回答隐含某个答案时，做出合理假设。
+
+完整的收集模式和各风格问题库，参见
+**[references/intake.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/kanban-video-orchestrator/references/intake.md)**。
+
+### 第二步 — 简报
+
+掌握足够信息后，使用 `assets/brief.md.tmpl` 中的模板生成结构化的 `brief.md`。阶段如下：
+
+1. **概念** — 一句话 pitch + 情感北极星
+2. **范围** — 时长、宽高比、平台、截止日期
+3. **风格** — 视觉参考、品牌约束、基调
+4. **场景** — 逐拍分解（时长、内容、目标工具）
+5. **音频** — 旁白 / 音乐 / 音效 / 静音（如需可按场景细分）
+6. **交付物** — 文件格式、分辨率、可选备选版本（竖版剪辑、GIF 等）
+
+在设计团队之前，将简报展示给用户确认。**简报即合同**——所有下游任务均以其为参考。
+
+### 第三步 — 团队设计
+
+从角色库中挑选适合本视频的角色原型。**组合，而非复制。** 大多数视频需要 4-7 个 profiles。director 始终存在；其余角色根据简报的实际需求选取。
+
+角色库和各风格团队组合，参见
+**[references/role-archetypes.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/kanban-video-orchestrator/references/role-archetypes.md)**。
+
+角色与 Hermes 技能及工具集的映射关系，参见
+**[references/tool-matrix.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/kanban-video-orchestrator/references/tool-matrix.md)**。
+
+### 第四步 — 安装
+
+生成安装脚本（`setup.sh`）并运行。脚本将：
+
+1. 创建项目工作区（`~/projects/video-pipeline/<slug>/`）
+2. 将提供的资产复制到 `taste/`、`audio/`、`assets/`
+3. 通过 `hermes profile create --clone` 创建每个 Hermes profile
+4. 编写各 profile 的 `SOUL.md`（个性 + 角色定义）
+5. 配置 profile YAML（工具集、always_load 技能、cwd）
+6. 编写 `brief.md`、`TEAM.md` 和 `taste/` 内容
+7. 触发分配给 director 的初始 `hermes kanban create` 任务
+
+使用 `scripts/bootstrap_pipeline.py` 从简报 + 团队设计 JSON 生成 setup.sh。安装脚本结构、profile 配置模式和关键的"共享工作区"规则，参见 **[references/kanban-setup.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/kanban-video-orchestrator/references/kanban-setup.md)**。
+
+### 第五步 — 执行
+
+运行 `setup.sh`。然后向用户提供监控命令：
+
+```bash
+hermes kanban watch --tenant <project-tenant>     # 实时事件
+hermes kanban list  --tenant <project-tenant>     # 看板快照
+hermes dashboard                                   # 可视化看板 UI
+```
+
+director profile 从此接管，通过 kanban 工具集将工作分解并路由给专业 profiles。
+
+### 第六步 — 监控与介入
+
+保持参与——kanban 自主运行，但卡住的任务或不良输出需要人工（或 AI）判断。
+
+监控模式：定期轮询 `kanban list`，用 `kanban show <id>` 检查任何超出预期时长的 RUNNING 任务，并检查心跳。当某个 worker 的输出未通过审核时，标准介入方式为：
+
+1. 在 worker 的任务上附上具体反馈评论（`kanban_comment`）
+2. 以原任务为父任务创建重新运行任务
+3. 调整简报范围，让 director 重新分解
+
+诊断模式、介入方案和"任务卡住"处理手册，参见 **[references/monitoring.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/kanban-video-orchestrator/references/monitoring.md)**。
+
+## 参考：实际案例
+
+六个涵盖截然不同视频风格的具体流水线——叙事短片、产品/营销视频、MV、数学/算法解说、ASCII 视频、实时装置——展示相同工作流程如何产生截然不同的团队和任务图。参见 **[references/examples.md](https://github.com/NousResearch/hermes-agent/blob/main/optional-skills/creative/kanban-video-orchestrator/references/examples.md)**。
+
+## 关键规则
+
+1. **行动前先探索。** 在至少提出三个基线问题之前，绝不开始生成简报或团队设计。糟糕的简报会在整个流水线中产生连锁反应。
+
+2. **团队要匹配视频。** 不要对每个项目都复用同一套 4-profile 配置。没有节拍分析 profile 的 MV 会出错。没有编剧 profile 的叙事短片会产生不连贯的场景。参见 `references/role-archetypes.md`。
+
+3. **每个项目一个工作区。** 同一视频的所有 profiles 共享同一个 `dir:` 工作区。任务通过共享文件系统和结构化交接传递产物。**每个** `kanban_create` 调用都传入 `workspace_kind="dir"` + `workspace_path="<绝对项目路径>"`。
+
+4. **每个项目使用独立 tenant。** 使用项目专属 tenant（`--tenant <project-slug>`）。保持 dashboard 范围清晰，防止与其他正在进行的 kanban 交叉污染。
+
+5. **尊重现有技能。** 当某个场景适合现有技能时，相关渲染器应通过任务上的 `--skill <name>` 或 profile 中的 `always_load` 加载该技能。不要重新推导技能已提供的内容。
+
+6. **director 绝不执行。** 即使拥有完整的 `kanban + terminal + file` 工具集，director 的 `SOUL.md` 规则也禁止其自行执行工作。它只负责分解和路由——每个具体任务都变成对专业 profile 的 `hermes kanban create` 调用。自动注入的 kanban 编排指引对此有进一步说明。
+
+7. **不要过度分解。** 一个 30 秒的产品视频**不需要** 20 个任务。目标是最小任务图，同时仍能良好并行化并暴露正确的人工审核节点。
+
+8. **触发前验证 API 密钥。** 外部 API（TTS、图像生成、图像转视频）需要在 `~/.hermes/.env` 或用户密钥存储中配置密钥。遇到缺少密钥错误的 worker 会浪费一个任务槽。安装脚本的 `check_key` 辅助函数在缺少必要密钥时会干净地中止。
+
+## 文件结构
+
+```
+SKILL.md                            ← 本文件（工作流程 + 规则）
+references/
+  intake.md                         ← 各风格的探索问题库
+  role-archetypes.md                ← 角色库（编剧、设计师、动画师……）
+  tool-matrix.md                    ← 各角色的技能 + 工具集映射
+  kanban-setup.md                   ← 安装脚本结构与 profile 配置
+  monitoring.md                     ← 监控 + 介入模式
+  examples.md                       ← 六个实际流水线案例
+assets/
+  brief.md.tmpl                     ← 简报骨架
+  setup.sh.tmpl                     ← 安装脚本骨架
+  soul.md.tmpl                      ← profile 个性骨架
+scripts/
+  bootstrap_pipeline.py             ← 从简报 + 团队 JSON 生成 setup.sh
+  monitor.py                        ← 轮询 + 介入辅助工具
+```

website/i18n/zh-Hans/docusaurus-plugin-content-docs/current/user-guide/skills/optional/creative/creative-meme-generation.md

@@ -0,0 +1,147 @@
+---
+title: "Meme Generation — 使用 Pillow 选取模板并叠加文字，生成真实的表情包图片"
+sidebar_label: "Meme Generation"
+description: "使用 Pillow 选取模板并叠加文字，生成真实的表情包图片"
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# Meme Generation
+
+使用 Pillow 选取模板并叠加文字，生成真实的表情包图片。输出实际的 .png 表情包文件。
+
+## Skill 元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/creative/meme-generation` 安装 |
+| 路径 | `optional-skills/creative/meme-generation` |
+| 版本 | `2.0.0` |
+| 作者 | adanaleycio |
+| 许可证 | MIT |
+| 平台 | linux, macos, windows |
+| 标签 | `creative`, `memes`, `humor`, `images` |
+| 相关 skill | [`ascii-art`](/user-guide/skills/bundled/creative/creative-ascii-art) |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。
+:::
+
+# Meme Generation
+
+根据主题生成实际的表情包图片。选取模板、编写说明文字，并渲染带有文字叠加的真实 .png 文件。
+
+## 使用时机
+
+- 用户要求制作或生成表情包
+- 用户想要关于某个话题、情境或吐槽的表情包
+- 用户说"把这个做成表情包"或类似表达
+
+## 可用模板
+
+该脚本支持按名称或 ID 使用 **imgflip 上约 100 个热门模板**，另外还有 10 个经过精心调整文字位置的精选模板。
+
+### 精选模板（自定义文字位置）
+
+| ID | 名称 | 字段 | 最适合 |
+|----|------|--------|----------|
+| `this-is-fine` | This is Fine | top, bottom | 混乱、否认 |
+| `drake` | Drake Hotline Bling | reject, approve | 拒绝/偏好 |
+| `distracted-boyfriend` | Distracted Boyfriend | distraction, current, person | 诱惑、转移注意力 |
+| `two-buttons` | Two Buttons | left, right, person | 两难抉择 |
+| `expanding-brain` | Expanding Brain | 4 个层级 | 层层递进的讽刺 |
+| `change-my-mind` | Change My Mind | statement | 热门观点 |
+| `woman-yelling-at-cat` | Woman Yelling at Cat | woman, cat | 争论 |
+| `one-does-not-simply` | One Does Not Simply | top, bottom | 出乎意料的难事 |
+| `grus-plan` | Gru's Plan | step1-3, realization | 计划反噬 |
+| `batman-slapping-robin` | Batman Slapping Robin | robin, batman | 驳斥烂主意 |
+
+### 动态模板（来自 imgflip API）
+
+不在精选列表中的任何模板均可通过名称或 imgflip ID 使用。这些模板会自动应用智能默认文字位置（2 个字段时为上/下，3 个及以上时均匀分布）。搜索方式：
+```bash
+python "$SKILL_DIR/scripts/generate_meme.py" --search "disaster"
+```
+
+## 操作流程
+
+### 模式 1：经典模板（默认）
+
+1. 读取用户的主题，识别核心动态（混乱、两难、偏好、讽刺等）。
+2. 选取最匹配的模板。参考"最适合"列，或使用 `--search` 搜索。
+3. 为每个字段编写简短说明文字（每个字段最多 8-12 个词，越短越好）。
+4. 找到 skill 的脚本目录：
+   ```
+   SKILL_DIR=$(dirname "$(find ~/.hermes/skills -path '*/meme-generation/SKILL.md' 2>/dev/null | head -1)")
+   ```
+5. 运行生成器：
+   ```bash
+   python "$SKILL_DIR/scripts/generate_meme.py" <template_id> /tmp/meme.png "caption 1" "caption 2" ...
+   ```
+6. 使用 `MEDIA:/tmp/meme.png` 返回图片。
+
+### 模式 2：自定义 AI 图片（当 image_generate 可用时）
+
+当没有合适的经典模板，或用户想要原创内容时使用此模式。
+
+1. 先编写说明文字。
+2. 使用 `image_generate` 创建符合表情包概念的场景。图片 prompt（提示词）中**不要包含任何文字** — 文字将由脚本添加。仅描述视觉场景。
+3. 从 image_generate 结果 URL 中找到生成图片的路径。如有需要，将其下载到本地路径。
+4. 使用 `--image` 运行脚本叠加文字，选择一种模式：
+   - **Overlay**（文字直接叠加在图片上，白色带黑色描边）：
+     ```bash
+     python "$SKILL_DIR/scripts/generate_meme.py" --image /path/to/scene.png /tmp/meme.png "top text" "bottom text"
+     ```
+   - **Bars**（图片上下方添加黑色条带显示白色文字 — 更整洁，始终可读）：
+     ```bash
+     python "$SKILL_DIR/scripts/generate_meme.py" --image /path/to/scene.png --bars /tmp/meme.png "top text" "bottom text"
+     ```
+   当图片内容复杂/细节丰富、文字叠加后难以辨认时，使用 `--bars`。
+5. **使用视觉验证**（如果 `vision_analyze` 可用）：检查结果是否美观：
+   ```
+   vision_analyze(image_url="/tmp/meme.png", question="Is the text legible and well-positioned? Does the meme work visually?")
+   ```
+   如果视觉模型发现问题（文字难以辨认、位置不佳等），尝试切换另一种模式（在 overlay 和 bars 之间切换）或重新生成场景。
+6. 使用 `MEDIA:/tmp/meme.png` 返回图片。
+
+## 示例
+
+**"凌晨 2 点调试生产环境"：**
+```bash
+python generate_meme.py this-is-fine /tmp/meme.png "SERVERS ARE ON FIRE" "This is fine"
+```
+
+**"在睡觉和再看一集之间做选择"：**
+```bash
+python generate_meme.py drake /tmp/meme.png "Getting 8 hours of sleep" "One more episode at 3 AM"
+```
+
+**"周一早晨的各个阶段"：**
+```bash
+python generate_meme.py expanding-brain /tmp/meme.png "Setting an alarm" "Setting 5 alarms" "Sleeping through all alarms" "Working from bed"
+```
+
+## 列出模板
+
+查看所有可用模板：
+```bash
+python generate_meme.py --list
+```
+
+## 注意事项
+
+- 说明文字要**简短**。文字过长的表情包效果很差。
+- 文字参数数量须与模板的字段数量匹配。
+- 根据笑点结构选择模板，而不仅仅是根据话题。
+- 不得生成仇恨、辱骂或针对特定个人的内容。
+- 脚本会在首次下载后将模板图片缓存至 `scripts/.cache/`。
+
+## 验证
+
+以下情况说明输出正确：
+- 在输出路径创建了 .png 文件
+- 文字在模板上清晰可读（白色带黑色描边）
+- 笑点成立 — 说明文字与模板的预期结构相符
+- 文件可通过 MEDIA: 路径传递