红领巾宣讲视频：从活动通知到成片

素材里的三处坑

聊天副本 · 原片

竖屏素材 → 16:9 取景窗

原始 · 处理后

任务

学校少先队活动要求交一个两分钟以内的横屏宣讲视频——由一名三年级学生讲述一处红色地标。通知给出的是约束，小荷把它变成方案：两分钟约等于 305 个汉字的容量，于是先把旁白按这个长度预算写出来，再拆成五个镜头，每镜附纪念碑、烈士墓、血祭轩辕亭的画面设计与拍摄要点，拿到实地去拍。

实际拿回的是六段素材，方案在这里经受检验：好的一遍过镜头对得上对应的镜位；其余则按旁白逻辑而非拍摄顺序重排，或裁掉冗长镜头，让成片落进时长上限。

有三处会让「直接剪一剪」翻车。素材是 568×320——已被聊天软件压过一道——所以输出 720p 大半是凭空插出来的细节。有一段是竖屏，存成横屏文件只带旋转标记；硬塞进 16:9 会把整个画面压扁。陵园紧邻一条主干道：实测车流噪声只比人声低 4–8 dB，所以「降噪一下」不是一行命令能解决的。

小荷把方案与素材的差异一一对齐。好的一遍过镜头对得上镜位就留；其余按旁白逻辑重排。竖屏那段裁一个跟随镜头上摇、缓动上移的 16:9 取景窗，让纪念碑落定在天空背景上，而不是留三分之二画面给模糊填充。字幕逐句渲染成透明图层再合成，因为本机 ffmpeg 没有 libass；车流噪声交给语音增强模型。后来用户找回了更清晰的素材，整片又在新素材上重剪了一遍。

有两处不是技术判断。用户提出「按孩子的音色重新生成旁白」，小荷没有做，并说明了原因：授权通道没有声音克隆；视频里她正面出镜讲话，换成合成音轨会破坏口型；而这项作业本身就是她本人宣讲，不该替。稿子里的事实——题字出自谁手、几个日期与数字、亭子的名字——也逐条对着公开资料核过，并把核对表留给家长查验。成片 22 MB，此前码率未与素材实际信息量匹配时是 38 MB。

小荷怎么做

• 1. 把通知写成稿子

  通知里「限时两分钟」是硬约束，于是折算成长度预算：约 305 字、五个镜头，每镜附画面与拍摄提示。

• 2. 取素材

  活动通知是微信里的 PDF；六段素材在文件夹里，文件名是无意义的 hash。两者都归入孩子的学校文件夹并改成可读命名。

• 3. 逐段摸清底细

  探测发现分辨率与帧率都不统一，且有一段带 rotation=-90——一个藏在横屏容器里的竖屏视频。

  ffprobe -show_entries stream=width,height,side_data_list

• 4. 测出人声的确切区间

  对每段做逐帧能量分析，配合词级时间戳。第一版凭经验把语音区间起点定在 1.0 秒，而她的第一个词在 0.00 秒——结果开头一秒的旁白被重抑制压掉；修正办法是改用实测边界。

  whisper --word_timestamps True

• 5. 救回竖屏素材

  不用模糊补边，而是裁一个 16:9 取景窗，跟着镜头上摇缓动上移，让「巨手紧握步枪」那组雕塑落进天空背景。

  crop=w=720:h=405:y='875-605*(1-cos(PI*min(1\,t/7.0)))/2'

• 6. 在没有 libass 的情况下烧字幕

  本机 ffmpeg 没有 libass 也没有 freetype。于是每句用 Pillow 渲染成透明 PNG，各自在自己的时间窗内叠加——顺带做到了帧级精确，此前用 concat 解复用器拼字幕轨会漂移约一秒。

  overlay=0:0:enable='between(t,3.20,7.20)'

• 7. 把噪声从人声底下抽出来

  四条路线都是量化比较而非凭感觉：ffmpeg 谱减、noisereduce、DeepFilterNet、MossFormer2，用同一段素材的人声/间隙比打分。DeepFilterNet 胜出，随后才是关键——它的抑制上限一直没设，所以连人声一起压。语音段设上限、间隙段不设，信噪比从素材的 8.4 dB 提到 40.5 dB，而人声只被压 4.1 dB。

  enhance(model, df_state, audio, atten_lim_db=12)

• 8. 让码率匹配素材的信息量

  第一版把大部分码率花在「放大算法造出来的细节」上。用 SSIM 对照的一条 CRF 阶梯选出了「体积降 63% 而看不出差别」的位置——在软素材上是 38 MB 降到 14 MB；换成真正更清晰的原片后是 22 MB。

• 9. 交付并附上核对表

  脚本随附一张事实核对表，逐条给出公开出处，让家长可以自己核对而不是照单全收。

用到的技能

• mywechat
• ffmpeg
• Whisper · 词级时间戳
• DeepFilterNet
• Pillow · 字幕渲染
• mytoolkit · convert

交付产物