title: “Ascii Video — ASCII video: convert video/audio to colored ASCII MP4/GIF” sidebar_label: “Ascii Video” description: “ASCII video: convert video/audio to colored ASCII MP4/GIF”

{/* 本页面由 website/scripts/generate-skill-docs.py 根据技能对应的 SKILL.md 文件自动生成。请直接编辑源文件 SKILL.md，而非此页面。 */}

ASCII 视频

ASCII视频：将视频/音频转换为带颜色的ASCII格式MP4/GIF文件。

技能元数据

参考：完整 SKILL.md 文件

:::info 以下是Hermes在触发该技能时加载的完整技能定义。当技能处于激活状态时，智能体看到的指令即为内容。

::

ASCII视频制作流程

适用场景

当用户请求生成以下内容时即可使用：ASCII视频、文字艺术视频、终端风格视频、角色艺术动画、复古风格文本可视化、ASCII格式的音频可视化效果、将视频转换为ASCII艺术、矩阵风格特效，或任何形式的动态ASCII输出内容。

功能说明

该流程可用于制作各类格式的ASCII艺术视频。它能够将视频/音频/图片或生成式输入数据转换为带颜色的ASCII字符视频输出（MP4、GIF、图像序列）。功能涵盖：视频转ASCII转换、基于音频特征的可视化音乐播放器、生成式ASCII艺术动画、视频与音频协同响应效果、文本/歌词叠加、实时终端渲染等功能。

创意标准

这属于视觉艺术范畴。ASCII字符是表现媒介，而电影级质量则是其追求的标准。

在编写任何代码之前，先明确创意概念。整体氛围应是怎样的？要讲述怎样的视觉故事？为何这个项目会与其他ASCII视频有所不同？用户的提示只是起点——应以富有创意的视角去解读它，而非进行字面翻译。

首次渲染的结果必须出色，无需经过多次修改就能呈现出令人惊艳的视觉效果。如果输出内容显得千篇一律、缺乏层次，或者看起来像“AI生成的ASCII艺术”，那就说明思路有误——在最终交付之前务必重新审视创意概念。

不要局限于参考资料中的内容。参考资料中的特效目录、着色器预设和色彩库仅可作为基础素材。针对每个项目，应对这些素材进行组合、修改，并创造出新的视觉效果。参考资料就像颜料调色板——而你才是绘制作品的艺术家。

要主动发挥创意。如果项目需求超出参考资料的范围，就要自行扩展技能的功能。若现有资源无法满足创意设想，就需自行开发相关功能。在最终作品中，至少应加入一个用户未明确提出但会令人赏心悦目的视觉元素——比如转场效果、特殊特效，或是能提升整体品质的色彩选择。

整体美学一致性比技术上的完美更重要。视频中的所有场景都应通过统一的视觉语言相互关联——比如统一的色彩色调、相似的字符配色方案、一致的运动表现风格。即便技术上没有问题，但如果每个场景都使用截然不同的特效，那在美学层面也是失败的。

内容要丰富、层次分明且经过精心设计。每一帧画面都应值得细细品味。绝不能使用单调的纯黑色背景，始终采用多网格构图，每个场景都要有独特的设计，色彩运用也需经过深思熟虑。

模式

技术架构

每个项目都使用一个独立的Python脚本，无需GPU支持。

流程架构

所有模式都遵循相同的6阶段处理流程：

INPUT → ANALYZE → SCENE_FN → TONEMAP → SHADE → ENCODE

1. INPUT — 加载/解码源素材（视频帧、音频样本、图像，或无数据）
2. ANALYZE — 提取每帧的特征（音频频段、视频亮度/边缘信息、运动矢量）
3. SCENE_FN — 场景函数会将结果渲染到像素画布上（格式为uint8 H,W,3）。可通过_render_vf()函数结合像素混合模式来组合多个字符网格。详情请参阅references/composition.md
4. TONEMAP — 基于分位数的自适应亮度归一化处理。相关内容参见references/composition.md中的“自适应色调映射”部分
5. SHADE — 通过ShaderChain与FeedbackBuffer实现后期处理。详情请参阅references/shaders.md
6. ENCODE — 将原始RGB帧传递给ffmpeg，进行H.264/GIF格式编码

创意方向

视觉风格维度

各片段的不同设计

切勿为整个视频使用完全相同的配置。针对每个片段/场景：

• 使用不同的背景效果（或组合2-3种效果）
• 选择与氛围相匹配的字符调色板
• 采用不同的色彩策略（或至少改变主色调）
• 调整着色器强度——在高潮部分增加光晕效果，在安静部分增加颗粒感
• 若使用粒子效果，则为每个片段选择不同的粒子类型

项目专属创意设计

针对每个项目，至少创造以下一项独特元素：

• 与主题相匹配的定制字符调色板
• 通过组合/修改现有元素打造的定制背景效果
• 与品牌风格或氛围相契合的定制色彩调色板
• 自定的粒子字符集
• 独特的场景转场或视觉亮点

不要仅仅从现有选项中挑选。那些选项只是词汇表——而你需要创作属于自己的作品。

工作流程

第一步：明确创意构思

在编写任何代码之前，先清晰阐述创意概念：

• 氛围感受：希望观众产生怎样的感受？充满活力、宁静沉思、混乱无序、优雅精致，还是阴森诡异？
• 视觉叙事：在整个视频时长内会发生什么？逐步营造紧张感？实现形态转变？还是逐渐消散？
• 色彩风格：偏向暖色调还是冷色调？单色风格？霓虹色调？大地色系？哪种色调占主导地位？
• 字符元素风格：密集的数据点？稀疏的星点？有机形状的点状元素？几何块状元素？
• 独特之处：这个项目最与众不同的地方是什么？
• 情感脉络：各个场景如何层层递进？以活力开场，逐步推向高潮，最后达成收尾？

将用户的提示词与上述视觉风格选项对应起来。例如，“轻松的低保真可视化效果”与“故障风格的赛博朋克数据流”在各个方面都需要完全不同的设计。

第二步：技术设计

• 模式选择 — 从上述6种模式中选定一种
• 分辨率设置 — 默认为横屏1920x1080，竖屏1080x1920，正方形1080x1080，帧率为24fps
• 硬件检测 — 自动检测CPU核心数和内存容量，确定合适的性能配置文件。详情请参阅references/optimization.md
• 片段划分 — 将时间戳与对应的场景函数关联起来，每个场景都有独立的特效/调色板/色彩/着色器配置
• 输出格式 — 默认为MP4格式，也可选择GIF格式（640x360，15fps），或PNG序列格式

第三步：编写脚本

整个脚本为一个Python文件。各组成部分及其参考资料如下：

1. 硬件检测与性能配置 — references/optimization.md
2. 输入数据加载模块 — 具体实现方式取决于所选模式；参考references/inputs.md
3. 特征分析模块 — 通过音频FFT分析、视频亮度分析或合成数据等方式提取特征
4. 网格与渲染模块 — 支持多密度网格，并配备位图缓存功能；参考references/architecture.md
5. 字符调色板模块 — 每个项目可拥有多个调色板；参考architecture.md中的“调色板”部分
6. 色彩系统模块 — 结合HSV色彩模型、离散RGB颜色以及自动配色算法；参考architecture.md中的“色彩”部分
7. 场景函数模块 — 每个函数都会返回一个格式为canvas (uint8 H,W,3)的渲染结果；参考references/scenes.md
8. 色调映射模块 — 负责自适应亮度归一化处理；参考references/composition.md
9. 着色器管线模块 — 由ShaderChain和FeedbackBuffer共同构成；参考references/shaders.md
10. 场景表与调度模块 — 根据时间戳匹配对应的场景函数及配置信息；参考references/scenes.md
11. 并行编码模块 — 使用多个工作线程，通过ffmpeg管道实现片段渲染
12. 主控制模块 — 负责协调整个处理流程的运行

第四步：质量检查

• 先测试单帧效果：在完整渲染之前，先在关键时间点渲染单帧图像进行测试
• 亮度检查：所有ASCII内容对应的canvas.mean()值应大于8。如果画面过暗，则需要降低伽马值
• 视觉一致性检查：所有场景是否看起来都属于同一个视频作品？
• 创意构思核对：最终输出是否与第一步确定的创意概念一致？如果效果显得过于普通，就需要重新调整

关键实现注意事项

亮度处理 — 请使用tonemap()函数，而非线性乘法

这是最容易出现的视觉问题。黑色背景上的ASCII字符本质上颜色就很深。绝对不要使用canvas * N这样的乘法操作——这类操作会导致高光部分被截断。应采用自适应色调映射功能来解决该问题：

def tonemap(canvas, gamma=0.75):
    f = canvas.astype(np.float32)
    lo, hi = np.percentile(f[::4, ::4], [1, 99.5])
    if hi - lo < 10: hi = lo + 10
    f = np.clip((f - lo) / (hi - lo), 0, 1) ** gamma
    return (f * 255).astype(np.uint8)

处理流程：scene_fn() → tonemap() → FeedbackBuffer → ShaderChain → ffmpeg

不同场景的伽马值设置：默认为 0.75，日光效果为 0.55，海报化效果为 0.50，亮场景则为 0.85。对于暗色图层，请使用 screen 混合模式（而非 overlay）。

字体单元高度

在 macOS 环境下的 Pillow 库中，textbbox() 函数返回的高度值不正确。应使用 font.getmetrics() 方法：cell_height = ascent + descent。详情请参阅 references/troubleshooting.md。

ffmpeg 流处理死锁问题

在运行时间较长的 ffmpeg 进程中，切勿使用 stderr=subprocess.PIPE —— 因为缓冲区在达到 64KB 时就会导致死锁。应将其输出重定向到文件中。更多信息请参见 references/troubleshooting.md。

字体兼容性

并非所有 Unicode 字符都能在所有字体中正常显示。应在初始化阶段验证字体调色板——逐一渲染每个字符，检查是否有空白输出。详情请参阅 references/troubleshooting.md。

单个片段的处理架构

对于分段视频（如引言、场景、章节），应将其分别作为独立的片段文件进行处理，从而实现并行渲染和有选择性的重新渲染。详情请参阅 references/scenes.md。

性能目标

参考文档

创意发散（仅当用户要求实验性/创意性/独特输出时使用）

如果用户希望获得具有创意、实验性、惊喜感或非传统风格的输出，应在生成代码之前选择最合适的策略，并详细规划其实施步骤。

• 强制关联法 —— 当用户需要跨领域的灵感时（例如“让画面看起来更自然”、“工业风风格”）
• 概念融合法 —— 当用户指定两种元素进行结合时（例如“海洋与音乐的融合”、“太空与书法的结合”）
• 间接策略法 —— 当用户完全开放接受新想法时（例如“给我一个惊喜”、“我从未见过的东西”）

强制关联法

1. 选择一个与视觉目标无关的领域（如天气系统、微生物学、建筑学、流体动力学、纺织编织）
2. 列出该领域的核心视觉/结构元素（如侵蚀作用→逐渐显现；有丝分裂→分裂复制；编织工艺→交错图案）
3. 将这些元素映射为ASCII字符和动画模式
4. 进行综合创作——在字符网格中，“侵蚀”或“结晶”会呈现为何种形态？

概念融合法

1. 指定两个截然不同的视觉/概念空间（例如海浪与乐谱）
2. 建立对应关系（波峰=高音符，波谷=休止符，泡沫=断奏）
3. 有选择地进行融合——保留最有趣的对应关系，舍弃强行搭配的部分
4. 挖掘仅在融合状态下才出现的独特属性

间接策略法

1. 列出若干指导原则：“将错误视为隐含的意图”/“运用旧有的创意”/“你的密友会怎么做？”/“突出缺陷”/“将画面倒置”/“只取部分而非整体”/“反向操作”
2. 根据当前的ASCII动画任务来解读这些指导原则
3. 在编写代码之前，先将这些间接思路应用到视觉设计中 |