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：完整的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，智能体将依据此内容执行操作。

::

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。

功能包含

适用于所有格式的ASCII艺术视频制作流程。可将视频/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、随音频变化的音乐可视化效果、生成式ASCII艺术动画、视频与音频的混合动态效果、文本/歌词叠加功能，以及实时终端渲染功能。

创作标准

这属于视觉艺术形式。ASCII字符是其表现媒介，而电影艺术则是其参照标准。

在编写任何一行代码之前，先明确创意概念。整体氛围应是怎样的？它要讲述怎样的视觉故事？为何这个项目会与其他所有 ASCII 视频有所不同？用户的提示仅是起点——应以富有创意的视角去解读它，而非机械地照搬文字内容。

首次渲染的结果必须堪称卓越，无需经过多次修改即可呈现出令人震撼的视觉效果。如果作品显得千篇一律、缺乏层次，或是有着典型的“AI 生成的 ASCII 艺术”风格，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现有元素。参考资料中的效果目录、着色器预设以及调色板库仅可作为基础素材。针对每个项目，应将这些元素进行组合、改造，甚至创造全新的图案。那些参考资料不过是绘画的颜料调色板——真正的作品由你亲手打造。

要主动发挥创造力。当项目需求超出现有功能范围时，应拓展相关技能的适用范围。如果参考资料中没有符合创意构想的内容，那就自行开发。至少要加入一个用户虽未提出要求但一定会欣赏的视觉元素——比如转场效果、特殊特效，或是能提升整部作品格调的色彩选择。

相比技术上的完美，更为重要的是整体风格的统一性。视频中的所有场景都应通过统一的视觉语言相互关联——相同的色温、相近的角色配色方案、一致的运动表现风格。即便每个场景在技术上都很准确，但如果每个场景都使用截然不同的特效，那依然属于美学上的失败。

层次丰富、构思精巧。 每一帧都值得细细品味，绝无单调的纯黑色背景，始终采用多网格构图，每个场景都有独特变化，色彩运用也处处经过精心设计。

模式

技术架构

每个项目仅需一个独立的Python脚本，无需GPU支持。

流程架构

所有模式均遵循相同的6阶段处理流程：

INPUT → ANALYZE → SCENE_FN → TONEMAP → SHADE → ENCODE

1. INPUT — 加载/解码原始素材（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 — 通过场景函数将内容渲染到像素画布上（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标准化处理。相关内容可见references/composition.md中的“自适应色调映射”章节
5. SHADE — 通过ShaderChain与FeedbackBuffer实现后期处理效果。更多信息请参阅references/shaders.md
6. ENCODE — 将原始的RGB帧传递给ffmpeg，以实现H.264或GIF格式的编码

创意方向

审美维度

各章节自定义选项

切勿为整个视频使用相同的配置。针对每个片段/场景，应做到：

• 不同的背景效果（或组合2-3种效果）
• 不同的角色色彩方案（需与整体氛围相契合）
• 不同的色彩策略（至少色调要有所区别）
• 调整着色器强度（在高潮部分增强光晕效果，在安静场景中增加颗粒感）
• 若使用粒子效果，则需采用不同的粒子类型

为项目量身定制创意

针对每个项目，至少设计以下一项创新内容：

• 与主题相匹配的定制角色色彩方案
• 自定义背景效果（通过组合或修改现有元素实现）
• 定制色彩调色板（选用与品牌或氛围相协调的独立RGB颜色组合）
• 自定义粒子类型集
• 独特的场景过渡方式或视觉亮点

不要仅仅从现有资源库中挑选内容。资源库只是词汇表——而你需要创作属于自己的诗篇。

工作流程

第一步：明确创意构想

在编写任何代码之前，先清晰阐述创意核心要素：

• 氛围/情绪：希望观众感受到什么？充满活力、宁静沉思、混乱无序、优雅精致，还是阴森恐怖？
• 视觉叙事：整个视频中会发生什么？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？单色系？霓虹色？大地色系？哪种颜色是主导色？
• 元素质感：密集的数据点？稀疏的星星？有机形状的点状物？几何图形块？
• 独特之处：究竟是什么让这个项目与众不同？
• 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，最终达成圆满结局？ 将用户的提示映射为特定的视觉风格。“轻松的低保真可视化效果”与“故障风格的赛博朋克数据流”对各项参数的要求截然不同。

第2步：技术设计

• 模式 — 以上6种模式中的其中一种
• 分辨率 — 横屏1920x1080（默认），竖屏1080x1920，正方形1080x1080，帧率为24fps
• 硬件检测 — 自动检测核心数/内存容量，并设定相应的质量配置。详情请参阅 references/optimization.md
• 场景分段 — 将时间戳与不同场景功能对应起来，每个场景均可独立设置特效、调色板、颜色及着色器参数
• 输出格式 — MP4（默认），GIF（640x360，帧率为15fps），PNG序列

第3步：编写脚本

仅需一个Python文件。各组成部分及参考资料如下：

1. 硬件检测与质量配置 — references/optimization.md
2. 输入加载器 — 视模式而定；参见 references/inputs.md
3. 特征分析器 — 支持音频 FFT、视频亮度分析或合成数据解析
4. 网格系统与渲染器 — 基于多密度网格并配备位图缓存；详见 references/architecture.md
5. 字符调色板 — 每个项目可配置多个调色板；参见 references/architecture.md § 调色板
6. 颜色系统 — 包含 HSV 颜色模型、离散 RGB 颜色空间以及色彩协调性生成机制；详见 references/architecture.md § 颜色
7. 场景函数 — 每个函数均返回格式为 canvas (uint8 H,W,3) 的图像数据；参见 references/scenes.md
8. 色调映射 — 用于实现自适应亮度标准化处理；参见 references/composition.md
9. 着色器管线 — 由 ShaderChain 和 FeedbackBuffer 共同构成；详见 references/shaders.md
10. 场景表与调度器 — 根据时间顺序关联对应的场景函数及配置参数；参见 references/scenes.md
11. 并行编码器 — 利用 ffmpeg 流处理技术实现多工作线程下的片段渲染
12. 主程序 — 负责协调整个处理流程的运行

第 4 步：质量验证

• 先测试单帧图像：在完整渲染之前，先在关键时间点渲染单个帧进行测试
• 亮度检查：所有 ASCII 内容的 canvas.mean() 值应大于 8；若画面过暗，则需降低伽马值
• 视觉一致性检查：所有场景是否呈现出属于同一视频的连贯感？
• 创意理念匹配度检查：输出结果是否符合第 1 步设定的创意概念？若效果过于普通，需重新调整设计思路

关键实现注意事项

亮度处理 — 应使用 tonemap() 函数，而非线性乘法方式

这是最突出的视觉问题。黑色背景上的ASCII字符本身就显得很暗。绝不要使用 canvas * N 这种缩放方式——它会导致高光部分被截断。应采用自适应色调映射技术：

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，明亮场景则为 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 环境下使用 Pillow 时，textbbox() 函数返回的高度值可能不准确。建议使用 font.getmetrics() 方法：cell_height = ascent + descent。更多详情请参阅 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。应将错误输出重定向到文件中。相关解决方案请参见 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。建议在初始化阶段验证字体调色板，逐一渲染每个字符并检查是否有空白输出。更多详情请参阅 references/troubleshooting.md。

单个片段的处理架构

对于由多个片段组成的视频（如引言、场景、章节等），建议将每个片段单独作为一份剪辑文件进行处理，从而实现并行渲染和有选择性的重新渲染。相关说明请参见 references/scenes.md。

性能目标

参考资料

创意发散模式（仅当用户要求生成实验性、创意性或独特的输出时使用）

若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，请在编写代码之前选择最合适的策略，并详细规划其执行步骤。

• 强制关联法——适用于用户需要跨领域灵感的情况（如“让整体看起来更自然”、“工业风风格”）
• 概念融合法——适用于用户指定两种元素进行结合的情况（如“海洋与音乐的融合”、“太空与书法的结合”）
• 迂回策略法——适用于用户完全开放接受新奇想法的情况（如“给我一个惊喜”、“我从未见过的东西”）

强制关联法

1. 选择与目标视觉效果无关的领域（如天气系统、微生物学、建筑学、流体力学、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字符和动画效果
4. 综合生成——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. 指定两个不同的视觉/概念领域（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. 有选择地融合——保留最有趣的对应关系，舍弃强行关联的部分
4. 挖掘仅在融合状态下才出现的独特特性

迂回策略法

1. 想象一个方法：“将错误视为一种隐含的意图” / “运用旧有的思路” / “你的挚友会怎么做？” / “着重强调缺陷” / “将事物颠倒过来” / “只看局部，而非整体” / “反向操作”
2. 结合当前的 ASCII 动画挑战来解读该指令。
3. 在编写代码之前，先将这种跳脱常规的思维方式应用到视觉设计中。