企业官网建设流程全解析

OpenMontage music-to-video 运动基元目录（motion-primitive catalog）：面向节拍锚点的 free-compose 微动作速查与组合语法

【免费下载链接】OpenMontageWorld's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage

导读

本文解析 OpenMontage 仓库中 music-to-video 技能的references/motion-primitive-catalog.md（运动基元目录）——它是技能体系里"原子动作层"的完整菜单。当某个帧内小组（group）没有现成模板可套用时，编排者（orchestrator）可以直接按"锚点 + 最佳时长 + 动作语义"三要素命名一组运动基元（primitive）来自由编排（free-compose）。读完本文你将掌握：46 个运动基元的全量清单与适用锚点、贯穿所有基元的时序与延迟铁律（0ms 硬击、提前 40–190ms 落地、300–500ms 缓动入场、800–2000ms 宏观构建等）、把基元组合成一个"一个主导系统 + 最多一层纹理"的构图语法，以及这些规则如何在仓库的 GSAP/HyperFrames 参考实现与 STORYBOARD 规划格式中落地。

一、运动基元在 music-to-video 工作流中的定位

music-to-video 技能（SKILL.md）是一个"一曲一视频"的节拍同步工作流：先由唯一的节拍分析器 analyze-beatgrid.py 生成audiomap.json，再切帧、写 STORYBOARD、逐帧派发子代理构图、最后装配渲染。每一帧（frame）内可再拆出多个小组（group），每个小组在 Step 3（planning）时只能选择三种处理方式之一：

1. 匹配模板（template）：从 template-catalog.md 中挑选整帧级成套方案；
2. 自由编排（free-compose）：从运动基元目录命名一组 L0 原子动作；
3. 素材处理（asset）：按 montage.md 处理用户提供的图片/视频。

运动基元目录正是第 2 种方式的"选菜单"。从目录结构看，它被明确标注为L0 目录实现（atomic layer），而模板目录则是建立在 L0 之上的 L1 成套实现：

原子层（atomic layer）的语义是：一个锚点 → 一个微动作（one anchor → one micro-move）。当没有模板能覆盖某个小组时，就通过命名这里的基元来做 free-compose——扫描每个基元的锚点 anchor+最佳时长 best span+动作效果 what it does，然后挑出能承载该小组的最小动作集合。

规划阶段的决策权划分是：编排者决定WHAT（选哪些模板/基元、写什么文案、绑到哪个真实音频锚点秒），frame-worker 子代理决定HOW（微时序、布局、命名空间等实现细节）。这一点在 planning.md 中写得很明确——storyboard 里绝不出现毫秒级 tween。因此这份目录是编排者唯一需要背诵的"动作词汇表"。

二、先看懂三个扫描维度

使用这份目录之前，需要理解每个基元行的三个列字段，它们是"扫描-挑选"协议：

目录中反复出现的锚点词汇，对应analyze-beatgrid.py产出的audiomap.json字段，含义对照如下：

• beat / downbeat：节拍网格中的击拍/强拍下拍；beat_cut节奏型下才可信；
• hard_stop：音乐骤停，是"锁死"类动作的首选落地锚点；
• drop / surge / crash / kick / snare：能量相位中的重音类锚点（DROP/SURGE 是key_moments级别）；
• onset：瞬态起始点，带有onset_rate密度信息；
• roll / build：滚奏/渐强——天然的"累积容器"；
• phrase / section_start / section change / reveal / transition / accent / texture / hold / energy / silence：乐句、段落切换、揭示点、重音、氛围停留等结构性锚点。

当某个锚点带有→箭头（如roll → downbeat、onsets → downbeat、roll → downbeat），表示该基元是一个"先累积、后在目标锚点上锁定/收束"的两段式动作。

三、通用时序与延迟铁律（适用于所有基元）

目录开头给出了一套所有基元都必须遵守的时序法则，这也是与"配乐背景跑马灯"最根本的区别——这里运动本身即是打击乐。共六条：

3.1 硬击点必须是 0ms：缓动会杀死它

Cuts、调色板翻转（palette flips）、内容交换（content swaps）、冻结（freezes）都通过tl.set(...)实现——没有时长、没有缓动。"打击乐就是动作本身"，一旦给硬击加上缓动，它就失去了击打感。

仓库实现中，hard-cut 参考实现 就是这条规则的直译：它预构建 N 个全帧面板（背景色+词），然后仅用tl.set()在每拍处瞬时切换可见面板，注释里写得很直白——"Sample-accurate 0ms cuts … tl.set has no duration and no ease — brutal instant switching"：

for (let i = 1; i < N; i++) { const t = i * STEP; // STEP = 0.28s，即一个 beat 间隔 tl.set("#p" + (i - 1), { opacity: 0 }, t); // 藏起上一块 tl.set("#p" + i, { opacity: 1 }, t); // 同帧秒显出下一块 }

3.2 提前锚点、迟滞响应：40–190ms 提前落地，0–45ms 跟随响应

动作分为两类，时序方向相反：

• 落点型动作（必须在拍上"落地"的，如覆盖全帧的划像 wipe、卡住的计数、两块碰撞）：提前约 40–190ms 启动，使其恰好在该锚点处完成，即"lead the anchor"（提前量带动动作落在拍上）；
• 反应型入场（因击打而"出现"的元素）：在锚点之后 0–45ms触发。

这个"早到/晚到"的二分法保证观众感知到的因果链是"动作打中节拍"，而非"动作碰巧跟在节拍后"。

3.3 缓动入场 300–500ms，宏观构建 800–2000ms

动作时长分两档：

• 缓动入场（eased entrances）：scale punch、滑动、镜头推进等，300–500ms；
• 宏观构建（macro builds）：跨越整个 roll / 静默段的累积动作，800–2000ms。

参考实现中可观察到典型取值：如 kinetic-letter-in 使用duration: 0.55（约 550ms）+back.out(2)的每个字母入场、stagger: 0.045错峰，随后 0.6s 的字距展开——正是"缓动入场"档位；counting-punch 的计数主过程duration: 1.15则落在"宏观构建"档。

3.4 每小节配额（per-bar caps）

克制是配乐的常识，具体三条配额：

• 每个击打点只累积一个元素（是"累积"不是"爆发"）；
• 镜头运动每个乐句至多一次，绝不在每个拍上都动；
• 高密度翻转/strobe 系统连续运行不超过 2–3 秒。

3.5 张力构建必须锁死（tension-builds lock）

计数、顺序构建、形变等"张力型"基元必须在某个强拍（downbeat）或 hard_stop 上"解决/收束"，绝不允许在小节中途拖尾散掉。这条规则与锚点列中大量roll → downbeat、roll → hard_stop的形态一一对应。

3.6 best span 指的是"活跃运动"，不是拉伸许可证

目录给出的 span 指引不是允许把一个基元拉长覆盖整帧。若自由编排的小组实际时长超过了清单 span：

• 增加一个 hold（驻留）或 bed（衬底）；
• 追加下一个基元；
• 或者在下个音乐锚点处把帧再切分出一个新小组。

四、全量目录：46 个运动基元

原目录共收录 46 个基元，下表完整保留其 id、锚点、最佳时长与效果描述（best span 中的 "in" 指入场，如0ms in表示该动作的入场是 0ms 硬切）：

五、快速检索：按"在乐曲中的角色"分组

全量表是权威清单，但为了在 Step 3 现场快速缩小候选范围，可以把 46 个基元按功能角色重新映射（编组仅为检索便利，不改变上表的权威定义）：

结构性大动作（structure，骑强拍/段落边界，负责"布局与切换"）：system-replace、hard-cut、hypercut-whip、palette-flip、content-swap、freeze-hold、mask-reveal、iris-open、pixel-dissolve、datamosh-smear、liquid-morph、3d-card-flip、staggered-exit、staggered-reveal、mosaic-pack、tile-mosaic、negative-space-hold。

打击/冲击类（percussive，0ms 或极短，制造"击打"）：content-swap、hard-cut、flash-cut、color-grid-shuffle、chromatic-pressure、chromatic-split、screen-shake、crash-zoom-in、braam-punch、particle-burst、radial-burst-lines、overlay-pop、electric-arc、hypercut-whip。

累积-落定型（accumulate-and-lock，roll/build → downbeat/hard_stop两段式）：binary-decrypt、slot-machine-reveal、counting-punch、value-counter、word-grid-burst、typewriter-reveal。

揭示/揭示性渐变（reveal，缓动入场档 300–500ms 起步）：kinetic-letter-in、chrome-sweep、outline-to-fill、spotlight-sweep、directional-fill、blur-resolve、mask-reveal、iris-open。

氛围 / 纹理 / 背景（hold / texture / bed，长驻留）：bg-flow-field（唯一的整帧 bed）、neon-flicker、text-wave-distort、gooey-metaball、text-spectral-rays（hero 字标专用）。

镜头类（camera）：dolly-zoom、screen-shake、crash-zoom-in、hypercut-whip。

六、组合语法：free-compose 的构图规则

目录的 "How to combine" 一节定义了把多个基元叠成一个小组的组合语法。直接照抄其规则如下：

6.1 一个主导系统，最多一层纹理

每个小组只有一个主导系统（dominant system）；最多只能在一层结构性基元之上叠一层纹理基元。参考实现的目录布局印证了这一分层：references/motion-primitives/<id>/index.html中的每个基元都是单文件自包含的 recipe，组合时由 frame-worker 把若干 recipe fork 进同一帧、分别命名空间化。

6.2 结构上强拍，纹理上弱拍

• 结构性动作放在强拍上：cut、镜头运动、system-replace骑乘downbeat / phrase / section_start；
• 纹理性动作放在弱拍/切分音上：content-swap、打字机字符、chromatic 重音等。

6.3 roll 是累积容器

一个 roll（滚奏段）本质上是一个"累积容器"：在 roll 期间持续构建，然后在结束它的那个强拍上硬切到干净布局。所以表里累积型基元的锚点几乎都是roll → downbeat形态。

6.4drop≠downbeat，这是两个层级

• downbeat：同一 regime（视觉体制）内部的一次切换；
• drop：一次 regime 切换（system-replace、整体清空、元素数量级跳变）。

两者不混用，因为它们的构图代价完全不同。

6.5 让静默做减法

用negative-space-hold让静默移除密度——silence / hard_stop 时主动杀掉拥挤图层，只留一个可读标记在空场中，而不是让画面继续"填空"。

6.6 背景衬底是"图层"而不是"动作"

bg-flow-field这类 bed 属于图层而非动作：同一时刻只能有一个 bed，且永远放在前景基元之下（"one bed at a time, under foreground primitives"）。

6.7 hero 字标的排他性

text-spectral-rays是 hero 字标（主字标）的专属待遇：一旦使用它，就不要再在同一画面上叠加同一个词的另一个可见副本。

七、在代码层落地：参考实现与子代理契约

这份目录不是纸面清单——仓库在 references/motion-primitives/ 下为 46 个条目中的 37 个提供了可运行的 HTML 参考实现（如hypercut-whip/、bg-flow-field/、counting-punch/等各自是一个<id>/index.html），并共享一个 vendored 的 gsap.min.js。每个实现都是 1920×1080、注册window.__timelines["main"]暂停时间线的标准 HyperFrames 组合，可直接在浏览器打开预览。

以三个实现为例看时序规则如何在代码中兑现：

1）hard-cut/index.html —— 0ms 硬击预构建全帧面板数组（背景色/前景色/词三数组，WORDS = ["CUT","NOW","HARD","SNAP","STOP","GO","CUT"]），STEP = 0.28s即一个拍间隔。切换只发生在tl.set()上，tl.set无 duration、无 ease——对应 3.1 的"缓动杀死硬击"。帧尾还带"回卷"逻辑（把末面板切回首面板），保证循环重入时颜色与词与起点一致。

2）kinetic-letter-in/index.html —— 300–500ms 缓动入场把单词拆成<span class="char">，用tl.from(".char", { y: 80, opacity: 0, stagger: 0.045, ease: "back.out(2)", duration: 0.55 }, 0.05)逐字母弹入，再以power2.out做 0.6s 字距展开——时值落在目录给定的缓动入场档。

3）counting-punch/index.html —— 累积-落定-锁死用一个 tween 驱动计数器对象在duration: 1.15（expo.out）内滚到目标值12847，数字每变一帧触发一次 1.045 的微缩放 tick；在落定时刻（t=1.3s）先power4.out冲到 scale 1.12，再以elastic.out(1, 0.55)弹回 1.0，同时下划线expo.out画线、caption 淡入。整个"构建→落定 punch→弹性锁死"正是roll → downbeat锚点与"tension-builds lock"规则的一次完整演示。

frame-worker 的实际装配契约在 sub-agents/frame-worker.md 中定义：子代理拿到 storyboard 里该帧的free_design块后，把材料 fork 进本帧文件，把所有锚点换算为帧内本地时间（local_t = track_t − span_sec[0]），用一个暂停的gsap.timeline({paused:true})在window.__timelines["<frame_id>"]上同步注册，并用tl.set(group,{autoAlpha:1/0}, start/end)的 0ms 交换实现帧内 group→group 切点；frame-worker 不运行hyperframesCLI（那是装配后项目上 Step 6 的事）。另外目录里注明"GSAP 由宿主加载，帧文件不再自带<script>"，但单个参考 recipe 为了独立预览仍自带 gsap 引用，fork 进帧文件时需要按 worker 契约删除该行。

八、STORYBOARD 中的实际写法

Step 3 规划时，free-compose 组在 storyboard 中写成free_design块。综合 planning.md 定义的字段，典型形态如下（字段格式示意，实际以该技能规划的 storyboard-format 为准）：

### Groups - group: g1 free_design: dominant_system: hard-cut # 一个主导系统 primitives: [content-swap, chromatic-split] # 一层结构 + 一层纹理 density_topology: 2-region # 密度拓扑：如"双区域/单焦点/满帧" anchors: # audiomap.json 的真实秒数 - { beat: 12.30, role: hard-cut } - { onset: 12.86, role: content-swap } copy: ["CUT", "NOW", "HARD"]

编排者只写"选了什么 + 内容 + 真实锚点秒 + 累积/错峰意图"，微时序完全留给 frame-worker。完成后运行 validate-plan.mjs 校验：凡是硬错误（时长不匹配、帧未铺满音轨、缺少src）都会以✗报出并需清零，warning 则尽力而为。

九、组合时的常见误区对照

把前文的规则浓缩成一份快速自检清单，供 Step 3/4 时对照：

1. 把硬击加了缓动→ 打击感消失。检查content-swap、hard-cut、palette-flip、freeze-hold是否仍是 0ms。
2. 让落点型动作在拍后才启动→ 永远感觉慢半拍。wipe、锁数值、碰撞类动作要提前 40–190ms。
3. 一个基元拉满整帧→ span 是"活跃运动"窗口，超了就加 hold/bed/下个基元，或在下一锚点切帧。
4. 每拍都推镜头→ 违反"镜头每乐句至多一次"。
5. 张力构建在中途散掉→ counting/morph/顺序构建必须落在 downbeat 或 hard_stop 上。
6. drop 和 downbeat 混为一谈→ downbeat 是体制内切换，drop 是 regime 级更换。
7. 叠了两个 bed 或两套主导系统→ 每帧一个主导系统 + 至多一层纹理 + 至多一个 bed。
8. 在text-spectral-rays上再叠同词副本→ hero 字标排他。

十、小结

motion-primitive-catalog 是 music-to-video 技能"自由编排层"的动作语法书：46 个原子动作覆盖了从 0ms 打击乐式硬切（hard-cut、content-swap）到秒级宏观构建（binary-decrypt、value-counter、word-grid-burst）再到长驻留氛围层（bg-flow-field、negative-space-hold）的全部语义；而锚点列（beat / drop / roll→downbeat / hard_stop / silence…）让每个动作都能被绑定到audiomap.json的真实时间轴上。配合 37 份可运行参考实现、free_design规划格式与 frame-worker 的装配契约，编排者可以在"没有模板兜底"时依然用最小动作集合精确承载任意小组的画面意图——这正是这套"以音乐为主干"（music-grounded）工作流能在零素材前提下产出节拍级同步视频的关键设计。

【免费下载链接】OpenMontageWorld's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage