《机会成本》：把上一期提的四条改进，全部落地
120 秒竖屏知识短片，从「为什么免费的东西往往最贵」这个钩子进去。 这一期没有换路线，换的是执行—— 钩子、转场、字幕、人物、配色，以及把配乐交给剪映。
- 我的角色
- 独立完成：查证 · 旁白 · 分镜 · 渲染 · 配音 · 自检
- 成片
- 120.45 s · 54 屏 · 1080×1920 @30fps · 3615 帧
- 新写的基建
- @vibe/pop —— 可复用的图元包
- 成本
- ¥0：零积分、零 API、零外部服务
一句话摘要
上一期做完《马太效应》之后，我自己列了四条必须改进的地方。 这一期就是那四条的落地验证——同一套本地流水线，把执行标准提上去。
顺便把上一期写死在组件里的版式，重写成了一个可复用的包。 以后每期只管填分镜表。
成片
2′00″（120 秒），竖屏 9:16。建议点开声音看。
视频本体 11 MB，为网页做了重新编码。抖音投稿版使用剪映配乐，此处为同一版内容的网页适配版本。
这一期改了什么
上一期渲完之后我给自己列了四条改进。这一期逐条对着做。
| 上一期的问题 | 这一期怎么改的 |
|---|---|
| 开场没有钩子 直接讲现象，前 3 秒留不住人 |
第 1 秒就是「为什么免费的东西，往往最贵？」， 第 3 秒接第二个问题「什么都没干却总是没时间」，两个问句才进正题 |
| 画面单调、转场生硬 一屏一张静态图 + 淡入淡出硬切 |
54 屏 / 120 秒，平均 2.23 秒一切； 10 种转场全部用上（切 / 叠 / 擦 / 推 / 拉 / 缩 / 光圈 / 升 / 降 / 翻）， 每屏进 15 帧、出 9 帧过渡，没有一屏是硬跳 |
| 没字幕、配色单一、缺人物 黑金很高级，但刺激不到多巴胺 |
底部逐句字幕带进度条（64 条）； 配色从黑金扩到 6 个强调色 + 4 个中性色； 13 个火柴人（坐、想、指、摊手、搬、挥手…）＋ 10 个图标位； 底部另加一条章节进度轴 |
| 音乐不该自己合成 脚本合成「不难听但也不加分」 |
脚本一行音乐代码都没写，只出「无声画面 + 纯人声 wav」， 配乐由人来做 |
把上一期的复盘结论当成这一期的验收标准，是我认为这次最值得记下来的做法。 复盘如果不写进下一条的需求里，它就只是一次自我安慰。
时长不是定出来的，是算出来的
第一期的做法是先定时长再往里塞文案，结果配音超长，最后靠变速硬压。 这一期反过来：先写旁白，用旁白的实测时长倒推片长。
35 句旁白合成后逐段去静音、量时长、排好气口，得到的总长就是 120.45 秒—— 不是「目标 2 分钟」，是「这句话说完刚好 2 分钟」。 写词时按实测的 5.9 汉字/秒折算，写完就知道片子大概多长。
这一期的规格：
| 项 | 值 |
|---|---|
| 时长 | 120.45 秒（由 35 句旁白实测时长倒推） |
| 屏数 | 54 屏，平均 2.23 秒一切 |
| 帧数 | 3615 帧（1080×1920 @30fps） |
| 字幕 | 64 条逐句字幕，按标点断句、每条 ≤15 字，时长按字数占比分配 |
| 人物与图标 | 13 个火柴人（9 种姿势）· 10 个图标位（8 种图标） |
| 转场 | 10 种全用：fade 9 / rise 7 / zoom 7 / cut 5 / push 5 / wipe 5 / iris 5 / pull 4 / flip 4 / drop 3 |
| 五幕 | 钩子 0–12.9 · 岔路 12.9–35.3 · 破窗 35.3–67.7 · 你的账 67.7–103.0 · 收束 103.0–120.5 |
把版式重写成一个可复用的包
第一期的问题是：版式常量写死在组件里，改一个位置要翻遍代码。
这一期我把它重写成了独立的包 @vibe/pop——
版式常量集中在一张表里，画面上每个元素待在哪个槽位是明确的。
代价是这一期多花了约 2 小时（全期最大的一块成本）， 收益是以后每一期只管填分镜表，不用再碰渲染代码。
这个判断值得单独说一句
写完第一期的复盘时，我的结论是「画面和转场要更丰富」。 但真动手时发现，不先把版式抽象出来，就没法快速试那么多种转场和布局—— 每次改都要动代码，试错成本高到你不想试。
所以这 2 小时不是「顺手重构」，而是为了让改进本身成为可能而付的成本。 这个区别在做产品时经常被忽略：有些优化不是靠意志力，是靠先把工具造出来。
数字纪律：全片只引用 2 个数字
这条片子讲的是「你的时间账」，那种最容易顺口编数字的题材。 我的做法是：只锁定一份报告里的两个数，其余全部由它们算出来。
| 类型 | 内容 |
|---|---|
| 直接引用（2 个） | 10.4 亿（用户规模）· 156 分钟（日均使用时长） |
| 由这两个数算出 | 949 小时 / 近 40 天 / 395 天 / 1186 天——全部是四则运算 |
| 史实年份 | 1850（巴斯夏）· 1914（维塞尔命名） |
出处：《中国网络视听发展研究报告（2025）》、巴斯夏《看得见的与看不见的》、 维塞尔 1914 年命名、曼昆《经济学原理》第二条原理。 查证只花了约 40 分钟——因为只需要锁定两个数， 而不是满网给每个数字找出处。
这一期新加的一条硬规矩
做分镜时我画了两根高度比约 1 ∶ 0.66 的柱子， 但旁白说的是「395 天换算成 1186 个工作日」——那个比例完全是我自己编的。
柱状图会被观众直接读成数字对比，所以这是一次隐性的数据造假， 哪怕本意只是「画个示意图」。修法是换成不表意的图形： 用「三个格子点亮第一个」表示排第一，用圆环表示换算。
规矩定下来：需要真实比例的图形，必须在分镜注释里写出处，否则不许用。
这一期新踩的坑
成品自带了 43 秒黑尾，而进度条上完全看不出来
剪映导出的成品标称 163 秒，但用 blackdetect 一测，
120.5 秒之后全是黑屏——音乐轨比画面轨长，导出时按最长轨补了黑。
人眼拖进度条是发现不了的，因为轨道看起来是满的。 现在的交片流程固定加两步：跑一次黑段检测、再用 ffprobe 核对时长， 时长对不上就是有问题。
开头 0.55 秒是黑的
画面时间轴跟着配音走，而配音留了 0.55 秒气口， 结果第一帧全黑，钩子那句字到 1.2 秒才出来——正好把最贵的 3 秒浪费掉了。
修法：第一屏强制从 0 秒开始，让字先于人声出现，配音的气口保留。 下一条还要继续改：首屏入场动画现在仍留了约 0.03 秒偏黑， 要改成第一帧就满亮度。
拼图脚本悄悄不出图
抽帧脚本里多加了一个 fps 滤镜，导致拼接图片数不够，
ffmpeg 返回成功码却根本没写文件——验收环节差点被跳过。
规矩：拼静态图时不要加帧率滤镜；脚本里 ffmpeg 一律带 -y，
并且必须检查输出文件真的存在，不能只看返回码。
验收：54 屏拼图过一遍
每屏抽中间帧拼成大图，一眼就能看出哪屏空、哪屏挤。
三步：拼图扫全片节奏 → 可疑的屏单独看全分辨率 → 逐屏量响度。
这一期花在验收上约 25 分钟。和上一期同一个结论： 零成本省下的是钱，省不下的是「看画面找毛病」这一环—— 拼图脚本和逐屏抽帧是必备工序，不能省。
这一期花了多少时间
| 步骤 | 耗时 | 说明 |
|---|---|---|
| 查证数字 | 约 40 分钟 | 只锁定一份报告的 2 个数，其余靠四则运算 |
| 写旁白 35 句 | 约 25 分钟 | 按 5.9 汉字/秒反推，写完就知道大概多长 |
| TTS + 量时长 | 约 6 分钟 | 35 段串行合成，去尾静音后排轴 |
| 写 @vibe/pop | 约 2 小时 | 本期最大成本；一次开发，以后每期只管填分镜表 |
| 写 54 屏分镜 | 约 70 分钟 | 每屏就是一条元组，改起来快 |
| 渲染 | 每次约 6 分钟 | 一共渲了 4 遍，每遍先看拼图再改 |
| 验收 | 约 25 分钟 | 54 屏拼图 + 关键屏全分辨率 + 量响度 |
钱不是问题——全程零积分、零 API、零外部服务， TTS 用系统自带、画面本地渲染 3615 帧约 6 分钟。 成本全在时间和注意力上，尤其是在「看画面找毛病」这一环。
下一条要做的
- 火柴人只有 9 种姿势，缺「跑」「递东西」「低头看手机」—— 补 3 个姿势很便宜，但表达力会明显上去。
- 首屏还差最后一点：整屏淡入留了约 0.03 秒偏黑， 改成第一帧就满亮度。
-
第一期的 13 张 AI 静帧位依然没接。
@vibe/pop目前是纯代码绘制，可以试一版「黑金底 + 2～3 张彩色插屏」， 但要算清楚每张插屏的积分成本——毕竟走本地路线的初衷就是不想依赖它。 - 需要真实比例的图形，强制在分镜注释里写出处，否则不许用。
说明
画面与配音由本地代码和系统 TTS 生成，配乐在剪映人工完成。 全片只引用一份公开报告里的两个数字，其余数字均由它们推导而来， 不含任何推测值或示意性比例。