之前已經提過\move的指令 這邊再做複習.
\move 這個指令
顧名思義,這是個移動字幕用的特效語法.
Dialogue: 0,0:00:04.04,0:00:09.96,KanjiUp,,0000,0000,0000,Karaoke,{\fad(300,300)}{\frx720\t(0,300),\frx0}{\move(320,400,320,180,0,1500)}{\K40}{\K60}君{\K31}の{\K39}手{\K147}で
之前教學第5章有提過這個語法的構成.
\move(<x1>, <y1>, <x2>, <y2>[, <t1>, <t2>])
<x1>, <y1> 起始座標
<x2>, <y2> 終止座標
<t1>, <t2> 動畫開始結束的時間區段,[ms(1/1000秒)]
範例使用的
{\move(320,400,320,180,0,1500)}
其中320,400 分別表示起始點的x軸,y軸座標.
320,180 表示結束的座標
0,1500 0表示開始移動的時間(設定為0表示該行字幕出現就開始移動,如果設定300則表示等字幕出現後的300ms候開始移動),1500移動結束的時間.
(注意,這裡的ms是1/1000秒,而\k的語法使用的是1/100秒)
另外要注意,這是會移動位置的語法,和\pos碰到的時候\pos優先.
也就是說,\pos和\move無法共存.
在使用txt2ass時,如要使用\move語法,請將座標指勾掉.
[教學] SSA/ASS 字幕實戰教學 Chpter.6-4 移動
版主: skyrain
[教學] SSA/ASS 字幕實戰教學 Chpter.6-4 移動
最後由 Fazz 於 2006-08-28, 19:45 編輯,總共編輯了 1 次。
在txt2ass中
成功實現了之前的想法,單字處理特校標籤變成可能且方便.
這邊簡單製作一個接近亂數位置集合的fade in特校.
範例
EX
http://www.youtube.com/watch?v=s_4B0DJCSCM
[V4+ Styles]
Style: Kanji1,みかちゃん,27,65280,16777215,0,-2147483648,-1,0,0,0,100,100,0,0,1,5,3,1,30,30,50,128
[Events]
Dialogue: 110,0:00:38.00,0:00:44.89,Kanji1,,0000,0000,0000,Karaoke,{\fad(300,200)}{\K80}{\K23}{\move(216,180,152,430,0,800)}開
{\fad(300,200)}{\K103}{\K39}{\move(408,340,180,430,0,800)}か
{\fad(300,200)}{\K142}{\K35}{\move(360,300,208,430,0,800)}な
{\fad(300,200)}{\K177}{\K40}{\move(420,350,236,430,0,800)}い
{\fad(300,200)}{\K217}{\K167}{\move(1944,1620,264,430,0,800)}瞼
{\fad(300,200)}{\K384}{\K34}{\move(348,290,292,430,0,800)}こ
{\fad(300,200)}{\K418}{\K19}{\move(168,140,320,430,0,800)}す
{\fad(300,200)}{\K437}{\K18}{\move(156,130,348,430,0,800)}っ
{\fad(300,200)}{\K455}{\K67}{\move(744,620,376,430,0,800)}て
{\fad(300,200)}{\K522}{\K78}{\move(876,730,404,430,0,800)}見
{\fad(300,200)}{\K600}{\K21}{\move(192,160,432,430,0,800)}え
{\fad(300,200)}{\K621}{\K96}{\move(1092,910,460,430,0,800)}る
亂數位置出現->到定位 的集合效果.
其實在程式的預設語法標籤中,已經有集合的效果.不過他表現的是整齊的集合.
為了表現亂數感,我們需要類似的亂數資料.
可惜現在的txt2ass(060828)尚未支援亂數,平方數,取絕對值等數學運算. 運算子也還沒有慣用數學的優先度
(目前是由左到右的優先順序作運算)
在現有的資料中最接近亂數的是?
沒錯,就是字的卡拉ok特校時間.
在txt2ass中,利用%t,就可以將壓好的卡拉ok特校時間用在語法標籤上.
在這邊我是使用這樣的特校標籤
{\move([%t-50*6/5],[%t-50],%x,%y,0,%S)}
其中為什麼要減去50(%t-50),是我在觀察這首歌大略的時間分佈後
(通常歌曲會有固定的拍子,而詞會跟著拍子唱)
使用的數字,為的是將亂數位置能夠分佈在中心點(320,400(假設))的左右.
讓文字是由上下左右集中到正確位置
*6/5(就是乘上1.2,目前程式也還未對應小數) 為的是讓字往右散開一點的加權數
大概是這樣的想法製作了亂數感.
也可以使用 {\move([%t-300+%x],[%t-300+%y],%x,%y,0,%S)}
這樣的數學式讓初始位置上下左右跑,差數(ex:300)和權數在配合歌曲作變化.
EX:
http://www.youtube.com/watch?v=UMpuB8Tr0rs
這樣會是比較整齊的依照卡拉ok變化的時間的快慢上下左右初始位置變化
知道概念以後,剩下的都只是演算法的問題.
請大家找出屬於自己的特校標籤吧~:D
成功實現了之前的想法,單字處理特校標籤變成可能且方便.
這邊簡單製作一個接近亂數位置集合的fade in特校.
範例
EX
http://www.youtube.com/watch?v=s_4B0DJCSCM
[V4+ Styles]
Style: Kanji1,みかちゃん,27,65280,16777215,0,-2147483648,-1,0,0,0,100,100,0,0,1,5,3,1,30,30,50,128
[Events]
Dialogue: 110,0:00:38.00,0:00:44.89,Kanji1,,0000,0000,0000,Karaoke,{\fad(300,200)}{\K80}{\K23}{\move(216,180,152,430,0,800)}開
{\fad(300,200)}{\K103}{\K39}{\move(408,340,180,430,0,800)}か
{\fad(300,200)}{\K142}{\K35}{\move(360,300,208,430,0,800)}な
{\fad(300,200)}{\K177}{\K40}{\move(420,350,236,430,0,800)}い
{\fad(300,200)}{\K217}{\K167}{\move(1944,1620,264,430,0,800)}瞼
{\fad(300,200)}{\K384}{\K34}{\move(348,290,292,430,0,800)}こ
{\fad(300,200)}{\K418}{\K19}{\move(168,140,320,430,0,800)}す
{\fad(300,200)}{\K437}{\K18}{\move(156,130,348,430,0,800)}っ
{\fad(300,200)}{\K455}{\K67}{\move(744,620,376,430,0,800)}て
{\fad(300,200)}{\K522}{\K78}{\move(876,730,404,430,0,800)}見
{\fad(300,200)}{\K600}{\K21}{\move(192,160,432,430,0,800)}え
{\fad(300,200)}{\K621}{\K96}{\move(1092,910,460,430,0,800)}る
亂數位置出現->到定位 的集合效果.
其實在程式的預設語法標籤中,已經有集合的效果.不過他表現的是整齊的集合.
為了表現亂數感,我們需要類似的亂數資料.
可惜現在的txt2ass(060828)尚未支援亂數,平方數,取絕對值等數學運算. 運算子也還沒有慣用數學的優先度
(目前是由左到右的優先順序作運算)
在現有的資料中最接近亂數的是?
沒錯,就是字的卡拉ok特校時間.
在txt2ass中,利用%t,就可以將壓好的卡拉ok特校時間用在語法標籤上.
在這邊我是使用這樣的特校標籤
{\move([%t-50*6/5],[%t-50],%x,%y,0,%S)}
其中為什麼要減去50(%t-50),是我在觀察這首歌大略的時間分佈後
(通常歌曲會有固定的拍子,而詞會跟著拍子唱)
使用的數字,為的是將亂數位置能夠分佈在中心點(320,400(假設))的左右.
讓文字是由上下左右集中到正確位置
*6/5(就是乘上1.2,目前程式也還未對應小數) 為的是讓字往右散開一點的加權數
大概是這樣的想法製作了亂數感.
也可以使用 {\move([%t-300+%x],[%t-300+%y],%x,%y,0,%S)}
這樣的數學式讓初始位置上下左右跑,差數(ex:300)和權數在配合歌曲作變化.
EX:
http://www.youtube.com/watch?v=UMpuB8Tr0rs
這樣會是比較整齊的依照卡拉ok變化的時間的快慢上下左右初始位置變化
知道概念以後,剩下的都只是演算法的問題.
請大家找出屬於自己的特校標籤吧~:D