Spaces:
Running
Running
Download kkndme/frontend/src/video/script.ts from Ethscriptions/tz: direct link, hf CLI and curl.
- Browser
- Download file 13.9 kB
-
https://huggingface.co/spaces/Ethscriptions/tz/resolve/main/kkndme/frontend/src/video/script.ts
- Command line
-
hf download hf://spaces/Ethscriptions/tz/kkndme/frontend/src/video/script.ts
-
curl -L -o script.ts https://huggingface.co/spaces/Ethscriptions/tz/resolve/main/kkndme/frontend/src/video/script.ts
13.9 kB
| // 旁白脚本:text 为字幕;say 为配音朗读用(可选);音频文件 public/vo/voNN.mp3 由同序号生成 | |
| export type SceneKey = | |
| | 'intro' | |
| | 'method' | |
| | 'score' | |
| | 'price' | |
| | 'cities' | |
| | 'money' | |
| | 'policy' | |
| | 'rulers' | |
| | 'brier' | |
| | 'blind' | |
| | 'pending' | |
| | 'outlook' | |
| | 'outro' | |
| export interface VoLine { | |
| scene: SceneKey | |
| text: string | |
| say?: string | |
| } | |
| export const VO_LINES: VoLine[] = [ | |
| // 00 序章 | |
| { scene: 'intro', text: '2010年,中国楼市正在狂飙。4月“新国十条”出台,北京率先限购,人人都在问:房价,到底会不会跌?', say: '2010年,中国楼市正在狂飙。4月,新国十条出台,北京率先限购。人人都在问:房价,到底会不会跌?' }, | |
| { scene: 'intro', text: '就在这时,天涯论坛上,一个叫 KKndme 的网友开帖聊房子。他不晒房、不喊涨,而是从土地、货币,一路讲到制度和人性。', say: '就在这时,天涯论坛上,一个叫 K K need me 的网友,开帖聊房子。他不晒房,不喊涨,而是从土地、货币,一路讲到制度和人性。' }, | |
| { scene: 'intro', text: '从2010年8月写到2011年7月,整整11个月,一千多层楼。网友追更、抄笔记、整理成册,尊称他“KK大神”。', say: '从2010年8月,写到2011年7月,整整11个月,一千多层楼。网友追更、抄笔记、整理成册,尊称他:K K大神。' }, | |
| { scene: 'intro', text: '那一年,全国商品房均价每平方米5032元;十年后,是9860元。' }, | |
| { scene: 'intro', text: '这个帖子被无数人奉为“房地产圣经”。可2021年之后,剧情突然反转。' }, | |
| { scene: 'intro', text: '全国商品房销售面积,从17.9亿平方米,一路掉到8.8亿,少了一半。' }, | |
| { scene: 'intro', text: '神贴到底神不神?今天不吹不黑,用数据把这十五年的账,一笔一笔对清楚。' }, | |
| // 07 方法 | |
| { scene: 'method', text: '我用 Claude Opus 5.5,通读了两个文件:天涯原帖和整理合集。', say: '我用 Claude Opus 五点五,通读了两个文件:天涯原帖,和整理合集。' }, | |
| { scene: 'method', text: '两个文件共986页:原帖480页、合集506页,约54万字。', say: '两个文件,一共986页:原帖480页,合集506页,约54万字。' }, | |
| { scene: 'method', text: '从中提炼出43条核心理论,和123条能够核对的具体预测。' }, | |
| { scene: 'method', text: '每一条都对照统计局、央行、国际清算银行的数据和公开报道,核对到2026年10月。' }, | |
| { scene: 'method', text: '而且不只判对错,每条还要打四层标签:说得多具体、是否逆共识、赌的是什么、证据有多硬。' }, | |
| // 12 总成绩 | |
| { scene: 'score', text: '先看总账:说对51条,说错30条,对错参半32条,还有10条没到期。' }, | |
| { scene: 'score', text: '只算能分出对错的81条,命中率是63%。' }, | |
| { scene: 'score', text: '但口径一换,结论就变:存疑全算错,只剩45%;存疑算半对,59%;按难度和证据加权,55%。' }, | |
| { scene: 'score', text: '所以单看一个命中率没有意义。真正有价值的,是看他在哪里准、在哪里不准。' }, | |
| { scene: 'score', text: '接下来,我们分五个战场逐一拆开:房价、城市、货币、政策,还有他看漏的地方。' }, | |
| // 17 房价 | |
| { scene: 'price', text: '第一个战场,房价本身。这条线,是国际清算银行根据统计局70城数据编制的中国房价指数。' }, | |
| { scene: 'price', text: '2011年,KKndme说二三线城市两三年内要涨50%到100%。实际三年,全国住宅均价只涨了约24%。', say: '2011年,K K大神说,二三线城市两三年内要涨50%到100%。实际三年,全国住宅均价只涨了约24%。' }, | |
| { scene: 'price', text: '他坚信房价不会跌回2004年。这条至今成立:2025年住宅均价约1万元,是2004年的3.8倍。' }, | |
| { scene: 'price', text: '但他也说房价不会大跌三到五成。2021年三季度见顶后,指数连跌四年半,名义跌了约22%,还没到三成,这条暂无定论。' }, | |
| { scene: 'price', text: '扣掉通胀更明显:实际房价指数跌到85,比2010年还低了15%。' }, | |
| { scene: 'price', text: '这一战场的成绩:方向大体对,幅度和时间点频频失手,命中率只有38%。' }, | |
| // 23 城市 | |
| { scene: 'cities', text: '第二个战场,城市。这是他看得最准的领域之一:城市分化类的判断,命中率78%。' }, | |
| { scene: 'cities', text: '他说一线城市长期跑赢。2010年底到2026年8月,北上广深新房平均涨了111%,其余66城只涨了33%。2026年3月起,一线二手房价格又连续7个月环比上涨。' }, | |
| { scene: 'cities', text: '上海涨了154%,70城第一。他点名“房价低不了”的合肥,十年涨了两倍。' }, | |
| { scene: 'cities', text: '他提醒环京概念盘和旅游地产风险大:燕郊从3.4万跌到1.2万,乳山银滩跌了近八成。' }, | |
| { scene: 'cities', text: '可他看好的昆明、南宁都让人失望。他说重庆6000元的房子很快到9900,两年后仍是6389。', say: '可他看好的昆明、南宁都让人失望。他说重庆六千元的房子很快到九千九百,两年后仍是六千三百八十九。' }, | |
| { scene: 'cities', text: '看懂了大逻辑,却常常押错具体的牌。' }, | |
| // 29 货币 | |
| { scene: 'money', text: '第三个战场,钱。KKndme的核心逻辑是:货币超发,必然高通胀,房子是普通人唯一的避风港。', say: '第三个战场,钱。K K大神的核心逻辑是:货币超发,必然高通胀,房子是普通人唯一的避风港。' }, | |
| { scene: 'money', text: '货币确实超发了:M2从2010年的72.6万亿,涨到2025年的340万亿,是原来的4.7倍。', say: '货币确实超发了:M二从2010年的72.6万亿,涨到2025年的340万亿,是原来的4.7倍。' }, | |
| { scene: 'money', text: '可物价没有跟上:同期CPI累计只涨了32%。他说十年物价可能再涨20倍,差了两个数量级。' }, | |
| { scene: 'money', text: '更反直觉的是,钱越来越多,房价后来却跌了。“印钞托底房价”的逻辑,在2021年后失灵。' }, | |
| { scene: 'money', text: '汇率上他很清醒:人民币只会适度升值,到不了4比1。实际最高6.04,后来贬到7.3,如今又回到6.7左右。' }, | |
| { scene: 'money', text: '黄金他说风险很大,短期确实如此,2013年暴跌28%。但十五年后,金价从1250涨到了4000美元。' }, | |
| // 35 政策 | |
| { scene: 'policy', text: '第四个战场,政策。这是他另一块强项:调控与房产税的判断,命中率83%。' }, | |
| { scene: 'policy', text: '他说两年内调控不会放松、更多城市要限购。2011年,限购扩大到46个城市。' }, | |
| { scene: 'policy', text: '他说房产税真正实施很难。十五年过去,只有沪渝试点;“十五五”规划里,房地产税立法已不见踪影。' }, | |
| { scene: 'policy', text: '他说70年住宅产权到期自动续期。2020年,《民法典》第359条把它写进了法律。' }, | |
| { scene: 'policy', text: '但也有翻车:他说房产税两年内一定不征,5个月后沪渝就开征了;说限购不会长期,结果一限就是十四年。' }, | |
| { scene: 'policy', text: '他说首套首付要提到40%,实际一路降到15%,是1998年以来最低。' }, | |
| // 41 三把尺子 | |
| { scene: 'rulers', text: '为什么同一个人,有时神准,有时离谱?我们用三把尺子来量。' }, | |
| { scene: 'rulers', text: '第一把,具体程度。模糊判断命中71%,方向明确69%,一旦带上数字或期限,只剩45%。' }, | |
| { scene: 'rulers', text: '第二把,是否逆共识。顺着共识说的命中80%,逆着大众说的只有48%,还不如抛硬币。' }, | |
| { scene: 'rulers', text: '第三把,赌的是什么。政策和城市分化接近八成;时间点只有40%,涨跌幅度只有30%。' }, | |
| { scene: 'rulers', text: '结论很清晰:他擅长讲逻辑、判方向,不擅长报数字、掐时间。' }, | |
| // 46 布里尔 | |
| { scene: 'brier', text: '还有一个问题:他说话的语气,是不是太自信了?' }, | |
| { scene: 'brier', text: '我们用布里尔分数来衡量“自信度准不准”:分数越低越好,0分代表全知全能。' }, | |
| { scene: 'brier', text: '如果每句话都按九成把握来算,KKndme得分0.265;按八成算,0.213。都比每句只说“五五开”的0.179还差。', say: '如果每句话都按九成把握来算,K K大神得分0.265;按八成算,0.213。都比每句只说“五五开”的0.179还差。' }, | |
| { scene: 'brier', text: '如果他把把握说成六成,分数反而最好。神贴最大的问题,不是看错,而是太笃定。' }, | |
| // 50 盲区 | |
| { scene: 'blind', text: '最后一个战场,是他的盲区:租金、人口和利率。' }, | |
| { scene: 'blind', text: '他断言“房租下降基本是做梦”。结果2022年起租金连年下跌,租金类预测一条都没说中。' }, | |
| { scene: 'blind', text: '他认为三四线城市人口还会缓慢增长。七普显示,337个城市里有149个人口减少,东北十年少了1101万人。' }, | |
| { scene: 'blind', text: '他也没料到利率会一路走低:房贷利率从6%以上降到3%出头,首付降到15%,房价却还在跌。' }, | |
| { scene: 'blind', text: '他的世界观建立在人口红利和货币扩张上。前提一旦松动,最笃定的判断也会失效。' }, | |
| // 55 未到期 | |
| { scene: 'pending', text: '还有10条预测没到期:3条正在偏向他,2条正在偏离,5条还看不清。' }, | |
| { scene: 'pending', text: '偏向他的:人民币至今没有自由兑换;体制外打工者的养老,压力越来越大。' }, | |
| { scene: 'pending', text: '偏离他的:北京核心区房价超过香港,越来越远;房产税“将来一定会出”,也越来越看不到。' }, | |
| // 58 理论框架与展望 | |
| { scene: 'outlook', text: '对完账,再看他留下的真正资产:一套看房价的理论框架。43条核心理论,归成八大板块。' }, | |
| { scene: 'outlook', text: '它的重要性在于,回答了房价背后的三个根本问题:谁在定价、钱从哪里来、人往哪里去。十五年后,用它解释城市分化,依然好用。' }, | |
| { scene: 'outlook', text: '那么,按照 KKndme 的理论框架,未来房价会怎么走?以下是AI引用他的理论框架做的推演,不构成投资建议。', say: '那么,按照K K大神的理论框架,未来房价会怎么走?以下,是AI引用他的理论框架做的推演,不构成投资建议。' }, | |
| { scene: 'outlook', text: '第一,分化继续。按他的“资金流向”理论:全国富人买京沪,全省富人买省会。核心城市的核心地段,最抗跌。' }, | |
| { scene: 'outlook', text: '第二,普涨难再。他说房价和租金由外来人口决定。如今人口见顶,人口不再流入的城市,房价会长期承压。' }, | |
| { scene: 'outlook', text: '第三,崩盘也难。按“土地财政”和“政府不会让房地产崩盘”的逻辑,政策会持续托底,更可能是长时间的横盘消化。' }, | |
| { scene: 'outlook', text: '但要注意,他最核心的“货币蓄水池”逻辑已经打了折扣:钱越来越多,房价却没有跟着涨。' }, | |
| { scene: 'outlook', text: '所以,未来买房,买的不是“中国房价”,而是具体的城市和地段。再强调一次:这是AI基于理论框架的推演,不构成任何投资建议。' }, | |
| // 66 结论 | |
| { scene: 'outro', text: '十五年对账,这个神贴留给我们什么?' }, | |
| { scene: 'outro', text: '把他的判断放进四个象限:政策和城市分化,他看得很准;数字、时间点和租金,他屡屡失手。' }, | |
| { scene: 'outro', text: '看对方向容易,算准时间很难。' }, | |
| { scene: 'outro', text: '任何预言都建立在当时的前提上。前提变了,再神的帖子,也会过期。' }, | |
| { scene: 'outro', text: '但对账不是为了挑刺。2010年房价还在狂飙,他就把土地财政、货币超发、城市分化这套逻辑,讲得清清楚楚。' }, | |
| { scene: 'outro', text: '政策走向和城市分化,他判断对了近八成。这份眼光,放在当年凤毛麟角。' }, | |
| { scene: 'outro', text: '更难得的是格局:他看的不是一套房的涨跌,而是制度、人口和财富的流向,教会了一代人用经济学的眼光看房子。这份功力,值得致敬:KKndme。', say: '更难得的是格局:他看的不是一套房的涨跌,而是制度、人口和财富的流向,教会了一代人用经济学的眼光看房子。这份功力,值得致敬:K K need me。' }, | |
| { scene: 'outro', text: '123条完整核对,每条都附原话和出处,相关文件全部放在评论区。觉得有收获,记得关注、点赞,在评论区聊聊你的看法。我们下期见。' }, | |
| ] | |
| /** 估算某个词在一句旁白中开始朗读的位置(占整句时长的比例):标点处有停顿、数字读得更长 */ | |
| export function wordAt(text: string, w: string) { | |
| const wt = (c: string) => (/[,。、:;?!]/.test(c) ? 1.5 : /\d/.test(c) ? 1.4 : 1) | |
| const i = text.indexOf(w) | |
| if (i < 0) return 0 | |
| const tot = [...text].reduce((a, c) => a + wt(c), 0) | |
| return [...text.slice(0, i)].reduce((a, c) => a + wt(c), 0) / tot | |
| } | |
| /** 片尾最后一句中“关注 / 点赞 / 评论”出现的位置,用于按钮动效与音效对齐 */ | |
| const LAST = VO_LINES[VO_LINES.length - 1].text | |
| export const CTA_AT: [number, number, number] = [wordAt(LAST, '关注'), wordAt(LAST, '点赞'), wordAt(LAST, '评论')] | |
| /** 片尾关注卡出现的位置 */ | |
| export const CTA_IN = wordAt(LAST, '觉得') | |