🎵 音樂:Vivaldi《四季》夏・第三樂章 急板|John Harrison 演奏(CC BY-SA 4.0) 🗺 影像:Google Earth

每一趟長途自駕旅行結束後,手機裡的 Google 時間軸 (Timeline)總是靜靜躺著數千個 GPS 座標點。如果只是在平面地圖上拉出一條靜態折線,往往難以重現旅途中「從波希米亞平原一路南下穿越阿爾卑斯山脈、再沿瓦豪河谷與伏爾塔瓦河返回布拉格」的空間壯闊感。

在這項實驗專案中,我們打造了一套結合 Google Earth Studio 3D 空拍實景算繪 與 Python 3D 透視投影合成管線 的自動化工作流。將 2026 年 10 月 1 日至 10 月 13 日共 13 天、總長逾 1,390 公里的捷克・奧地利・德國自駕足跡 ,轉化為一支 159.5 秒、1080p 30fps 的 3D 空拍軌跡電影,並完美對齊韋瓦第《四季》夏・第三樂章(急板)的激昂節奏。


📋 目錄

  1. 🎬 最終成果展示:3D 空拍軌跡電影與 2D 互動地圖
  2. 🏗️ 整體製作管線與五階段架構設計
  3. 🗓️ 13 天捷奧德自駕行程與 17 個精選地標時間軸
  4. 💻 核心演算法揭秘:從 .esp 自動運鏡到 3D 透視投影
  5. 🛠️ 實戰踩坑與工程解法全紀錄
  6. 🎵 步驟五:古典配樂響度標準化與 CC BY-SA 4.0 授權規範
  7. ☁️ 延伸架構:以 Cloud Run 與 3D Tiles 打造全自動化雲端服務
  8. 🚀 結論與未來進階

🎬 最終成果展示:3D 空拍軌跡電影與 2D 互動地圖

1. 3D 空拍軌跡動畫最終成品(含配樂)

下方為最終合成輸出的 2026 捷克・奧地利・德國自駕 3D 軌跡影片 (原片規格為 1920×1080 、 30 fps 、 159.5 秒 、共 4,786 格 ,下方提供開啟音軌即可直接欣賞的串流版本):

2026 捷克・奧地利・德國 13 天自駕 3D 軌跡動畫|音樂:Vivaldi《四季》夏・第三樂章 急板(John Harrison 演奏,CC BY-SA 4.0)|影像:Google Earth

這支 3D 軌跡影片在視覺與聽覺設計上整合了 九大核心元素 :

視覺與聽覺元素技術實作與畫面表現說明
3D 空拍畫面由 Google Earth Studio 算繪衛星與 3D 建築實景,全程維持 北方朝上 ,鏡頭順著實際移動軌跡推進
高空開場俯衝從涵蓋中歐三國的總覽高度(約 970 km 高空、垂直俯視 )開場,中央浮現標題「2026 捷克・奧地利・德國 自駕」,隨即俯衝進入布拉格
逐步繪製彩色路線路線隨鏡頭推進即時延伸:🚗 開車為橘色 、🚶 步行為綠色 、🚆 大眾運輸為藍色 ;當日路線呈飽滿實色,前幾日路線則自動轉為淡色
動態交通前端標記路線最前端配置白色圓形標記與彩色外框,內嵌當下交通方式的 Emoji 圖示;在景點停留時精準顯示 「抵達時所使用的交通工具」
17 個精選景點放大抵達重要地標時鏡頭平滑減速、下降至約 1.5 km 高度 、中心對準景點 真實座標 並停留 2.5 秒 ,上方懸掛指向紅點的白色膠囊名稱標籤
左下角日期與行程卡左下角半透明深色卡片搭配左側黃色飾條,同步顯示如「10/03(六)泰爾奇 → 維也納」的日期、星期與當日行程名稱
古典配樂完整對齊採用韋瓦第《四季》夏・第三樂章 急板(John Harrison 演奏,CC BY-SA 4.0), 以音樂長度為準 反推影片總長,從頭播放至最後一個和弦完整結束
結尾 13 秒全路線總覽最後一天行程結束後,鏡頭以 4 秒拉升回 970 km 總覽高度, 停留約 13 秒展示 13 天完整實色路線圖 ,右上角淡入標題、音樂與影像出處面板
官方著作權標示畫面右下角完整保留 Earth Studio 自動加上的「Google Earth」官方浮水印

2. 關鍵影格實景截圖一覽

以下擷取影片中四個代表性的實景合成畫面,展示 低空 3D 建築對位 、 高山垂直俯視防遮擋 與 結尾總覽資訊面板 的細節:

布拉格老城廣場天文鐘 3D 空拍與路線投影 ▲ Day 1(10/01 布拉格・抵達):鏡頭俯衝至布拉格舊城區,綠色步行路線與大眾運輸藍色軌跡交織,白色膠囊標籤精準指向「老城廣場天文鐘」。

奧地利哈爾施塔特湖區 3D 空拍 ▲ Day 5(10/05 瓦豪河谷 → 哈爾施塔特):沿橘色自駕路線駛入阿爾卑斯山谷,鏡頭中心從外圍停車場平滑移至哈爾施塔特舊城湖岸。

溫特斯山山頂纜車站垂直俯視與高程修正 ▲ Day 8(10/08 薩爾斯堡 Day 2):針對海拔近 1,800 公尺的溫特斯山山頂,將地面投影高度設為 1,780 m 並改用 10° 近垂直俯視角,徹底解決山體遮擋與路線漂移問題。

結尾 970 公里高空 13 天完整路線總覽圖 ▲ 結尾總覽(152.0s):鏡頭拉升至 970 km 高空垂直俯視,13 天橫跨捷克、奧地利、德國的環狀路線全數轉為實色,右上角避開路線區域展示完整音樂與影像授權出處。

3. 2D 互動式網頁版軌跡地圖(Live Demo)

除了 3D 空拍影片外,我們也使用 Leaflet.js 打造了可自由縮放、切換播放倍速( 0.5× 至 4× )、點擊任意日期跳轉並即時統計開車、步行與大眾運輸里程的 2D 互動式足跡面板 :

🔗 全螢幕互動體驗 :點此在新視窗開啟「2026 捷奧德自駕・實際足跡」互動地圖

互動式 Leaflet 足跡地圖:點擊左上角「▶ 播放」或下方日期膠囊按鈕,即可即時重播 10/01–10/13 每日行程與停留點

🏗️ 整體製作管線與五階段架構設計

為什麼不在 Google Earth Studio 裡直接畫路線?

許多人初次接觸 Google Earth Studio 時,會直覺想把 KML 軌跡檔直接匯入成疊加層(Overlay)。然而在實測中會發現兩個致命限制:

  1. 不支援動態繪製(Animated Reveal) :Earth Studio 的 KML 疊加層官方主要針對地標、點與多邊形設計,對於 LineString 路線只能整體調整透明度, 無法做到「路線跟著鏡頭逐步畫出」 的動態效果。
  2. 地圖原生標籤與自訂資訊衝突 :若開啟預設地圖資訊,密密麻麻的道路編號與小地名會與我們的路線、景點膠囊標籤重疊,導致畫面雜亂不堪。

因此,我們採用 「算繪與後製分離」 的架構設計:讓 Earth Studio 專心負責「拍出乾淨的 3D 衛星實景畫面」並匯出每一格的 3D 追蹤鏡頭資料(Camera Tracking JSON) ,再透過 Python 腳本將經緯度軌跡透過 3D 透視投影(Perspective Projection)精準疊加到每一格畫面上。

flowchart TD A[Google Timeline JSON 原始足跡] --> B[清理並合併為 KML 軌跡檔] B --> C[步驟一與二 make_esp 腳本解析與運鏡規劃] C --> D[輸出 Earth Studio 專案檔 esp] C --> E[輸出時間與進度節點表 timing json] D --> F[步驟三 Google Earth Studio 瀏覽器算繪] F --> G[4786 張 1080p JPEG 實景序列] F --> H[逐格實際鏡頭追蹤資料 camera json] B --> I[步驟四 route 與 compose 3D 投影合成] E --> I G --> I H --> I I --> J[無聲 H264 合成影片] K[Wikimedia Commons 韋瓦第四季急板 oga] --> L[步驟五 FFmpeg EBU R128 響度標準化與音軌合成] J --> L L --> M[最終成品 trip_full_route_v4_music mp4]

五大步驟職責與解耦優勢

階段解決的核心問題輸入資料輸出產物若跳過此步驟的後果
步驟一:準備軌跡將 KML 中零散的移動段與停留點,整理為每天一條依時間排序、排除跨洲飛行並算妥累積距離的連續路徑test123_actual_track.kml記憶體中的每日路徑、Haversine 累積距離、交通模式路徑順序錯亂、返台班機把鏡頭拉到亞洲、無法依距離分配時間
步驟二:產生專案檔扮演「虛擬導演」,決定每個時間點鏡頭位置、高度與目標點(POI),產生 .esp 與共用時間表每日路徑、17 個景點座標清單.esp 專案檔、 .timing.json 時間表需在 Earth Studio 手動設定 639 組關鍵影格 × 6 個屬性,人工無法達成
步驟三:Earth Studio 算繪運用 Google Earth 3D 衛星與建築模型算繪實景畫面,並匯出每一格的 實際 鏡頭座標.esp 專案檔4,786 張 JPEG 序列、鏡頭追蹤 JSON缺乏 3D 實景底圖;若無匯出鏡頭 JSON,自行內插的誤差最高達 57%
步驟四:畫路線並合成逐格投影繪製抗鋸齒彩色路線、交通 Emoji 圖示、景點膠囊標籤、日期字幕與結尾出處面板JPEG 序列、鏡頭 JSON、 .timing.json 、KML無聲 MP4 影片只有空拍風景,觀眾看不出走了哪條路、現在是第幾天、地標是什麼
步驟五:加上配樂結合合法授權的古典樂錄音,執行 EBU R128 響度標準化,讓影片結尾與最後一個和弦完美同步無聲影片、 music/summer_presto.ogatrip_full_route_v4_music.mp4影片缺乏情緒張力,或因直接裁切音樂導致樂曲突兀中斷

💡 經驗分享 : 「步驟三只負責拍,步驟四才負責畫」 是整套工作流最關鍵的工程決策。在 Earth Studio 算繪 4,786 格需要 30 分鐘以上,但步驟四用 Python 多核心合成只需約 5 分鐘。當我們需要調整字幕字型、路線線寬、標籤位置或結尾出處排版時, 完全不必重新算繪 3D 畫面 ,只要重跑步驟四即可快速迭代!


🗓️ 13 天捷奧德自駕行程與 17 個精選地標時間軸

為了讓觀眾在 2 分 39 秒內既能看清城市步行的細膩動線,又不會在 300 公里的跨國高速公路上感到漫長,我們將 trip_animation.html 中的每日行程名稱( DAYNAMES )、KML 實際移動距離(排除第 13 天布拉格飛往桃園的 9,011.4 km 航段)與 trip_earth_studio_v4.esp.timing.json 的動畫秒數配置整合如下:

1. 每日行程名稱、實際里程與影片時間區間總表

日期(星期)每日行程名稱( DAYNAMES )地面累積距離影片時間區間( t0 → t1 )當日聚焦放大景點(停留 2.5 秒)
開場(Intro)2026 捷克・奧地利・德國 自駕—0.00s → 3.00s970 km 高空總覽停留 1 秒後俯衝進入布拉格
10/01(四)布拉格 · 抵達22.1 km3.00s → 12.41s老城廣場天文鐘、查理大橋
10/02(五)布拉格 · 城堡區15.6 km12.41s → 21.51s聖維特大教堂・黃金巷、佩特任瞭望塔
10/03(六)泰爾奇 → 維也納330.2 km21.51s → 40.67s泰爾奇世遺廣場、維也納國家歌劇院
10/04(日)維也納22.2 km40.67s → 50.03s美泉宮、卡爾教堂
10/05(一)瓦豪河谷 → 哈爾施塔特318.9 km50.03s → 69.38s梅爾克修道院、哈爾施塔特
10/06(二)湖區精華47.7 km69.38s → 78.10s夏夫堡登山鐵道
10/07(三)薩爾斯堡 Day 1133.5 km78.10s → 89.76s薩爾斯堡大教堂
10/08(四)薩爾斯堡 Day 235.6 km89.76s → 100.08s溫特斯山 山頂(Untersberg)、薩爾斯堡要塞
10/09(五)德國國王湖45.5 km100.08s → 108.35s國王湖
10/10(六)→ 庫倫洛夫 (CK)213.1 km108.35s → 122.51s庫倫洛夫城堡
10/11(日)CK → 布拉格189.0 km122.51s → 136.15s萊特納公園
10/12(一)布拉格 · 還車4.0 km136.15s → 138.56s市區步行與大眾運輸還車動線
10/13(二)布拉格 → 桃園14.4 km138.56s → 142.24s前往布拉格機場地面段(排除空中飛行段)
結尾(Outro)13 天完整路線總覽圖+出處面板總計 1,391.8 km142.24s → 159.50s4 秒拉升回 970 km 高空,停留逾 13 秒完整展示全路線

2. 17 個精選地標真實座標與運鏡參數清單

由於實際 GPS 軌跡點常落在外圍停車場(例如哈爾施塔特 P1 停車場距離舊城中心達 1 公里)或因搭乘纜車而缺失軌跡(如佩特任瞭望塔),我們在 make_esp.py 的 HIGHLIGHTS 中直接定義了 17 個景點的真實經緯度座標 ,讓鏡頭在停留期間平滑移至地標正上方:

序號日期景點名稱真實座標(緯度, 經度)動畫停留區間(秒)與軌跡最近距離特殊運鏡與備註
0110/01老城廣場天文鐘50.0870, 14.42075.81s – 8.31s2 m布拉格舊城核心地標
0210/01查理大橋50.0865, 14.41149.11s – 11.61s4 m橫跨伏爾塔瓦河歷史石橋
0310/02聖維特大教堂・黃金巷50.0909, 14.400514.36s – 16.86s83 m黃金巷緊鄰教堂旁,合併為同一停留站
0410/02佩特任瞭望塔50.0835, 14.395117.66s – 20.16s626 m搭乘纜車無 GPS 軌跡;自動拉高鏡頭以同時容納景點與路線
0510/03泰爾奇世遺廣場49.1843, 15.452828.61s – 31.11s53 m摩拉維亞文藝復興水上城堡與彩色廣場
0610/03維也納國家歌劇院48.2030, 16.369037.37s – 39.87s50 m跨國抵達奧地利首都核心
0710/04美泉宮48.1849, 16.312242.47s – 44.97s109 m哈布斯堡王朝夏宮與巴洛克花園
0810/04卡爾教堂48.1983, 16.371946.73s – 49.23s32 m維也納夜間漫步終點地標
0910/05梅爾克修道院48.2284, 15.331755.55s – 58.05s22 m多瑙河畔瓦豪河谷起點巴洛克修道院
1010/05哈爾施塔特47.5622, 13.649366.08s – 68.58s18 m原停留點位於 P1 停車場(偏離 1 km),已校正對準舊城區
1110/06夏夫堡登山鐵道47.7378, 13.444074.80s – 77.30s230 m對準聖沃夫岡齒軌火車站起點
1210/07薩爾斯堡大教堂47.7980, 13.046885.85s – 88.35s123 m薩爾斯堡舊城中心
1310/08溫特斯山 山頂(Untersberg)47.7228, 13.009091.56s – 94.06s9 m山頂纜車站;設最低高度 2,200 m 、傾角 10° 避免山體遮擋
1410/08薩爾斯堡要塞47.7950, 13.047695.98s – 98.48s7 m俯瞰薩爾斯堡全城的城堡要塞
1510/09國王湖47.5930, 12.9877103.88s – 106.38s47 m德國貝希特斯加登國家公園冰河湖
1610/10庫倫洛夫城堡48.8127, 14.3155119.21s – 121.71s13 m原停留點為城外飯店 Hotel CK Park,已校正對準城堡中心
1710/11萊特納公園50.0948, 14.4153132.85s – 135.35s46 m俯瞰伏爾塔瓦河五橋夕陽與布拉格天際線

💻 核心演算法揭秘:從 .esp 自動運鏡到 3D 透視投影

1. 非線性時間分配與 Smoothstep 緩動( make_esp.py )

若將移動時間與距離設為線性正比,330 km 的跨國開車日會佔去整支影片一半以上的時間,而 15 km 的布拉格老城漫步則會在 0.5 秒內一閃而過;反之若每天平均分配,高速公路移動又會快到令觀眾眼花。因此我們設計了雙層次非線性時間分配模型:

  1. 每日時間預算 ∝ √(當日總距離) :以 距離的平方根 分配 100 秒的純移動預算,兼顧長途自駕與城市漫步的觀看體驗。
  2. 日內分段(Leg)時間 ∝ 分段距離^0.7 :在每天內部依景點切分為多個移動段,每段最短保底 0.8 秒 ,並在每天開頭停頓 1.0 秒 、每個景點停留 2.5 秒 。
  3. Smoothstep 緩動內插 :將每天的進度表示為一串節點(Knots) (時間 t, 累積距離 s) ,節點之間使用三次多項式 s(u) = u² × (3 − 2u) 進行緩動,使鏡頭在進入景點前自然減速、離開景點時平滑加速:
def ease(u):
    u = min(1, max(0, u))
    return u * u * (3 - 2 * u)

def interp_knots(knots, t):
    """計算時間 t 的累積行進距離 s(t) 與瞬時速度 ds/dt"""
    if t <= knots[0][0]:
        return knots[0][1], 0.0
    for (ta, sa), (tb, sb) in zip(knots, knots[1:]):
        if t <= tb:
            if tb == ta:
                return sb, 0.0
            u = (t - ta) / (tb - ta)
            # 導數 ds/dt = (sb - sa) / (tb - ta) * 6u(1 - u),供動態鏡頭高度計算使用
            return sa + (sb - sa) * ease(u), (sb - sa) / (tb - ta) * 6 * u * (1 - u)
    return knots[-1][1], 0.0

2. 速度耦合鏡頭高度與 970 km 垂直總覽計算

畫面上的地面視覺捲動速度約等於 「實際移動速度 ÷ 鏡頭高度」 。為了不讓觀眾一下暈車、一下覺得畫面停滯,我們的演算法讓鏡頭高度隨當下移動速度動態伸縮:

  • 動態巡航高度 :高度 ≈ 當下移動速度 × 1.3 (公尺/動畫秒),限制在 1,500 m 至 45,000 m 之間,並在對數空間(Log-space)執行 ±0.75 秒 的滑動視窗平滑化,讓俯衝與拉升極度自然。
  • 景點放大高度 :抵達景點前後 1 秒內,高度降至 max(1500, 2.5 × 軌跡至景點距離, 個別指定高度) ,確保即使軌跡離景點有一段距離(如佩特任瞭望塔相距 626 m ),路線前端與景點依然能同時收進畫面。
  • 970 km 總覽高度幾何推導 :整趟旅程南北跨度約 285 km 、東西跨度約 260 km 。要將整條路線放進 16:9 畫面並保留 20% 邊界,已知 Earth Studio 垂直視角 fovVertical = 20° ,總覽高度計算公式為: 總覽高度 = 跨度範圍 × 1.2 ÷ (2 × tan(視角 / 2)) ≈ 970 km 同時在開場與結尾總覽時將鏡頭傾角(Tilt)漸變為 0° (正下方垂直俯視),使結尾畫面如同一張清晰的巨幅地圖。

3. 逆向工程 .esp 專案格式與 POI 鏡頭目標控制

Google Earth Studio 的 .esp 專案檔為 modelVersion: 18 的 JSON 結構。我們不直接計算容易產生萬向鎖與側滾(Roll)誤差的歐拉角(Heading / Tilt),而是同時寫入 「攝影機座標(Camera Position)」 與 「鏡頭目標點(Point of Interest, POI,設定 influence: 1 )」 兩組關鍵影格,交由 Earth Studio 自動解算視線方向,並將所有數值與時間正規化至 [0, 1] 區間:

cd /Users/yuting/test
python3 -I tools/make_esp.py test123_actual_track.kml trip_earth_studio_v4.esp --seconds 100 --total 159.5

4. WGS84 ECEF 座標轉換與 3D 相機透視投影( route.py )

在步驟四合成時,我們讀取 Earth Studio 匯出的 trip_earth_studio_v4.json 中每一格的真實經緯度與高度( coordinate ),結合 .esp 內的 POI 關鍵影格,在 WGS84 地心地固座標系(ECEF) 中重建每一格的相機正交基底 (right, camUp, forward) ,將所有 GPS 軌跡點投影至 1920×1080 像素平面:

def ecef(lat, lon, h):
    """將 WGS84 經緯度與海拔高度轉換為 ECEF 三維直角座標 (X, Y, Z)"""
    a, e2 = 6378137.0, 6.69437999014e-3
    la, lo = np.radians(lat), np.radians(lon)
    n = a / np.sqrt(1 - e2 * np.sin(la) ** 2)
    return np.stack([
        (n + h) * np.cos(la) * np.cos(lo),
        (n + h) * np.cos(la) * np.sin(lo),
        (n * (1 - e2) + h) * np.sin(la)
    ], axis=-1)

def camera(self, frame, W, H):
    """還原第 frame 格的相機位置 C 與正交座標系 (fwd, right, cup)"""
    c = self.cam[frame]['coordinate']
    C = ecef(c['latitude'], c['longitude'], c['altitude'])
    P = ecef(*(catmull(k, frame) for k in self.poi))
    la, lo = math.radians(c['latitude']), math.radians(c['longitude'])
    # 地表法向量 up,確保相機無側滾(No Roll)
    up = np.array([math.cos(la) * np.cos(lo), math.cos(la) * math.sin(lo), math.sin(la)])
    fwd = P - C; fwd /= np.linalg.norm(fwd)
    right = np.cross(fwd, up); right /= np.linalg.norm(right)
    cup = np.cross(right, fwd)
    focal = (H / 2) / math.tan(math.radians(self.cam[frame]['fovVertical']) / 2)
    return C, fwd, right, cup, focal

接著由 compose.py 使用 2 倍超取樣(2x Supersampling) 繪製深色外框與彩色抗鋸齒路線,疊上 Apple Color Emoji.ttc 交通圖示與 PingFang.ttc 繁體中文字卡,最後交由 ffmpeg 編碼輸出。


🛠️ 實戰踩坑與工程解法全紀錄

在從 v1 迭代至 v4 最終版的過程中,我們排除了涵蓋地理座標系、作業系統權限、曲線內插與視覺排版的諸多技術陷阱。以下整理最具代表性的 12 個核心踩坑與根因解法 :

遇到的異常現象底層根因分析最終工程解法
鏡頭在最後一天被拉到半個地球外10/13 包含一段 ✈️ 飛行 9011.4 km (布拉格 → 桃園),不僅把鏡頭拉回亞洲,更吃掉大量時間預算解析 KML 時自動過濾並排除名稱含有 ✈ 的移動段
直接用 Earth Studio 匯出的 position (ECEF)投影路線嚴重偏離Earth Studio 內部匯出的 position 直角座標採用球體近似模型,與標準 WGS84 橢球換算相差約 21.7 km捨棄 position 與 After Effects 專用的 rotation 歐拉角,改取匯出的 coordinate (經緯度、高度)統一用 WGS84 公式轉 ECEF
不匯出鏡頭 JSON、改用 .esp 關鍵影格自行內插鏡頭會晃動偏移Earth Studio 的 auto 曲線並非單純的 Catmull-Rom 樣條;自行內插的中位誤差雖僅 0.4%,但 p95 達 3%、最大偏差高達攝影機高度的 57%強制在算繪時勾選匯出 3D 追蹤資料 JSON(全球座標) ,逐格採用真實算繪鏡頭位置
溫特斯山(Untersberg)山頂被山體完全擋住全程北方朝上時,攝影機位於目標點正南方;而溫特斯山南側山壁陡峭,45° 傾角視線正好穿過山體內部支援為個別景點自訂傾角,將溫特斯山設為最低高度 2,200 m 、傾角 10° (近乎垂直俯視),完美避開山體遮擋
溫特斯山山頂的綠色步行路線浮在半空中偏移預設地面高度粗估為阿爾卑斯區 700 m ,但溫特斯山山頂高原實際海拔約 1,800 m ,高程落差導致透視投影偏移在 route.py 定義 PEAKS 高原區域(以 47.7205, 13.0068 為中心、半徑 900 m ),將地面投影高度設為 1,780 m
哈爾施塔特與庫倫洛夫放大時看不到核心古蹟原本取「軌跡最近點」作為放大中心,結果分別對準了 1 公里外的 P1 停車場與舊城外的 Hotel CK Park17 個景點全數改用人工校準的真實地標座標,停留期間鏡頭中心平滑移向地標,結束後再移回軌跡
國王湖停留時前端圖示竟顯示 🚆 大眾運輸停留節點的時間剛好落在抵達段結尾,程式誤取到「下一段(遊船)」的交通方式修正節點狀態判定:當停留在景點節點上時,固定取 「抵達該景點那一段」 的交通方式(🚗 開車)
結尾拉回高空時路線超出畫面,且中央標題蓋住路線v3 僅以「跨度 × 1.2」設 340 km 高度且維持 45° 斜看;標題置中剛好壓在中歐環狀路線正上方v4 依 fovVertical = 20° 精算出 970 km 高度並轉為 0° 垂直俯視;結尾標題與出處改放至 右上角面板 (布拉格以東無路線區)
終端機讀不到 Chrome 下載的算繪檔macOS 隱私保護(TCC)預設禁止終端機存取 ~/Downloads ,連 mv 指令都會被拒絕在 Earth Studio 選用 本機 JPEG 序列算繪 ,並透過 File System Access API 直接指定輸出至專案下的 /Users/yuting/test/render 資料夾
Homebrew 版 ffmpeg 無法繪製字幕,且「➔」變成空白方框本機 ffmpeg 未編入 libass / drawtext 濾鏡;此外 macOS 內建 PingFang.ttc 字型不含 ➔ 字元改用 Python Pillow 逐格渲染透明圖層合成字幕,並將行程名稱中的箭頭統一替換為標準 →
執行 compose.py 出現 ModuleNotFoundError: PIL測試時習慣加上 python3 -I (隔離模式),導致忽略了安裝在使用者目錄下的 Pillow 套件make_esp.py 僅用標準庫可加 -I ,而需要 Pillow 與 numpy 的 compose.py 則移除 -I 並加上 -W ignore 抑制 macOS Accelerate 假警報
145 秒版本把配樂硬生生切斷初版以旅程時間(145 秒)為準將音樂淡出,導致韋瓦第《四季》夏・急板最精彩的高潮尾奏被截斷v4 改為 「以音樂長度為準」 :配合 158.96 秒 的錄音加上 0.5 秒 餘韻,用 --total 159.5 拉長結尾完整路線展示時間並重新算繪

🎵 步驟五:古典配樂響度標準化與 CC BY-SA 4.0 授權規範

1. 為什麼選擇韋瓦第《四季》夏・第三樂章(急板)?

韋瓦第(Antonio Vivaldi)《四季》中的〈夏〉第三樂章 Presto(急板,又名「暴風雨」 Temporale) 擁有極具張力的弦樂疾馳感,與高空俯衝、跨國高速自駕的視覺節奏一拍即合;更巧妙的是,其全曲長度( 2 分 39 秒 )與我們 13 天旅程加結尾總覽的理想動畫時長幾乎完全吻合。

⚠️ 古典樂版權重要觀念 : 古典樂的「樂譜(作曲)」雖然早已進入公有領域(Public Domain),但 「每一個現代演奏錄音(Master Recording)」都各自擁有獨立的錄音著作權 !絕對不能直接擷取商業串流平台或 YouTube 上的不明錄音,否則上傳社群平台時極易遭到版權消音或下架。

因此,我們特別選用 Wikimedia Commons 上由小提琴家 John Harrison 與 Wichita State University Chamber Players 演奏、以 CC BY-SA 4.0 開放授權釋出的高品質錄音( Vivaldi - Four Seasons 2 Summer mvt 3 Presto - John Harrison violin.oga ,立體聲 44.1 kHz ,時長 158.96 秒 )。

2. 合成與 EBU R128 響度標準化指令

為了確保影片在手機喇叭、電腦耳機與社群平台上播放時音量適中且絕不破音,我們在合成音軌時採用 -c:v copy (不重新壓縮畫面,保留 100% 畫質並在數秒內完成),同時對音訊套用 EBU R128 響度標準化( -16 LUFS 、真峰值上限 -1.5 dBTP ) 與開頭 0.3 秒 淡入:

cd /Users/yuting/test
export CREDIT=$'音樂:Vivaldi《四季》夏・第三樂章 急板\n演奏:John Harrison(CC BY-SA 4.0)\n影像:Google Earth\nLandsat / Copernicus、Airbus、\nMaxar Technologies、Geoimage Austria'

# 1) 逐格繪製路線、字幕與右上角結尾出處面板(輸出無聲影片)
python3 -W ignore tools/compose.py \
  render/trip_earth_studio_v4/footage \
  trip_earth_studio_v4.esp.timing.json \
  trip_v4_silent.mp4 \
  test123_actual_track.kml \
  trip_earth_studio_v4.esp \
  render/trip_earth_studio_v4/trip_earth_studio_v4.json

# 2) 合成配樂:畫面直接複製不重壓,音軌執行 EBU R128 響度標準化並轉為 AAC 192k
ffmpeg -i trip_v4_silent.mp4 -i music/summer_presto.oga \
  -map 0:v -map 1:a -c:v copy \
  -af "loudnorm=I=-16:TP=-1.5:LRA=11,afade=t=in:d=0.3" \
  -c:a aac -b:a 192k -ar 48000 \
  -movflags +faststart trip_full_route_v4_music.mp4

3. 授權出處標示規範

遵循 CC BY-SA 4.0 署名要求與 Google Earth 影像來源規範:

  • 影片結尾右上角面板出處文字 :
    音樂:Vivaldi《四季》夏・第三樂章 急板
    演奏:John Harrison(CC BY-SA 4.0)
    影像:Google Earth
    Landsat / Copernicus、Airbus、
    Maxar Technologies、Geoimage Austria
    
  • 貼文署名格式 :

    🎵 音樂:Vivaldi《四季》夏・第三樂章 急板|John Harrison 演奏(CC BY-SA 4.0) 🗺 影像:Google Earth


☁️ 延伸架構:以 Cloud Run 與 3D Tiles 打造全自動化雲端服務

完成單機版自動化管線後,如果我們想將這套工具封裝成讓使用者「上傳 Timeline.json 即可自動生成 3D 旅遊影片」的雲端服務,最大的架構限制在於: Google Earth Studio 並沒有提供官方 API ,只能在瀏覽器中登入操作。為此我們規劃了兩階段的雲端演進藍圖:

flowchart TD User[使用者上傳 Timeline JSON] --> API[Cloud Run 前端與 API 服務] API --> Parse[解析軌跡與 Places API 查詢景點真實座標] Parse --> State[Firestore 記錄任務狀態] Parse --> WF[Cloud Workflows 編排調度] subgraph PlanB[全自動算繪與平行合成管線] WF --> GPUJob[Cloud Run Job 搭載 NVIDIA L4 GPU] GPUJob --> Cesium[無頭 Chrome 與 CesiumJS 載入 Photorealistic 3D Tiles] Cesium --> WaitTile[逐格定位鏡頭並等待 tilesLoaded 完成後截圖] WaitTile --> CPUJob[Cloud Run Job 多 Task 平行 CPU 合成] CPUJob --> Encode[疊加字幕圖示與 FFmpeg 分段編碼合併] end Encode --> GCS[Cloud Storage 儲存成品並設定 7 天自動刪除] GCS --> SignedURL[產生簽章下載連結並透過 PubSub 通知使用者]
  1. 方案 A(半自動混合雲架構) : 將現有的 make_esp.py 部署為 Cloud Run Service ,自動解析 Timeline.json 、透過 Google Places API 查詢精確地標座標並匯出 .esp ;使用者下載 .esp 至本機 Earth Studio 算繪出 MP4 與 3D 追蹤 JSON 後回傳,再觸發 Cloud Run Job 執行 route.py 與 compose.py 合成配樂並輸出至 Cloud Storage。
  2. 方案 B(全自動無頭 GPU 算繪架構) : 以 CesiumJS + Google Map Tiles API(Photorealistic 3D Tiles) 取代手動操作的 Earth Studio。透過掛載 NVIDIA L4 GPU 的 Cloud Run Job 啟動無頭 Chrome,逐格控制 3D 相機並等待 tilesLoaded 事件完成後截圖;由於路線直接繪製於 3D 場景內,不僅能自然貼合地形並受山體遮擋,更能利用多個 Cloud Run Task 依 CLOUD_RUN_TASK_INDEX 平行切分影格合成,大幅縮短算繪時間。

🚀 結論與未來進階

透過將 軌跡清理(KML 解析) 、 程式化運鏡( .esp 逆向生成) 、 3D 實景算繪(Earth Studio) 、 WGS84 透視投影合成(Pillow + NumPy) 與 響度標準化配樂(FFmpeg) 拆解為五個職責清晰的階段,我們成功把原本需要專業影視後製人員耗費數天手動對位的工作,濃縮為一套可重複執行、5 分鐘即可重新合成的自動化工程管線。

未來若想進一步擴充這支 3D 軌跡影片的豐富度,可以朝以下三個方向持續演進:

  1. 景點停留時自動疊加旅途實拍相片卡 :只需修改 compose.py ,在 highlights 的 t0 至 t1 停留期間,讀取對應時間戳記的 EXIF 照片並以拍立得卡片動畫淡入畫面一側,完全不需重新算繪 Earth Studio 底圖。
  2. 升級 4K UHD 畫質輸出 :由於 .esp 的關鍵影格全部採用 0–1 正規化數值,且 compose.py 的字級與線寬皆以 s = H / 1080 動態縮放,只需在 Earth Studio 算繪時將解析度改為 3840×2160 ,即可無縫產出 4K 版本。
  3. 社群平台輕量化轉碼 :針對社群網路快速分享需求,可透過 -b:v 12M -maxrate 15M -bufsize 24M -c:a copy 將 1.47 GB 的母片壓縮至約 250 MB ,兼顧極速上傳與高畫質呈現。