Communitygithub.com

动页转视频

将可交互网页(动页、互动文章、Explorable Explanation)自动录制成完整的讲解视频,支持旁白配音、字幕和 1080p 输出。

动页转视频 とは?

「动页转视频」是一个专为AI助手(如Claude Code、Cursor等)设计的技能,用于将可交互的网页内容(例如互动文章、Explorable Explanation)自动转化为高质量的讲解视频。它使用无头浏览器模拟读者行为(滚动、点击、拖动),录制画面并合成人声旁白,最终输出1080p的MP4视频和字幕文件。该技能支持两类动页:一类需要你编写旁白脚本(讲解型),另一类自带声音和音效(自带声音型)。你需要先读懂网页内容,决定讲解重点和操作步骤,然后编写相应的脚本文件。工具会按脚本自动进行录制、配音、剪裁和合成。录制过程中会特别注意光标可见性、无声音段压缩和字幕同步,并且提供了先出无声版调试画面节奏的功能,避免反复等待配音。环境准备依赖Node.js和Chrome,中间文件会写入本地work/和out/目录。

対応✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/micahfang1/interactive-to-video/tree/HEAD

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

动页转视频 は何をしますか?

本目录就是工具。无头浏览器像读者一样把动页走一遍(滚动、点击、拖动,光标看得见),边走边录画面,配上人声,出 1080p 的 mp4。

录制和合成是自动的;每件动页的脚本要你来写:读懂这件动页,决定讲什么、删什么、每一步在页面上做什么。这是主要的工作量。

  • lib/record.mjs 录制器:打开页面、注入光标和字幕、抓帧压成视频、录页面自己的声音。
  • lib/make.mjs 讲解型的一条龙:合成旁白 → 按旁白时长驱动操作并录屏 → 合成成片和字幕。
  • lib/voice.mjs + lib/tts.py 克隆配音(IndexTTS-2)。
  • lib/subtitles.mjs 字幕切分、估时长、统计空镜(有测试,npm test)。
  • examples/demo/ 一个开箱能跑的小示例(一页小动页 + 它的脚本),先跑它确认环境没问题。
  • examples/ 另有两类动页各一个真实范例,照原样跑不起来(依赖对应的动页文件),拿来看写法。

环境准备见 README。中间文件写到当前目录的 work/,成片写到 out/,所以在你想放视频的目录下运行。

先分类

A 讲解型B 自带声音型
动页特点没有人声,靠读者自己读和操作自己有原声、音效、字幕,按滚动自动演
视频的声音另写一份旁白,克隆音色配音录页面自己的声音;只给没声音的文字补人声
范例examples/explainer-involution.mjsexamples/selfvoiced-jensen.mjs
命令node lib/make.mjs <脚本>.mjsnode <脚本>.mjs

做新的一期:复制对应范例改。范例里的注释说明了每一段在干什么。

原则

  • 做完整的讲解视频,不是预告短片。
  • 节奏要紧:没人说话的画面尽量短。出片后看「没人说话的时段」,超过十来秒的想办法压或删。
  • 有文字的地方要有人声,不能只有打字声。
  • 动页里改成视频效果不好的地方就改或删(小游戏缩短、题目少做几道)。只在录制时改,不动动页原文件(见 B 里的 transform)。
  • 第一版先完整做出来再给人看,不要中途一项项问。

A 讲解型

  1. 通读动页,写脚本:url、hideCss(把导航、进度条等藏掉)、setup、segments。每段 { id, say, run }:say 是旁白(同时是字幕),run(ctx, t) 是这段话期间的操作;await t.at(0.5) 等旁白说到一半再动。ctx 提供 scrollTo / click / move / drag / wait / card。
  2. 旁白是讲给观众听的,不是照念页面文字。删掉视频里撑不起来的部分(自由探索的实验、长列表、出处)。
  3. 参考录音:脚本里写 voice: '路径',或放成当前目录的 voice/ref.wav。要十几到三十秒、安静、一个人说话。
  4. 先不配音出一版:node lib/make.mjs <脚本>.mjs --silent。按字数估每段时长,只出字幕,几分钟就能看到整片的画面和节奏。配音很慢,画面没调好之前不要配。
  5. 画面定了再去掉 --silent 配音出片。调某几段用 --only 段id,段id。

lib/tts.py 会把各段语速拉齐、压短句中停顿、降噪、对齐响度,语速或音色离谱的自动重做。

B 自带声音型

  1. 读动页源码,弄清三件事:怎么往下走(滚动 / 点击)、哪里会停下来等读者(互动)、哪些文字没有声音。
  2. 复制范例改:
    • serve:把本地文件夹当网站(请求拦截,不开端口)。
    • INTERACTIONS:每个互动「怎么认出来(选择器)+ 怎么做」。用真实的鼠标移动、拖动、点击。超时才按页面自己的「跳过」。
    • 主循环:没在等互动就滚轮往下滚;文字在打字时停下等;旁白没念完也等。
    • transform:送给浏览器时临时改脚本(缩短小游戏、缩短停顿、接旁白),原文件不动。按原文匹配来改,匹配不上要报错,别悄悄失效。
  3. 没声音的文字:列成清单交给 synthesize() 合成;录制时文字开始出现就记时间点,最后按时间点混进页面声音。有人声的文字关掉打字声,出现的速度跟着人声时长走。
  4. --max 秒 先录开头一段;--from 位置 从中间开始调某一场;都没问题再录全片(实时录,片子多长就录多久)。

坑

  • 声音:无头 Chrome 必须带 --disable-audio-output(已写在 lib/record.mjs)。换成 --mute-audio 的话,声音引擎挂在系统声卡上,系统声音一不稳,页面里的音频就停住,整遍录制作废。
  • 清晰度:1080p 靠 --force-device-scale-factor=1.5 + 1280×720 窗口。不要用 CSS zoom(100vh 会错位,粘性布局歪掉)。
  • 滚动叙事:GSAP ScrollTrigger 一类的页面,高度变了(展开一段解析)之后要派发一次 resize,否则触发位置是旧的。
  • 卡死:范例里有看门狗,页面不动、声音不走超过 40 秒就停。看到「卡住了」先查原因再重录,别直接重跑碰运气。
  • 配音很慢:IndexTTS-2 在笔记本上每句几十秒到几分钟。三四十句要留出半小时以上。机器上同时只想跑一个这类任务时,设 HEAVY_LOCK。
  • 硬盘:一遍 20 分钟的录制,中间文件约 1.5GB。

出片后必须核对

Claude 听不了音频。这一条要对用户明说,不能含糊过去。

  1. 抽帧:全片均匀抽四五十帧拼成一张图看一遍,再单独看每个互动的时刻,确认做对了、没有停在半截。
  2. 日志:每个互动都出现,没有「出错」「没自己结束,跳过」「卡住了」,页面报错为 0。
  3. 声音:音轨时长和画面一致、中间没有断流;看「没人说话的时段」清单。
  4. 报告时写清楚:哪些是看过的,哪些只能人来听(发音、语气、中英混读的词);删改了动页的哪些内容;还有哪几段无声偏长。

声音的规矩

  • 只克隆自己的声音,或者明确拿到授权的声音。
  • 合成的旁白和真人原声混在同一条视频里时,发布时在简介里注明旁白为合成。

関連スキル