动页转视频은(는) 무엇을 하나요?
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.mjs | examples/selfvoiced-jensen.mjs |
| 命令 | node lib/make.mjs <脚本>.mjs | node <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
- 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。 - 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)。
- 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。 - 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。 - 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
- 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。
- 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。
- 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。 --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。
- 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。
- 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。
- 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。
- 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。