AnyToManim

AnyToManim — CLI para vídeos narrados estilo 3b1b

O produto é uma CLI, não um harness de API. Você (o agente anfitrião) realiza as etapas criativas — escrever o brief, a folha de beats, o storyboard, o código das cenas — guiado pelos arquivos de especificação fornecidos no pacote. A CLI faz tudo que é determinístico: TTS, medição de duração, renderização, concatenação.

Instalação e verificação

pipx install anytomanim          # ou: pip install -e . em um venv
anytomanim doctor                # relata dependências ausentes + dicas de correção

Fluxo de trabalho — exporte a especificação, siga-a

anytomanim export-guides ./guides   # WORKFLOW/DIGEST/SCRIPT/SCENE_GUIDE + schema

Em seguida, siga guides/WORKFLOW.md:

1. Escreva brief.md de acordo com DIGEST.md
2. Escreva beats.json de acordo com SCRIPT.md (+ beats-schema.json). Leia SCRIPT.md primeiro: a narração deve encadear, não listar.
3. Leia ORCHESTRATION.md, depois escreva storyboard.json de acordo com STORYBOARD.md. Abra as receitas executáveis ​​para os cards que você escolher. Execute anytomanim storyboard storyboard.json --beats beats.json e corrija.
4. anytomanim tts --beats beats.json — sintetiza cada beat, escreve audio_file + audio_seconds real de volta (re-execute após edições: apenas beats alterados)
5. Escreva scenes/*.py de acordo com SCENE_GUIDE.md (NarratedScene + MiMoService(beats_file=...), with self.voiceover(beat="b01") as tr). Siga o storyboard; comece pelas recipes/ correspondentes.
6. anytomanim render scenes/X.py --quality ql — corrija e tente novamente em caso de erro
7. anytomanim preview <mp4> — LEIA sheet.png e o relatório por beat (sobreposições, estouros de tempo, beats congelados, conteúdo pequeno, bandas vazias, cabeçalho fixo, mudanças de palco que o storyboard não menciona); corrija e re-renderize até ficar limpo
8. Renderize --quality qh, anytomanim assemble a.mp4 b.mp4 -o final.mp4, anytomanim subtitles beats.json --mux final.mp4

Itere sem chave / sem custo: ANYTOMANIM_TTS=draft (voz local).

anytomanim run "<tópico>" também existe — um driver de referência com LLM embutido para avaliação automatizada em lote (requer chave de API LLM; agentes interativos devem usar o fluxo guiado por guias).

Contratos

• beats.json é A interface — IR pública (narração + visual + audio_seconds).
• Sincronia áudio-primeiro: sintetize → meça → todo run_time deriva de tr.duration, e a renderização reproduz exatamente aqueles wavs. Nunca invente durações.
• Uma renderização limpa não está concluída — olhe a folha de pré-visualização toda vez.
• Continuidade em primeiro lugar. Antes de um objeto sair, pergunte se ele pode se tornar a próxima coisa. Fade out e redesenho é o último recurso.
• Desenhe a relação quando puder, em vez de escrevê-la como um rótulo.
• Vozes: --voice baihua|moli|milo; clone sua própria voz via assets/voice/<nome>.mp3 + entrada em voices.json. zh + en suportados.
• Consulte examples/ no repositório para execuções completas de ponta a ponta.