Communitygithub.com

动画短片创作

根据想法、脚本或上传的旁白创作原创竖屏动画卡通短片。适用于用户需要规划、撰写脚本、配合旁白定时、使用 Three.js 世界和插画角色制作动画、音效设计、渲染或导出为 MP4 格式的短视频。也适用于调整内置的士兵示例或排查此工作流程中的问题。

动画短片创作 是什么?

此技能专为 AI 编码智能体(如 Claude Code、Cursor、Codex)设计,用于将用户的想法、脚本或录音旁白转化为完整的原创竖屏动画短片。它提供了一个分阶段的工作流程:从收集创意和撰写脚本开始,然后使用 Whisper 等工具将旁白与语音对齐,并使用 Three.js 渲染器规划、构建 3D 世界和角色。该技能包括完整的音效设计、帧渲染和 QA 检查,最终交付一个包含基本媒体检查的 MP4 文件。它专注于独特的故事讲述,强调可读的角色卡片、动态摄像机移动和富有表现力的灯光,同时尊重用户提供的语音录音。用户可以通过复制 `tools/`、`engine/` 和示例目录来初始化项目,技能会主动检查 Node.js、FFmpeg 等系统依赖。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Alone-legacy/cartoon-video-skill/tree/HEAD

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

动画短片创作技能

帮助用户创作原创、以旁白为主导的竖屏卡通短片。仓库根目录即为技能目录:engine/、tools/ 和 example/ 直接位于其中(不存在 kit/ 子目录)。随时向用户通报计划,在长时间渲染前审查静帧,并诚实地报告任何不可用的工具或不完整的阶段。

创作方向

标志性风格是在色彩丰富、有立体感的 3D 世界中,使用富有表现力的扁平插画角色卡片:手绘纹理、墨线轮廓、氛围光效、景深和流畅的摄像机运动。默认使用 9:16 竖屏构图,1080×1920,30 帧/秒。运用视觉叙事,确保剪影可读,精心设计构图,并让角色的反应与旁白同步。

  • 故事、角色和镜头设计必须原创;不得逐镜头复制另一位创作者的作品。
  • 不得让真实、有名有姓的在世人物作为角色出现,也不得包含品牌吉祥物或标志。
  • 除非用户要求,否则不添加字幕。任何出现在画面中的文字必须方向正确且可读。
  • 避免画面内容,且不得让真实存在的在世人物成为嘲笑对象。
  • 在可使用浏览/研究工具时,验证事实陈述。明确标注传说和有争议的故事;切勿将病毒式传播的轶事当作已确认的事实。
  • 保留用户的语音录制。让画面与语音同步;不要为了适应动画而编辑或重新调整旁白的节奏。
  • 保持旁白清晰可懂。音乐和特效应衬托而非盖过语音。

第一步 — 寻找起点

首先检查用户的消息和附件。如果存在旁白,则使用它并仅在需要确定时同时才要求提供最终脚本。否则,询问用户是否有旁白、是否有脚本需要录制,还是需要创意和脚本。如果未知,询问目标时长;默认为 20–30 秒,也可应要求提供 45–60 秒的长度。

不要询问已经提供的信息。保持下一步的清晰性,并为多步骤工作给用户一个简洁的进度检查清单。

第二步 — 创意(应要求时)

精确给出 10 个编号的创意,然后请用户选择一个或要求更多。每个创意包括:

  • 一个引发好奇心的标题(约 5–8 个单词)。
  • 一个明确陈述的强力开场钩子。
  • 用一句话说明转折/高潮回报。
  • 为什么这个故事适合动画化(2–3 个视觉时刻)。
  • 这是有记载的历史、有争议的还是民间传说。

倾向于选择角色明确、利害关系具体、因果关系可见、逐步升级且有讽刺或意外结局的故事。在可用的研究工具支持下,研究被描述为真实的事件的关键事实。

第三步 — 撰写旁白

仅撰写旁白——口语文本中不含舞台指示。目标语速约为每秒 3.7 个单词(20 秒约 75 个词,30 秒约 110 个词,60 秒约 220 个词)。结构如下:

  1. 钩子:以令人惊讶的论断直接开始,无需长篇铺垫。
  2. 背景:用一个具体的细节交代时间、地点和人物。
  3. 升级:通过 2 到 4 个逐渐增强的节拍逐步推进。
  4. 转折点:解释机制或揭示关键事实。
  5. 回报:以一个简短、令人难忘的转折结尾。

使用口语化的语言、缩略形式,并主要使用短句。当有助于朗读时,将数字写作口语形式。不要描述观众已经能看到的东西。以可复制代码块的形式返回脚本,附带字数统计和预估时长,然后是简短的视觉计划和实用的录音指导。当脚本获批后请求提供旁白。保留最终脚本文本以用于定时;如果录音有所出入,请获取实际所说的版本。

第四步 — 基于旁白进行创作

按以下阶段工作,仅在缺少输入阻碍进展时才提问。使用用户已批准的脚本作为定时参考。如果没有可用的语音识别器,则必须有脚本:不要声称在没有合适工具的情况下能够理解或转录音频。

4.1 准备项目

技能工具包位于仓库根目录。使用以下命令创建一个单独的工作项目:

bash <技能根目录>/tools/setup.sh <项目目录>

使用实际的安装路径替换 <技能根目录>。安装脚本将 engine/、tools/ 以及已完成的示例启动器文件复制到项目中,并可能从上游来源获取 Three.js 和角色库代码。不要引用 <技能根目录>/kit/tools/setup.sh;该路径在此仓库中不存在。

检查 Node.js 22.6+、带有 NumPy(以及用于联系表的 Pillow)的 Python 3、FFmpeg/FFprobe、Git 以及包含 Chromium 的 Playwright。解释缺失的前置依赖,并在进行可能影响系统范围的重大更改前询问用户。不要禁用 TLS、绕过代理或使用不受信任的可执行文件下载来绕过网络限制。仅作为备选方案使用 Chromium 软件 WebGL,并警告这可能导致渲染缓慢。

4.2 为旁白定时

从项目目录运行:

python3 timing.py voice.mp3 script.txt --out work

如果可用,定时工具会使用 Whisper/faster-whisper 的字级时间戳。否则,如果提供脚本,它会将短语与检测到的语音片段对齐。检查 work/phrases.json;在规划镜头前纠正明显的短语边界错误。总帧数约为时长 × 30。如果既没有语音识别,也没有最终脚本,则要求提供脚本而非猜测。

4.3 在编码前规划镜头

编写一个 work/PLAN.md,每个镜头一行:起始/结束帧、说出的短语、场景、灯光、摄像机运动、角色/姿势/表情、特效和声音提示。

  • 在第 0 帧放置一个引人入胜的钩子图像。
  • 通常每个短语使用一个镜头;必要时可合并非常短的短语。
  • 用具体的视觉动作或承载笑点的道具来展现每个句子。
  • 变化镜头大小和构图:特写、广角揭示、双人镜头、插入镜头、反应镜头和环境推移。
  • 用灯光来清晰传达故事节拍。使时间跳跃在视觉上清晰可辨。
  • 精心设计转折;使其视觉回报落在最后几个词上。

4.4 构建世界和演员阵容

以 engine/ 和复制的项目文件作为事实来源。从 example/soldier/story.js 改编 web/story.js,并从 example/soldier/audio.py 复制音频提示表;不要覆盖技能仓库中的示例。遵循复制后的引擎和示例代码中的约定和导出。

使用简单的 3D 几何体和手绘材质构建环境。在做深度和前景物体构图时,牢记竖屏框架。制作可由帧/时间控制的故事驱动型场景组件,并确保世界状态对于任何请求的帧都是确定性的。保持角色卡片可读,具有合适的姿势、表情、眨眼和微妙的空闲动作。使用平滑的摄像机滑动、有意的对焦和辅助运动,但不要分散对旁白的注意力。验证画面中的文字没有镜像反转。

如果修改了角色源代码,请遵循生成项目的文档化重建步骤。在依赖新设计之前,渲染角色测试/联系表。除非场景需要并且已经检查过结果,否则避免更改渲染器的核心材质/深度/墨线合约。

4.5 音效设计

根据故事改编示例中的提示表。使用音乐来建立情绪和支持节奏;在关键动作、过渡和揭示时使用音效。保持旁白在前,防止音效惊吓到观众,未经许可不要使用受版权保护的音乐或音效。在编码前渲染/检查混音;如果存在未解决的削波或平衡问题,应如实报告,而不是声称音频已通过质量检查。

在最终确定提示之前锁定画面定时。如果镜头定时发生变化,重新审视音效提示的定时和混音。

4.6 审查、渲染和完成

从每个镜头渲染有代表性的帧,包括过渡和关键动作。使用提供的工具创建联系表并进行检查(或使用可用的图像查看工具)。在开始长时间渲染之前,修正构图、遮挡、镜像文字、空白帧、灯光和角色可读性。当环境支持文件共享时,与用户共享审查表和简洁的镜头摘要,然后继续进行完整渲染。

典型项目命令(从生成的项目目录运行):

node render.mjs stills/review "0,60,120"
python3 sheet.py stills/review stills/contact-sheet.jpg
node render.mjs frames "0-<最后一帧>"
bash finish.sh "短片标题"

使用从旁白导出的实际帧范围。仅当渲染器的恢复模式得到复制版本支持时才采取恢复操作。检查进程完成情况和错误;不要假设已启动的后台进程已经完成。完成工具会编码一个 MP4 并打印基本的媒体/黑场/冻结/响度检查。检查最终文件和 QA 输出,如果任何检查无法运行,请保持透明。

当文件共享工具可用时,交付 MP4 和镜头的简短描述。否则,提供确切的输出路径并说明用户如何获取它。仅在用户要求时提供有针对性的修改或字幕。

仓库和依赖说明

  • engine/:Three.js 渲染器和世界、绘画、运动以及角色辅助工具。
  • tools/:项目设置、定时、帧渲染、联系表和完成脚本。优先使用来自技能仓库的这些标准脚本。
  • example/soldier/:完成的示例;用作起始点,而非自动复制的故事。
  • 设置过程会获取一些第三方依赖。尊重其上游许可证,不要声称对第三方代码拥有所有权。
  • 生成的音频、帧、联系表和 MP4 文件应属于用户的工作项目。不要将私人语音录音或秘密提交到技能仓库。

相关技能