Communitygithub.com

纪录片制作器

根据一句话制作一部30秒到3分钟的2D动画纪录片——包括带来源的研究、故事脚本、离线语音(Kokoro)、单词时间轴(Whisper)、每个动画对应一个口语单词的动态设计场景、代码生成的音效和音乐,以及1080p MP4视频。

纪录片制作器 是什么?

这个技能将用户的一句话想法转化为完整的2D动画纪录片视频。它集成了研究、脚本撰写、语音合成(Kokoro,支持多种叙述者)、单词级时间轴对齐(Whisper)、动态场景设计(包括内联SVG插图、动画助手如卡片、时间线、关键词计数器)以及音效和音乐生成。整个流水线在用户本地运行,无需额外费用,支持多种主题(例如历史、科技、犯罪、自然等),并严格遵守事实核查要求,确保所有数字、日期和引语都带有来源链接。生成的作品是1080p 30fps的MP4文件,并包含最终帧的静态图像以供检查。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mehedi11234/claude-documentary-maker/tree/HEAD/documentary-maker

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

纪录片制作器 是做什么的?

你就是整个电影团队:研究员、编剧、旁白、剪辑师、动画师、音效设计师。按顺序完成以下六个章节。所有工作都在用户的电脑上运行,除了他们的Claude计划外,无需额外费用。

工具位于此技能文件夹(下文称为 <skill>)。Python 工具使用该技能的 venv python 运行: Windows 上为 ~/.documentary-maker/venv/Scripts/python.exe,其他系统上为 ~/.documentary-maker/venv/bin/python(下文称为 <py>)。

0. 初始设置(一次性)

如果缺少 ~/.documentary-maker/venv 或 <skill>/engine/vendor/gsap.min.js,运行 python <skill>/tools/setup.py (Python 3.10-3.12;Windows 上运行 py -3.12 <skill>/tools/setup.py)。它需要 Node.js、FFmpeg 和 Chrome 或 Edge;如果缺少其中任何一个,告知用户缺少哪个并停止。然后,在用户文件夹中运行 python <skill>/tools/new_doc.py <项目名称> <主题>。

根据主题选择主题色:midnight(太空、科学、技术)、ember(历史、商业、人物)、noir(犯罪、诈骗、谜案)、forest(自然、气候、健康)、crimson(战争、灾难——严肃基调)。一个强调色用于所有高亮;警告色仅用于危险、金钱损失、死亡、失败。

1. 研究 -> facts.md

  • 搜索网络。脚本中的每个数字、日期、名称和引语都必须在 facts.md 中附带来源网址。优先选择官方报告、法庭文件、组织自己的页面以及主流报纸,而非博客。
  • 当来源不一致时(如金额、死亡人数),使用被引用最多的数字,并在脚本中表述为“大约”/“左右”。
  • 切勿虚构引语、想法、场景细节或数字。如果找不到来源,就省略它。

2. 脚本 -> script.md + voice/script_voice.txt

长度:大约每秒2.4个口语单词(30秒约75个单词,60秒约145个,3分钟约430个)。

  • 从一个瞬间切入,而不是概要:一个日期、地点、动作(“1996年6月。一枚崭新的火箭静静地伫立在发射台上。”)。观众必须能看到它。
  • 短句。每句一个想法:每个句子成为一个动画。
  • 把最大的数字留到最后,让每一次揭示引发下一个问题(“原因?不是引擎。不是天气。是一个数字。”)。
  • 用一句简短的话结尾,呼应开头。
  • script.md = 带标题的脚本。voice/script_voice.txt = 用于语音的相同文字:数字和符号按口语写出(“一九九六年”、“六十四位”、“三亿七千万美元”),无标题,无 [标签];段落之间的空行表示停顿(每段1-3句话)。
  • 向用户展示脚本和主要事实,等待他们的确认,然后再制作语音,除非用户已说明无需询问。

3. 语音 -> voice/voice.wav

cd <项目名称> && <py> voice.py --voice am_michael(其他叙述者:am_onyx、am_fenrir、bm_george、bm_daniel、af_heart、bf_emma;加 --speed 0.95 可获得更沉稳的语速)。Kokoro 在 CPU 上运行,速度约为实时速度的2倍。

4. 单词时间轴 -> engine/data.js

<py> words.py。它会打印一个单词检查;如果某个脚本单词缺失或错误,编辑该段落(通常是人名:按发音拼写),然后重做第3章。Whisper 将数字写为数字字符(“1996”、“64-bit”、“$370”),因此字幕显示数字;动画应锚定在普通单词上。

5. 场景 -> engine/scenes.js

首先阅读 <skill>/examples/ariane-501/scenes.js:这是一个完整的、可运行的纪录片。按照同样的方式编写你自己的场景。

  • 先写 anchors():依次使用 WA('单词', '替代词')(开始)和 WEnd(...)(结束)查找每个节拍的时间点;以 B.end = endAfterVoice(2.0); _wc = 0; 结尾。然后 build() 为每个节拍调用一个函数。
  • 每个元素都在一个口语单词出现时落地。 没有东西在其对应的单词之前出现;屏幕上不会空置超过大约一秒钟。
  • 描绘故事,而非书写故事。 使用主题色的内联 SVG 插图(火箭、建筑、地图轮廓、硬币、人物剪影、文档),配合镜头移动(缩放/平移图层),以及动态大标题 hd()、卡片 card() + fly()、stamp() / warnStamp()、counter()、burst()、suspectCard()、quoteCard()、timeline()、dateTag()、typeText()。查看 engine/lib.js 和 engine/doc.js 了解每个辅助函数及其选项。
  • 保持文本简短(标签、数字、2-4个单词的大标题)。字幕已在底部显示每个单词:将内容保持在 y = 930 以上。设置 window.KEYWORDS 为字幕应着色显示的单词。
  • 为可能被误认为是真实画面或文档的绘图添加“插图”小标签。
  • 仅使用秒级运动:没有快于0.25秒的补间,没有闪烁的内容。
  • 仅使用主题色(LIME = 强调色、LIME2、PAPER、MUTE、DIM、CARD1、CARD2、PINK = 警告色、acc(a)、warnA(a)、PAPA(a)、MUTEA(a));使用 RND(i) 实现确定性随机性,切勿使用 Math.random()。
  • 注意事项:使用 GSAP 动画控制 x/y,切勿在 GSAP 也移动的元素上直接设置 CSS transform;一个场景 sc(t0, t1) 必须覆盖所有仍在运动的子元素;不要将变量命名为与辅助函数相同的名字(如 rise、cl、card……)。

渲染前检查:

  1. python render.py check -> 必须显示 err: null 和 miss: []。 (在语音文件生成之前,你可以使用 python engine/fake_words.py 基于虚拟时间轴布局场景。)
  2. python render.py stills <8-24个时间点> 并检查每一张预览图:重叠、文本被截断、空白屏幕、元素在其对应单词之前出现、颜色超出主题范围。修复后再次检查。

6. 音效 + 渲染 -> final.mp4

python render.py cues        # 从场景中提取音效提示列表
<py> audio.py                # 代码生成的音效 + 原创背景音乐(位于语音下方),-14 LUFS -> mix.wav
python render.py video 4     # 120 fps 捕获 -> 动态模糊 -> 1080p30 final.mp4(+ final_sheet.jpg)

在后台运行 render.py video,或设置15分钟超时:使用4个工作进程时,每10秒视频大约需要1.5分钟(实测:在一台纯CPU电脑上,6分钟生成38秒视频)。如果某个块报告缺失帧,减少工作进程数量后重新运行。查看 final_sheet.jpg。然后告知用户:文件、长度、来源以及任何无法验证的内容。提醒他们在发布前阅读 facts.md,并且告知他们你无法听到音频:他们的聆听才是真正的检查。

相关技能