Communitygithub.com

你决定故事

将一段文字故事转化为由代码完全绘制的竖版故事视频(1080x1920 MP4),包含内联SVG场景(由GSAP驱动)、旁白配音、与配音同步的字幕、顶部状态栏中的时钟以及结尾的两个词选择。当用户要求制作一个“你决定”的故事、带有选择结局或“你会吗?”的故事视频、有旁白的故事Reel/Short/TikTok(无需相机或图像生成器),或此类系列的续集时使用。

你决定故事 是什么?

该技能根据用户提供的单段文字,自动生成一个完整的竖版故事视频。视频完全通过代码绘制,不使用任何实拍镜头或图像生成。其工作原理如下:首先将故事分解为5-7行台词,并为每一行设计一个独立的SVG场景;然后使用系统内置的语音合成(或ElevenLabs API)生成旁白配音,并精确计算每行台词的起止时间;接着,利用GSAP动画库为每个场景中的元素添加进入、移动或抖动等动画效果,确保视觉与配音同步;最后,通过Playwright逐帧渲染视频,并输出为MP4文件。该技能非常适合制作具有互动选择感的短视频内容,例如“你决定”系列故事、抖音/Reels上的叙事短片等。它提供了一套包含模板、脚本和严格检查流程的完整工作流,确保最终视频的质量和一致性。用户需要提供包含地点、时间、事件和结局选择键词的故事段落,技能会自动补全缺失信息并生成视频。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/zeroedithq/claude-video-skills/tree/HEAD/you-decide-story

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

你决定故事 是做什么的?

你将制作一个简短竖版视频(1080 x 1920,时长约20至45秒),讲述一个小故事并在选择处戛然而止。无需拍摄任何画面,也不生成任何图像。你将每个场景绘制为内联SVG,由GSAP驱动动画,旁白朗读台词,并由脚本将各帧渲染为MP4。用户向你提供一个段落。你返回渲染好的视频。

四个组成部分

每个“剧集”都必须包含全部四个部分。

  1. 一句话前提,在前三秒内说出。 使用第二人称、现在时态:“你驾驶着今晚最后一班公交车。”模式是:你,一个地点,一个略有不妥的细节。观众在滚动前就能知道他们是谁、在哪里。
  2. 一个时钟或计数器,始终显示在屏幕顶部的状态栏中,并至少改变一次。 “11:58 PM”变为“11:59 PM”。“3根火柴”变为“2根火柴”。这个变化告诉观众时间不多了。
  3. 故事中的每一行台词对应一个绘制的场景。 故事有5到7行台词。每行台词都有自己的画面和字幕。画面在旁白开始该行台词的那个瞬间切换。
  4. 结尾的两个词选择。 屏幕变暗,显示“你愿意吗?”。然后出现两个选项,各为一个词(例如 停车 / 驶离),接着显示“评论一个词”。故事不给出结局。选择本身就是结局。

文件

下方 SKILL_DIR 指的是此文件所在的文件夹。请在命令中使用其真实绝对路径。Claude Code 在技能加载时会显示该路径。否则,它在项目中为 .claude/skills/you-decide-story,或 ~/.claude/skills/you-decide-story。

SKILL_DIR/scripts/voice.mjs      story.json -> 旁白音频 + timing.json
SKILL_DIR/scripts/render.mjs     剧集页面 -> 检查帧或MP4
SKILL_DIR/template/episode.html   你为每个剧集复制的页面模板

一个剧集是用户项目中的一个文件夹,以故事命名:

last-bus/
  story.json       你编写(第1步)
  timing.json      voice.mjs 写入(第2步)。切勿手动编辑。
  audio/           voice.mjs 写入(第2步)
  episode.html     从模板复制(第3步),然后你在其中绘制
  out/check/       检查帧(第6步)
  out/episode.mp4  视频(第8步)

在第一个剧集之前

在用户的项目文件夹中运行以下命令:

node --version           # 必须为 v22 或更新版本
ffmpeg -version          # 必须打印出版本信息
npm ls gsap playwright   # 两者都必须列出

如果缺少 gsap 或 playwright,请在项目文件夹中安装它们:npm install gsap playwright,然后运行 npx playwright install chromium。如果缺少 Node.js 或 ffmpeg,请停止并告知用户要安装的内容。

步骤

请按此顺序执行步骤。在第7步通过检查之前,不要渲染完整视频。

第1步. 编写 story.json

将用户提供的段落转化为5至7行台词及选择。该段落应回答四个问题:你在哪里,现在几点(或什么正在耗尽),谁或什么到来,结尾的两个词是什么。如果缺少任何一项,请自行补充,并在最终报告中说明。不要停下来提问。如果这是系列的后续部分,用户会告诉你哪个词胜出了。以此开头。

{
  "title": "末班车",
  "lines": [
    { "id": "l1", "say": "你驾驶着今晚最后一班公交车。", "caption": "你驾驶末班车。", "clock": "11:58 PM", "pause": 0.8 },
    { "id": "l2", "say": "一个男人向你招手。这里没有站台。", "caption": "一个男人招手。没有站台。", "clock": "11:59 PM" }
  ],
  "choice": {
    "question": "你愿意吗?",
    "a": "停车", "aNote": "让他上车",
    "b": "驶离", "bNote": "继续行驶",
    "say": { "question": "你愿意吗?", "a": "停车。", "b": "还是驶离。", "cta": "评论一个词。" }
  }
}
字段说明
title顶部状态栏中的标签。一到三个词。以大写字母绘制。
lines[].idl1, l2, ... 按故事顺序。场景组和运动代码使用这些ID。
lines[].say旁白朗读的内容。一到两个短句,4到12个词,使用现在时态。
lines[].caption屏幕上显示的文字。提炼为最核心的内容,约40个字符以内。
lines[].clock该行台词在屏幕上时,顶部状态栏中显示的文本。重复值以保持不变。至少改变一次,在压力升高的那一行。
lines[].pause可选。该行台词后的静默秒数,用于需要时间的画面(如门打开、电话铃响)。默认值0.3。
choice.a, choice.b各一个词,使用大写字母。
choice.aNote, choice.bNote两到三个小写字母的单词,说明该词在此处的含义。
choice.question默认为 你愿意吗?。
choice.say在卡片构建时旁白所说的内容,分为四个部分,以使每个词在说出时准确落下。

台词规则:

  • l1 是前提。第二人称、现在时态,不超过8个词,以确保在3秒内结束。
  • 尽可能保留用户自己的句子。如果段落以第二人称、现在时态的句子(不超过8个词)开头,则该句子就是 l1,一字不差。
  • 一行台词对应一个画面。如果一行台词需要两个画面,则将其拆分为两行。
  • 选择前的最后一行台词留下未解答的问题。不要回答它。
  • 故事必须是原创的。请参见绘制规则。

第2步. 生成语音和 timing.json

node SKILL_DIR/scripts/voice.mjs last-bus
  • 在Mac上,此脚本使用内置的 say 语音。它是免费的。默认语音为 --voice Daniel,速率为 --rate 172。对于其他语言的故事,请传入该语言的语音(使用 say -v '?' 列出)。
  • --provider elevenlabs --voice <voice_id> 使用ElevenLabs。它需要 ELEVENLABS_API_KEY,并且会消耗用户的积分。仅在用户要求时使用。
  • --provider silent 写入估计长度的静音。当系统没有可用语音时使用。告知用户视频没有旁白。

脚本会打印每一行的开始和结束秒数,并写出 audio/voice.wav 和 timing.json。它还会检查格式,并为每个问题打印一行 警告::前提在3秒后结束、时钟从未改变、选择项超过一个词、某行在屏幕上显示时间少于2秒。修复 story.json 中的每个警告并重新运行脚本。在更改任何 say 文本后,请重新运行脚本。

timing.json 是本剧集的唯一计时依据:

{ "duration": 24.6, "lines": [ { "id": "l1", "start": 0.3, "end": 2.71 }, { "id": "l2", "start": 3.51, "end": 6.4 }, { "id": "choice", "start": 19.2, "end": 19.9 } ] }

第3步. 复制模板

cp SKILL_DIR/template/episode.html last-bus/episode.html

阅读副本一次。你将编辑其中的两个部分:场景(SVG)和 motion 函数。其余部分是引擎部分。引擎已从 story.json 和 timing.json 中确定了场景切换、每个场景的缓慢缩放、字幕、时钟和选择卡片的计时。不要再次为这些元素计时,也不要编辑引擎部分。

使用你的文件编辑工具修改副本。一个剧集始终是一个HTML文件:不要将其拆分为多个部分,也不要编写构建脚本。

第4步. 绘制场景

在 <g id="scenes"> 内部,删除两个示例场景,并为每一行绘制一个组:

<g class="scene" id="scene-l2" data-caption-y="1400">
  <!-- 先背景,然后是物体,接着是人物 -->
  <g transform="translate(540 1250) scale(1.12) translate(-540 -1250)">
    <g id="l2-man"> ... </g>
  </g>
</g>
  • 组ID为 scene- 加上行ID。引擎从该行的开始时间显示它,直到下一行的场景开始。
  • 为每个将要移动的部分指定一个命名的组,并以行ID开头(l2-man、l2-arm)。ID必须在页面中唯一。
  • 尺寸和位置放在外部组上作为 transform。动画放在内部的命名组上。绝不对具有 transform 属性的元素进行动画处理,也绝不对 .scene 组进行动画处理或变换。
  • 只有在该行通过运动明显改变画面时(例如有人离开、灯熄灭、电话亮起),一行才能保留前一场景(不为它绘制任何组)。

舞台大小为 1080 x 1920。一个单位对应视频中的一个像素。

y此区域内容
0 到 182顶部状态栏:标签和时钟。由引擎绘制。保持其后区域为纯色。
250 到 1250画面。主要物体位于此区域并填满它。
1290 到 1500字幕条。文字后面使用纯暗色:一个柜台、一层地板、一条路、一面墙。
1560 到 1920手机上的应用按钮覆盖区域。无需放置故事所需的内容。

场景上的 data-caption-y 属性可移动其字幕位置(默认为1400,即字幕条中间)。data-zoom 设置缓慢缩放(默认为1.06,设为 1 表示无缩放)。

第5步. 编写运动动画

替换 function motion({ tl, show, line }) 的函数体,编写你场景的运动动画。

const l1 = line('l1'), l2 = line('l2');   // { start, end, next } 以秒为单位,来自 timing.json

// 从画框上方掉入并弹跳
show('#l2-bag', l2.start + 1.0);
tl.fromTo('#l2-bag', { y: -1400 }, { y: 0, duration: 0.55, ease: 'bounce.out' }, l2.start + 1.0);
// 向右走出
tl.to('#l3-man', { x: 900, duration: 1.3, ease: 'power2.in' }, l3.start + 1.4);
// 震动:振动的电话围绕自身中心轻微旋转
tl.to('#l4-phone', { rotation: 3, svgOrigin: '290 1680', duration: 0.06, repeat: 40, yoyo: true, ease: 'none' }, l4.start);
// 脉冲:振动的弧线、警告灯
tl.fromTo('#l4-rings', { opacity: 0 }, { opacity: 1, duration: 0.3, repeat: 7, yoyo: true, ease: 'sine.inOut' }, l4.start + 0.1);
// 持续整个场景的动画
tl.fromTo('#l1-road', { x: 0 }, { x: -520, duration: l1.next, ease: 'none' }, 0);

规则。它们确保画面与配音同步:

  • 每个起始秒数都来自 timing.json。 将其写为 line('<id>').start 加上该行内的偏移量。0(第一帧)是唯一允许的裸数字。不允许手动设置秒数(如 6.4):如果重新生成语音,它将偏移。
  • line(id).start 是切换到该行场景的时刻。.end 是旁白停止的时刻。.next 是下一行开始的时刻。line('choice') 是选择卡片。
  • 稍后出现的形状需要在其入场动画的同一秒调用 show(el, start)。show(el, start, end) 在 start 前隐藏它,并在 end 后隐藏它。
  • 仅允许动画。没有 tl.call、没有 onComplete、没有 Math.random()、没有定时器。渲染器会跳转到每一帧,因此只有动画后的值才会被绘制。
  • 旋转和缩放需要 svgOrigin: 'x y',即它们围绕旋转的点,单位为舞台。
  • 为每个场景赋予一到两个除了缩放之外的移动元素:一个入场、一个手势、一束光。没有移动元素的场景看起来就像幻灯片。

当动画没有起始秒数、选择器未匹配任何元素或 story.json 与 timing.json 不再匹配时,引擎会停止并给出清晰的消息。

第6步. 渲染检查帧并查看它们

node SKILL_DIR/scripts/render.mjs last-bus --frames auto

此命令会将PNG文件写入 last-bus/out/check/ 目录:第一帧、每次切换后的一帧(-cut)、每行中间的一帧(-mid)以及最后一帧。阅读它打印的每一条 注意: 行。

使用“读取”工具逐一以全尺寸打开每个PNG文件。不要跳过任何帧,也不要仅从文件列表进行判断。在每帧中检查:

  1. 屏幕上显示一个场景,并且是该行对应的正确场景。
  2. 字幕一目了然。其后没有明亮或复杂的细节。
  3. 该行的主要物体至少占据画面区域的三分之一。
  4. 画面中没有任何尚未到达的元素。将每个 -cut 帧与运动代码中的偏移量进行比较。
  5. 没有文本被其边框或画面边缘裁剪。
  6. 时钟显示 story.json 中为该行指定的值。
  7. 第一帧已经显示地点和主要物体。
  8. 最后一帧显示问题、两个词、两个注释以及“评论一个词”。

第7步. 修复并再次检查

修复你所看到的问题。使用下面的列表。然后重新渲染帧并再次检查。偶尔,你可以请求精确秒数的帧:--frames 6.5,7.2。重复此过程,直到每帧都通过全部八项检查。只看一次是不够的:修复问题往往会移动问题的位置。

第8步. 渲染视频

node SKILL_DIR/scripts/render.mjs last-bus

它会每150帧打印一次进度,并在结束时显示帧数和耗时。文件为 last-bus/out/episode.mp4。使用 --out name.mp4 更改文件名。使用 --width、--height 和 --fps 更改尺寸和帧率(默认为1080 x 1920,30fps)。然后确认文件包含画面和声音:

ffprobe -v error -show_entries stream=codec_type:format=duration -of default=nw=1 last-bus/out/episode.mp4

第9步. 报告

告知用户:MP4文件的路径、其长度、前提、两个词、你所补充的一切内容以及你无法消除的任何警告。

已知失败与修复

以下四种情况在以此方式制作的第一个剧集中出现过。请在每一个检查帧中查找它们。

  1. 某个形状在其入场动画开始之前就可见。 你在 -cut 帧中看到它:本应稍后到达的元素已经出现,并且通常停留在一个奇怪的位置。在第一个剧集中,一个包在一名男子的脸前悬挂了一秒钟才掉落。原因:一个动画将其形状从第0秒开始就放置在起始位置,并且该位置位于画面内。修复:使用 show('#l2-bag', l2.start + 1.0) 将其隐藏直到开始时间(与动画的同一秒),并将入场起点设置在画面外部(y: -1400,而不是 y: -400)。
  2. 字幕被放置在繁忙的区域上。 文字覆盖在架子、窗户、脸或明亮形状上。修复:将字幕移动到一个平静的区域。在该场景上设置 data-caption-y 为一个背景颜色单一的暗色 y 坐标,或者重新绘制场景,使 y 1290 到 1500 区域保持平静。不要为了使字幕适应物体之间而缩小它。
  3. 主要物体在画面中太小。 在第一个剧集中,一个站在路牌边的男人太小了,以至于无法从他身上读到情绪。修复:放大场景组。使用 transform="translate(…)" 将构图中心对准主要物体。设计准则是:如果视频缩小到手机的一半宽度,这个物体是否仍然可被识别?
  4. 声音和画面不匹配:字幕、旁白和画面出现在不同的时间。 原因:你使用了硬编码的秒数(如 6.4)而不是 line(id).start + 偏移量。修复:将所有硬编码的秒数替换为 line(id).start。当 voice.mjs 运行时,它计算精确的计时。你的代码必须引用该计时。

相关技能