Communitygithub.com

手工拼贴动画解说生成器

将短篇旁白、故事主题、观点句子或抽象概念转化为连贯的社论风格手工拼贴动画序列。

手工拼贴动画解说生成器 是什么?

该技能专为需要将叙事、知识点、观点或抽象主题转化为触感纸拼贴动画的创作者、教育工作者和社交视频编辑设计。用户提供源文本、故事节拍或核心概念,并可指定宽高比、时长、调色板和音频需求。技能会提取核心含义,提出视觉隐喻,准备制作计划和故事板,生成通过审稿的半色调拼贴静态帧,然后制作带有纸张运动和触感音效的定格动画片段,并可选最终合成。默认保留拼贴音效,不添加背景音乐、画外音或字幕,除非用户明确要求。最适合解说型视频、观点表达、故事可视化及社交视频B-roll;不适用于产品广告、可编辑图层、复杂排版或仅基于提示词的任务。支持平台包括ComfyUI(通过MiniMax-H3模型)等AI视频生成工作流。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge/tree/HEAD/skills/paper-collage-explainer-generator

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

手工拼贴动画解说生成器 是做什么的?

将短篇旁白、故事主题、观点句子或抽象概念转化为连贯的社论风格手工拼贴动画序列。视觉语言是高级半色调纸拼贴:平坦大胆的色块、黑白摄影剪贴、选择性彩色卡纸点缀、暖黄奶油色轮廓线、柔软的纸张阴影、触感十足的定格动画组装以及清脆的拼贴音效。

此技能基于Hub适配,利用Hub原生图像、视频、音频及可选后期处理能力。它优先考虑风格连续性、色彩和谐、受控的纸张纹理、定格动画拼贴节奏以及一项音频策略:默认保留触觉拼贴音效,但除非用户要求,否则不添加背景音乐、画外音或字幕。

何时使用

当用户需要以下内容时使用此技能:

  • 将短脚本行转化为视觉隐喻拼贴动画
  • 通过拼贴B-roll解释一个简单的故事或文学主题
  • 为旁白或社交视频制作社论风格手工拼贴动画
  • 半色调拼贴动画,物体从空白色域中组装而成
  • 将一批简短的抽象句子或故事节拍转化为独立的视觉隐喻动画片段
  • 触感知识解说片,可能包含纸张的咔哒声、爆裂声、滑动声、按压声和沙沙声,但不要自动添加音乐或画外音

当用户需要以下内容时,不要使用此技能:

  • 逼真的产品广告或主持人讲解视频
  • 精确的可编辑图层、时间轴关键帧或透明剪贴素材
  • 精确的徽标放置或可读排版
  • 仅提供书面视频提示词而不生成内容

默认创意目标

除非用户另有指定:

  • 输出比例:16:9 横屏
  • 片段长度:每段约4秒
  • 音频默认值:仅保留或生成触觉拼贴音效,如纸张滑动、爆裂、按压、轻微沙沙声和轻拍声
  • 默认:不添加背景音乐。在可能有益的情况下,你可以询问用户是否想要背景音乐,但只有在用户明确确认后才添加音乐
  • 默认:不添加画外音、口语旁白或主持人讲解。在项目可能受益时,你可以询问用户是否想要旁白/口播,但只有在用户明确确认后才编写、合成或添加口语音频
  • 默认:不添加字幕。你可以询问用户是否想要字幕,但只有在用户明确确认后才创建或烧录字幕
  • 视觉风格:高级社论半色调纸拼贴
  • 运动风格:触感定格动画组装,而非缓慢缩放、通用漂移或平滑的数字图层移动
  • 默认视频生成模型:MiniMax-H3,除非用户明确指定其他模型、模型不可用或硬性能力要求排除它
  • 图像/视频中的文字:避免可读字母、数字、用户界面、字幕、水印和徽标
  • 图像质量和深度:优先考虑视觉吸引人的、分层的16:9构图,具有清晰的前景、中景和背景深度,强烈的主题层级,丰富但可读的场景设计,以及受控的负空间

音频策略

此技能的默认交付方式是带有拼贴音效,没有背景音乐、画外音或字幕。

  1. 在第一次制作计划确认期间,明确说明默认媒体方法:保留或生成触觉纸拼贴音效;默认不添加背景音乐、画外音/口播和字幕。
  2. 可以询问用户是否想要画外音旁白/口播、背景音乐或字幕,特别是对于解说型视频,但应将这三者作为可选的附加项,而非默认项。
  3. 不要推断解说型视频自动需要口语旁白。如果用户没有选择旁白,则创建视觉故事节拍,而不是画外音脚本。
  4. 不要推断社交视频自动需要背景音乐或字幕。如果用户没有选择它们,则仅保留片段音效。
  5. 在生成视频片段时,如果所选视频模型支持音频,则请求同步的触觉拼贴音效:纸张碎片滑动、爆裂、压平、轻拍和轻微沙沙声。
  6. 在最终合成期间,当原始片段音频包含拼贴音效时,保留这些音频轨道。默认情况下不要丢弃音频。
  7. 仅当用户要求静音、生成的音频包含不需要的语音/音乐、或用户要求单独的音乐/旁白混音时,才移除或替换音频。仅当用户明确要求时才创建字幕。

全局样式规则

将这些规则应用于项目中的每个静态帧和视频:

  1. 统一整体视觉风格。 每个片段都应感觉属于同一社论纸拼贴系列:半色调剪贴、平坦色域、暖黄奶油色轮廓线、柔和的物理阴影、干净的构图、触感纸张材料以及协调的拼贴音效。
  2. 控制纸张纹理强度。 纸张不能看起来完全平坦,但也不能变得过度老化、脏污、起皱或发黄,除非用户明确要求。偏好干净、精致的手工纹理:细微的纤维、略微不规则的撕裂边缘、轻薄的毛边纤维、分层接缝和柔和的阴影。
  3. 统一色调。 当它们与已批准的静态帧或批次调色板冲突时,不要引入牛皮纸、棕色、泛黄或做旧的基底纸张。每个片段应从与已批准的最终静态帧主要颜色方向相匹配的纸面开始。
  4. 让运动表现为定格动画拼贴。 使用清晰的纸张碎片动作:逐片出现、滑入或弹入位置、轻微弹跳、压平、暂停,然后锁定到最终构图。避免快速旋转、过度翻转、混乱的物体飞行、全局淡入淡出、平滑的数字平移、缩放或通用漂移。
  5. 保持片段协调。 一旦一两个片段确立了已批准的批次风格和音效节奏,后续片段和修订应参考该节奏和基调,以便整个序列感觉连贯。
  6. 默认使用精美的16:9分层场景。 除非用户明确要求其他平台画幅,否则以16:9横屏进行规划和生成。利用更宽的画布构建吸引人的前景/中景/背景分离、更丰富的环境道具、清晰的题材层级以及电影般的横向构图,同时避免画面杂乱。
  7. 强调纸拼贴工艺。 每个静态帧和片段都应使纸拼贴方法可见:可分离的纸张组、半色调摄影剪贴、彩色卡纸点缀、触感阴影、撕裂边缘、分层接缝以及定格动画动作,如弹入、滑入、轻微弹跳、压平、暂停和锁定。

第一步:解析输入

对于每一行、概念、故事或主题,提取:

  • 核心含义:观众应该理解什么
  • 情感:冷静、紧迫、讽刺、惊讶、荒诞、澄清、反思、神秘或俏皮
  • 动作动词:打开、连接、泄漏、归档、压缩、分裂、照亮、绑定、组装、揭示、落下、追逐、转变、碰撞
  • 视觉隐喻:一个具体的图像,表达想法而不在屏幕上书写脚本
  • 关键物体:三到六个大型可读纸张组
  • 音频含义:节拍是否受益于纸张滑动、爆裂、按压、轻拍、沙沙声或啪嗒声音效

对于一个故事主题,将故事分成三到六个简洁的节拍,除非用户指定了数量。相似的节拍可能共享相同的设计语言,但每个节拍应具有不同的隐喻、物体集、色域和音效节奏。

第二步:关卡 1 —— 制作计划文档审批

在生成任何媒体之前,创建一份简洁的制作计划文档并等待用户批准。在用户确认此文档之前,不要生成静态帧或视频。

制作计划必须包括:

简报

  • 主题或源语句
  • 目标受众/使用背景(如已知)
  • 宽高比和时长假设
  • 基调和节奏
  • 视觉风格总结
  • 媒体方法,说明:默认保留或生成拼贴音效;除非用户明确要求,否则不添加背景音乐、画外音/口播和字幕
  • 在有益时提出可选的附加问题:询问用户是否想要画外音旁白/口播、背景音乐或字幕,但保持可选

视觉隐喻

对于每个计划中的片段:

  • 核心含义
  • 情感
  • 一句视觉命题
  • 三到六个关键物体
  • 建议的背景色和强调色
  • 预期的组装顺序
  • 预期的拼贴音效时刻,如滑动、爆裂、按压、轻拍、沙沙声或啪嗒声

脚本 / 视觉节拍轨迹

如果用户明确要求旁白,编写一个简洁的画外音脚本。如果用户没有明确要求旁白,则不要编写画外音脚本;而是编写一个无声的视觉节拍轨迹,解释观众从序列中理解的内容。

如果用户只需要为现有语句制作B-roll,则保留原始语句作为上下文,而不是编造旁白。

故事板

对于每个片段,包括:

  • 片段标题
  • 最终帧描述
  • 运动构思
  • 大约时长
  • 拼贴音效构思
  • 关于风格连续性和色彩和谐的注释

在呈现制作计划文档后,等待用户批准、拒绝或修改。如果用户仅批准了某些编号项目,则仅推进这些项目并修改其余部分。

第三步:构建静态帧规格

在制作计划获批后,为每个获批的片段编写一份紧凑的视觉规格。该规格应自成一体,适合图像生成。

包括:

  • 脚本含义或故事节拍
  • 视觉隐喻
  • 宽高比
  • 背景色域
  • 强调色
  • 关键物体组及其作用
  • 构图、前景/中景/背景深度和负空间
  • 最终帧关系
  • 风格连续性注释
  • 此特定静态帧的避免清单

使用此风格签名:

平坦大胆的色域,黑白半色调摄影剪贴,选择性彩色卡纸点缀,暖黄奶油色轮廓线,柔软的纸张阴影,精细的无涂层纸纹理,高级社论纸拼贴,干净精致的手撕纸边缘,微妙的纤维边缘,分层纸张接缝

颜色指导:

  • 焦橙色或红色:劳动、时间压力、紧迫感
  • 芥末黄:工具、警告、累积的错误
  • 墨绿:认知、重置、判断、超现实的平静
  • 深紫色:记忆、结构、神秘、梦境逻辑
  • 蓝绿色:协作、执行、系统流程
  • 玫瑰红:荒诞、仪式、戏剧张力

不要将钴蓝色设为自动默认值。通过纸张纹理、半色调处理、轮廓线、阴影、取景和受控调色板,保持批次视觉统一。仅在故事节拍受益于对比时才改变色域。

第四步:关卡 2 —— 生成并批准静态帧

为每个获批的片段生成一个最终静态帧。该静态帧必须看起来像未来动画的完成最后一帧。

静态帧要求:

  • 使用用户指定的宽高比;否则默认为16:9横屏
  • 带有细微纤维纹理的平坦大胆纸背景
  • 三到六个大型可分离物体组,除非已批准的故事板需要稍多一些
  • 清晰的中心主题,强烈的视觉层次,充足干净的负空间,以及可见的前景/中景/背景分层
  • 黑白半色调摄影剪贴作为主要结构,结合丰富但可读的场景道具以支持故事节拍
  • 仅在有助于澄清层次时才使用选择性彩色卡纸点缀
  • 暖黄奶油色轮廓线,柔软的物理纸张阴影,精致的撕裂边缘和微妙的纸张分层接缝
  • 除非明确要求,否则没有可读文字、伪字母、数字、字幕、用户界面、水印或徽标

向用户展示生成的静态帧,并在视频生成前等待批准。如果静态帧看起来过于杂乱、颜色不匹配、纸张层过多、数字边缘过于平坦或纸张纹理过于老化/发黄,则在视频生成前修改静态帧。

第五步:计划定格动画组装

对于每个获批的静态帧,准备一个运动计划,将获批的静态帧视为完成的最终帧。

默认运动顺序:

  1. 从与获批静态帧主要背景匹配的干净纸色域开始,而不是不匹配的牛皮纸或棕色基底。
  2. 基本结构以滑入、弹入或按压入位的纸张碎片形式出现。
  3. 角色、卡片、物体或主要隐喻元素进入。
  4. 次要物体逐一组装,带有小幅度弹跳、压平和暂停节拍。
  5. 最终关系锁定到获批的构图。
  6. 在结尾短暂保持完成的静态帧状构图。

运动提示指导:

纸拼贴定格动画组装。从与获批静态帧背景颜色和色调匹配的干净纸面开始。用触觉定格动画节奏逐片组装场景:前景、中景和背景纸张组以可读顺序出现;每个纸张对象出现、滑入或弹入、轻微弹跳、压平、暂停并锁定到位。保留半色调点、奶油色轮廓线、微妙的纤维撕裂边缘、分层纸张接缝、柔和阴影、纸张纹理、色域和获批的宽高比。以匹配获批静态帧的完成构图结束。声音设计:仅触觉拼贴音效,与纸张碎片运动同步:适当时使用柔和的纸张滑动、弹入、压平轻拍、轻微沙沙声和微小的纸张啪嗒声。默认:除非用户明确要求,否则不添加背景音乐、画外音、对话或字幕。没有不匹配的牛皮纸开头,没有棕色/泛黄的基底(除非获批),没有快速旋转,没有混乱的物体飞行,没有平滑的数字图层移动,没有场景切换,没有摄像机移动,没有缩放,没有变形,没有新物体,没有文字,没有徽标,没有水印,没有用户界面。

第六步:生成拼贴音效B-roll片段

在关卡2批准后,生成

…

[内容省略]

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

Create complete stylized 3D animated shorts from a story idea through an ordered production workflow covering project brief, story outline, character and environment cards, standardized shot planning, text or optional pencil storyboards, video-model selection, single-shot generation, assembly, BGM matching, and final review. Use when the user wants an end-to-end narrative animation workflow with strong character consistency, scene continuity, timing, camera, performance, and audio control. Not for single images, simple edits, photorealistic live action, or one standalone clip.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For marketers and creators producing promotional content for brands, products, websites, apps, shops, or personal projects. Users provide logos, product images, interface screenshots, official links, or other verifiable assets and confirm duration, aspect ratio, audience, and campaign focus. The Skill organizes brand facts and asset provenance, selects a narrative direction, plans precise beats and shots, generates needed imagery, video, voiceover, or music, and completes assembly and pre-delivery review. It outputs a promotional short that highlights product capabilities, use cases, and a call to action. Best for launches, website showcases, and social promotion; not for imitating real brand marks without authorized assets, inventing product claims, or producing long-form narrative films.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For users creating a two-player co-op game menu or opening animation. Users provide two player names, a game title, a target visual style, and optional character reference images. The Skill locks identity cues, generates an approval image from a fixed menu framework with coordinated color, buttons, icons, and typography, then uses the approved result to rebuild the character, UI-copy, and event timing instructions for the final video. It outputs a co-op game intro featuring two characters, player cards, and menu interaction motion. Best for game concepts, character-led menus, and social content; not for playable game development, complex multi-page UI, exact brand-logo replication, or generic character-free title sequences.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

为 MiniMax H3 图生视频生成高动态运镜 Ref2VA 提示词。基于插件自动加载的参考图(人物、场景、动作、风格),只输出可直接交给 H3 图生视频节点的六段式英文提示词,不生成角色卡或动作首帧文生图提示词。要求两轴位移、主动运镜、前景视差、障碍接触、尺度变化与物理反馈,使用官方镜头指令与自然语言弧线描述。无参考图时允许纯文字描述模式。

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

Write MiniMax H3 video generation prompts for T2VA, I2VA, FL2VA, L2VA, and Ref2VA. Use when rewriting multimodal requests into H3 prompt structures, composing integrated_multimodal_description, overall_soundscape, and non_diegetic_music, aligning keyframes, or defining reference labels for images, videos, and audio.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For creators making surreal short videos that blend rough glowing hand-drawn animation with live-action spaces. Users provide a scene idea, contact object or hand, desired mood, and optional language or style constraints. The Skill clarifies the physical contact, designs continuous morphing, escape route, and delayed handheld chase movement, then writes a reusable 15-second 16:9 video prompt in the user's language. After user confirmation it recommends MiniMax H3 generation and checks contact realism, camera delay, rough glowing stroke texture, and non-horror tone. Best for single-scene creative clips, not polished CG, horror jump scares, plush characters, or multi-scene cuts.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

Turn user-provided reference images and script into multi-segment H3 Ref2VA video prompts with character presenter, holographic interaction, and full narration coverage. Users provide a character reference image, an environment reference image, and a complete narration script. The Skill auto-splits the script into segments within user-specified max duration, calculates narration budget dynamically, designs at least 2 holographic interactions per segment, and outputs complete self-contained Ref2VA format prompts. No external skill dependencies. Style, aspect ratio, and segment duration are flexible.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

Turn product images and ad requirements into minimalist product ad shorts for e-commerce promotion and product launches. The Skill confirms format and product variants, extracts selling points, writes concise English ad copy, builds product anchors, plans beat-synced typography/storyboards, and generates a clean product film with premium camera language. Not for KOC talking-head ads, general editing, or complex screen demos.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For musicians, video creators, and social-media editors producing AI music videos or emotional short films with lyric typography. Users provide music, lyrics, references, characters, typography direction, mood, or target platform. The Skill analyzes beat and vocal timing, separates character, scene, and text references, designs beat-reactive spatial typography, decomposes long works into connected shots, audits prompts, and routes generation for H3 or other video tools. It outputs MV concepts, shot prompts, lyric text plans, and stitching guidance. Best for stylized MVs and subtitle-driven music visuals, not ordinary caption cleanup, licensed IP copying, or fully manual post-production editing.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For creators explaining science, education, or general knowledge through tactile handmade papercraft visuals. Users provide a topic, core knowledge points, or source material and may specify audience, duration, aspect ratio, and deliverable type. The Skill extracts the learning goal and visual metaphor, proposes creative directions, designs paper characters, layered diorama sets, and props, creates preview concepts plus image and video prompts, and plans storyboards, camera movement, transitions, and sound with staged approvals and review checklists. It outputs a production-ready papercraft stop-motion explainer package, or selected assets such as still prompts, image-series prompts, short-video prompts, or storyboards. Best for cut-paper, pop-up-book, layered diorama, and miniature stop-motion explainers; not for standard 2D cartoons, line doodles, live action, or explainers without a paper-art look.

相关技能