Communitygithub.com

carlosa54/explainer-video

制作带旁白、动画的解密视频(3Blue1Brown风格的Manim图表、真实应用截图、ElevenLabs语音、同步字幕)。当被要求创建解说或操作演示视频、重新剪辑或缩短现有视频、或更改其旁白声音时使用。

explainer-video 是什么?

该技能是一个全面的AI代理工具,用于从零制作专业级解说视频或对现有视频进行重新剪辑。它集成了多个技术组件:使用Manim生成动画(类似3Blue1Brown风格)、通过ElevenLabs文本转语音API添加高质量旁白、支持真实应用截图作为素材,并能自动生成与语音角色时间戳完全同步的字幕(SRT格式)。视频制作过程以项目文件夹为中心,包含脚本文件(narration.py)、动画场景代码(scenes.py)、配置JSON和截图目录,确保每次剪辑或修改都是一个独立、可复现的项目。技能特别强调流程管理:通过分步工作流(事实核查→项目搭建→脚本编写→动画→配音→构建验证→交付)保证质量,并内置智能缓存机制——合成的句子按内容缓存,只有修改过的句子才需要重新生成语音,从而节省API成本。简单来说,让AI能像专业视频制作人一样,从需求到成品,自动完成整个解说视频的生产流程。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/carlosa54/explainer-video/tree/HEAD/skills/explainer-video

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

解说视频

完成的解说视频是一个MP4文件,画面随文字而动:每个动画在旁白念到其描述的短语时开始,字幕根据语音自身的角色时间戳进行计时。整个工作是一个位于项目文件夹中的流水线:narration.py(脚本)、scenes.py(Manim场景)、video.json(标题、语音)、screens/(截图)以及 kit/(打包的工具包,在项目根目录下通过 python -m kit <command> 运行)。

每一次剪辑(新版本、缩短的编辑、新的语音)都是一个通过 scripts/new_project.py DEST --from OLD 创建的新项目文件夹。之前的剪辑版本保持可播放且不受影响;合成的句子根据内容在项目外部缓存,因此一次剪辑只需为修改过的句子付费。

密钥来自环境变量 ELEVENLABS_API_KEY。通过用户使用的任何密钥管理器运行语音命令(如 op run --、av inject +ELEVENLABS_API_KEY --、普通的 export);切勿打印、记录或写入密钥。

步骤

1. 事实清单

收集视频可能涉及的主张,来源包括用户的简要说明、他们的仓库和配置文件,以及向他们提出的问题。将每条主张标记为 已验证(在配置文件、截图或用户话语中看到)或 说明性(占位符、示例、概念性布局)。确定目标受众、目标时长以及必须删减的内容。

当计划在屏幕上或旁白中提出的每个主张都能追溯到已验证的行,并且说明性的主张已列出以供结果备注时,视为完成。阅读 references/script.md 了解最容易出错的主张。

2. 项目

对于新视频,运行 python3 <skill>/scripts/new_project.py DEST;对于新剪辑,使用 --from OLD 参数。将 template/requirements.txt 安装到虚拟环境中(Manim 需要系统上安装 Cairo、Pango 和 ffmpeg)。在 video.json 中设置 name、title 和 voice。

当 python -m kit draft && python -m kit build --low 能够将捆绑的示例(或复制的剪辑)构建到 out/ 目录中时,视为完成。

3. 脚本

编写 narration.py:按播放顺序排列的场景,每个场景是一个由 (id, caption, spoken) 片段组成的列表,每个片段一到三句话。按每分钟视频大约150个口语词汇进行预算;让真实的音频决定最终时长,而不是加快语音速度。将专有名词的发音放入 pronunciations.json。

以表格形式(场景、旁白、画面内容)向用户展示脚本,并询问只有他们才能回答的问题。当用户批准了措辞时,视为完成:语音合成需要积分,在此之前对脚本进行编辑是免费的。

4. 使用草稿音频进行动画制作

python -m kit draft 生成免费的占位符旁白,带有均匀的角色时间戳,这样您可以在付费之前布局场景。在 scenes.py 中为每个场景编写一个 Narrated(图表)或 ScreenScene(截图)类,使用 say / until / done 驱动所有变化。通过运行 python -m kit build --low 并查看帧进行迭代。

当每个片段都有与其文字同步变化的画面,python -m kit timing 报告没有静默间隙,并且低分辨率预览中没有出现文字重叠或空白阶段时,视为完成。在编写场景之前阅读 references/animation.md;在捕获任何实时应用截图之前阅读 references/screens.md。

5. 语音

如果尚未选择语音,进行试听:运行 python -m kit voices,然后对包含困难名称的句子运行 python -m kit audition ID1 ID2 ID3,让用户根据听觉选择。接着运行 python -m kit narrate --dry-run 查看字符成本,然后运行 python -m kit narrate。

当 narrate 报告剩余0个片段需要合成时,视为完成。阅读 references/narration.md 了解语音设置、克隆语音、积分和密钥权限。

6. 构建和验证

运行 python -m kit build(全分辨率),然后运行 python -m kit verify --speech。检查 out/ 目录中的联系表以及每个场景的全分辨率帧,修复发现的问题。新的语音会改变节奏,因此更换语音始终意味着完全重新渲染,绝不能替换音轨。

当 references/verify.md 中的每个检查都通过或解释了其例外情况时,视为完成。

7. 交付

报告以下内容:MP4、SRT、脚本和联系表的绝对路径;时长;语音和模型;验证数据;步骤1中的说明性或未验证列表;以及重新构建的命令。切勿将草稿音频当作完成的旁白:只要有任何片段仍是草稿,assemble 就会拒绝最终构建。

相关技能