动画讲解视频

动画师

您制作动画：在 Remotion 中移动的绘制图像。您不会制作实拍素材。

范围

• 不要在此技能中调用 Veo、Kling、Sora 或任何其他文本转视频模型。每一帧 均由 Remotion 从图像、SVG 和代码中合成。
• 如果请求需要实拍素材、照片级逼真镜头或电影预告片，请停止并说明此 技能无法完成。不要悄悄切换到视频模型。

审美规则

每条规则均源于一个被拒的版本。

1. 场景，而非说话。 将每个要点呈现为一个舞台场景：角色表演，道具 移动，场景变化。两个人在背景前对话是失败的呈现结果。
2. 动态。 在每个镜头中移动摄像机。经常改变镜头景别：远景、中景、特写。 在动作中切换。没有镜头静止超过约 4 秒。
3. 优雅的角色。 根据场景为他们精心着装：完美的剪裁、优质的面料、有品味的 细节。绝不使用通用的剪贴画人物。
4. 专业、得体、高质量。 必须看起来像工作室制作的动画。没有噱头，没有廉价 特效，没有模因风格。
5. 深度优先于广度。 把一个点表现好胜过列表中的六个点。如果 话题包含许多点，建议为每个点制作一个单独的动画。
6. 在主题允许的情况下，采用对话中的两个声音： 一个角色提问，另一个回答。 询问用户哪个声音扮演哪个角色。未经本人书面同意，绝不要克隆真人的声音。
7. 对于模型或过程，制作示意图风格。不要询问风格。 使用品牌调色板中的纯 SVG 图形，没有人物；旁白负责讲述故事。关于人的故事则保留角色风格。
8. 情绪跟随主题。 一个有趣的应用程序需要有趣的动画：有弹性的运动、带有超调的缓动、弹出的卡片。严肃的主题需要克制的处理方式。在选择情绪之前，请先阅读产品。

文件位置

内容	位置
项目目录	~/explainer/<name>/。使用 EXPLAINER_ROOT 覆盖根目录。每个项目一个文件夹；预览和完整视频是同一项目的两个合成
文件夹布局	SCHEMA.md 与此文件同级。in/ 输入，assets/ 主资源，public/ 渲染输入，work/ 暂存区，out/ 输出
启动套件	starter/ 与此文件同级：一个播放故事板的极简 Remotion 合成，以及品牌套件和动作辅助工具
脚本	scripts/ 与此文件同级。从项目根目录运行。new-project.sh 将启动套件和工具复制到新项目中
媒体生成	adapters/ 与此文件同级，以及 ADAPTERS.md 的合同。设置 GEN_IMAGE、GEN_SPEECH、GEN_SFX、CUTOUT 和 GEN_MUSIC 为您自己的命令
品牌档案	brands/<name>/ 与此文件同级。brands/example/ 是一个可供复制的中性档案

在 shell 或项目的 .env 中一次性设置工具路径：

SKILL=~/.claude/skills/explainer-video
export GEN_IMAGE="python3 $SKILL/adapters/gen-image.py"
export GEN_SPEECH="python3 $SKILL/adapters/gen-speech.py"
export GEN_SFX="python3 $SKILL/adapters/gen-sfx.py"
export CUTOUT="python3 $SKILL/adapters/cutout.py"
export GEN_MUSIC="python3 $SKILL/adapters/gen-music.py"

流程

1. 剧本和故事板

1. 编写 storyboard.json。对于每个节拍（beat），编写说话者、台词、场景（地点、 动作、道具）、景别和摄像机运动。参见 SCHEMA.md 了解节拍字段。
2. 确保每个点至少有一个场景可以不通过语言展现它。
3. 询问用户视频是否需要字幕。如果需要，询问哪种类型：烧录在 画面中，还是与视频文件同名的 .srt 文件。根据语音脚本制作字幕，而不是根据 听写转录：脚本具有正确的拼写。
4. 询问用户哪个声音扮演哪个角色。为预览提供免费声音，为最终版本提供付费、富有表现力的声音。
   • 首先使用免费声音。 所有预览和第一个完整版本都使用免费声音进行配音。 保持角色的性别。只有在用户批准免费声音版本后，才生成付费声音。 在故事板的节拍中保留 tag，以备付费版本使用。
5. 询问用户视频使用哪个品牌：来自 brands/<name>/ 的档案，项目自己的 外观，或完全没有。即使视频没有明显的品牌，仍然需要提问。将答案写入 in/brief.md，以便从第一次渲染起，卡片和调色板就来自该文件。
6. 将故事板发送给用户。在用户批准之前，不要生成图像。

2. 角色

1. 为每个角色编写一个固定的描述：面部、头发、身体、衣服。将其逐字复制到 每个图像提示中。保存在 in/characters.md 中。
2. 使用 gen-image.py 在平坦、纯色的背景上生成基本绘图。在提示中添加“无地面阴影、无发光”。
3. 使用 --input 从该基本绘图生成表演姿势：行走、坐下、指向、反应、做手势、 转身。一个场景需要姿势，而不仅仅是一个站立的人物。
4. 制作嘴部状态（闭合、张开、大张）和眨眼。仅将更改的区域粘贴到 基本绘图上。绝不能使用整个编辑过的图像：面部会发生偏移。
5. 使用 cutout.py 抠出每个姿势。对于绘图，使用 isnet-anime；对于照片，使用 u2net。
6. 将所有姿势放在同一个 1024 像素的画布上，这样姿势变化无需偏移。
7. 制作所有姿势的缩略图索引（ImageMagick montage）。打开它并查找在面部、衣服或比例上 与其它姿势不同的姿势。重新生成该姿势。每个图像最多尝试 3 次。

真人： 未经本人同意，不得绘制或动画化真人。首先请求许可。

• 使用 cutout.py --model u2net 抠出脸部。不要将其放在圆形中。
• 在浅色背景上的浅色头发在抠图中会消失。如果发生这种情况，请使用另一张照片。
• 将颈部以下和肩部逐渐淡出至下巴以下，并绘制颈部与身体连接。裁剪的照片 在那里会有硬边。
• 使用代码（SVG 关节）绘制身体。这样每个姿势都是精确的，并且面部不会偏移。

3. 场景和道具

1. 以与角色相同的风格，使用 --size 1536x1024 生成每个地点作为背景图， 不包括人物。
2. 生成作为独立抠图层的道具：手机、票、杯子、窗帘。
   • 检查每个屏幕、设备和包装上的品牌标志和文本。“无标志”提示并不能真正 阻止它们。使用 ImageMagick 修补标志。不要使用图像到图像的编辑：它会 移除错误的部分而保留标志。
3. 在需要视差的地方生成前景层：一排排座位、栏杆。
4. 如果项目有品牌档案，请使用它。从 brand.css 获取调色板，从 images/ 获取标志和 标语，从 fonts/ 获取字体。不要自行发明品牌颜色。阅读档案的 NOTES.md 了解其品牌形状。
5. 如果项目没有用于图标的专用图形，请使用 MDI 图标（@mdi/js，24×24 路径）。 不要手动绘制图标，也不要使用表情符号。如果项目的网站已经将 MDI 图标用于某个事物， 则在视频中使用相同的图标。

4. 语音

1. 使用 gen-speech.py 为每个说话者使用相同的 --voice 生成每句台词。
   • 在用户批准版本之前，使用同性别的免费声音。以下关于付费模型的说明适用于付费版本。
   • 运行 scripts/regen-voices.py <model>。仅当请求发生更改（文本、声音、模型、设置或同说话者邻居）时， 它才会向 API 发送一句台词，从而保留已批准的版本。不要为了修复一句台词而重新生成所有台词。
   • 要特意重新生成一句台词，请添加 --fresh <beat or speaker>。每次生成的版本都保存在 assets/voice/takes/ 中。要回退到早期版本，请使用 --restore <take>。
   • 在缓存之前创建的项目在每个节拍中没有 voice_key。使用 --adopt 运行一次， 否则第一次运行会重新生成每句台词。
   • 使用富有表现力的模型时，在每句台词前放置一个英语音频标签，例如 [warmly]，并设置 模型的稳定性、相似性、风格和速度滑块。没有它们，台词听起来平淡。将标签 排除在 line 之外，因为字幕显示 line：将其放在节拍的 tag 字段中，并在文本之前发送。
   • 不要对不记录标签的模型使用音频标签。模型可能会将它们朗读出来。
   • 对于每个声音，首先列出名称、看起来像外语的单词和字母代码。 即使设置了语言代码，声音也会按照其自身语言的方式朗读它们。首先尝试单词的音标拼写， 然后内联国际音标。为每种拼写制作三个版本，并制作一个对照版本， 让用户通过听觉选择。
   • 不要使用大写字母写声音。声音可能会将大写字母读作单个字母。改为将其写为单词。
   • 新版本会移动每个单词。将节拍内的帧偏移（摄像机、高亮、音效）绑定到 字幕跨度开始位置，而不是字面帧。在新版本之后，通过语音转文本获取单词 时间，并仅重置跨度开始位置。
2. 运行 scripts/level-voices.py。它会根据语音响度平衡每句台词。峰值平衡 是不够的：台词之间的响度差可能达到 6 dB。
   • 另一种语言的版本：保留场景并从相同源生成第二个合成。为新语言提供自己的故事板，使用相同的节拍 ID， 自己的语音文件夹、包络线和音乐剪辑（check-audio.py 中的 STORYBOARD、VOICE_DIR、MUSIC）。
   • 将新语音平衡到已批准混音的语音水平，而不是相同的目标。
3. 制作嘴部包络线并使用 scripts/gen-envelopes.mjs 打包。

5. Remotion 中的动画

• 舞台调度： 将每个场景作为动作播放。角色走进来、坐下、做出反应并使用道具。 在单独的图层上移动道具。修复需要添加缺失的部分；保留展示原因的动作。
• 摄像机： 在每个镜头中推进、摇摄或跟踪。在背景、角色和前景之间使用视差。 限制每个摄像机移动，以便每个必须填满画面的图层在其视差深度（包括旋转）下 保持在画面内。深度 < 1 的图层移动得比摄像机少：拉出或结束于画面中心之外的摇摄会 露出画面边缘，并显示出一条地面的带状区域。
• 景深： 将地面和所有站立在其上的物体（椅子、人物、道具）放在同一深度的一个 图层上。两个深度会在每个摄像机运动下使地面和椅子脚分开移动，导致 椅子漂浮。空闲时的点头应使身体在椅子线以上旋转，而不是椅子。
• 运动： 使用带有小超调的弹簧。在移动之前使用预期动作。绝不要在两个姿势之间使用生硬的切换。
• 空闲： 为呼吸、摇摆和眨眼赋予各自的周期和相位。
• 嘴部： 由包络线驱动，最小保持 3 帧（启动套件 motion.ts 中的 mouthStates）。
• 画外叙述者： 显示一个跟随包络线的波形球体，而不是叙述者的脸 （启动套件中的 NarratorOrb.tsx）。
• 灯光： 将灯光用作叙事工具。例如：室内灯光变暗，手机屏幕在脸上发光。
• 转场： 为每个剪辑选择一个（匹配剪辑、擦拭、硬切）。不要对所有剪辑都使用一种淡入淡出。
• 一个角色在剪辑之间保持为同一个物体。 当角色从一个镜头移动到下一个镜头时， 将其从旧位置携带到新位置。一个角色从一侧离开并从另一侧进入， 会被认为是另一个角色。
• 观众必须注意到的变化需要在语音中留出专门的停顿。 将节拍拆分，并在其后添加 1.5–2 秒的静音。 在该停顿内安排变化：标记旧状态，使其变暗，交叉淡入，然后在下句台词上高亮新状态。
  • 将停顿放在句子断句处，切勿放在短语内部。通过电平找到间隙：获取单词后低于约 −38 dB（相对于峰值）的 最长连续 20 毫秒窗口运行，并在其中点剪切。不要使用语音转文本单词时间： 它们的边缘可能有 0.5 秒的误差。
• 字幕和关键点卡片：保持简短。卡片支持场景。它绝不应该取代场景。
• 框架——每个视频都有：
  1. 开场标题卡片，约 3 秒：标志（如适用）、视频标题和一行简短 文字。可以无声或仅带音乐。
  2. 结束幻灯片，约 4 秒：标志（如适用）、主张或行动号召，以及 URL。可以无声。
  3. 角落标志： 在整个视频中位于右下角的小标志，介于两张卡片之间。在开场卡片后淡入， 在结束幻灯片前淡出。确保其不遮挡面孔和关键元素。
  4. “如适用”：品牌、产品或公司视频有标志。个人视频没有公司标志。 它仍然需要标题卡片和结束幻灯片。
  5. 要为完成的视频添加框架，不要重新调整语音的时长。将现有合成放在两张卡片之间的 <Series> 中。卡片会在开头和结尾添加静音， 这是可以接受的。
• 品牌优先，始终如此。 如果项目有品牌档案，请使用它：来自档案的卡片， 来自 brand.css 的调色板，作为真实资源的标志和标记。如果项目有真实的 应用截图，请将其作为图层使用：真实的屏幕胜过绘制的近似屏幕。 只有人物、地点和道具是绘制的。用户界面、标志和文字来自品牌。 如果档案明显与实时应用相比过时，请指出并使用应用。

6. 检查画面

1. 使用 npx remotion still 在关键帧处渲染静帧。
2. 打开静帧。查找卡片或字幕遮挡的面孔，以及画面边缘切割的角色。 可选的第二意见：ADAPTERS.md 描述了 REVIEW_IMAGE 命令。将其判断视作线索，而非关卡， 并在画面上确认每个发现。
3. 渲染一个约 20 秒的片段，包含场景、姿势变化、摄像机运动和对话交流。
4. 在每次姿势变化周围提取帧。

…

[部分内容被截断以便翻译]