Communitygithub.com

gdoteof/explainers

运行对话→研究→脚本→语音→视频流水线,用于在explainers仓库中制作解说视频。通过与所有者访谈确定视频论点,进行研究并生成事实清单,编写标记每拍为事实/估计/观点/意见/推测/台词的脚本,检查脚本,使用本地语音进行旁白,在Skia中绘制场景(manim用于图表),渲染并编写描述。

explainers 是什么?

该技能实现了一个从初始对话到最终渲染的完整解说视频制作流水线。它首先通过深度对话访谈与视频所有者(用户)进行交流,挖掘其想法和论点,而非简单根据主题列表制作视频。访谈过程细致入微,使用开放式问题、测验、钢人测试和诱饵问题等多种方式,并严格记录所有者的原话。然后,技能引导用户进行结构化研究,构建带来源的事实清单,并编写带有精确标签(事实、估计、观点、意见、推测、台词)的脚本,以确保内容透明度和可信度。脚本完成后,通过本地语音合成或用户自己的录音生成旁白,并使用Skia和manim(用于图表)生成配图,最后渲染视频并生成描述。该技能支持Claude Code等平台,遵循详细的SKILL.md规范,是制作深度、事实驱动的解说视频的得力工具。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gdoteof/explainers/tree/HEAD/.claude/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

在仓库根目录下使用 uv run。README.md 包含命令和文件格式;EDITORIAL.md 是标准。这是工作顺序,以及用户的检查点所在。

0. 对话:视频的起点

视频源于所有者的思考,经过检验,而非来自主题列表。在进行任何研究之前,先采访所有者。

  • 每次提一两个问题,用自然的对话方式,简短明了:所有者通过口述回答,一次提五个问题会导致无法回答或理清头绪。在几轮对话中,混合使用不同类型的问题:开放性问题("每一方在保护什么?")、在你查证答案前先让所有者回答的小测验("你猜比例是多少?")、钢人测试("把对方的论点陈述得让对方自己都会认可"),以及诱饵问题:对他们刚刚所说的最强烈的反对意见,直截了当地提出。追随那个让你惊讶的回答,而不是清单上的下一个问题。
  • 所有者的错误猜测可以出现在屏幕上:他们已经同意这一点。但只有当他们明确表示这是猜测时,数字才是他们的猜测。例子中的数字("假设他们把70%花在账单上...")是说明性的:将其记录为说明性内容,切勿将其评分或显示为猜测,如果不清楚是哪种情况,就提问。
  • 注意回答背后的主张:一个可能是错误的论点、一个他们反复强调的区别、一个关于他们自己的故事。这些就是视频的素材。一个主题("堕胎")不是一个想法;"双方在回答不同的问题"才是一个想法。
  • 保留所有者的原话。将回答逐字记录并注明日期,保存在 notes/<topic>.md 中,该文件被 git 忽略:这些笔记是原始且私密的,而脚本是公开发布的形式。将自己的总结标记为你的。
  • 根据脚本的需要对所有者所说的内容进行分类。可以查证的内容成为研究,然后是 fact、estimate 或 view 拍节。属于所有者的内容成为 opinion 或 speculation。在进一步讨论之前,先界定有争议的词语(" engineered":由谁,我们如何知道?),并在来源不支持所有者所相信的内容时,明确告诉他们。
  • 当出现一个论点、支持该论点的三四步论证以及针对该论点最强烈的反对意见时,停止提问。用几句话复述给所有者,并在进行研究之前获得肯定答复。

所有者想知道事物现在的运作方式。事物的起源作为视频中的简短插曲,而非视频的主题。

1. 研究:在任何脚本之前

  • 用一句话确定视频要回答的问题,以及观众看完后应该能够说出的三四件事。
  • 建立事实清单:每行一个主张,每个主张附有一个来源(在本会话中获取并阅读的),以及支持该主张的原文。从第一天起就将来源保存在 videos/NAME/sources.toml 中(一个只包含该文件的文件夹表示一个正在研究或搁置的视频),将主张保存在 notes/NAME.md 中。可以在子代理中进行研究,但要告知它返回逐字引用,并标记它无法证实的内容;切勿接受它未打开的 URL。
  • 对于有争议的话题,从每个方面最有力的倡导者那里收集各方的论点,并注意哪些分歧是关于事实的,哪些是关于价值观的。
  • 记录来源不支持的内容。流行的故事版本往往比证据更简洁。

2. 脚本(检查点:用户批准)

  • python -m explainers.new NAME(它会在已有的 sources.toml 周围填充内容),然后编辑 script.md。
  • 一个视频时长12到25分钟:按照所有者的阅读速度(大约每分钟175个单词,包括停顿),大约2100到4400个单词。为视频划分观众能感受到转折的部分,每部分有自己的问题。
  • 每拍一个想法,一拍一口呼吸:15到40个单词。为听觉而写:短句,关键词放在最后,数字四舍五入到听众能记住的程度,没有括号或缩写。
  • 以问题或惊奇之处开场,而非问候。每个部分都应让观众想看下一部分。
  • 根据句子所承诺的内容进行标记,而非根据你的确定程度。拆分混合了不同种类的拍节。目标是脚本大部分为 fact 和 view,并带有少数清晰标记的 opinion 拍节;check 命令会打印出各类拍节的比例。
  • 不要自己为有争议的问题写频道的 opinion。要么留下一个标记的空白,要么起草一个并明确说明这是草稿,供用户接受、更改或删除。
  • 在每个部分下方添加一个 > 注释,说明屏幕上显示的内容。每拍都需要一个图片,并且至少每五秒钟左右更换一次。
  • python -m explainers.check videos/NAME --urls 必须通过。向用户显示脚本,包括拍节分类和来源列表。

3. 语音(检查点:用户录制)

  • 使用合成语音草稿:python -m explainers.narrate videos/NAME。在 say.txt 中修正它猜错的单词。当拍节的图片需要时间展示时,向该拍节添加 pause 。可以在这个草稿阶段构建图片并确定脚本。
  • 措辞确定后,用户在自己的终端中录制:python -m explainers.record videos/NAME 会显示每拍,录制它,并检查录制片段的电平和脚本中的单词。--room 参数会录制一次空房间以获取间隙。然后再次运行 narrate:只要有新录制的片段,它就会使用。图片会与单词保持同步,因为提示通过单词查找,但拍节的长度会变化:在渲染之前运行 sweep 并查看联系表。
  • 用户不必逐字朗读。如果录制片段偏离了脚本,record 会显示差异,并且如果用户保留该差异,它会将 script.md 中的拍节重写为用户所说的内容。因此,在用户录制前提交脚本,之后阅读 git diff 的结果:整理新单词的拼写和标点(这不会使录制片段失效),对于每个更改的 fact、estimate 或 view 拍节,对照新单词阅读来源的引文。如果引文不再支持新单词,告知用户:该拍节需重新录制或重新标记,不能保留。
  • 自己重新措辞一个已录制的拍节需要用户重新朗读。将此类更改批量处理并先询问。
  • --audition VOICE ... 比较用于草稿的合成语音;脚本中的 voice: 行选择一个语音。

4. 图片

  • 从模板的 video.py 开始,逐个场景替换。通常一个部分对应一个场景;使用 theme.scenes 在场景之间切换。
  • 视频发生在一个场景集中(explainers/sets.py):目前是一个带有投影屏幕的教室,这是所有者要求的。将图表、卡片或图形绘制为幻灯片,即一张1920x1080的图片,并将其交给场景集:同一张幻灯片在广角镜头中显示在屏幕上,当镜头推近时填满整个画面(参见 sets.shots 了解镜头运动)。当幻灯片需要被阅读时推近镜头,当主持人需要做一些事情时拉远镜头,当主持人走上前表达意见时调低投影仪亮度(on)。将部分的标题写在黑板上(chalk),并给标签一个 plate 以便在房间里也能看清。脚本中的 > 注释会说 "Wide" 或 "Projector"。后续会有其他场景集:保持幻灯片独立于房间。
  • 将每个镜头运动都挂接到一个提示上:N.at(beat, word)。切勿以秒为单位输入时间。
  • 当解释某件事时,主持人要小,并站在一侧;当要表达自身观点时(开场、意见、结尾),主持人要大。主持人要看着并指向正在谈论的对象。
  • 图表、图形和任何数学内容放在 manim 的 Insert 中。其他所有内容使用 Skia。
  • 论点的双方使用 theme.SIDE_A / theme.SIDE_B。图表使用的数据集保存在视频的 data/ 目录下,并注明来源和时间。
  • 循环:preview 一个部分,查看联系表,修复,重复;每次渲染前运行 sweep。

5. 渲染与交付(检查点:用户观看)

  • python -m explainers.render videos/NAME --fresh,然后 python -m explainers.describe videos/NAME。
  • 报告哪些内容经过了事实核查,哪些没有,任何标签属于判断性决定的拍节,以及语音中任何发音奇怪的地方。

相关技能