Communitygithub.com

motion:canvas + Web Audio 动效视频导出 MP4,任意画幅

做各类动效设计视频的 Agent 技能(片头片尾、开场、动画讲解、动态文字广告),在 canvas 上逐帧绘制,用 Web Audio 合成配乐,逐帧导出 9:16、4:5、1:1 或 16:9 的 MP4,可带可不带旁白。

motion:canvas + Web Audio 动效视频导出 MP4,任意画幅 是什么?

教程视频配方第 3 步(社媒预告),来自 Felipeex/motion-skill(2026-10-07 发布;README 展示了三条 9:16、约 35 秒的广告 GIF,其中一条是 SaaS 广告)。技能会写一个 video.html,用 render(t) 在 canvas 上画出每一帧,并在 Web Audio 里生成音乐和嗖声、啵声、滴答等音效,同一个 t 永远得到同一帧。export.mjs 驱动无头 Chrome 逐帧送进 ffmpeg;--quadros 可以先截审片定格。有旁白时,trim-audio.mjs 去掉静音、把 voice.wav 响度归一,并用 Whisper 给每个词打时间(OpenAI 密钥只走环境变量),音乐在人声下自动压低。画幅有 1080x1920、1080x1350、1080x1080、1920x1080;品牌色、字体和 logo 从项目里读取。成片用 ffprobe 和 ebur128 校验,响度约 -14 LUFS。数字、成果和用户评价必须由用户提供,绝不编造。需要 Chrome、ffmpeg 和 Node 24,无需 npm install。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add Felipeex/motion-skill

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

通用动效(Canvas + Web Audio → MP4)

一个不限格式、品牌、领域或旁白的视频。如果项目已有用本技能制作的视频,复制其文件夹到 videos/<名称>/(或用户指定的位置),删除旧视频的内容(assets/、voice.wav、timings.json、words.json 以及 MP4 文件),然后重写 video.html 中的场景:导出器、本地服务器和 buildAudio 均能正常工作。如果没有,则在该文件夹中创建以下文件。

文件作用
trim-audio.mjs(仅限有旁白时)去除静音 → 归一化的 voice.wav + timings.json
video.html动画:在 Canvas 上绘制 render(t) + Web Audio 音轨/效果。在 Chrome 中打开即可预览(带声音)
export.mjs无头 Chrome 逐帧绘制 → ffmpeg → MP4。--quadros 0.2,9.5,… 仅截取图片用于审核
assets/视频使用的图片(Logo、截图、照片)

需要:C:/Program Files/Google/Chrome/... 中的 Chrome(或设置 CHROME= 环境变量)、PATH 中的 ffmpeg、Node 24。无需 npm install。

复制时需要调整的内容

  • 格式:video.html 中的 W、H 和 <canvas width height>、CSS 的 aspect-ratio 以及 export.mjs 中的 --window-size(需大于 Canvas)。常见尺寸:1080×1920(Reels/Stories/Shorts)、1080×1350(信息流 4:5)、1080×1080(1:1)、1920×1080(YouTube/演示)。
  • 输出文件名:export.mjs 中的 OUT(video-<名称>.mp4)和 --user-data-dir 的前缀。
  • 时长:TOTAL。有旁白时,为裁剪后语音的时长;无旁白时,与用户商定(片头 3–6 秒,介绍 5–10 秒,讲解 30–90 秒)。
  • 无旁白:删除 buildAudio 中对 voice.wav 的加载和音乐闪避(ducking);音轨保持全音量(≈0.6–0.75)。完全无声:跳过 renderAudioWav,仅导出视频(加 -an 参数)。
  • 视觉:颜色和字体来自用户品牌(询问用户或从项目读取)。将所有视觉常量定义在顶部(COLORS、FONTS);场景中不得出现硬编码的颜色。
  • 安全区域:9:16 → 内容位于 y≈200 到 y≈1600 之间,两侧留 90px(Reels 界面)。4:5 和 1:1 → 边距 60px。16:9 → 5% 边距(标题安全区)。

用户交互流程(简单说明)

  1. 最多 6 个问题,一次问一个(如果代理有提问工具,如 AskUserQuestion,则使用;提供 3 个选项,推荐选项排第一)。仅询问无法推断的信息:格式/发布平台、是否有旁白、时长(若无旁白时)、风格、品牌/颜色(若项目中未指定)、背景音乐和片尾号召。
  2. 分镜表(时间 | 台词或文字 | 画面内容)。等待用户确认后再绘制。
  3. 发送审核截图,然后交付 MP4 文件。

音频(有旁白时)

  • node trim-audio.mjs "<录音文件>":使用 silencedetect 参数 -35dB/0.25s,前后留白 0.08s/0.14s,并应用 loudnorm。检查语音平均音量接近 -19 dB(使用 volumedetect)。
  • 每个词的时间:使用 Whisper(whisper-1、verbose_json、timestamp_granularities[]=word、正确语言),密钥由用户提供,仅通过环境变量传入,绝不保存。快速词语有时会具有相同时间戳:手动分散。
  • 屏幕上的文字跟随语音内容。若与书面脚本不一致,需告知用户。

动画(video.html)

  • 所有内容源自 render(t):相同的 t 始终生成相同的帧。随机性仅通过 mulberry(seed) 实现;禁止使用 Math.random() 或 Date 进行绘制。
  • 时间常数定义在顶部;音效(soundEvents)读取相同的常数,因此画面和声音不会脱节。
  • 场景:SCENES = [[start, end, fn]],入场约 0.3 秒,出场约 0.22 秒,过渡覆盖切换。避免硬切。
  • 逐词文本:drawWords。词间距 = 0.28 * size(若为 0.24,斜体会粘连)。根据格式调整 size:16:9 时文字更宽、更小。
  • 持续运动:任何场景静止不超过 0.5 秒(背景灯光、轻微摄像机缩放、颗粒效果)。
  • 第 0 帧 = 封面:t=0 时已有可见内容(使用负时间的入场);避免以白屏开始。
  • 字体:在首次 render 前使用 document.fonts.load(...) 加载每种字重;window.ready 等待字体和图片加载完成。
  • 图片通过 HTTP 加载,绝不使用 file://(否则 Canvas 会被“污染”,导致 toDataURL 失败)。export.mjs 已内置本地服务器。
  • 客户 Logo 始终作为图片加载,不得重新绘制。

声音(Web Audio)

  • buildAudio(ac, voice, t0) 同时用于预览(AudioContext)和导出(OfflineAudioContext → WAV)。
  • 合成音轨(Pad、贝斯、底鼓、镲片);根据氛围调整 BPM(≈80 平静、≈96 标准、≈120 活力)。有旁白时:音乐音量 0.22 置于人声之下。音效:过渡时的 whoosh、元素入场时的 pop、计时时的 tic。所有音频经过压缩器处理。
  • 输出应用 loudnorm=I=-14:TP=-1.5(社交媒体标准)。对于 YouTube/演示场景,-14 同样适用。

导出与审核

cd videos/<名称>
node export.mjs --quadros 0,2,5,9   # 截图保存至 review/
node export.mjs                     # 生成 MP4
  • 导出前检查截图。 生成拼贴图:复制为 seq_00.jpg… 并执行 ffmpeg -i seq_%02d.jpg -vf "scale=400:-1,tile=7x2"(Windows 不支持 glob)。
  • 检查清单:文字重叠、文字粘连、内容超出安全区域、第 0 帧为空、场景静止、数字缺少千位分隔符。
  • 生成 MP4 后:使用 ffprobe 检查(分辨率正确、30fps、h264+aac)、ebur128 检查(≈ -14 LUFS)、从生成的 MP4 中截取帧(-ss)。告知用户已测量音量但未实际试听。
  • 不要将 mix.wav 和 review/ 纳入版本控制(如果是新文件夹,请检查 .gitignore)。

内容

  • 仅使用用户提供的真实证明、数字和推荐。不得编造。
  • 若视频为广告,涉及收益承诺(如“最多 4 倍”、“每日收入 X 元”)可能被 Meta 拒绝。请提前告知用户。

相关技能