Communitygithub.com

火柴人动画工作室

从一个提示(主题、标题、“解释为什么X”或包含视频概念的TXT文件)开始,制作一部完整的、专业级英文旁白火柴人动画视频。涵盖从能力探测、研究核实、脚本与配音指导、叙事与画面同步分镜,到程序化2D/3D动画、配音+字幕+音乐与音效、静帧质检、音频质检以及最终渲染验证的全流程。

火柴人动画工作室 是什么?

该技能是一个完全自主的动画视频生产管线,能够将任意简单的输入(如一个主题、一个问题或一个概念文件)转化为一部完整的1080×1920分辨率、30帧/秒的竖屏卡通动画,无需任何AI图像或视频生成服务,也无需付费API。整个管线由纯代码驱动:它首先探测当前AI代理的能力边界(如文件访问、网络搜索、视觉能力等),然后自动进行网络研究并构建事实核查表,依据专业英文配音撰写脚本并选择语音,使用捆绑的Remotion引擎程序化生成2D/3D动画、旁白、字幕、程序化音乐和音效。其核心机制是一个可执行的“同步门”,通过机器检查确保每一帧画面都精确对应旁白所述内容。该技能适用于Claude Code、Cursor、Codex等任何支持Shell执行和文件操作的编码AI代理,用户只需在提示的末尾加上‘/make-video’命令即可触发完整的生产流程,最终交付一个经过严格质量标准验证的MP4视频文件及其源码。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/god-dark-z/stickman-animation-studio/tree/HEAD

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

火柴人动画工作室 — /make-video

从一个提示词开始,通过纯代码生成一部完整的、工作室品质的英文竖屏卡通动画(1080×1920,30帧/秒,H.264 + AAC)。你来编写故事,通过一个明确的旁白与画面对齐合同进行分镜,让内置引擎通过其质量关卡执行,最后交付经过验证的MP4及其源文件。

自主运行。 无需确认问题,无需进度叙述,中途不停止。如果某一步受阻,将其视为路由问题:尝试下一个工具、下一个资源,或者自己构建。只有在视频渲染、验证并交付后才能停止。

制作语言为英语——严格限定。 旁白、对话、屏幕文字、字幕、标签和插入文案均为英语。旁白听起来必须像专业的纪录片、教育片或动画故事风格(参见 references/10-english-voice-direction.md)。

0. 探测你的能力,然后调整

在制作之前,检查当前这个AI代理/模型实际能做什么,并相应调整工作流程。不要假设;要检查。在此处花费一分钟可以避免后续的渲染失败。

探测项方法如果缺失 → 调整方案
Shell + 文件访问运行 node --version没有 Shell → 此技能无法渲染;退回到 install/PASTE-THIS-PROMPT.md 转移给编码代理
网络研究是否有网络搜索工具?没有搜索 → 根据内部知识编写,在 fact-check.md 中标记所有声明为“未验证”,优先选择常青的物理/历史主题
图像视觉能力是否能读取图像文件?没有视觉能力 → 依赖 engine/scripts/qa_stills.py + engine/scripts/qa_sync.ts 的像素/词汇门控,并在交付报告中说明
后台执行能否在后台运行长时间命令?不能 → 在前台运行渲染,并首先使用 --preview;为几分钟的耗时做好预算
上下文预算非常大的上下文?上下文很紧 → 只读取当前阶段提及的 references/ 文件,一次一个;将故事JSON作为唯一信息来源
推理深度强模型 → 进一步追求工艺:更丰富的舞台调度、更多节拍、更深的研究弱模型 → 严格遵循参考默认值;它们经过校准,即使没有即兴发挥也能产生良好结果

无论环境如何,质量门(步骤4、5、7)不可省略——较弱的流程也必须通过相同的可执行检查。

0.5 解析引擎

引擎是一个自包含的Remotion项目。按以下顺序查找:

  1. 当前项目中一个目录,其 package.json 名为 stickman-studio-engine — 使用它。
  2. 与此文件同目录下的 engine/ 文件夹 — 将其复制到工作区 (cp -r <skill-dir>/engine ./engine),并在其中运行 npm install(仅限首次)。
  3. 如果两者都不存在,则该技能在安装时缺少引擎 — 克隆技能仓库并从其中获取 engine/。

引擎目录内的一次性设置:

npm install                      # Remotion + three + zod
pip install edge-tts imageio-ffmpeg numpy scipy pillow   # 旁白 + 程序化音频 + 质量检查

65个音效、6个音乐背景和胶片颗粒在首次渲染时程序化生成(无需下载、无需许可证、无需第三方音频)。旁白需要互联网以使用edge-tts(免费,无需密钥);--no-tts 在离线状态下完全可工作于分段工作。仅限英语语音 — 参见 references/10-english-voice-direction.md 了解语音目录和指导规则。

1. 研究主题(英语)

  • 输入是一个主题、一个标题或一个TXT文件的路径(如果给出则读取它)。
  • 在编写前使用网络搜索进行研究。为你将要旁白的每个事实声明构建一个事实核查表(声明 | 原始来源所述 | 来源URL)→ stories/<slug>/fact-check.md。
  • 如果某事仅是传言或民间传说,要么放弃它,要么在旁白中注明(“传说中……”)。
  • 优先选择最奇怪的真实细节,而非编造的更流畅的细节。

2. 编写脚本 + 选择语音

目标 190–210 单词 ≈ 60–75 秒。结构(严格遵循):

  1. 第1行:作为平淡事实陈述的悖论钩子。 不要问候,不要“你知道吗”。
  2. 设定和利害关系 — 主角、地点、愿望。
  3. 升级 + 一个简短的引述,某人嘲笑主角。
  4. 转折点 / 反问句。
  5. “你瞧,” + 机制,附带一个日常类比和一个插入图形。
  6. 最后一句的转折。 强势结尾。

完整工艺规则:references/04-script-craft.md。将脚本保存到 stories/<slug>/script.md。

然后在渲染之前指导语音:从 references/10-english-voice-direction.md 中为所选类型选择提供商/语音/语速(默认:en-US-AndrewMultilingualNeural @ +22%;平静的纪录片朗读语速较慢)。如果不确定,可通过快速合成测试钩子句。

3. 检查并构建资源

  • 列出故事所需内容:地点、静态物体、手持物品。
  • 检查已有内容:npx tsx scripts/locations.ts --list。首先重用已有资源,不要制作近似重复的资源;根据实际内容命名资源。
  • 在分镜之前构建缺失的资源 — 配方在 references/08-extending-assets.md(3D地点 / 3D物体 / 2D道具 / 2D背景 / 服装)。
  • 用 npx tsx scripts/locations.ts --stills --only=<name> 验证新的3D资源。

4. 带有同步合同的分镜(同步门)

编写 stories/<kebab-title>.json。模式与ID:references/09-schema-reference.md,engine/src/catalog.ts。工艺规则:references/05-storyboard-craft.md。

旁白与画面的同步是强制性的,并且可由机器检查。 每个旁白段落(镜头的 say)必须直观地显示其所叙述的内容:正确的地点、正确的时间、作为姿势/节拍/道具描述的相应动作、提到的物体在屏幕上、引述的对话绑定到 quote 演员,以及镜头间的连续性。镜头内的词级时序通过 beats 绑定(at = 一个说出的单词)。

运行可执行门控并迭代直到零错误:

npx tsx scripts/qa_sync.ts stories/<file>.json            # 地点/时间/动作/物体/对话/连续性检查
npx tsx scripts/qa_sync.ts stories/<file>.json --map      # 打印逐镜头同步合同表
  • 所有ERROR必须修复(更改镜头的世界/时间/姿势/道具,或重述旁白)。
  • 检查每个WARN;要么修复它,要么在 stories/<slug>/sync-map.md 中记录为何可以接受(使用 --map 生成表格;模板:templates/sync-map.md)。
  • 特定于故事的词汇表(习语、发明名词)放入 stories/<slug>/sync-lexicon.json — 参见模板。

5. 静帧门(绝不跳过)

npm run make -- stories/<file>.json --stills        # 每镜头一张质量检查静帧 → out/<slug>/stills/
python scripts/qa_stills.py out/<slug>/stills       # 曝光/死帧门控(失败则exit 1)

然后检查每个静帧的构图、面部、漂浮道具、可读性、一致性 — 如果你有视觉能力则自己检查,否则使用 agentvision check <file> 检查每个静帧,结合上述像素门控。修复并重新运行直到干净。在此门控通过之前,永远不要渲染视频。

6. 渲染

npm run make -- stories/<file>.json            # 全质量 → out/<slug>/<slug>.mp4
npm run make -- stories/<file>.json --preview  # 不确定时首先渲染一半尺寸的草稿

尽量在后台运行;不要同时启动无关的重型任务。旁白按slug缓存,仅在脚本/语音/语速变化时重新合成。

7. 验证(ffprobe + 帧 + 音频门)

ffprobe -v error -select_streams v:0 -show_entries stream=width,height,r_frame_rate,codec_name -of csv=p=0 out/<slug>/<slug>.mp4
ffmpeg -i out/<slug>/<slug>.mp4 -vf fps=1/5 qa_%03d.jpg     # 从视频中抽取帧
python scripts/qa_audio.py out/<slug>/<slug>.mp4            # 响度/削波/语音存在门控
  • 规格:1080×1920(--preview 为540×960),30帧/秒,h264 + aac;时长 ≈ 旁白 + 0.6秒。
  • 帧:第一帧/中间帧/最后一帧不能为黑色;字幕清晰可见;没有卡住的镜头。
  • 音频门必须通过:−14 LUFS ±1.5,真实峰值 ≤ −1.0 dBTP,存在语音能量。

8. 修复循环,然后交付

循环阶段4→7直到所有门通过。预算:每个门最多 3轮修复;如果之后仍然失败,则交付时附带关于剩余问题的明确说明(绝不默默交付已知故障,绝不停止而不交付)。

交付为一套文件:MP4、script.md、fact-check.md、sync-map.md、故事JSON、任何新的库资源,以及诚实的限制(已验证的事实 vs. 戏剧化处理;运行了哪些门控以及如何检查的)。

质量标准(不可协商)

  • 同步: 画面完全展示旁白传达的内容 — 零矛盾,零死镜头。当旁白和动画会讲述两个不同故事时,重写分镜。
  • 表现力丰富的角色: 对节拍的反应、在剪影中可读的姿势、每个场景一个一致的光源;自带生命(呼吸/眨眼/行走)是自动的 — 再叠加有意向的运动。
  • 电影摄影: 每个场景的构图梯级,镜头多样性(同步门会标记连续3个以上相同的构图+摄像机镜头),每镜一个清晰的视觉目的。
  • 声音绝不与语音冲突: 闪避是自动的;仅对特定时刻手动添加 sfx;音频门强制执行响度且无削波。
  • 无重复,无马虎: 变化构图、转场和反应;每镜不超过2个特效;每8-10个镜头不超过1个插入。
  • 无AI生成的图像或视频,无图像生成服务,无付费API。永远。
  • 仅限英语 — 旁白、对话、屏幕文字、字幕。

深度参考资料(按阶段阅读,不要一次性全部阅读)

文件阅读目的
references/01-animation-principles.md运动、缓动、预判、次要动作 — 如同引擎实现的那样
references/02-character-system.md火柴人骨架:比例、体型、姿势、面部、一致性
references/03-scenes-camera-light.md视差层、构图、摄像机运动、光照、锁定调色板
references/04-script-craft.md脚本结构、钩子、类比、词汇预算
references/05-storyboard-craft.md镜头语法、节拍、转场、同步合同
references/06-sound-design.md闪避、自动音效映射、音乐情绪、舒适规则、音频门控
references/07-rendering-qa.md所有质量门控、像素检查、ffprobe、修复循环
references/08-extending-assets.md配方:3D地点/物体、2D道具/背景、服装、音效
references/09-schema-reference.md每个故事JSON字段,含默认值和约束
references/10-english-voice-direction.md英语语音目录、指导、节奏、离线回退

相关技能