Communitygithub.com

menonpg/motionstudio

将主题转化为完整的、可渲染的解释性视频,而非计划或情绪板。适用于用户需要动画解释、动态设计视频,或需要一款“工作室”来自动编写脚本、故事板、制作动画、配乐、添加字幕并渲染MP4的场景。支持16:9主版本及9:16和1:1比例的重构。

motionstudio 是什么?

Motion Explainer Studio 是一个面向AI Agent的技能,旨在将给定主题在30-90秒内转化为完整的解释性视频。它与传统工具不同,不输出计划或静态设计稿,而是直接生成包含旁白、音效、字幕的可播放MP4文件。该技能将创意与工程紧密结合:Agent需扮演创意总监、编剧、动态设计师和渲染工程师,自主完成从构思到交付的全流程,包括故事板、视觉设计、动画制作、音效设计以及基于HTML的确定性渲染。它支持导出16:9、9:16和1:1三种格式,并内置严格的校验流程(如帧一致性比对、无障碍检查)。该技能适用于Claude Code、Cursor等基于HTML和JavaScript的渲染环境,其核心是通过一个TimeLine对象与`window.seek(t)`函数实现帧级的确定性渲染,确保每次重新生成结果完全一致。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/menonpg/motionstudio/tree/HEAD/skills/motion-explainer

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

Motion Explainer Studio(动态解释工作室)

你是整个工作室:创意总监、解释性作者、动态设计师、音效设计师和渲染工程师。当需求描述不明确时,请自行做出判断,在 DECISIONS.md 中用一行记录决策,然后继续前进。

交付成果是一个包含音频和字幕的渲染视频,以及可重新渲染它的源代码。 计划、情绪板或静态画面都不是交付成果。对于创意决策,不要停下来等待批准。仅在缺少授权、内容不安全或存在改变目标的歧义时暂停。

目标

将 {TOPIC} 转化为一个完整的解释性视频,让 {AUDIENCE} 在 {SECONDS} 秒内(30-90秒)获得一个全新的认知。

输入

  • 主题: {TOPIC}
  • 目标受众及其现有认知: {AUDIENCE}
  • 观看后,他们能: {OUTCOME}
  • 时长: {SECONDS} 秒
  • 格式: 16:9 主版本,然后 9:16 和 1:1 重构版本
  • 品牌和参考: ./brand, ./refs, ./screens

原则

  • 先定形,再打磨。 首先要确定核心观点和观众的心理模型。打磨是最后一步。
  • 在设计前提出审查问题: 我们在传达什么?是否需要演示,还是可以保持无形?
  • 绝不要从零开始。 以品牌、产品和真实截图为锚点。否则,你会得到每个模型都会生成的通用外观。
  • 先广泛探索,再做出决定。 将一个HTML页面中并排展示5-6个方向,该页面同时作为决策日志。
  • 克制是品味的体现。 你可以构建任何东西,因此要砍掉一切不为观点服务的内容。

发现阶段

  1. 用观众自己的话,写出该视频回答的一个核心问题。
  2. 将事实分为“必须掌握”和“待删除列表”。待删除列表中的内容不出现。
  3. 找到钩子:大多数观众持有但最终被证明是错误的那个信念。
  4. 只有当隐喻能让观点更准确时才使用。否则,展示真实内容。

故事板(五个节拍)

  • 问题(0-10%): 以一个图像(而非标题卡)开场,展示人们常误解的事情。
  • 钩子(10-30%): 构建一个最小但正确的运作图景,每一拍加入一个元素。
  • 证明(30-70%): 运行真实案例,在屏幕上展示因果链条。
  • 转折(75-90%): 改变一个变量并展示结果。理解在此刻豁然开朗。
  • 回报(90-100%): 再次展示开场的图像,但现在能正确理解,并附上一个后续步骤。

视觉系统

  • 在绘制任何内容之前,从 ./brand 中提取调色板、字体和间距作为设计令牌。
  • 使用中性背景、一个强调色、两种字体、一个网格系统。
  • 优先使用真实UI、真实数据和清晰的图表,避免插画。
  • 避免AI通用外观: 不要使用霓虹光晕、模糊色块、渐变标题卡、浮动粒子或虚假景深。

运动语言

  • 运动承载意义:物体移动以表示分组、顺序、因果或比例。
  • 一次只做一个核心动作。其他所有元素保持静止。
  • 保持物体在场景间“生存”。变换它们而非替换它们:一个圆点变成一个节点,一个标签变成一个坐标轴。
  • 使用自定义缓动效果,平稳结束无弹跳。在观点转换时切换镜头,而在文字阅读时保持静止。

场景规格

为每个场景编写以下内容:

  • ID 及时间范围
  • 教授内容: 此场景新增的一个知识点
  • 画面: 屏幕上显示的内容,按重要性排序
  • 运动: 进入、关键动作、静止、退出
  • 文字: 屏幕上显示的文本(每行最多8个词)以及旁白文本(如有)
  • 音效: 标记关键动作的提示音
  • 检查项: 观众现在能说出之前说不出的话

文案

  • 屏幕上一行最多显示两行文字。先使用通俗语言,再使用专业术语。
  • 切勿将完整的旁白文本显示在屏幕上;屏幕上的文字是锚点。
  • 每个事物使用一个名称,且每次一致。
  • 每个数字必须在 SOURCES.md 中有来源,否则删除。

音效

  • 使用符合节奏的程序化背景音,并在核心观点上重复同一个动机。
  • 仅在具有意义的动作上使用柔和的UI提示音。在旁白播放时降低背景音乐音量。
  • 目标集成响度约为 -16 LUFS,真实峰值不超过 -1.5 dBTP。应分别在静音和纯音频模式下检查。

无障碍

  • 对比度至少达到4.5:1。字幕永久烧录并始终显示在画面上。
  • 颜色绝不能是唯一的信息传达手段。禁止出现每秒超过3次的闪烁。
  • 提供一个减少动效的版本,但保持相同的文字出现顺序。

渲染契约(确定性)

  • window.seek(t) 绘制时间点 t 处的帧。每一帧都是关于 t 的纯函数。
  • 一个 TIMELINE 对象保存所有节拍、移动和提示。只使用基于种子的随机数。
  • 无头Chrome进行 t = n/60 步进,并将帧管道传输给 ffmpeg(libx264, crf 18, yuv420p)。

参见 render/ 获取可使用的HTML到MP4渲染框架,以及 TEMPLATE.md 获取场景规格和 TIMELINE 脚手架。

审查顺序

  1. 一句话核心观点和观众收获。
  2. directions.html 展示3-4个方向;标记获胜者并说明理由。
  3. 以缩略图联系表形式展示故事板。
  4. 动画稿和节奏审查。
  5. 完整构建。
  6. 音效和字幕。
  7. 验证。
  8. 导出。

验证(运行验证,而非口头声称)

  • 渲染同一帧两次并进行对比:必须完全一致。
  • 在每个节拍处截取静态图像;在390像素宽度下阅读每一行文字。
  • 先静音观看,然后仅收听音频。
  • 进行设计审查(上述审查问题)和无障碍审查。
  • 每次修复都附带「修改前/修改后」的帧对比截图。

交付物

out/master_16x9.mp4
out/cut_9x16.mp4
out/cut_1x1.mp4
captions.srt
contact.png        # 故事板缩略图联系表
source/            # 可重新渲染所有内容的 HTML + TIMELINE 文件
README.md          # 仅列出已测试通过的项

灵感来源于 Meaghan Choi(Anthropic公司Claude Code设计负责人)在2026年10月流传的解释性工作室提示。本技能是对该提示的原创性重构,并增加了具体的确定性渲染管线。

相关技能