/pika:explainer
生成约 60-80 秒的 URL 解说视频:驱动真实浏览器按节拍时间线浏览页面,生成虚拟主播唇同步语音,并将所有内容合成到 1280×800 的 macOS Sonoma 窗口框架中,左下角嵌入一个 240 像素内径(含 3 像素白色描边环,总外径 246 像素)的虚拟主播头像,画布位置为 (20, 476),并在每个中间节拍处对目标元素进行缩放。适用于任意 URL——产品页面、文档站点、博客文章、发布页面。GitHub URL 会触发仓库感知模式(README 扫描 + 演示站点检测);所有其他 URL 使用通用页面浏览流程。
用法: /pika:explainer <url> [--focus "角度"] [--avatar <url>] [--voice <id>] [--lipsync-provider pika|kling] [--preview] [--live-url <url>]
成本透明门控
在进行付费 MCP 调用之前,调用一次 identity_balance({verbose: true})。显示当前余额、近期消耗速率和剩余可用时长,然后用以下确切的提示信息进行门控:
预估费用:约 50-500 积分(约 $0.50-$5.00),取决于唇同步提供商、语音、字幕和预览模式。费用可能达到 $5。请回复
proceed继续,或回复cancel停止。
在用户回复 proceed 之前,不得调用任何付费 MCP 工具。如果用户回复 cancel,则立即停止,不生成任何内容。该门控在已知 URL 和可选标志之后、在头像生成、语音合成、唇同步、字幕或视频合成之前执行。
行为
默认设置——快速执行,避免不必要的中间确认
- 静默解析头像/语音。 在执行之前,永远不要询问“我是否应该使用你的头像?”或“使用哪个语音?”。优先使用显式指定的参数(
--avatar,--voice);否则生成一个主播头像并选择一个默认语音,然后继续。有关完整的解析优先级,请参见步骤 1。 - 只有成本透明门控要求回复
proceed。 步骤 5 的预览通常通过--preview选择加入(用于显式头像),但当头像来源是generated或regenerated的回退时,会自动强制预览。在成本门控之后,整个流程会端到端执行,但必须有回退头像预览这一防护措施。 - 也不要询问
--focus。 根据页面结构做出自信的首次尝试;如果角度不准确,用户会使用--focus "X"重新运行。
这些默认设置符合媒体生成工具(Midjourney / Sora / Runway / HeyGen / Pika.art)的行业标准:提交 → 渲染 → 返回。账户信用余额和提供商故障转移(步骤 9)是标准的防护措施。
Claude Desktop 上的本地头像图片
Claude Desktop 目前无法将内联粘贴的图片传递给 MCP 工具(这是 Anthropic 方面的限制)。如果用户内联粘贴了照片,或者提到了要用作 --avatar 的本地文件,请在步骤 1 暂停并友善地引导他们——例如这样:
提醒——在 Claude Desktop 上,粘贴的图片暂时无法传递给 MCP 工具(Anthropic 的限制)。有两个简单的头像选项:
- 粘贴 URL(如果图片已托管,如 Imgur、S3 或您的站点)——最快
- 附加图片文件,这样我可以在生成前上传它。
当收到本地文件时,使用 upload_asset 将其转换为公共 URL,然后在步骤 1 之前将返回的 public_url 作为 --avatar <url> 使用。如果头像未提供任何内容,则会静默生成一个主播肖像(步骤 1)。
步骤 0——解析 URL(空参数菜单)
从 $ARGUMENTS 中提取标志(--focus,--avatar,--voice,--live-url,--lipsync-provider,--no-captions,--preview,--skip-preview,--yes)和 key=value 参数。如果剩余部分不包含 https://... URL(或为空/仅包含空白),则逐字打印以下菜单作为您的完整回复,然后停止并等待用户的下一条消息。此时调用工具可能会导致录制或解说错误的页面。如果 $ARGUMENTS 已经包含一个 URL,则静默跳过此步骤并直接进入步骤 1。
您希望我引导浏览哪个 URL? 适用于以下任意类型:
- GitHub 仓库——例如
https://github.com/anthropics/claude-code(激活仓库感知模式:README 扫描 + 演示站点检测)- 产品页面 / 发布页面——例如
https://pika.art- 文档站点——例如
https://docs.anthropic.com- 博客文章 / 文章 URL
输出:1280×800 macOS Sonoma 窗口框架,左下角带虚拟主播唇同步和每个中间节拍的元素定位缩放。在成本门控之后默认端到端执行;如果希望为显式头像进行 3 秒唇同步检查,请传递
--preview。对于生成的回退头像或重新生成的头像,会自动进行预览防护。回复 URL,我将开始。
提示:您无需输入
/pika:explainer——只需说出类似“带我看一下 ”、“为 制作一个演示视频”或“解说这个仓库:”的话语,我会自动触发此技能。
当用户回复一个 URL 时,将其视为已解析的输入并进入步骤 1。不要再次提示。
步骤 1——解析输入 + 检测模式
必需:url(必须是 https://...)。
可选:--avatar <url>(主持人照片;如果省略,则生成一个),--voice <minimax-voice-id>,--focus "..."(融入 vo_text 的编辑指导),--live-url <url>(强制提供演示站点 URL——仅限 GitHub 模式),--lipsync-provider <pika|kling>(默认为 pika——parrot a2v,约 2-5 分钟挂钟时间,头部动作略微夸张。传递 kling 以获得更紧致的面部输出,约 5-30 分钟挂钟时间——Kling 产生的头部动作最少,但耗时最长;保留给高风险的渲染任务),--no-captions(跳过步骤 11 的字幕烧录——默认带字幕),--preview(选择加入步骤 5 的预览门控,用于显式头像;生成和重新生成的回退头像在完整唇同步之前会自动运行预览门控)。--skip-preview 和 --yes 为了向后兼容而接受,视为空操作。
模式检测:
- GitHub 模式——URL 的主机名为
github.com,并且路径匹配/{owner}/{repo}(仓库根目录后没有其他路径段)。激活仓库感知扩展:README 扫描、演示站点检测、特定于 GitHub 的选择器。 - 通用 URL 模式——其他所有情况(产品页面、文档站点、博客文章、更深的 GitHub 路径,如
/blob/HEAD/path)。跳过 GitHub 扩展;使用通用 CSS 选择器并引导浏览 URL 本身。
头像解析(静默——永远不要询问用户):
- 如果传递了
--avatar <url>,则使用它。 - 否则,调用一次
generate_image,提示词为"专业主持人,友好技术解说员,工作室肖像,1:1,自然光",并使用返回的 URL。不要询问用户“是否应该生成一个?”——直接静默生成。
将 avatar_source 跟踪为以下之一:explicit、generated 或 regenerated。
头像适配性门控(在唇同步消耗之前强制执行):
在步骤 4 TTS 之前以及任何 generate_lipsync 预览/完整调用之前,对已解析的头像图片调用一次 analyze_media(media=<avatar>, query=<gate_query>)。这是唯一一个需要头像分析的情况,因为头像是核心主持人素材,一个糟糕的生成头像可能会毁掉整个渲染。
门控查询:
仅返回 JSON:{
"is_single_front_facing_coherent_human_face": boolean,
"has_visible_mouth": boolean,
"is_faceless_or_masked": boolean,
"is_mascot_illustration_or_non_human": boolean,
"face_suitability_score": 0-100,
"apparent_gender": "female" | "male" | "unclear",
"reason": string
}
此图片是否适合进行说话头部唇同步:一个正面、连贯的人脸,带有可见的嘴巴?标记为无脸、戴面具、吉祥物、纯插画、非人类或畸形的头像。
仅当 is_single_front_facing_coherent_human_face == true、has_visible_mouth == true、is_faceless_or_masked == false、is_mascot_illustration_or_non_human == false 且 face_suitability_score >= 75 时通过。
如果头像失败且 avatar_source 是 explicit,则在付费唇同步前停止,并要求提供 --avatar <真实照片 URL> 或允许生成一个主持人肖像。如果头像失败且 avatar_source 是 generated,则调用一次 generate_image,提示词为 "真实专业主持人肖像,单个正面连贯人脸,可见嘴巴,友好技术解说员,中性工作室背景,1:1,自然光";设置 avatar_source = "regenerated" 并在重新生成的头像上重新运行此适配性门控。如果重新生成的头像也失败,则中止并给出明确错误,而不是尝试唇同步。
每当 avatar_source 是 generated 或 regenerated 时,设置 avatar_auto_preview_required = true;否则为 false,除非用户传递了 --preview。
语音解析(静默——永远不要询问用户):
-
如果传递了
--voice <id>,则使用它。 -
否则,选择一个与已解析头像的明显性别匹配的、随意的 MiniMax
speech-2.8-hd预置:- 女性编码头像 →
English_PlayfulGirl(温暖、随意、明显女声——已验证) - 男性编码头像 →
English_Jovialman(温暖、随意男声) - 不明确 / 性别中立 →
English_Jovialman(默认值)
从头像适配性门控结果(
apparent_gender)中推断性别。不要询问用户。不要使用
English_FriendlyPerson——尽管在 MiniMax 的目录中被归类为“女性”,其显示名称是“Friendly Guy”,在播放时听起来像男性。English_PlayfulGirl是标准的随意女性选择。其他已验证的女性替代:English_Upbeat_Woman、English_LovelyGirl、English_radiant_girl。 - 女性编码头像 →
以下流程按步骤进行了注释:仅 GitHub、仅通用或两者模式。
步骤 2——读取源内容(无 MCP 调用)
两种模式: 使用 Claude 的 WebFetch 获取输入 URL 的页面主要内容(h1、英雄区域、标题、主要正文)。
在此源内容读取期间构建 proper_noun_glossary。包含来自 URL/域名、页面标题、h1、README 标题、仓库元数据、包名和重复大写的标记中的产品、仓库、公司、模型、框架和专有名词的规范拼写。对于 GitHub 仓库,保留 README/源扫描中显示的确切拼写,例如 Ollama、Llama、DeepSeek、Gemma。稍后在编写解说词和烧录手动字幕时使用该词汇表,以确保字幕文本不会语音漂移成“Olama”或“DeepSeq”等错别字。
GitHub 模式添加: 还会获取顶层文件树、(尽力)package.json / pyproject.toml,并通过 gh api repos/{owner}/{repo} 获取 GitHub API 仓库元数据,包括 homepage、description、language、topics。按以下优先级检测候选 live_url:
- 用户提供的
--live-url。 - GitHub API
meta.homepage字段——当维护者在 GitHub 设置中配置了仓库的主页时设置。 package.json的"homepage"字段。- README 中匹配
https?://[^\s)\"'<>]+(?:vercel\.app|netlify\.app|github\.io|fly\.dev|railway\.app|render\.com|herokuapp\.com|surge\.sh)[^\s)\"'<>]*的第一个结果。 - README 中徽章区域/“Live Demo”/“Project Page”/“Demo”文本指向的任何其他 URL。 上面的允许列表正则表达式会错过任意自定义域名(例如
<project>-project-page.com);当 README 明确指定了一个项目页面时,优先使用它而不是 github.io 回退。 - GitHub Pages 约定
https://{owner}.github.io/{repo}——但仅当深层树包含前端信号(index.html、App.tsx、App.jsx、App.vue、app.py、main.py之一)时。
如果未解析到候选 URL,则节拍表跳过节拍 6–7。
通用 URL 模式: 输入 URL 本身是节拍浏览的唯一 URL——不进行 live_url 推断,不获取额外元数据。跳过步骤 2.5 和步骤 3.0;直接进入步骤 3。
步骤 2.5——验证 live_url 可达性(仅 GitHub 模式,无 MCP 调用)
如果选择了候选 live_url,则在编写节拍 6–7 之前验证它是否提供真实内容。使用 WebFetch 获取候选 URL 并检查响应:
- 如果响应状态为 4xx / 5xx,则将
live_url设为 None 并跳过节拍 6–7。特别是 github.io 回退,其主机名可达,但对于未启用 Pages 的仓库通常返回 404(“此站点没有 GitHub Pages 站点”)——录制那个 404 页面会浪费解说约 12 秒时间在错误内容上。 - 如果响应渲染了 GitHub Pages 的“404 —— 此站点没有 GitHub Pages 站点。”模板(启发式:响应正文包含
"There isn't a GitHub Pages site here"),则放弃live_url并跳过节拍 6–7。 - 否则,保留
live_url用于节拍 6–7。
这模拟了通过短超时检查 live_url 并跟随重定向的旧版可达性门控。
步骤 2.6——通用 URL 预检(仅通用 URL 模式,无 MCP 调用)
在为非 GitHub URL 编写节拍之前,使用 WebFetch 获取输入 URL 并检查响应。此步骤防止三种常见的通用 URL 故障模式:(a) 录制验证码/机器人拦截页面而不是内容,(b) Cookie/同意横幅占据视频开头约 3 秒,(c) 通用 CSS 选择器未能获取页面实际的英雄区域/部分。
A. 机器人拦截 / 验证码检测——如果匹配则中止:
如果响应正文包含以下任何内容:
"Verify you are human"/"verify you are not a robot""captcha"/"CAPTCHA"/"reCAPTCHA""403 Forbidden"/"Access Denied""Just a moment"+cf-chl-bypass(Cloudflare 挑战)"We're sorry, something went wrong"(亚马逊风格机器人拦截)- 仅为“Robot Check”/“Are you a robot?”的
<title>或 h1
→ 中止并向用户显示明确错误:“通用 URL 模式无法渲染此站点——该页面在 headless Chrome 下显示了机器人检测/验证码挑战。请尝试其他 URL,或先运行一个真实用户版本的页面以验证其能否正常加载。”
B. Cookie / 同意横幅检测——通过 extra_css + 可选点击来消除:
扫描响应中以下模式(不区分大小写):
- ID / 类名以
onetrust-开头、tru
…(为简洁起见已截断)