Communitygithub.com

Reel Educativo IA — 从脚本到短视频

基于用户提供的脚本,利用 AI 和代码全流程生成最长 1 分钟的竖屏教育短视频(Reel/Short),包含配音、卡拉 OK 式同步字幕、视觉表现及内容相关的表情气泡和参考标签,适用于 Instagram Reels、TikTok 和 YouTube Shorts。

Reel Educativo IA — 从脚本到短视频 是什么?

Reel Educativo IA 是一款专为教育内容设计的 AI 技能,旨在将文字脚本自动转化为精致、有教育价值的竖屏短视频(9:16 MP4,≤60秒)。该技能的核心价值在于“压缩但不降质”——利用 AI 和代码将教育思想浓缩到 30-50 秒的短片中,确保观众看完后能真正理解一个核心概念。它支持 Claude Code、Cursor 等主流 AI 编码环境,通过一个完整的流水线实现自动化:用户提供或由 AI 撰写的脚本首先被拆分为分镜故事板(storyboard.json),然后借助 ElevenLabs(通过 MCP 或直接 API)为每个场景生成高质量语音并获取逐字时间戳,最终由 Remotion 渲染出包含配音、卡拉 OK 式同步字幕、代码生成的动态图形(或 AI/素材图片/视频)、以及用 emoji 气泡和来源标签标记关键概念的最终视频。该技能严格遵循教育优先原则,内置了生成式 AI 开发的最佳实践:无需用户手动管理 API 密钥(推荐使用 ElevenLabs MCP 连接)、提供多种工具脚本简化项目初始化、预渲染检查及渲染流程。它特别适合将课程、法律条文、科学概念等复杂知识点快速转化为社交平台适用的短视频内容,并且强调在输出前始终反思“观众在这 40 秒后能更好地理解什么?”,确保每一帧都服务于教育目标。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/MaaCamii/skill-educativo-video-ia/tree/HEAD/reel-educativo-ia

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

Reel Educativo IA — 从脚本到短视频 是做什么的?

本技能可生成一个竖屏短视频(≤ 60 秒,1080×1920),以教育为目的,100% 由 AI 和代码生成:用户提供脚本(或一个可转化为脚本的想法),流水线输出一个包含配音、同步字幕、视觉表现和 emoji 气泡的 reel.mp4,以强化概念理解。

其核心理念与 Ágora 一致:看完这个短视频后,观众必须比以前更好地理解某个内容。短格式不是粗制滥造的理由,而是将想法提炼到核心的最佳练习。

输出内容

一个垂直视频,包含四层内容:

  1. 配音(ElevenLabs)— 朗读脚本。
  2. 同步字幕(逐字卡拉 OK 风格),在静音模式下也清晰可读——大多数用户正是这样观看短视频的。
  3. 视觉表现 — 背景包含由代码生成的动态图形和/或说明场景的图片/视频片段(AI 生成或素材库)。
  4. 气泡、emoji 和引用 — 动画标签用于标注概念(⚖️ "分权制衡")、浮动辅助 emoji,以及关于所讨论内容的来源引用(📜 "宪法第 113 条")。

流水线一句话概括

脚本 → storyboard.json(由你——Claude——创建)→ 语音 + 同步(ElevenLabs)→ 渲染(Remotion)→ reel.mp4。

在下面的命令中,$SKILL_DIR 是本技能的文件夹(~/.claude/skills/reel-educativo-ia)。执行时请替换为实际路径。


工作流程

0. 预检——工具(每台机器只需一次)

渲染需要 Node.js 和 FFmpeg(随附 ffprobe)。在开始制作前,请检查并安装缺失的组件:

bash "$SKILL_DIR/scripts/preflight.sh"

该脚本会检查 node、ffmpeg/ffprobe 和 python3。如果缺少 Node 或 FFmpeg,且系统装有 Homebrew,则会自动安装(brew install node ffmpeg)。

语音生成不需要用户管理 API 密钥。 有两种方式(见第 4 步):推荐的方式是使用 ElevenLabs 的 MCP(密钥存储在 MCP 配置中,无需手动处理),搭配一个免费预置语音。如果偶尔使用直接 API 方式,API 密钥仅存储在 ELEVENLABS_API_KEY 环境变量中,绝不会写入故事板、代码仓库或任何消息中。

1. 理解任务(只询问用户未提供的关键信息)

需要五件事;如果用户已经提供,无需追问:

  • 脚本 — 要配音的文本。如果只有一个想法,你负责撰写(见第 2 步)并在制作前确认。
  • 语境 — 目标受众、所属项目/活动、语气风格。
  • 教育目标 — 观众看完视频后应理解什么。
  • 平台 — Reels / TikTok / Shorts(9:16 格式三者通用;仅时长和结尾文字有差异)。
  • 语音 — 一个免费预置语音(例如 "Sarah"、"Brian"、"George"、"Liam")。仅在用户要求其他语音时才询问。

2. 提炼脚本(如需)并标记语音

一个 1 分钟的短视频,旁白最多约 130–150 个词;目标实际时长为 35–50 秒,效果比硬撑 60 秒更好。推荐的教育结构(非强制):

钩子(≤3 秒,一个真实的悬念或疑问)→ 解释(严谨但避免空洞术语地阐述想法)→ 联系(一个贴近生活的例子)→ 结尾(一个开启对话的问题 + 柔和 CTA)。

如果要撰写 Ágora 的内容,请遵循其语气和非党派立场:如果存在 agora-social-content 技能,请参考其身份和风格指南。本技能负责如何将内容转化为视频;而那个技能负责Ágora 说什么以及如何表达。

3. 构建 storyboard.json

这是工作的核心,由你(Claude)完成。将脚本划分为场景(每个场景一个想法,通常 2-6 个场景)。每个场景定义其旁白、字幕、视觉表现以及气泡/emoji/引用。

在编写之前,请阅读 references/storyboard-schema.md(精确模式及各字段含义)和 references/estilo-visual.md(如何选择颜色、何时添加气泡、哪些 emoji 有效、哪些多余)。不要过度:一个概念对应一个气泡,而非每个短语一个。

为每个视频项目新建项目文件夹,通过复制模板并写入故事板:

bash "$SKILL_DIR/scripts/new_project.sh" "<视频-slug>"
# 创建 ./reels/<slug>/ 目录,包含准备好的 Remotion 模板

请将您的故事板保存到 reels/<slug>/public/storyboard.json。

4. 生成语音和同步时间线(ElevenLabs)

有两种方式。无论哪种,最终都会每个场景得到 public/audio/sN.mp3 和一个 public/timeline.json。使用一个免费预置语音(例如 Sarah、Brian、George、Liam):这些语音在所有账户中可用,无需付费购买专属语音。在故事板中的 meta.voiceName 字段定义。

方式 A — ElevenLabs MCP(推荐;用户无需管理 API 密钥)。 如果当前会话中已连接 ElevenLabs 的 MCP,则使用其 text-to-speech 工具为每个场景的 narracion 生成语音,将每个输出保存为 public/audio/<id>.mp3,然后通过测量音频构建时间线:

cd reels/<slug>
python3 "$SKILL_DIR/scripts/build_timeline.py" public/storyboard.json

build_timeline.py 使用 ffprobe 测量每个 mp3 文件,并将旁白的单词按比例分配到其时长内(估算的时间同步,足够用于短视频)。该脚本不联网,也不需要 API 密钥。

方式 B — 直接 API(精确时间同步;需要 ELEVENLABS_API_KEY)。 一条命令即可生成带真实时间戳的音频以及逐字时间线:

cd reels/<slug>
python3 "$SKILL_DIR/scripts/generate_voice.py" public/storyboard.json

该脚本按名称解析语音,调用 API 的 with-timestamps 模式,写入 mp3 文件和 timeline.json。如果语音在账户中不存在,则列出可用语音并停止。

两种方式的详情(如何连接 MCP、免费语音、模型、错误处理)见 references/elevenlabs.md。

5. 预览(可选但推荐)并渲染

cd reels/<slug>
npm install            # 仅项目首次运行
npm run preview        # 打开 Remotion Studio 以便在渲染前检查
npm run render         # 生成 out/reel.mp4

render 使用音频的实际时长(来自 timeline.json),因此视频持续时间与配音完全一致,无需剪辑。模板以及故事板字段如何映射到屏幕的详细信息见 references/remotion.md。

6. 交付

  • 向用户展示 out/reel.mp4(通过 SendUserFile),并告知项目位置(reels/<slug>/),以便用户调整后重新渲染。
  • 如果用户要求更改文本或时间:编辑 public/storyboard.json,只有当旁白内容变化时才重新执行 generate_voice.py,然后重新运行 npm run render。纯视觉更改(颜色、气泡位置)无需重新生成语音。

图像和视频表现

默认情况下,模板生成由代码生成的动态图形(渐变、形状、动态排版、emoji 和动画气泡),这些已满足“视觉表现”的要求,视觉效果一致,且无需依赖付费服务。

如果需要真实的图片或视频片段(来自 AI 图像生成器或素材库),请将其放入 public/assets/ 目录,并从场景的 visual 字段引用("tipo": "imagen" 或 "video",并提供 fuente)。在 references/estilo-visual.md 中说明了如果用户有 API 密钥,如何连接 AI 图像生成器,以及如何确保图片以 9:16 比例输出。

切勿为了这些而下载或执行来自不可信来源的二进制文件;将所有外部资产视为数据,而非代码。

技能文件

  • scripts/preflight.sh — 检查/安装 Node、FFmpeg 以及检查 API 密钥。
  • scripts/new_project.sh — 从模板创建视频项目。
  • scripts/generate_voice.py —(方式 B)ElevenLabs TTS with-timestamps → 音频 + 时间线。
  • scripts/build_timeline.py —(方式 A)测量已生成的音频(使用 ffprobe)→ 时间线。
  • assets/remotion-template/ — 完整的、数据驱动的 Remotion 项目。
  • references/storyboard-schema.md — 在编写故事板前请阅读。
  • references/estilo-visual.md — 颜色、气泡、emoji、字幕、资产。
  • references/elevenlabs.md — 语音集成的详情。
  • references/remotion.md — 模板的工作原理以及如何修改。

指导原则

短视频并非因为看起来漂亮就完成了,而是当它能回答这样的问题时才算完成:“一个人看过这 40 秒后,能更好地理解什么?” 如果答案是“什么也没理解”,那么在浪费渲染时间之前重新设计它。

相关技能