video-pizarra 是做什么的?
将任何主题转化为手绘动画视频(约60-75秒),其中包含:一个表演的吉祥物、实时书写的文字、每场不同的背景和工具、跟随音乐节拍的创意转场,以及一个故事板式结尾。
整个引擎已内置在 template/ 中。你的工作是充分理解用户想要的视频,编写清晰的故事,并使用引擎API构建场景。不要重写引擎。
一切均可定制(不要说“不行”)
该技能是一个起点,而非模具。如果用户要求的东西并非开箱即用,请进行调整:更改配置、编辑样式,或使用引擎API编写新场景。唯一不能妥协的是质量(文字清晰、数据真实、交付前进行QA)。
| 用户想要… | 白板 (template/) | 风格 (template-estilos/) |
|---|---|---|
| 品牌颜色 | 配置中的 palette 和 hatches | palette: { accent: '#hex', bg: '#hex' } |
| 字体 | engine-api.md 中的字体 | font: { display: 'Bebas Neue', body: 'Poppins' }(任意Google Fonts字体) |
| 吉祥物或角色 | mascotShape(自定义轮廓)或 image() 配合PNG | mascot: 'clawd' | 'bot' | 'blob', mascotColor: '#hex',或使用其Logo/角色:mascot: { image: 'assets/logo.png' } |
| 用户本人出镜 | — | person: { photo }(cutout.py foto.jpg)或根据其外貌绘制的角色 |
| 图片、Logo、截图 | image() | 场景中的 media、sticker、shotCard(参见 references/historia.md) |
| 格式/时长 | 9:16 或 16:9,任意时长 | 相同 |
| 语音、音乐或无 | audio/vo.wav、audio/music.mp3、Suno或无音乐 | 相同;如果录了摄像头画面,使用 componer.sh |
| 其他语言 | 文本和 say 使用其语言 | 相同 |
| 不存在的视觉效果 | 调整最接近的风格(背景、笔画、颜色、字体) | 复制 styles/ 中最接近的风格并修改 |
| 混合风格 | — | 每场设置 style;白板和风格可通过ffmpeg合并 |
Windows — 运行命令前请阅读
本技能的命令是为Mac/Linux编写的。如果用户使用Windows:
- 如果系统中已安装numpy、Pillow、librosa、rembg和faster-whisper(通过
python -c "import numpy, PIL, librosa"检查),则不要创建.venv:凡出现.venv/bin/python X.py的地方,使用python X.py。如果缺失,征得用户同意后安装(pip install numpy pillow librosa rembg faster-whisper)。 .sh脚本:使用Bash工具(如Git Bash)运行:bash build.sh <name>、bash componer.sh aroll.mov name。cp -r同样在Bash中执行。- 密钥:保存在
~/.config/video-pizarra/keys.env(Windows下为%USERPROFILE%\.config\video-pizarra\keys.env),每行一个:SUNO_API_KEY=...和ASSEMBLYAI_API_KEY=...。当用户说“保存我的Suno/AssemblyAI密钥”时,将其添加到此文件(不要删除其他密钥),且不要在聊天中重复。 - Playwright的Chromium:首次在项目内运行
npx playwright install chromium。
赋予生命力的运动(应用于每个场景)
完整规则见 ${CLAUDE_SKILL_DIR}/../video-con-vida/references/principios.md。在本引擎(GSAP)中:
- 避免线性运动。 卡片、文字和道具的入场:使用
back.out(1.5)(约8%反弹);图标和吉祥物卡通动作可达back.out(2.5-3)。出场:使用power2.in,比入场短。唯一线性的是打字和笔画绘制。 - 挤压与拉伸:当物体落地或吉祥物跳跃时:
scaleX: 1.1, scaleY: 0.9,然后通过elastic.out(1, 0.4)恢复。 - 错开:列表或标题中的元素之间间隔80-120毫秒(
stagger: 0.1),按阅读顺序,最后一个元素收尾。 - 视差:如镜头移动,背景×0.4并模糊,中景×1,前景×1.5。
- 微动:屏幕静置时间不超过约1.5秒——镜头缓慢缩放1-3%,吉祥物呼吸/眨眼,道具浮动±4-6像素。
- 在视觉QA之前,重新检查
principios.md末尾的清单。
如果用户录制了摄像头画面(componer.sh):在显示其面部的段落中,可以在合成前对 aroll.mov 应用 video-con-vida 效果(数字变焦、封面、清单、渐进图表等),使用 python "${CLAUDE_SKILL_DIR}/../video-con-vida/scripts/montar.py" plan.json。这样视频将交替呈现白板动画和经过编辑的摄像头画面。
风格模式(水彩 · 笔记本 · 简约)
除白板外,该技能还包含 template-estilos/:另一个基于Canvas的引擎,内置4种风格——acuarela(水彩纸,墨水沸腾感)、acuarela-viva(水彩搭配橙/黑/白/红,突出吉祥物)、cuaderno(子弹日记风格配合荧光笔)和 minimal(高级白色)。当用户要求这些视觉效果或比白板更“简洁/编辑风”的视频时使用。向用户展示 catalogo-estilos/ 以供选择。
- 以场景列表形式编写(
hook, statement, chapter, list, stat, compare, quote, media, steps, cta),保存在video.js中;完整指南见references/guion-estilos.md。 - 人物:用户照片(
python3 cutout.py foto.jpg)或根据其外貌绘制的角色(肤色、头发、发型、眼镜、胡须)。 - 可在同一视频中混合风格,通过在每场设置
style。 - 故事模式(推荐用于介绍和故事情节):连续吉祥物、跟随它的镜头、故事内转场,以及实时绘制的铅笔。阅读
references/historia.md并从template-estilos/historia.example.js开始。 - 如果用户已录制摄像头画面:以其视频为基础,仅在动画段落上方覆盖动画(
anclas.py→timing.js→./componer.sh aroll.mov name)。参见references/historia.md中的“如果用户录制了摄像头画面”。 - 展示草稿前,查看
references/errores.md(我们犯过的真实错误:演示感、场景过饱和、布局重复、第三方姓名等)。 - 步骤:
cp -r template-estilos ./proyecto && cd proyecto && npm install && npx playwright install chromium && python3 -m venv .venv && .venv/bin/pip install numpy→node render.mjs --scenes(QA,查看图片) →python3 suno_music.py "<prompt>" "<title>" audio/music.mp3(可选) →./build.sh <name>。
工作流程(白板)
- 访谈(不要跳过:这是区分好视频与平庸视频的关键)
- 调研与验证数据
- 故事板 → 审批
- 构建
scenes.js - 截图视觉QA
- 音乐、节拍、特效与最终渲染
- 交付 + 说明文字
1 · 访谈
根据已有信息调整访谈。 如果请求包含主题、格式和语气(例如从教程复制的提示),则不要进行完整访谈:使用合理的默认值决定缺失项,显示5行摘要,然后开始。仅询问真正会改变视频的内容(无法验证的数据、品牌、行动号召)。如果用户说“直接做”,则不要问任何问题。
使用提问工具(每轮最多4个问题,每个问题将推荐选项放在首位)。如果用户已在消息中回答了某问题,不要重复询问。使用用户的语言提问。
第一轮 — 内容
- 主题和观众应记住的唯一个想法。 是否有链接、文章、笔记或数据视频必须使用?(请求它们:正确的数据比动画更重要。)
- 格式:竖屏9:16用于Reels/TikTok/Shorts(推荐)或横屏16:9用于YouTube。
- 时长:45–60秒、60–75秒(推荐用于解释内容)或90秒。
- 语气与受众:有趣/亲切、严肃/专业、史诗感。面向谁?
第二轮 — 视觉
- 角色:默认吉祥物(一个带小手臂的方形小虫)、用户自己的吉祥物或品牌,或没有吉祥物。是否需要一个代表观众的第二个人类角色?
- 参考图片:明确请求用户喜欢的风格截图、吉祥物/Logo、品牌颜色或参考视频。使用Read功能读取,并在继续前说明你将从中提取什么。
- 颜色/品牌:是否使用自定义调色板?是否必须包含Logo或名称(或明确不包含)?
- 屏幕文本的语言。
第三轮 — 声音与结尾
- 音乐:使用Suno生成(需要来自sunoapi.org的
SUNO_API_KEY)、使用用户自己的mp3(放入audio/music.mp3)或无音乐(仅特效)。 - 最终行动号召:关注+评论(默认,用于提升覆盖)、个人简介链接、产品/服务,或无。
- 钩子:针对此主题提出2-3个具体钩子(参见
references/storytelling.md),让用户选择。
结束前提供一个摘要:用户回答的内容与你默认决定的内容,分为两组。如果用户纠正了任何内容,在继续前再次显示摘要。
2 · 调研与验证
- 如果主题是新闻或包含数字,查找来源(WebSearch/WebFetch),并记录每个数据及其来源。
- 仅在屏幕上显示来源中出现的数据。不要计算或捏造衍生数据(例如从百分比推断出“先前价格”)。如果数据仅来自次级媒体,告知用户。
- 保存来源:它们在说明文字中是必需的。
3 · 故事板 → 审批
阅读 references/storytelling.md,并在项目文件夹中编写 STORYBOARD.md:一个表格,每场包含背景 · 工具 · 屏幕文本 · 角色动作 · 出场转场。向用户展示简短摘要(每场一行),并等待其批准后再进行动画制作——除非用户要求直接进行:此时展示摘要后继续。更改故事板只需几分钟;更改视频则需数小时。
源于成功与失败经验的规则:
- 第一秒内出现钩子。 第一句话约0.2秒出现。不要在钩子之前使用慢速开场或“背景”场景。
- 文字解释,角色表演。 每场上方有一个清晰的大标题 + 一行支持文字。视觉笑料强化文字;绝不取代文字(仅靠动作的视频无法理解)。
- 每场只有一个想法,按故事顺序:钩子 → 揭示 → 问题 → 转折 → 证据 → 转折/结尾 → 行动号召。
- 每场使用不同背景和不同工具(记号笔、粉笔、钢笔、铅笔、画笔)——以及几场无工具(文本弹跳、打字或压印)。
- 有动机且快速的转场(0.4–0.8秒):场景中的某些元素导致过渡到下一场景(进入眼睛、擦除、某物掉落、条形展开、墨水圆、某物爆裂、卡片翻转、闪光)。不要连续重复相同的转场。
4 · 构建
PROJ=~/Documents/<视频的slug> # 或用户要求的文件夹
mkdir -p "$PROJ/audio" && cp -R "${CLAUDE_SKILL_DIR}/template/." "$PROJ/"
cd "$PROJ" && npm install && npx playwright install chromium
cp scenes.example.js scenes.js # 起点:完整示例
在编写场景之前,阅读 references/engine-api.md(完整API、坐标、转场、角色、音效)并查看 scenes.example.js:这是一个包含所有模式的真实已完成视频。根据故事板为新的主题重写 scenes.js。
- 横屏格式:
bootVideo(build, { width: 1920, height: 1080 })并重新计算位置。 - 自定义吉祥物:使用
mascotShape(参见engine-api)根据参考图片定义其轮廓;用简单形状(身体、手臂、腿、眼睛)绘制以便表演。如果过于复杂,使用带透明PNG的image()并将其作为整体动画。 - 品牌颜色:配置中的
palette和hatches。 - 使用
npx serve .(或任何静态服务器)实时预览,并打开index.html。
5 · 视觉QA(最终渲染前必须执行)
node render.mjs --every 1.2 && python3 contact.py 10 # 整段视频的接触页
使用Read功能打开 contact.jpg。检查:文字被截断或重叠、角色遮挡文字、黑色/空场景、元素出画、手机上的可读性。对于转场:在每次转场前后使用 node render.mjs --stills 12.1,12.3,12.5。修正并重新检查。常见错误及其解决方案见 references/lessons.md —— 如果任何内容看起来奇怪,请阅读。
6 · 音乐、节拍、特效与渲染
- Suno(如果有密钥):
python3 suno_music.py "<风格>" "<标题>" audio/music.mp3(纯音乐,100-120BPM,节拍清晰,符合语气)。 - 节拍:
python3 -m venv .venv && .venv/bin/pip install librosa && .venv/bin/python beats.py audio/music.mp3→audio/beats.json。这样转场会落在强拍上,镜头在重音处抖动。如果没有音乐,跳过此步。 - 最终渲染:
./build.sh <名称>→<名称>.mp4(母版)+<名称>-movil.mp4(<30MB,用于通过聊天/手机发送)。包含合成音效、转场音乐渐变,以及标准化至-14 LUFS的音量。
渲染时间约为每分钟视频3-5分钟。在后台运行并通知用户。
7 · 交付
- 交付移动版(并告知母版位置)。如果用户使用其他设备,以文件形式发送。
- 用3-5行总结视频内容(故事、关键场景)。
- 提供一个说明文字,包含视频中未体现的额外信息(背景、开发者细节、幕后花絮),附带评论行动号召和话题标签,并注明哪些数据来自哪个来源。
- 如果用户要求更改,编辑
scenes.js并重新执行QA → 构建。按版本保留scenes_vN.js副本。