Sprite Stage
一个设置命令。然后，从角色参考图和参考视频制作一部原创 2D 动画短片。
第一步
如果缺少 .ready，请运行以下命令，并等待 Sprite Stage is ready. 提示出现。
bash setup.sh
请自行执行该操作。不要向用户提供需要安装的包列表。该脚本可安全重复运行。
图片回放使用系统 Python。新语音使用脚本创建的虚拟环境。
python3 render.py
.venv/bin/python voices.py
python3 render.py
完成的示例文件是 renders/long-slide.mp4。
你需要保留原创内容
参考视频仅提供基本设定：地点、动作顺序和氛围。请使用用户自己的角色名称编写新脚本。不要将源视频的标题、角色名称、标志、歌词或口语台词复制到提示词、屏幕文字或音轨中。
所包含角色的服装和语音锁定信息位于 characters/CAST.md。提示词示例位于 examples/prompts.md。
制作一部新短片
- 将每个角色的参考图片放入
characters/目录。每个文件对应一个人物。正面视图、全身、纯色背景。 - 生成精灵表到
sprites/{name}-{action}.png。示例渲染器使用的动作有：walk、front、talking、back、sitting。精灵表为四格并排，背景为洋红色（#FF00FF）。
免费精灵表
默认使用免费图像工具。这样制作精灵图像的费用为 0 美元。COSTS.md 中的智能体 token 消耗表仍然适用。
python3 scripts/free_sprites.py --provider prompt --name lina --action walk,front,back,talking,sitting
sprites/prompts/ 目录下的每个文件都指定了要附加的两张图片以及要粘贴的提示词。示例提示词位于 examples/prompts.md。将工具生成的图像保存为 sprites/{name}-{action}.png。
仅当环境中已经存在 GEMINI_API_KEY 时才可使用 Gemini。切勿询问密钥、打印密钥或将密钥写入仓库。
python3 scripts/free_sprites.py --provider gemini --name lina --action walk
如果该模型超出了密钥的免费配额，请停止并使用 --provider prompt。
- 在
voices.py中编写原创台词，然后运行.venv/bin/python voices.py。音调使用文件的真实采样率，然后将每句台词减慢到大约每秒两个单词，以便嘴巴在整个台词期间保持张开。 - 将
render.py中的NAMES和HEIGHT指向角色列表。构建时间线，确保只有一个人攀爬，只有一个人滑行。运行python3 render.py。嘴巴在duration + 0.2s内保持张开。滑行欢呼在滑行开始时触发。
保持服装完整的精灵表规则
- 键控仅针对强洋红色：红色 > 200，绿色 < 100，蓝色 > 200。松散的色度键控会在粉色布料上打出孔洞。
- 不要仅仅因为一个区域是面部就将其删除。保留大约 1800 像素或以上的组成部分。
- 行走单元格共享一个时序：大步、双脚并拢、反向大步、双脚并拢。
- 侧面视图朝向右侧。当角色向左走时，在渲染器中将其镜像。
- 让骑手坐在滑道路径上，并用滑梯近端边缘遮住腿部。不要将身体悬浮在滑道上方。
语音
OpenVoice V2 会转换音调。MeloTTS 使用英式英语基础来朗读文字。儿童声音比成人更高、稍快。为每个人分配不同的目标音调。不要让整个角色组使用同一个音调。
如果一句台词仍然短于它的嘴巴张开窗口，请降低 MeloTTS 速度或使用低于 1 的 atempo 进行拉伸。不要为了填补间隙而加快台词。
成本与机器
一部 1 分钟的短片，在精灵表已存在时，大约需要 30 万至 50 万输入 tokens 和 6 万至 10 万输出 tokens；如果同时制作精灵表并修改一次，则大约需要 100 万至 150 万输入 tokens 和 20 万至 30 万输出 tokens。OpenCode、Claude、Codex 和 Cursor 的具体美元费用，以及 OpenVoice 的 CPU 要求（8 GB RAM、Python 3.11–3.13、无需 GPU），均在 COSTS.md 中说明。
当用户希望制作短片不花费任何费用时，请在 OpenCode 上使用标记为“免费”的模型运行此技能，并使用 --provider prompt 生成精灵表。只要短片保持在每日免费模型配额内，该智能体线路的费用为 0 美元。在同一应用上使用付费模型将按该提供商收费。
致谢
OpenVoice 和 MeloTTS 是 MyShell 的 MIT 开源软件。ffmpeg 绘制帧。PyTorch 运行语音模型。检查点来自公共的 myshell-ai/OpenVoiceV2 模型。完整链接请参阅 README。