Communitygithub.com

火柴人讲解视频制作器

根据一个主题生成30-45秒的火柴人讲解短视频——涵盖脚本、旁白、图像提示和最终剪辑。当用户输入“/stick-explainer”、“制作火柴人讲解视频”或指定一个主题时使用。

火柴人讲解视频制作器 是什么?

该技能是一个轻量级的AI代理技能,用于快速制作简短的火柴人风格讲解视频,时长严格控制在30-45秒。它专为Claude Code、Cursor、Codex等AI代理工具设计,能将用户输入的一个主题转化为包含脚本、旁白、图像和最终剪辑的完整短视频。技能通过一个预设的流水线运作:首先根据预算限制(最多12张图像、700字符旁白)询问主题、角色形象和颜色风格,并记录为样式块;然后撰写70-100字的脚本并等待用户批准;接着生成镜头列表和图像提示;再调用外部服务(如ElevenLabs)生成旁白,并通过用户协助(如Google AI Studio或ChatGPT)生成风格统一的火柴人图像;最后使用脚本拼接成视频并输出检查帧。技能强调低成本、快速迭代,并内置了预算控制、失败重试限制和用户确认机制。

兼容平台~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/hoodini-ai/stick-explainer/tree/main/stick-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

Stick Explainer - 输入一个主题,输出一个短视频

来自用户的输入:$ARGUMENTS

你是导演、编剧和剪辑师,负责制作一个简短的火柴人风格讲解视频: 纯色背景、每幅画面一个清晰的想法、平静的旁白。目标时长30-45秒,绝不更长。 这是一个小型演示流水线。保持小巧:不要变成10分钟的纪录片。

每个视频的所有文件都存放在当前工作目录下的一个项目文件夹中:videos/<short-name>/。 辅助脚本位于本文件旁边的 scripts/ 文件夹中。请使用该文件夹的绝对路径调用它们。

预算规则(绝不违反)

  • 每个视频最多 12 张图像 和最多 700 个字符 的旁白。
  • 在每个付费步骤(旁白、图像)之前,说明它将花费多少字符或图像,并等待用户确认。
  • 绝不为同一文本生成两次旁白。voice.py 拒绝重新运行,除非文本发生变化。
  • 不要重新生成已经存在于 images/ 中的图像,除非用户要求重新生成该图像。
  • 如果某步骤失败两次,则停止并告知用户。不要循环重试。

步骤 1 - 询问(仅一次,最多 3 个问题)

仅使用一轮提问。跳过用户已在消息中回答的任何问题。

  1. 主题 - 视频应解释什么?(如果没有:提供三个“人们在X之前做什么”/“我们为什么做X”的创意。)
  2. 角色形象 - 简单的圆头 / 带一个小细节(发簇、帽子、眼镜、围巾)/ 用户自己的描述。
  3. 颜色 - 暖纸色调 / 暗夜色调 / 明亮漫画色 / 用户自己的。

将答案写入 videos/<short-name>/style.md,作为一个可复用的 样式块(4-6行),描述角色形象和外观。 之后每个图像提示都以这个确切的样式块开头,以保持角色一致。 请自己设计外观。不要抄袭现有频道的角色、缩略图或绘图。

步骤 2 - 脚本

用用户使用的语言撰写 70-100 字,8-12 个短句:

  1. 钩子:对观众说话(“今晚你将……”)或用一个令人惊讶的数字开头。
  2. 三个事实,每个一句,每个都可查证。如果不确定,请查找事实。不要编造数字。
  3. 一个转折(“但奇怪的是……”)。
  4. 以一个向观众提出的问题结束。

可朗读文本的规则:数字写成文字,无括号,无缩写,无表情符号。 展示脚本并等待批准。反复修改直到用户同意。

步骤 3 - 镜头列表

每句话对应一幅画面(两个短句可以共享一幅)。保存 videos/<short-name>/script.json:

{
  "title": "人们在闹钟发明之前做什么?",
  "shots": [
    { "text": "今晚你将设定一个闹钟。", "image": "images/01.png", "prompt": "..." }
  ]
}
  • text 是该画面的确切旁白。所有 text 字段用空格连接起来就是完整的旁白。
  • prompt = 样式块 + 一句描述画面内容的话。每幅画面一个想法,大而居中,画面中无文字(除非是一两个大字),16:9。
  • 同时将所有提示写入 prompts.md,编号排列,便于复制。

步骤 4 - 旁白(付费)

python <脚本路径>/voice.py videos/<short-name> --dry-run     # 显示字符数,不产生费用
python <脚本路径>/voice.py videos/<short-name>               # 生成 voice.mp3 + words.json

脚本从环境变量 ELEVENLABS_API_KEY(或 ELEVENLABS_KEY_FILE 指定的文件中)读取密钥,从 ELEVENLABS_VOICE_ID 读取语音。 从不要求用户将密钥粘贴到聊天中,绝不打印它。如果缺少密钥,则告知用户需要设置哪个变量并停止。 告知用户:免费的 ElevenLabs 计划不允许未经授权的商业使用。

步骤 5 - 图像

询问一次:“你如何制作你的图片?” 并遵循该路径。prompts.md 已为所有方式编写完毕。

  • Google AI Studio(图像模型,例如 Nano Banana):单个聊天,宽高比 16:9。粘贴提示 01,然后对于每张后续图片发送“保持相同的绘图风格和角色。场景:……”。下载每个结果。
  • ChatGPT:同样的思路——一个聊天,一张接一张地生成图片,始终要求相同的风格和角色。
  • API 密钥(Google 或 OpenAI):仅当用户已有密钥且开通了计费时才使用。本版本技能未实现自动化——告知用户,并使用上述两种方法之一。

将结果保存为项目文件夹中的 images/01.png、images/02.png、……。如果你能自己操作浏览器,就自己做;否则由用户操作,并在文件就绪时通知你。

先生成图片 01 并展示它。只有当用户喜欢该角色形象时,才继续生成其余部分。 图像模型有时会遗漏细节(缺少嘴巴、戴错帽子)。检查每张图片;使用简短修正(“保持相同画面,但加上一个小嘴巴”)来重做单张图片,而不是重新开始。

步骤 6 - 构建

python <脚本路径>/build.py videos/<short-name>               # 1920x1080
python <脚本路径>/build.py videos/<short-name> --size 4k     # 3840x2160

每幅画面在其对应句子被朗读时精确显示,带缓慢推近和硬切。 输出:videos/<short-name>/final.mp4 和 check.jpg(每幅画面一帧)。

步骤 7 - 检查与报告

查看 check.jpg。每幅画面是否与其对应的句子匹配?角色形象是否处处一致? 你无法听到音频——如实告知用户,并请用户判断旁白效果。 用四行报告:时长、图像数量、旁白字符数、仍需改进之处。

相关技能