Communitygithub.com

tin-computer/tin

以手机尺寸捕捉真实产品,渲染带有旁白的 9:16 演示视频。

tin 是什么?

这是一个用于生成高质量产品演示视频的 AI Agent 技能,它模拟手机屏幕操作,自动生成流畅的 9:16 竖屏视频。核心优势在于并非实时录屏,而是通过捕获关键帧后由渲染器合成滚动、点击、缩放和字幕动效,确保输出视频观感极其顺滑。该技能支持 tin-studio 工具链,工作流程涵盖规划脚本、捕获关键帧、生成语音、预览和渲染。用户只需提供产品 URL,skill 就会自动分析页面结构化内容,并按照预定义的叙述格式(不超过七字钩子 + 五到七个步骤,每步一句不超过 14 词的旁白)生成故事板。最终输出为一个 1080x1920 的 MP4 文件,附带详细的语音和字幕。该技能严格遵守不登录、不填写表单、不伪造 DOM 的规则,适用于 Claude Code 等基于终端的 AI Agent 平台。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/tin-computer/tin/tree/HEAD/codex_procedures/creative.product_demo/skills/product-demo-video

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

产品演示视频制作流程

所有操作通过 tin-studio(运行 tin-studio help)完成。工作目录是运行时提供的 Studio 工作目录(称为 WORK;API 运行使用 /home/tin-work/studio,历史 OAuth 运行使用 /home/user/.tin-lite/studio);只有最终生成的 MP4 文件会放到项目检出目录中。不存在实时屏幕录制:你会捕获已稳定的关键帧,渲染器合成滚动、点击、缩放和字幕动效,这就是结果如此流畅的原因。

1. 规划故事线

  1. 阅读 wiki/INDEX.md(## Product、功能图谱、定位)。阅读 angle 和 notes。
  2. 运行 tin-studio inspect <product_url> WORK/inspect。阅读 JSON:headings 及其 scrollY、带有现成 selector 的 actions(优先使用带有 inHeader: true 的导航选择器)、text、docHeight。使用图像查看器打开 WORK/inspect/inspect.png 和 WORK/inspect/inspect-full.png,并注意每个屏幕显示的内容。如果故事需要,再检查一两个页面(文档、定价)。
  3. 决定格式:script-format.md 描述了这一点:一个不超过七个字的钩子,指出痛点(如果给出了 angle 则用它),然后五到七个步骤。每个步骤是一个可见的时刻,配有一句不超过十四个字的旁白和一个不超过五个字的字幕。每个字幕和钩子中标记恰好一个 *词*。最后一步落在页面实际提供的行动召唤(试用、定价、安装)上,并带有一句 [warm] 的台词。总台词不超过 75 个字。
  4. 声明应来自页面文本或项目记忆;数字必须在提及它们的步骤的屏幕上可见。
  5. 每一句台词都像创作者对观众说话:现在时、第二人称、事物本身。永远不要叙述页面(“页面显示”、“本节列出”、“网站的例子”);说明这对他们意味着什么(“你的智能体得到了自己的编号”)。金额和数量用文字表示,品牌名称放在完整句子的内部。

2. 编写和捕获

  1. 按照 script-format.md 的格式编写 WORK/script.json。
  2. 运行 tin-studio capture WORK/script.json WORK/out。使用图像查看器打开每个 WORK/out/frames/kNNN.png 并检查:页面已加载(无空白、无错误、无插页式广告);没有 Cookie 横幅或弹出窗口覆盖内容(如果出现此类内容,添加一个点击其关闭按钮的早期步骤,或选择一个没有该问题的页面);每次滚动都停留在字幕期望的位置;每次点击都命中了目标元素(点击关键帧显示新页面)。错误的关键帧需要修改脚本:从 inspect 中选择更好的 selector、scrollTo、更大的 settleMs,或选择不同的页面。重新捕获直到每个关键帧都正确。

3. 语音

  1. 运行 tin-studio voice WORK/out --voice <voice> --language "<language>"。在钩子台词上添加 [excited],在最后一句上添加 [warm];否则使用简单句子。每次运行会打印每个步骤的片段时长;如果某个片段超过五秒,则缩短该句。
  2. 每次运行的语音有上限(24 行,3000 字符)。重新运行会保留未更改的行,因此只需编辑 WORK/script.json 中的一行(无需重新捕获),然后再次运行 voice。
  3. 提供商拒绝的行会报告为 REFUSED 并附上理由,其他行会被保留。content_policy_violation 是提供商不透明的文本检查器误报:首先不带任何 --style(默认样式已知可以通过)再次运行 voice,然后用更简单的措辞重写该行并再次运行 voice。绝不重新发送未更改的被拒行,并且绝不对一行进行超过两次重写;删除该行,让字幕承载该步骤。

4. 预览、渲染、检查

  1. 角色:当设置了 character 时,文件是 /home/user/project/characters/<character>.svg;先对其运行 tin-studio check。如果文件缺失或被拒绝,则不带角色渲染并在消息中说明。
  2. 在完整渲染前预览三个帧(钩子、中间滚动处、最后步骤):tin-studio frame WORK/out WORK/p1.png --at 1.5 --bg <backdrop> [--character <svg>],并在大约总时长的一半和结尾处再次预览。检查:字幕清晰可读且居中,角色面部可见且不遮盖字幕,手机窗口显示正确的屏幕,背景不冲突。
  3. 渲染:tin-studio render WORK/out WORK/<slug>.mp4 --bg <backdrop> [--character <svg>]。它会打印时长。然后 tin-studio check WORK/<slug>.mp4 必须打印 OK,并且 tin-studio probe 应显示 1080x1920 且带有音频流。
  4. 时长超过 40 秒:删减一个步骤或缩短台词,重新运行 voice,再次渲染。

5. 交付

将检查过的 MP4 文件复制到声明的输出路径,不复制其他任何内容。最终消息是故事板:钩子,然后每个步骤的字幕、旁白以及屏幕上显示的内容;总时长、使用的语音、背景和角色;以及任何因页面不支持而放宽的声明。

规则

绝不注册、登录、填写表单、或按下购买、发送、删除、邀请或联系按钮。不使用任何账户。不捕获需要登录的页面。不编辑页面的 DOM 来伪造状态。不在项目检出目录中创建除声明的输出文件外的任何文件。

相关技能