Communitygithub.com

3DVID:卡通3D故事短片,从话题到YouTube

端到端生成竖版3D卡通故事短片:从热门真实话题到脚本、免费英国语音、Three.js/Remotion 3D世界、原创配乐与音效、贴纸字幕、2K渲染、封面图,并上传至YouTube Shorts播放列表(附带订阅链接)。

3DVID:卡通3D故事短片,从话题到YouTube 是什么?

该技能是一个完整的自动化流水线,用于创建时长约55-70秒的竖版3D卡通故事短片(1440x2560,30fps)。它从热门真实事件中提取素材,生成脚本(约250词,8拍结构),使用Kokoro TTS(免费英国男性语音)配音,并在Remotion+Three.js环境中构建3D世界,包含扁平2D角色、彩色卡通场景、物理原理的日常类比以及原创配乐和音效(基于Python合成)。最终输出2K视频和封面图,自动上传至YouTube Shorts播放列表。 该技能支持多种平台(Windows PC用于渲染,Zapier用于自动上传),并遵循严格的混音标准(-15 LUFS主控)和视觉规范(墨线描边、镜头景深、贴纸字幕风格)。它内置了质量检查步骤(黑帧、静帧、响度检测)和项目管理规则(话题与脚本需用户审批,保存每一步结果)。已验证的案例是“Slow as Molasses in January”(1919年波士顿糖蜜灾难),其模板和示例文件存储在技能目录中。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/easswad/VideoSkills_for_Youtube/tree/main/3dvid

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

3DVID:卡通3D故事短片,从话题到YouTube 是做什么的?

一个约55-70秒的竖版短片(1440x2560, 30fps),其中扁平2D角色在色彩缤纷的3D卡通世界中演绎真实故事。通过日常类比解释一个物理概念。已在"Slower Than Molasses in January"(1919年波士顿糖蜜灾难,69.7秒)中验证,该示例位于 templates/molasses/ 和 examples/molasses/ 中。

配置(为其他用户或频道编辑)

键值
频道 / 订阅链接https://www.youtube.com/@easswad
播放列表`#Shorts
渲染PC + 同步文件夹通过远程控制的Windows PC;C:\ZapierAi Folder\3D\<名称>-render(Google Drive for Desktop 同步 C:\ZapierAi Folder)
上传路径Zapier:Google Drive "查找文件" → YouTube "上传视频" → YouTube "将视频添加到播放列表"
语音Kokoro TTS bm_fable(免费,英国男声)

固定规则

  • 故事: 真实且经过研究,每个事实都有来源。我们自己的脚本、角色和镜头。绝不复制、引用或上传参考频道的视频。
  • 基调: 笑话针对有责任的人或公司,绝不针对受害者。
  • 语言和语音: 仅限英语,单一的叙述者语气。仅使用免费工具:未经询问不要花费vidIQ或Higgsfield点数。
  • 审批: 获取用户对话题和脚本的批准。之后,直接执行。
  • 混音: 语音不变,音乐背景大约比语音低10 LU(“+3 dB音乐”标准),音效轨道-6 dB。母带-15 LUFS,真实峰值 ≤ -1.2 dBTP,48 kHz。
  • 屏幕文本已开启: 贴纸字幕加上顶部来源标签(步骤7)。
  • 每次上传: 公开,非儿童内容,类别为教育。描述末尾包含订阅链接,视频进入上述播放列表。
  • 保存: 每一步后保存工作。将交付物放入项目文件文件夹。

流水线

1. 话题

寻找过去几天内热门、有需求证据(类似短片500万+播放量,YouTube链接)的真实故事。优先选择具有明显物理因果关系和可解释日常类比的故事。为用户提供一个选项表格以供选择。绝不提供对真实人物的AI模仿或恶作剧。

2. 脚本(≈3.7词/秒,55-70秒,约250词)

编写 SCRIPT.md,顶部列出事实及其来源。节拍公式(见 examples/molasses/SCRIPT.md):

  1. 钩子:用一句话概括荒谬事实。
  2. 背景设定。
  3. 用3-4个节拍逐步升级。
  4. 转折点:事情发生的瞬间。
  5. 面无表情的“幸运的是……/不幸的是……”。
  6. “你看……”加上日常类比。
  7. 后果:由此产生的规则或法律。
  8. 回调转折。

绝不叙述观众已经看到的内容。

3. 语音(免费)

设置:

pip install kokoro-onnx soundfile librosa

从 thewh1teagle/kokoro-onnx 的GitHub发布版(model-files-v1.0)下载 kokoro-v1.0.onnx 和 voices-v1.0.bin 放在 $KOKORO_DIR(默认为 ~/tts)。HuggingFace 和 edge-tts 可能被屏蔽。

生成旁白:

python scripts/voice/narrate_timed.py bm_fable 1.32 lines.txt voice/ 0.08   # 每个文本行对应一行脚本
python scripts/voice/align.py bm_fable 1.32 voice/                         # DTW 单词时间戳 → voice/words.json
  • 速度非常非线性:1.30 对应 71.6 秒,1.32 对应 69.6 秒,1.35 对应 60.8 秒(254 个单词)。
  • 所有下游操作都以 words.json 为时间基准(帧 = 单词起始时间 × 30)。

4. 3D世界 + 镜头(Remotion + three.js)

  1. 将 templates/molasses/(最新版)或 templates/bridge/ 复制到 src/videos/<名称>/。
  2. 在 src/Root.tsx 中注册组合(1080x1920, 30 fps)。
  3. 安装 @remotion/three、[email protected]、@react-three/fiber@8、@react-three/postprocessing@2、postprocessing@6 和 @remotion/google-fonts(与 remotion 版本相同)。

各文件位置:

  • story.ts:SHOTS、XFADE、FLASH_AT、每个镜头的摄像机、触发动作(kicks)、景深(DOF)。
    • 每个视觉反应发生在对应单词之前 0-3 帧。
    • 每个停顿都有推进(推近),大跳转时使用剪切。
  • world.ts:天空、地面、带有视线剔除的建筑、每帧摆好姿势的故事道具。太阳每镜头冻结一次,并且相对于摄像机。
  • cast.ts / toon.ts / cardshade.ts:使用 Canvas2D Pen(豆形头、棍状肢体、墨水线条、NOINK层)绘制的公告板角色。
  • 后处理(<Name>.tsx、ink.ts、lensblur.ts、grade.ts):
    • 顺序:墨水 → 镜头模糊 → 辉光 → NEUTRAL 色调映射 → 调色,MSAA 4。
    • 像素参数随高度/1920缩放。

外观目标和可读性陷阱列在下面的“外观规则”中。

5. 外观检查

渲染半比例静止帧:

npx remotion still src/index.ts <Comp> out/x.png --frame=N --scale 0.5 --props='{"post":{"dpr":0.5},"text":false}'
  • 在Linux云服务器上,添加 --browser-executable=<chromium> --gl=swangle。
  • 通过将内部场景移动到远处(±600 m)以及阻挡摄像机的道具来修复 z-fighting。
  • 移除巨大的近镜头模糊物体和任何阅读不良的内容。
  • 可选:并排表格(scripts/qa/sbs_sheet.py)和验证器传递。

6. 声音(原创,合成)

templates/audio/molasses_example/molasses_audio.py 是一个完整的单文件流水线。它从 templates/audio/ 导入 dsp.py、instruments.py 和 sfx_gen.py。桥梁版本拆分为 timeline.py、sfx.py、music.py 和 mix.py。

  1. 复制它。
  2. 从 story.ts 设置 FPS/TOTAL、SHOTS 和事件帧。
  3. 编写 SFX 事件和音乐提示列表。
  4. 运行:WORDS_JSON=... VOICE_WAV=... python molasses_audio.py。

它输出 mix.wav(精确长度)、音轨和 cues.md。语音使音乐大约降低 3 dB,短期限制使 SFX 至少比语音低 5 LU。

在制作声音之前锁定画面时间。任何时间改变都需要重新运行。

7. 屏幕文本(室内贴纸风格)

  1. 复制 templates/molasses/Captions.tsx。
  2. 编写 captions_spec.txt:
    • 每行脚本一行,用 | 分隔 1-3 个单词的块。
    • 用 * 标记关键词。它们会出现在黄色框中。
    • 数字写为数字,显示单词数与口语不同时使用 #n。
    • 在每个事实行前放置 TAG: SOURCE: …。第一个标签是日期/地点标签,例如 BOSTON · 15 JANUARY 1919。
  3. 生成数据文件:
    python scripts/captions/make_captions.py voice/words.json captions_spec.txt src/videos/<名称>/captions-data.ts -v
    
  4. 在主组件中,渲染 {getInputProps().text !== false && <Captions />} 置于最后,在所有内容之上。

风格:

  • 字幕位于约 68% 位置。Poppins Black 大写字母,白色,带有粗黑轮廓和硬阴影。
  • 关键词获得一个倾斜的 #FFD43B 框,带有黑色边框,以弹性效果弹出。
  • 来源标签是一个小的白色框,带有黑色边框,靠近顶部(1080 下为 128 px)。
  • 字体在渲染时从 Google Fonts 加载,因此渲染需要互联网。

8. 最终渲染(在PC上;云端CPU需要数小时)

打包项目(不含 node_modules)和 mix.wav 到同步/渲染文件夹。然后,在远程控制会话中:

npm i
npx remotion render src/index.ts <Comp> out/<名称>_video.mp4 --codec h264 --crf 16 --scale 1.3333333333333333 --concurrency 4 --timeout 300000
ffmpeg -i out/<名称>_video.mp4 -i mix.wav -map 0:v:0 -map 1:a:0 -c:v copy -c:a aac -b:a 256k -shortest out/<名称>_final_text.mp4
  • --scale 必须恰好为 4/3,否则 Remotion 会拒绝非整数高度。
  • 并发数为 8 时在 890M 笔记本上内存不足。并发数为 4 时渲染速度约 5.5 fps,70 秒视频约需 6-7 分钟。
  • 在清理效果中,调用 InkPass.prototype.dispose.call(fx.ink),而不是 fx.ink.dispose()。
  • QA:python scripts/qa/short_qa.py final.mp4 qa/ shots.json 检查黑帧、白帧、冻结帧、爆音帧和响度。还要抽查帧以检查字体、剪辑和人脸。

9. 封面/缩略图

  1. 使用 {"text":false} 渲染最具戏剧性时刻的 1080x1920 静止帧。
  2. 运行:
    python scripts/cover/make_cover.py frame.png <名称>_cover_1080x1920.jpg --font Poppins-Black.ttf --top "A 25-FOOT" --key "MOLASSES" --big "WAVE" --badge "BOSTON 1919" --sub "@easswad"
    

输出为小于 2 MB 的 JPEG(YouTube 的缩略图限制)。将其保存在与 mp4 相同的 Drive 同步文件夹中。

10. 上传(Drive 同步 + Zapier,无公开链接)

  1. 等待 Zapier Google Drive "查找文件" 操作同时找到 mp4 和封面。它返回一个可以直接传递的 file 引用。
  2. 运行 Zapier YouTube "上传视频",包含:
    • video:文件引用。
    • thumbnail:封面引用。
    • 标题(≤ 70 字符,钩子 + 表情符号 + "(True Story)")。
    • 标签。
    • privacy_status=public、made_for_kids=false、category_id Education、default_language=en、notify_subscribers=true。
    • 按以下顺序的描述:钩子行、表情符号事实要点、评论问题、来源、以 #Shorts 结尾的标签,然后 **"Subscribe for more: https://www.youtube.com/@easswad"**。
  3. 运行 YouTube "将视频添加到播放列表" 到 #Shorts | For very short videos。从操作的播放列表列表中解析 ID。不要使用另一个仅名为 "Shorts" 的播放列表。
  4. 通过 YouTube API 验证视频是否公开、已处理并具有缩略图。向用户提供链接。

注意:

  • 如果缩略图失败,运行“更新视频缩略图”(需要电话验证的频道)。
  • 每次 Zapier 调用都会消耗计划中的一个任务。如果达到月度限制,告知用户并停止。

外观规则(来自已验证的短片)

  • 墨水: 世界线条 #030303,近处 5.1 px → 远处 3.3 px(1080 下)。角色卡片上无墨水。
  • 日光: 天空 #3e7fd2 → #b8d0ec,雾 = 地平线颜色。只有在阴影中才有冷色调。糖蜜/液体采用暖棕色(#4f240f),波浪镜头时太阳位于摄像机后方。
  • 景深: 约占屏幕时间的 1/3(特写 12-16 px 在 1080 下),广角保持清晰。
  • 角色: 3.5 头高,每 0.5-2.3 秒眨眼一次,行走起伏 5%,接触阴影。
  • 陷阱:
    • 距离镜头 2 米以内的道具会变成模糊团块。
    • 用一根绳子画的秋千看起来像上吊。
    • 从侧面照明的标志变成灰色。
    • 静止的停顿看起来像冻结。每个停顿都需要一个缓慢的推近。
  • 颗粒: 保持胶片颗粒关闭,因为它会使文件大小增加四倍。
  • 磁盘: Remotion 每次都将 public/ 复制到临时文件夹。完成后删除旧的 remotion-webpack-bundle-* 文件夹。

此技能中的文件

  • templates/molasses/:最新的完整源代码,包括 Captions.tsx 和 captions-data.ts。
  • templates/bridge/:第一个已验证的源代码(MIT,见 LICENSE 文件)。
  • templates/audio/:声音引擎和 molasses_example/。
  • scripts/voice/:Kokoro 旁白和单词对齐。
  • scripts/captions/make_captions.py
  • scripts/cover/make_cover.py
  • scripts/qa/:静止帧、质量检查和并排工具。
  • examples/molasses/:脚本、字幕规范和 YouTube 描述。

相关技能