Communitygithub.com

Zinc-acetate/recreate-handdrawn-videos

通过分解镜头、保留节拍和保持帧、替换角色和选择性重绘,选择矢量、After Effects 或分层光栅工作流,并检查接触运动和全视频替换覆盖率,来重新创建或适配基于参考的手绘音乐视频。适用于参考驱动的视频制作和修订,不适用于无参考的普通编辑或独立插图。

recreate-handdrawn-videos 是什么?

该技能旨在帮助 AI 代理(如 Claude Code、Cursor 等)以系统化的方法重新创建或适配基于参考的手绘音乐视频。它强调将“看起来像参考”这一主观要求转化为可生产、可审查的镜头和运动约束,并严格避免将任何特定作品的角色、参数或项目结构作为默认模板。技能首先要求明确任务是忠实还原还是适配,并确定哪些构图、节拍、保持帧、运动、文本和音频必须保留,以及哪些角色或道具需要替换。随后,它提供了一套完整的工作流,包括分解镜头并识别风险(如角色与道具的接触、文本变形等)、优先攻克最难的镜头以验证设计方案、根据运动类型(整体位移、局部变形或姿态/视角变化)选择合适的方法(如平移、分层装备、小状态变体或重绘关键帧),以及分部分生产和验证整个视频。此外,该技能还强调了视觉风格、修复范围、输出帧率等关键判断点,指出数值阈值无法替代审美和语义判断。它提供了可运行的 Python 辅助脚本 `check_coverage.py` 来检查帧区间覆盖的完整性和一致性,并建议参考随附的文档(如 `timing-and-coverage.md`、`visual-and-motion.md`、`quality-and-delivery.md` 和 `case-lessons.md`)获取更详细的方法论。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add Zinc-acetate/recreate-handdrawn-videos

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

重新创建手绘视频

将“看起来像参考”转化为可生产和可审查的镜头与运动约束。请勿将任何特定作品的角色、参数或项目结构视为默认模板。

确定要保留的内容

利用需求和参考视频来确定任务是忠实还原还是适配;哪些构图、节拍、保持帧、运动、文本和音频必须保留;哪些角色或道具需要替换;以及交付范围和格式。对于已提供的信息,请勿再次询问。识别出具体缺失的参考资料或必要资产,而不是将猜测当作观察到的内容呈现。

首先检查现有项目和可用工具。遵循用户指定的生产方法;否则根据视觉和运动来选择。不要仅仅因为批量生成更容易,就将手绘风格变成矢量图标、静态幻灯片或均匀流畅的动画。

工作流与参考路由

  1. 分解镜头并定位风险。 记录镜头时间区间、节拍和运动地标、原始可见性区间以及资产。保留参考保持帧和绝对时间。对于时间重建、短暂边缘可见性或局部替换覆盖,请阅读时间与覆盖。
  2. 优先攻克最难的镜头。 选择一个暴露主要风险的短片段,例如角色-道具接触、侧卧姿势、文本变形、泪痕或遮挡。生成可查看的样本来验证设计、纹理、接触和节拍,然后再扩展到完整视频。局部成功并不意味着整个视频已完成。
  3. 根据运动选择方法。 在确定运动是整体物体位移、局部变形还是姿态/视角变化后,再选择平移、分层骨架、小状态变体或重绘关键帧。阅读视觉与运动工作流,仅使用与镜头相关的部分。
  4. 分部分生产;验证整个视频。 对于每次更改,检查本地结果、起始和结束边界、相邻镜头以及完整输出。将技术检查与人工视觉审查分开记录;脚本通过并不代表视觉质量合格。阅读质量与交付。
  5. 交付可继续推进的工作。 按照用户的约定交付最终视频以及必要的项目/资产说明。仅将实际已验证或成功交付的工作描述为完成。导出、上传和发布是不同的状态,并不代表额外的授权。

快捷键无法替代的判断

  • 视觉风格包括线条、留白、纸张/背景颜色、笔触和运动质量,而不仅仅是角色颜色。
  • 当参考使用刚性平移时,整体图像移动是有效的。但当肩膀、臀部、肢体或遮挡关系发生变化时,移动一张图片无法替代新的动作。
  • 提高输出帧率并不会增加有意义的姿态。请勿默认使用帧插值、补间或固定帧率。
  • 修复范围取决于整个镜头中原始物体的实际可见性,而非仅已知的问题帧或当前补丁长度。
  • 数值阈值可以定位异常,但无法取代关于相似性、自然运动或完整文本的审美与语义判断。

可运行辅助工具

python scripts/check_coverage.py <manifest.json> 检查手动标注的帧区间是否存在间隙和未声明的重叠,以及替换区间是否覆盖了可见帧加上指定的保护帧。它仅需要 Python 标准库。输入模式、退出代码和限制请参阅时间与覆盖。它无法识别视觉内容,也无法证明所有可见性区间已被标注。

有关特定方法的原理,请根据需要参考案例经验。这些是可复用经验教训的来源,而非新项目的模板。

相关技能