Communitygithub.com

explainer-video

製作一個關於某個主題的垂直解說 / 評測 / 新品介紹短影片(講解、評測、新品介紹短視頻),核實官方來源的事實,生成展示圖片,撰寫帶有字詞時間戳的中文配音稿(豆包 TTS),然後渲染出節奏卡點、文字彈入與語音同步的 keynote 風格 1080×1920 影片,包含程式合成的原創配樂與音效。也支援後續修改(調整節奏、重新配音、更換鏡頭)。

explainer-video 是什麼?

此技能用於自動化生成 60-90 秒的垂直影片(1080×1920),風格為 keynote 簡報形式:黑底、大字、滿版圖片、節拍同步剪輯、原創配樂與音效,完全透過 Python(PIL + numpy)與 ffmpeg 渲染,無需影片編輯器或素材音樂。它適合製作產品解說、評測、新品介紹等主題的短影片,特別針對中文語境優化。 技能工作流程包含:從官方來源核實事實、生成展示圖片、撰寫配音稿(每場景約 6 字元/秒)、使用豆包 TTS 生成配音與字詞時間戳、最後依照 `references/render-pipeline.md` 渲染影片。支援後續修改節奏、重新配音、更換鏡頭。 支援的平台包括任何能執行 Python 與 ffmpeg 的環境(如 Claude Code、Cursor、Codex),但需要自行設定 `.env` 環境變數(API 金鑰等)。已提供工作範例 `examples/gpt-image-2.6/`,建議直接複製修改而非從零開始。 最重要的設計原則是:前 2 秒就要展示最驚人的結果,畫面上或配音中不出現後台資訊或供應商名稱,不做廣告結尾,誠實評價生成圖片的優缺點,並以可儲存的指示卡結尾。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/rayest/ai-video-skills/tree/HEAD/skills/explainer-video

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

主題解說短影片

60–90 秒垂直影片(1080×1920),採用「keynote」外觀:黑色背景、超大字型、滿版圖片、節拍同步剪輯、原創配樂與音效,全部透過 Python(PIL + numpy)與 ffmpeg 渲染。無需影片編輯器,無需素材音樂。

工作範例:examples/gpt-image-2.6/(RESEARCH.md、script.json、render.py、audio.py、build_all.sh)產出一段約 92 秒、約 20 MB 的圖像模型發表影片。請直接複製並修改,而非從零開始。其展示圖片不在 repo 中;請自行使用 scripts/gen_image.py 生成。渲染前請先閱讀 references/render-pipeline.md。

設定來自環境變數或 .env 檔案(參見 .env.example)。切勿列印金鑰、其長度或前綴。

內容規則(從經驗中學到)

  • 前 2 秒就要展現結果。 開頭放最令人驚豔的輸出,而不是標題。
  • 螢幕上或配音中不出現後台資訊:不顯示 API 轉發或供應商名稱、不顯示「生成失敗」備註、不顯示你實際支付的費用。
  • 不做廣告結尾。 不要在最末三分之一推銷服務 — 這樣做的影片表現都很差。結尾用一個可複製的指示卡(「截圖保存」)加上一個無品牌的提問引導留言。
  • 不要在網路差的環境下測量速度。 引用官方公布的價格與速度聲明,並標明出處(「官方說」);不要將自己的計時結果視為事實。
  • 誠實評價。 檢查每張生成的圖片,指出其弱點,不只看優點。裁切任何類似真實品牌或商店招牌的內容。

流程

  1. 核實。 對照官方網站、文件、更新日誌與定價,以及社群討論串,檢查每一項聲明。將來源記錄在 RESEARCH.md 中(參見工作範例)。若某頁面回傳 403,則透過報導進行交叉比對並註明。
  2. 格式:1080×1920,60–90 秒,除非使用者另有指定。
  3. 展示素材:python3 -I scripts/gen_image.py assets/<名稱> --prompt "..." [--size 2:3] [--ref img.png] [--gif 12:150] [--markup layer.png]。結果與計費記錄在 assets/results.jsonl 中(供你參考,非供影片使用)。
  4. 腳本:script.json 格式為 {"scenes":[{"id":"s01","vo":"..."}]}。語速 8 時約每秒 6 個字元(520 字元 ≈ 85 秒)。最後以引導留言的問題結尾。在進行 TTS 前將腳本展示給使用者 — TTS 會產生費用。
  5. 配音:python3 -I scripts/tts_doubao.py script.json build/vo [ids] [--dry-run]。會寫出 <id>.mp3 以及字詞時間戳 <id>.json。
  6. 渲染:依照 references/render-pipeline.md。
  7. 交付:路徑、時長、檔案大小、測量到的 LUFS 與峰值、哪些靜態圖已經檢查過,以及 1–2 個最弱鏡頭及其原因。在約定範圍外進行任何會產生費用的重新生成前,需先取得使用者同意。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

相關技能