Communitygithub.com

Block Town ─ 積木小鎮影片製作工具

從點子到完整的 1080×1920 MP4，製作「在這小鎮／在這世界」風格的 Roblox 立體垂直故事影片：規則、腳本、旁白、以程式碼在 Blender 中打造世界與角色、以 Three.js 渲染、鏡頭、生命層、手機畫面與道具、卡拉 OK 字幕、ElevenLabs 或內建音效、穩定的語音混音與音樂檔案。

Block Town ─ 積木小鎮影片製作工具 是什麼？

Block Town 是一個完整的 AI 輔助工具套件，專為製作「在這小鎮／在這世界」風格的 Roblox 式立體垂直故事影片而設計。它涵蓋從原始概念到最終 1080×1920 MP4 的完整流程：產生規則、撰寫腳本、生成旁白、在 Blender 中以程式碼建構世界與角色、用 Three.js 渲染、安排鏡頭、加入「生命層」動畫、手機畫面與道具、卡拉 OK 字幕、ElevenLabs 或內建音效，以及穩定的語音混音與音樂。支援 Claude Code、Cursor 及 Codex 等 AI 代理平台。此工具套件完全以程式碼驅動，不使用任何下載的模型或盜用素材；所有內容皆由 Python 腳本生成，確保版權與原創性。品質要求極高：畫面不可靜止、標籤不可被遮蓋或切斷、每個螢幕必須像真實手機、語音音量須維持 ±1 dB 範圍內。整個製作流程被分為七個明確的閘門，每個閘門都會暫停等待使用者確認，並在關鍵創意環節提供選項與建議。此工具整合了 Blender（建構與擺位）與 Three.js（最終渲染），將渲染時間從數小時縮短至約 10 分鐘。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/chihabMe/block-town/tree/HEAD
查看原文→瀏覽所有技能

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。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

說明文件

Block Town ─ 積木小鎮

這個資料夾就是完整工具包：小鎮、角色、動作、渲染器、語音、音效、音樂設定，以及從點子到完成垂直影片的步驟。技能資料夾是包含此檔案的目錄，以下簡稱 SKILL。每一集（episode）存放在技能資料夾之外（由使用者命名），以下簡稱 EPISODE。請使用絕對路徑。

開始建構前，請先閱讀：docs/ROBLOX_LOOK.md（世界、角色、道具、鏡頭製作方式）、docs/RENDER.md（Three.js 渲染器、生命層、標籤、手機畫面與列印道具）、docs/SCRIPT.md（故事撰寫方式）、docs/VOICE.md（語音與音樂）、docs/SOUND.md（音效、ElevenLabs、穩定語音混音）。docs/PROMPTS.md 提供了每個階段的提示。docs/GUIDE.md 是原始的積木風格手冊：地圖、pose()、移動與攝影機規則仍然適用。

影片製作方式（從 ep05 開始）

Blender 根據該集的 Python 程式碼建構並擺放所有物件；Three.js 負責繪製最終畫面。Blender 自身的渲染器僅用於設計圖與單幀靜態圖。

episode.py ──(Blender：建構小鎮、為每一幀擺位、生命層)──> 烘焙輸出：scene.glb + anim.bin + materials.json
           ──(Three.js 於 headless Chrome 中執行)──> EPISODE/frames/f_####.jpg  （每幀約 0.1-0.15 秒）
           ──(finish.py：字幕、均衡音量語音、音效、音樂)──> EPISODE/<名稱>.mp4 與 <名稱>_music.mp4

一部 66 秒的影片從幀到完成 MP4 約需 10-12 分鐘（Blender EEVEE 則約需 3 小時）。

絕不

  • 不使用任何 Roblox 商品、下載的模型、影片素材、或其他創作者的故事與音訊。畫面中所有內容皆以程式碼建構，或由 blockworld/pictures.py 繪製。可研究爆紅影片的製作手法，但絕不挪用。
  • 未經使用者同意，不進行任何付費 API 呼叫。Fish Audio（語音）與 ElevenLabs（音效）會產生費用：執行前須告知費用。sfx_gen.py 會檢查剩餘 credits 並在保留額度前停止；絕不提高保留額度或循環生成「再試一次」。下載任何內容前須先詢問。
  • 此工具包不包含任何音樂與參考語音片段。音樂僅來自使用者提供的檔案，且僅放入 _music.mp4 版本。若該音樂檔案是從其他創作者影片中截取，必須明確告知 _music.mp4 不得發布：請發布乾淨的 <名稱>.mp4，並在 TikTok 的音效選擇器中加入歌曲。
  • 不更改八個固定角色（顏色、髮型、服裝）：blockworld/town.py。
  • 不將已進行中的影片切換為另一種風格。
  • 不使用無法解釋的抽象圖形。光束、線條或兩個小人間的發光效果無法傳達資訊（ep05 的「送出每一條訊號條」光束看起來像「一條藍色線」）。請展示具體事物：從標籤飛出的訊號條、倒數計數器、寫著文字的手機畫面。

視覺風格

新影片使用 Roblox 風格：build_town(..., style="roblox")。圓頭搭配動漫風臉孔、多層次頭髮、印花衣服、閃亮塑膠質感、陽光／霧氣／雨天氛圍、三字卡拉 OK 字幕。較舊的積木風格（方塊頭、純色）仍保留給已開始使用該風格的影片：build_town(...) 不帶 style 參數即為積木風格，因此新影片務必寫入 style="roblox"。

品質標準（使用者曾拒絕或要求的事項）

  • 沒有任何事物是靜止的。 啟用生命層渲染（BT_LIFE=1，為 render_threejs.sh 的預設值）：呼吸、視線移動、重心轉移、每次剪輯時的跳動、攝影機晃動與推進、搖曳的樹木、飄動的雲朵、漂浮的標籤、旋轉的載入轉圈、脈動的 Wi-Fi 環、跳動的訊號條。只有攝影機緩慢移動的鏡頭是無力的鏡頭：為它加入自己的動作。
  • 標籤與對話框永不遮蓋或切斷。 生命層將它們繪製在所有物件之上，提升至頭髮上方，並保持在 TikTok 安全區域內（x 5-85 %，y 在字幕上方）。檢查兩個標籤勿互相重疊（此功能尚未自動化）。
  • 每個螢幕看起來都像真實手機：使用 big_phone(screen=...) 搭配 pictures.py 繪製的圖片（狀態列、「沒有服務」、應用程式佈局、握著手機的手），絕不使用白色方塊加上 3D 文字。手持手機顯示鎖定畫面。
  • 道具在手機尺寸下清晰可讀：紙本地圖是真實繪製的地圖（paper_map()），標誌完整出現在畫面中（將攝影機拉遠：一個 10 單位的標誌在 9:16 畫面中約需 25 單位的距離）。
  • 語音音量絕不衰減。 finish.json 中的 {"voice": "vo/voice_level.wav", "loudness": "static"}：旁白逐句均衡，混音使用固定增益，因此大聲的音效不會讓語音音量降低。測量標準：全片短期響度應維持在 -14 LUFS 的 ±1 dB 範圍內。
  • 不疊加或使用刺耳的音效。 一個時刻只放一個音效；音效長度不超過該時刻；半秒內不出現兩個「錯誤」音效。

製作一集影片：七大閘門

每個閘門完成後暫停，展示結果，並等待使用者。遇到真正的創意選擇時，提供兩到三個選項，並說明你的推薦。

閘門你製作的內容向使用者展示
1 規則三個規則（來自使用者的點子或 docs/SCRIPT.md 測試），每個規則附帶氛圍與地標想法一個表格
2 腳本EPISODE/script.txt（每行一句）和 EPISODE/SCRIPT.md：選項 A 與 B、節拍表、評論分數腳本
3 語音vo.py、words.py、voice_check.py（免費 Fish 試錄）、level_voice.pyvo/voice.wav 及其數據
4 設計EPISODE/design/episode.py：每個新地標、道具、服裝與角色的一張靜態圖；所有手機畫面與列印道具的 EPISODE/pictures.json 與 pictures.pyDESIGN_SHEET.jpg + 螢幕畫面
5 靜態圖EPISODE/episode.py 包含所有鏡頭；check；修正；contact_sheet.pyCONTACT_SHEET.jpg
6 鉤子前約 15 秒：render_threejs.sh EPISODE 0 F1、音效提示、finish.pyMP4
7 完整影片render_threejs.sh EPISODE、音效、finish.py（純淨檔案 + 音樂檔案）；經核可後，付費語音錄製兩個 MP4

各閘門的詳細說明在 docs/PROMPTS.md（提示 1 可執行整個流程）。複製 examples/ep05-wifi 作為起點：這是一集使用此方法完成的範例，包含其設計稿、42 個鏡頭、手機圖片、提示與設定。

付費最終錄音是新的錄製：重新執行 words.py 與 level_voice.py，然後 check，再重新渲染（鏡頭會跟隨語音時間點）。因此請在閘門 3 核准免費試錄的時間點，但如果使用者想要發布，請在閘門 6 之前進行付費錄音。

指令

# 語音（閘門 3）
python3 SKILL/blockworld/vo.py EPISODE                 # 使用 Fish "Roblox" 語音錄製一次（vo_config.json）
python3 SKILL/blockworld/vo.py EPISODE --post-only     # 對已儲存的錄音重新調整緊湊度／臨場感／速度，不進行新呼叫
python3 SKILL/blockworld/words.py EPISODE              # 語音時間點 -> vo/times.json
python3 -I SKILL/blockworld/voice_check.py EPISODE     # 速度、停頓、亮度與爆紅影片範圍比較
python3 -I SKILL/blockworld/level_voice.py EPISODE     # 所有句子均衡至同一音量 -> vo/voice_level.wav

# 道具用圖片（閘門 4）
python3 -I SKILL/blockworld/pictures.py EPISODE        # EPISODE/pictures.json -> EPISODE/pictures/*.png

# 鏡頭（閘門 4-5）：Blender，一律透過 run.py 並使用 --factory-startup
blender -b --factory-startup --python-exit-code 1 -P SKILL/blockworld/run.py -- EPISODE check
BT_LIFE=1 blender -b --factory-startup --python-exit-code 1 -P SKILL/blockworld/run.py -- EPISODE stills [shot ...]
blender -b --factory-startup --python-exit-code 1 -P SKILL/blockworld/run.py -- EPISODE frame 12.5
python3 -I SKILL/blockworld/contact_sheet.py EPISODE   # 每個鏡頭一張編號靜態圖 -> CONTACT_SHEET.jpg

# 最終幀（閘門 6-7）：Three.js
bash SKILL/blockworld/render_threejs.sh EPISODE              # 所有幀 -> EPISODE/frames/（66 秒約需 10 分鐘）
bash SKILL/blockworld/render_threejs.sh EPISODE F0 F1        # 僅 F0..F1（鉤子、重新製作的鏡頭）

# 音效（閘門 6-7）：請參閱 docs/SOUND.md
python3 -I SKILL/blockworld/sfx_gen.py --credits             # ElevenLabs 剩餘 credits
python3 -I SKILL/blockworld/sfx_gen.py el-tag-pop ep07-...   # 從 sfx/ELEVENLABS_LIST.md 生成具名音效
python3 -I SKILL/blockworld/cues.py EPISODE cues_spec.json   # 根據語音文字產生提示（"say": "froze"）-> EPISODE/cues.json

# 完成（閘門 6-7）
python3 -I SKILL/blockworld/finish.py EPISODE                # 字幕 + 語音 + 音效（含循環背景）+ 音樂 -> 輸出 MP4
  • check 不渲染任何畫面：它會執行每個鏡頭，印出鏡頭表，並警告超過 2.5 秒的鏡頭。
  • 自動靜態圖檢查（blockworld/stillcheck.py，自 ep08 起）：在每個鏡頭中呼叫 focus(character, tag, ...)。check 和 stills 會回報面部被擋住（被柱子、人物、標籤或角色自己的手臂遮擋）、面部落在字幕區域下方、標籤超出安全區域（x 5-85 %，位於 TikTok 頂部欄與字幕之間）、標籤互相重疊，以及任何距離鏡頭 1 單位內的物體。結果寫入 EPISODE/still_check.txt。在展示靜態圖之前修正每一項，然後仍然要親自檢視靜態圖：此檢查不判斷構圖或圖片是否傳達台詞。
  • 60 fps 搭配動態模糊（選擇性）：finish.json 中的 "render_fps": 240, "blur": 4 會渲染每秒 240 幀，並將每 4 幀平均為 1 個 60 fps 幀。渲染時間約為影片每秒需要 1.6 分鐘。
  • 色彩轉折（選擇性）：finish.json 中的 "grade": {"word": 24, "ramp": 0.5, "saturation": 0.6, "brightness": -0.05, "cool": 0.1, "vignette": true} 會從該腳本詞語（故事的轉折點）開始，使畫面變得更冷、更暗、更平面。字幕不受色彩調整影響。finish.py EPISODE --plain 也會寫出 <名稱>_plain.mp4（30 fps、無動態模糊、無色彩調整），供並排比較使用。
  • ep08（episodes/ep08-price-tags-10s）是這些功能的 10 秒測試，鏡頭長度約 1 秒。
  • stills 會為每個鏡頭寫入兩張半尺寸的 Blender 圖片（進度 30% 與 85%）到 EPISODE/stills/。請使用 BT_LIFE=1，這樣標籤的位置會與最終渲染相同。在展示任何靜態圖之前，請先逐一檢視每一張。
  • render_threejs.sh 會背景執行（若指令超時，約 10 分鐘可完成 66 秒）。首次使用時會安裝兩個 npm 套件（blockworld/threejs/），並需要 Chrome 或 Chromium（使用 CHROME=/路徑 指定）。烘焙檔案保留在 EPISODE/threejs/；使用者接受影片後，可刪除該資料夾與 frames/ 資料夾。
  • 修改 episode.py、某個佈景或圖片後：重新執行 render_threejs.sh（烘焙會讀取程式碼；每次執行之間無快取）。
  • render_all.sh（Blender EEVEE 幀）僅保留用於比較：每幀約 3-6 秒。
  • 鉤子：執行 render_threejs.sh EPISODE 0 F1，其中 F1 是約 15 秒後第一次剪輯前的最後一幀，然後執行 finish.py（它會使用已存在的幀），並重新命名 MP4 以免被完整影片覆蓋。
  • 觀看整部影片中的幀（至少每個鏡頭一幀），並在完成前測量響度。若無法收聽，請明確說明，並列出你檢查了哪些項目。

檔案配置

路徑內容
blockworld/town.py街道、角色、pose()、燈光、攝影機、build_town(style=...)
blockworld/roblox.pyRoblox 風格：rchar、塑膠材質、氛圍、rule_sign、giant_clock、puddles
blockworld/rprops.py預製道具：訊號條標籤與飛出條碼、附真實螢幕與手的電話、發光與列印圖片、折疊地圖、海報、肩帶、高帽、公車、門、光束、鴿子、Wi-Fi 塔
blockworld/pictures.py、blockworld/pictures/從 pictures.json 繪製手機畫面、鎖定畫面與地圖；工具包預設圖片
blockworld/anim.py語音時間輔助工具、卡片（標籤、對話框）、stand、walk、跑步者
blockworld/life.py生命層（BT_LIFE=1）：閒置動作、攝影機、場景搖晃、轉圈、標籤放置
blockworld/threejs/渲染器：bake.py（Blender 端）、scene.html + capture.mjs（Three.js 端）
blockworld/render_threejs.sh烘焙 + 繪製，標準的最終幀製作方式
blockworld/vo.py、words.py、voice_check.py、level_voice.py語音、語音時間點、語音檢查、音量均衡
blockworld/sfx_gen.py、sfx/ELEVENLABS_LIST.mdElevenLabs 音效：生成器與提示列表
blockworld/finish.py字幕、語音、音效（包含循環背景）、音樂、穩定混音、輸出 MP4
blockworld/cues.py根據語音文字產生的提示列表 -> cues.json
sfx/音效：Pixabay 素材（sfx/CREDITS.md）；ElevenLabs 音效生成後存放於此，命名為 el-*.mp3 / epNN-*.mp3（截至 ep05 尚無任何檔案）
examples/ep05-wifi完整實作範例（Roblox 風格，Three.js 渲染器）
examples/ep00-roblox-look、examples/ep01-introRoblox 風格與積木風格的簡短示範

相關技能

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community