Communitygithub.com

stick-figure

根據一個問題或主題,用程式碼產生一支程式動畫的棒狀人物解說短片(9:16,30 至 45 秒)。明亮的卡通世界、粗線條、大白色頭顱與表情豐富的棒狀人物、持續的鏡頭運動、甩鏡轉場、1 到 2 個單字的字幕、俏皮的襯樂與卡通音效,全部由程式碼生成,並逐字與配音同步。

stick-figure 是什麼?

這個技能專門用來生成一支程式驅動的棒狀人物解說短片(/stick-figure),風格是明亮的卡通世界、粗線條、大頭棒狀人物與豐富表情。使用者只需提供一個「天馬行空」類型的問題或主題,技能就會產出 9:16 直式、30 至 45 秒的動畫,包含持續運動的鏡頭、甩鏡轉場、1-2 字字幕、合成音樂與音效。 此技能支援 Claude Code(指令式操作),也適用於任何能執行 Node.js 與 Python 的環境。它由一個引擎模板驅動,開發者可以修改 `script.json`(旁白腳本)、`web/shots.js`(鏡頭清單)、`audio.py`(音效與音樂)、以及環境角色函式庫(`env.js`、`chars.js`)。語音合成可使用 Kokoro(免費)、ElevenLabs(需 API 金鑰)或自行錄製。 其獨特優勢在於內建語音對齊與時間扭曲機制:在同一腳本下,語音改變時會自動將鏡頭切齊新錄音,無須重新編輯鏡頭時間。製作流程包括腳本撰寫(約 110-120 字)、事實查核、複製模板資料夾、語音生成、鏡頭編寫與同步、靜態預覽、音效調整,最後產出包含所有元素的 MP4 檔案。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/AyushAggarwal768/claude-animation-skills/tree/HEAD/skills/stick-figure

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

/stick-figure

┌──────────────────────┐
│   ☀      ☁           │  明亮的天空、海洋、道具,全部以程式碼繪製
│      ◯   ◯           │  棒狀人物,大白色頭顱,富表情的臉
│     /|\ /|\          │
│     / \ / \  🛢       │
│     眼罩             │  1-2 個字的字幕,小寫,約在畫面 70% 處
└──────────────────────┘

技能附帶一個完整範例:engine/template 是一個已完成 37 秒的短片,內容是「如果海盜眼罩跟失去眼睛毫無關係呢?」

首次使用

此技能的資料夾就是 Claude Code 載入時顯示的「基礎目錄」。

SKILL_DIR="<此技能的基礎目錄>"
ENGINE="$SKILL_DIR/engine"
KIT=$(python3 -c 'import os,sys;print(os.path.realpath(os.path.join(sys.argv[1],"..","..","kit")))' "$SKILL_DIR")
[ -x "$KIT/.venv/bin/python" ] && [ -d "$KIT/models" ] || bash "$KIT/setup.sh" --voice   # 約 1 GB 的語音模型,只需一次
PY="$KIT/.venv/bin/python"; export NODE_PATH="$KIT/node_modules"

需要 ffmpeg、Node 與 Python 3.9 以上。要觀看範例:cp -r "$ENGINE/template" ~/reels/pirate && bash "$ENGINE/make.sh" ~/reels/pirate。

整體架構

一個短片就是一個資料夾:

  • script.json:旁白腳本,每句話一個條目。
  • captions.json:可選的文字替換映射(例如 {"twenty five": "25"})。
  • web/shots.js:鏡頭清單。每個鏡頭以 SHOTS.push({start, end, tr, draw(ctx, lt, t)}) 表示,時間單位為旁白的秒數;lt 是鏡頭內的時間,tr 是轉場類型('whip' 或 'cut')。
  • web/lib.js(緩動函式、關鍵影格 kf、形狀、文字),web/chars.js(棒狀人物骨架 drawStick、帽子、臉部、手臂 IK、眼罩),web/env.js(天空、雲、海、船、甲板、木桶、大砲、燈籠、艙底),web/main.js(甩鏡模糊、暗角、顆粒、字幕)。可在 env.js 中新增道具,或新增 env2.js(需在 web/index.html 中引用)。
  • audio.py:音樂與音效,全部以程式碼合成,並按旁白秒數擺放。

make.sh 負責生成語音、對齊每個單字(audio/words_new.json)、混音、並行渲染所有鏡頭,最後寫出 <folder>/<folder name>.mp4。

時間對齊: audio/words_ref.json 是各鏡頭對齊的參考語音。當語音改變但文字不變時,make.sh 會自動將鏡頭時間扭曲到新錄音上,讓新的錄音無需重新編輯鏡頭。如果腳本有變更,請刪除 audio/words_ref.json(下次錄音會成為參考),然後重新編排 shots.js。

步驟

  1. 腳本。 約 110 到 120 個字,對應 38 到 40 秒,每句話一個概念:「天馬行空」的鉤子、常見迷思、用「但」轉折、逐步舉例、一個展示機制的鏡頭、以及回答鉤子的收尾。在開始動畫前先展示給使用者看。
  2. 事實查核。 每個說法都要有來源。推測性內容要用「科學家認為」等緩衝用語。
  3. 資料夾。 cp -r "$ENGINE/template" <reel>,然後清空其 audio/ 並取代 script.json(及 captions.json)。
  4. 語音。 在短片資料夾中:"$PY" "$ENGINE/tools/tts_kokoro.py"(免費),或使用使用者自行錄製的檔案,或透過 ElevenLabs(需設定 ELEVENLABS_API_KEY 環境變數):"$PY" "$ENGINE/tools/tts_elevenlabs.py" audio/vo_el.mp3。將最終錄音放在 audio/vo.wav,然後執行 "$PY" "$ENGINE/tools/align.py" audio/vo.wav,並在 audio/words_new.json 中檢視每個字的時間戳記。
  5. 鏡頭。 改寫 web/shots.js:約 10 到 12 個鏡位,大部分 2 到 4 秒,解說鏡頭較長。新的想法對應新的鏡位。鉤子必須在畫面的第一幀就開始執行。確保臉部與關鍵道具不要進入字幕帶(y 約 1250 到 1420),並保持在 Instagram 的安全區域內(x 100 到 980,y 220 到 1500)。
  6. 靜態預覽。 在短片資料夾中執行:node "$ENGINE/tools/render.js" stills 1.5,4.2,9.0 會寫出 stills/ 靜態圖檔。檢查最忙碌的時刻,在完整渲染前修正問題。
  7. 音效。 根據單字時間戳記,編輯 audio.py 中的音效提示。
  8. 建置。 bash "$ENGINE/make.sh" <reel>(保留 audio/vo.wav;可傳入 kokoro、elevenlabs 或一個檔案路徑來取代語音)。如果機器核心較多,可使用 WORKERS=8。設定 AUDIO_ONLY=1 可僅重新混音而不重新渲染。
  9. 交付 <reel>/<name>.mp4。

風格

  • 字幕:Poppins Bold 字型,白色,深色外框,1 到 2 個字,小寫,無標點符號(main.js 中的 capText() 負責處理;數字與 % 保留原樣)。畫面上任何地方皆不可使用 em 破折號。
  • 明亮的飽和色調,墨水輪廓線(#221c22),柔和的接觸陰影,緩慢推近搭配手持晃動,甩鏡轉場並附動態模糊。衝擊效果以爆炸、震動與閃光表現。
  • 音效音量低於語音(增益約 0.38)。音樂為安靜的撥弦襯樂,音量會壓低以讓語音清晰,開頭不會有大聲循環音樂。

相關技能