Communitygithub.com

紀錄片製作大師

根據一句話製作一部30秒至3分鐘的2D動畫紀錄片——自動研究來源、撰寫劇本、生成離線語音(Kokoro)、計算文字時間戳(Whisper)、設計與語音同步的動畫場景,並編寫音效與音樂,最終輸出1080p MP4。當使用者要求製作紀錄片、真實故事動畫解說或「關於<事件>的影片」時使用。

紀錄片製作大師 是什麼?

這個AI技能(Skill)能將一句話變成一部完整的2D動畫紀錄片,涵蓋從研究、劇本、語音、動畫到渲染的整個流程。適用於Claude Code、Codex等支援AI Agent的平台。使用者只需提供一個主題或事件描述,技能就會自動執行六個章節:1) 研究並建立附有來源的事實檔案;2) 撰寫視覺化劇本並等待使用者確認;3) 使用Kokoro在本地CPU生成離線語音(多種敘事者風格);4) 用Whisper對齊每字時間戳;5) 根據時間戳設計動畫場景(每個動畫元素都精準落在對應的語音單詞上);6) 合成音效與音樂並渲染成1080p30的MP4檔案。整個過程無需外部成本,全部在本地執行。支援多種主題色調(如太空/科技用午夜藍、歷史/商業用餘燼橙、犯罪/懸疑用黑色),並提供豐富的動畫輔助函數(彈出卡片、計數器、時間軸等)。製作完成後會提醒使用者檢查事實檔案並親自聆聽音訊效果。 **支援平台:** Claude Code、Codex、Cursor等支援AI Agent的開發環境。 **運作方式:** 技能包含完整的Python工具鏈,使用專屬虛擬環境,依賴Node.js、FFmpeg和Chrome/Edge瀏覽器。所有工具都位於技能資料夾內,透過設定的Python直譯器執行。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mehedi11234/claude-documentary-maker/tree/HEAD/documentary-maker

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

紀錄片製作大師 是做什麼的?

你是整組電影團隊:研究員、編劇、旁白、剪接師、動畫師、音效設計師。請依序完成六個章節。所有流程都在使用者的電腦上執行,除了Claude方案外,無需額外費用。

工具位於此技能資料夾(以下簡稱 <skill>)。Python工具使用技能的虛擬環境python執行: Windows 上為 ~/.documentary-maker/venv/Scripts/python.exe,其他系統為 ~/.documentary-maker/venv/bin/python(以下簡稱 <py>)。

0. 設定(僅需一次)

如果缺少 ~/.documentary-maker/venv 或 <skill>/engine/vendor/gsap.min.js,請執行 python <skill>/tools/setup.py(Python 3.10-3.12;Windows 上使用 py -3.12 <skill>/tools/setup.py)。它需要 Node、FFmpeg 以及 Chrome 或 Edge;若有缺少,請告知使用者缺了哪個並停止。然後在使用者的資料夾中執行 python <skill>/tools/new_doc.py <project> <theme>。

根據主題選擇色調:midnight(太空、科學、科技)、ember(歷史、商業、人物)、noir(犯罪、詐騙、謎團)、forest(自然、氣候、健康)、crimson(戰爭、災難——嚴肅主題)。一個重點色用於所有高亮顯示;警告色只用於危險、金錢損失、死亡、失敗。

1. 研究 -> facts.md

  • 搜尋網路。劇本中的每個數字、日期、人名和引文都必須記錄在 facts.md 中,並附上來源網址。優先使用官方報告、法庭文件、組織官方頁面和主流報紙,其次才是部落格。
  • 當來源不一致時(金額、死亡人數),使用最常被引用的數字,並在劇本中使用「大約」或「約」來表達。
  • 切勿虛構引文、想法、場景細節或數字。如果找不到來源,就省略不提。

2. 劇本 -> script.md + voice/script_voice.txt

長度:約每秒 2.4 個口語詞(30 秒約 75 詞,60 秒約 145 詞,3 分鐘約 430 詞)。

  • 以一個瞬間開場,而不是摘要:一個日期、一個地點、一個動作(「1996 年 6 月。一枚全新的火箭豎立在發射台上。」)。觀眾必須「看到」它。
  • 使用短句。每個句子一個想法:每個句子將變成一個動畫。
  • 把最大的數字留到最後,讓每個揭露引發下一個問題(「原因?不是引擎。不是天氣。是一個數字。」)。
  • 以一個簡短的句子結尾,呼應開頭。
  • script.md = 包含標題的劇本。voice/script_voice.txt = 用於語音的相同文字:數字和符號應寫成口語形式(「一九九六年」、「六十四位元」、「三億七千萬美元」),無標題,無 [標籤];段落間空一行表示停頓(段落由 1-3 個句子組成)。
  • 將劇本和主要事實展示給使用者,並等待他們確認後,再製作語音,除非使用者表示不需要詢問。

3. 語音 -> voice/voice.wav

cd <project> && <py> voice.py --voice am_michael(其他敘事者:am_onyx、am_fenrir、bm_george、bm_daniel、af_heart、bf_emma;加上 --speed 0.95 可以讓朗讀更平穩)。Kokoro 在 CPU 上執行,速度約為即時速度的 2 倍。

4. 文字時間戳 -> engine/data.js

<py> words.py。它會印出文字檢查結果;如果某個劇本詞語缺失或錯誤,請編輯該段落(通常是名字:按照聽起來的樣子拼寫),然後重做第 3 章。Whisper 會將數字寫成數字形式(「1996」、「64-bit」、「$370」),因此字幕會顯示數字;將動畫錨定在純文字詞語上。

5. 場景 -> engine/scenes.js

先閱讀 <skill>/examples/ariane-501/scenes.js:這是一個完整的、可運作的紀錄片。請用相同的方式撰寫你自己的場景。

  • 先進行 anchors():依序使用 WA('word', 'alternative')(開始)和 WEnd(...)(結束)查詢每個節拍的單詞時間;最後以 B.end = endAfterVoice(2.0); _wc = 0; 結束。然後 build() 為每個節拍呼叫一個函數。
  • 每個元素都在對應的口語詞上出現。 沒有東西在其單詞之前出現;螢幕空白的時間不得超過約一秒。
  • 用畫面說故事,不要用文字描述。 使用主題色繪製內嵌 SVG 插圖(火箭、建築、地圖輪廓、硬幣、人物剪影、文件),配合攝影機移動(縮放/平移圖層),以及動態標題 hd()、卡片 card() + fly()、stamp() / warnStamp()、counter()、burst()、suspectCard()、quoteCard()、timeline()、dateTag()、typeText()。請參閱 engine/lib.js 和 engine/doc.js 以了解所有輔助函數及其選項。
  • 保持文字簡短(標籤、數字、2-4 個字的標題)。字幕已經在底部顯示每個單詞:請將內容保留在 y = 930 以上。設定 window.KEYWORDS 為字幕應著色的單詞。
  • 為可能被誤認為真實影片或文件的圖畫加上標籤:一個小小的「插圖」標籤。
  • 僅使用秒級動畫:沒有快於 0.25 秒的補間,沒有閃爍的內容。
  • 僅使用主題色(LIME = 重點色、LIME2、PAPER、MUTE、DIM、CARD1、CARD2、PINK = 警告色、acc(a)、warnA(a)、PAPA(a)、MUTEA(a));使用 RND(i) 來實現確定性隨機,絕不使用 Math.random()。
  • 注意事項:使用 GSAP 動畫 x/y,絕不對 GSAP 正在移動的元素設定 CSS transform;一個場景 sc(t0, t1) 必須涵蓋所有仍在移動的子元素;不要將變數命名得像輔助函數(rise、cl、card...)。

渲染前檢查:

  1. python render.py check -> 必須顯示 err: null 和 miss: []。 (在語音檔案存在之前,你可以使用虛擬時間戳來安排場景:python engine/fake_words.py。)
  2. python render.py stills <8-24 個時間點> 並檢查每個畫面:重疊、文字被截斷、空白畫面、元素在其單詞之前出現、超出主題色。修正後再次檢查。

6. 音效 + 渲染 -> final.mp4

python render.py cues        # 從場景取得音效提示列表
<py> audio.py                # 程式碼生成的音效 + 語音下方的原創背景音樂,-14 LUFS -> mix.wav
python render.py video 4     # 120 fps 捕捉 -> 動態模糊 -> 1080p30 final.mp4(+ final_sheet.jpg)

在背景執行 render.py video 或設定 15 分鐘超時:使用 4 個 worker 時,每 10 秒影片大約需要 1.5 分鐘(實測:38 秒影片在純 CPU 電腦上耗時 6 分鐘)。如果某個區塊報告遺失影格,請減少 worker 數量後重新執行。檢查 final_sheet.jpg。然後告知使用者:檔案名稱、長度、來源為何,以及任何你無法驗證的內容。提醒他們在發布前閱讀 facts.md,並且你無法聽到音訊:實際聆聽是他們的最終檢查。

相關技能