Communitygithub.com

make-video

根據學習指南或主題生成動畫、有配音的肖像(1080x1920)YouTube Shorts——將指南拆分為多個部分、撰寫旁白、建立動態文字同步場景、使用 Kokoro TTS 配音並渲染 MP4。當使用者要求製作、生成、渲染或重新渲染短片、影片、部分或集數,或將文件轉換為 Shorts 系列時使用。

make-video 是什麼?

此技能用於自動化生成動態、帶配音的 YouTube Shorts 影片(1080x1920 格式),特別適合將學習指南或主題轉換為系列短片。它會先分析來源指南,將其拆分為多個概念部分(每部分約 90-125 秒),然後撰寫旁白腳本(避免符號、程式碼,並拼出縮寫詞),並使用預設的「動態文字同步」樣式建立場景——文字區塊會垂直堆疊、無側邊欄、無邊框裝飾條、大文字,且每個元素在其對應詞彙出現時動畫顯示,不內嵌字幕。最終透過 Kokoro TTS 引擎進行語音合成,並渲染為 MP4 檔案。支援 Cursor、Codex 等代理平台,工作流程包含場景定義(使用宣告式區塊或自訂 Scene 類別)、lint 檢查、漏字與重疊偵測,以及批次渲染(每次 3 個系列任務)。主要特色是將繁複的影片製作流程標準化,確保每部短片風格一致、旁白清晰、同步精準。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/rana3128/claude-skills-plugins/tree/HEAD/plugins/video-gen/skills/make-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

製作有聲動態 Shorts

所有內容皆使用此檔案旁 pipeline/ 中的捆綁管線渲染(技能載入時會顯示「此技能的基礎目錄」)。

0. 設定(每個專案僅一次)

如果專案中沒有包含 kinetic_build.py 的 video_gen/ 資料夾,請建立它:

mkdir -p video_gen && cp <skill dir>/pipeline/* video_gen/
cd video_gen
python3 -m venv .venv && .venv/bin/pip install -r requirements.txt            # 繪圖(Python 3.11+)
python3.12 -m venv .venv-tts && .venv-tts/bin/pip install -r requirements-tts.txt  # Kokoro 語音

ffmpeg 必須在 PATH 中。voice.py 會在旁邊的 .venv-tts 環境中執行 TTS 工作執行緒。 所有命令都從 video_gen/ 目錄執行。

1. 閱讀規則

  • DESIGN.md — 動態視覺風格。硬性規則:文字區塊以單一全寬欄位垂直堆疊,絕不並排;區塊邊緣無裝飾條;使用大字型;每個元素在其口語詞彙出現時動畫顯示;標題僅限一行(約 30 個字元);不得內嵌字幕。
  • PARTS.md — part.md 的格式、旁白規則,以及如何拆分指南。 除非要除錯,否則不要閱讀 engine_short.py、templates.py 或 skin.py。

2. 新系列:先拆分,再取得批准

  1. 分析來源指南,提出部分清單(每個部分一個概念,每部分約 90-125 秒)。 停下來等待使用者批准。 切勿為了符合長度而刪減內容;應補充範例和「為什麼」來充實內容。
  2. 撰寫每個 <series>/pNN_<slug>/part.md,以及 <series>/README.md(包含分析與部分表格)。
  3. 將系列資料夾加入 build_part.py 中的 SERIES(kicker + footer)。可選擇將標誌標記加入 kinetic.py 的 MARKS。
  4. Lint 旁白:執行 .venv/bin/python build_part.py <part dir> --lint 並修正每個問題。 旁白:不要回顧、不要歡迎,直接切入主題;不含符號或程式碼;為語音拼出縮寫詞;節拍最多 45 個字。

3. 場景

每個部分都有一個 scenes.py,定義 SCENES。有兩種樣式(請參閱 examples/):

  • 宣告式階段區塊(較佳,速度快):SCENES = K.part(word, tag, chips, [[blocks...], ...]) 使用 Track, Pipe, Rows, Code, Lanes, Bars, Ring, Fan, Chips, Big, Note。提示是單字前綴(在區塊的上一個提示之後搜尋),格式為 (word, beat) 或節拍數字。範例:examples/p03_*。
  • 手寫 Scene 類別:用於區塊無法呈現的隱喻。範例:examples/p01_*。

按口語順序列出提示詞,否則會出現 MISSING 提示。

4. 檢查,然後渲染

.venv/bin/python kinetic_build.py <part dir> --stills /tmp/pNN.png   # 聯絡表 + 提示報告
.venv/bin/python kinetic_build.py <part dir> --out <series>/output   # 最終 <slug>_voiced.mp4
.venv/bin/python cue_scan.py <series>/p*_*                           # 純文字同步檢查

在最終渲染之前,修正每個 MISSING 提示和 overflow。對於整個系列,先渲染前兩個部分並讓使用者確認外觀,然後每次在背景渲染 3 個(使用 xargs -P 3)。

5. 報告

一個表格:MP4 連結、主題、長度、最長靜音(目標低於 1 秒)。在系列 README 中標記已渲染的部分。清楚說明哪些部分未檢查(未檢視影格、未聆聽音訊)。

絕不

  • 將文字區塊並排、使用邊緣裝飾條、小字型或內嵌字幕。
  • 提出每個影片的語音校準;同步是詞彙計時且通用的。
  • 直接編輯 engine_short.py;build_part.py 會在記憶體中修補它。

相關技能