Communitygithub.com

carlosa54/explainer-video

製作帶旁白與動畫的解說影片(3Blue1Brown 風格的 Manim 圖表、真實應用程式截圖、ElevenLabs 語音、同步字幕)。當要求建立解說或導覽影片、重新剪輯或縮短現有影片、或變更其旁白語音時使用。

explainer-video 是什麼?

這是一個專為 AI 代理(如 Claude Code、Cursor 或 Codex)設計的完整解說影片製作技能。它整合了 Manim 動畫引擎、ElevenLabs 神經語音合成以及自動化字幕生成,讓開發者能透過指令式工作流程建立專業級的 3Blue1Brown 風格解說影片。該技能以「專案」為單位管理每個影片版本,每個剪輯版本(新版本、縮短編輯、更換語音)都會建立獨立的專案資料夾,確保先前的版本保持可播放且不受影響。它會自動快取合成語句,僅為變更的句子重新付費,從而節省 ElevenLabs 積分。關鍵 API 金鑰從環境變數讀取,絕不會被寫入或記錄。工作流程包含事實核查指令稿、腳本撰寫與審核、基於佔位音訊的低解析度動畫迭代,以及最終高解析度建置與驗證。該技能支援從現有專案建立「剪輯」、語音試聽與選擇、以及完整的驗證檢查清單,確保無重疊文字、無空白間隔,且每段動畫都與旁白精準同步。最終產出物包括 MP4 影片、SRT 字幕檔案、腳本與聯絡表,並會回報絕對路徑與重建指令。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/carlosa54/explainer-video/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

解說影片

一個完成的解說片是一個 MP4 檔案,其中的畫面隨著文字移動:每個動畫在旁白者講到它所說明的詞句時開始,字幕則根據語音本身的字元時間戳記進行定時。整個工作是在一個專案資料夾中的管線:narration.py(腳本)、scenes.py(Manim 場景)、video.json(標題、語音)、screens/(螢幕截圖)以及 kit/(自備工具包,從專案根目錄執行 python -m kit <command>)。

每個剪輯(新版本、縮短編輯、新語音)都是一個新的專案資料夾,透過 scripts/new_project.py DEST --from OLD 建立。較早的剪輯保持可播放且不受影響;合成的句子會根據內容快取在專案外部,因此一個剪輯只需為變更的句子付費。

金鑰來自環境變數中的 ELEVENLABS_API_KEY。透過使用者擁有的任何密碼管理器執行語音命令(op run --、av inject +ELEVENLABS_API_KEY --、單純的 export);切勿列印、記錄或寫入金鑰。

步驟

1. 事實表

收集影片可能宣稱的內容,來自使用者的簡報、他們的儲存庫和設定檔,以及對他們提出的問題。將每個宣稱記錄為已驗證(在設定檔、螢幕或使用者的話語中看到)或示意性(佔位符、範例、概念佈局)。確定目標觀眾、目標長度以及必須刪減的內容。

完成條件:你計劃在畫面上或旁白中提出的每個宣稱都能追溯到已驗證的來源,而示意性的宣稱則列出以供最終結果備註。閱讀 references/script.md 以了解最常出錯的宣稱。

2. 專案

python3 <skill>/scripts/new_project.py DEST 用於新影片,或使用 --from OLD 用於新剪輯。將 template/requirements.txt 安裝到虛擬環境中(Manim 需要在系統上安裝 Cairo、Pango 和 ffmpeg)。在 video.json 中設定 name、title 和 voice。

完成條件:python -m kit draft && python -m kit build --low 將捆綁的範例(或複製的剪輯)建置到 out/ 中。

3. 腳本

撰寫 narration.py:按播放順序排列的場景,每個場景是一系列 (id, caption, spoken) 片段,每個片段一至三句話。預計每分鐘影片約 150 個口語單詞;讓實際音訊決定最終長度,而不是加快語速。將名稱的發音放入 pronunciations.json。

以表格形式(場景、旁白、畫面上顯示的內容)向使用者顯示腳本,並詢問只有他們能回答的問題。完成條件:使用者已批准措辭:合成會消耗點數,腳本在合成前修改是免費的。

4. 在草稿音訊上製作動畫

python -m kit draft 會產生免費的佔位旁白,具有均勻的字元時間,讓你能在付費取得語音之前安排場景。在 scenes.py 中為每個場景撰寫一個 Narrated(圖表)或 ScreenScene(螢幕截圖)類別,並使用 say / until / done 驅動每個變化。使用 python -m kit build --low 迭代並檢視影格。

完成條件:每個片段都有隨其文字變化的畫面,python -m kit timing 回報沒有空白間隔,並且低解析度預覽中沒有影格包含重疊文字或空白舞台。在撰寫場景之前閱讀 references/animation.md;在擷取任何即時應用程式之前閱讀 references/screens.md。

5. 語音

如果尚未選擇語音,請進行試聽:python -m kit voices,然後對包含困難名稱的句子執行 python -m kit audition ID1 ID2 ID3,讓使用者用耳朵挑選。然後執行 python -m kit narrate --dry-run 查看字元成本,再執行 python -m kit narrate。

完成條件:narrate 回報 0 個片段待合成。閱讀 references/narration.md 以了解語音設定、複製語音、點數和金鑰權限。

6. 建置與驗證

python -m kit build(全解析度),然後 python -m kit verify --speech。檢閱 out/ 中的聯絡表以及每個場景的全解析度影格,並修正發現的問題。新的語音會改變節奏,因此更換語音始終意味著完整重新渲染,而不是取代原聲帶。

完成條件:references/verify.md 中的每個檢查都通過,或其例外情況已說明。

7. 交付

回報 MP4、SRT、腳本和聯絡表的絕對路徑;影片長度;語音和模型;驗證數字;步驟 1 中的示意性或未經驗證清單;以及重建指令。切勿將草稿音訊稱為完成的旁白:assemble 在任何片段仍為草稿時會拒絕最終建置。

相關技能