Communitygithub.com

motion:canvas + Web Audio 動態影片輸出 MP4,任意比例

製作各類動態設計影片的 Agent 技能(片頭片尾、開場、動畫解說、動態文字廣告),在 canvas 上逐格繪製,用 Web Audio 合成配樂,逐格輸出 9:16、4:5、1:1 或 16:9 的 MP4,可有可無旁白。

motion:canvas + Web Audio 動態影片輸出 MP4,任意比例 是什麼?

教學影片配方第 3 步(社群預告),來自 Felipeex/motion-skill(2026-10-07 發布;README 展示三支 9:16、約 35 秒的廣告 GIF,其中一支是 SaaS 廣告)。技能會寫一個 video.html,用 render(t) 在 canvas 上畫出每一格,並在 Web Audio 中產生音樂與咻聲、啵聲、滴答等音效,同一個 t 永遠得到同一格畫面。export.mjs 驅動無頭 Chrome 逐格送進 ffmpeg;--quadros 可先擷取審片定格。有旁白時,trim-audio.mjs 去除靜音、將 voice.wav 響度標準化,並用 Whisper 為每個字詞標時間(OpenAI 金鑰只走環境變數),音樂在人聲下自動壓低。比例有 1080x1920、1080x1350、1080x1080、1920x1080;品牌色、字型與 logo 從專案讀取。成片以 ffprobe 與 ebur128 驗證,響度約 -14 LUFS。數字、成果與使用者評價必須由使用者提供,絕不捏造。需要 Chrome、ffmpeg 與 Node 24,免 npm install。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add Felipeex/motion-skill

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

Motion 通用(canvas + Web Audio → MP4)

一個影片,不綁定格式、品牌、利基或旁白。如果專案已經有使用此 skill 製作的影片,複製該資料夾到 videos/<name>/(或使用者指定的位置),刪除舊影片的內容(assets/、voice.wav、timings.json、words.json、MP4),並重寫 video.html 中的場景:匯出器、本地伺服器和 buildAudio 已經可以使用。如果沒有,則在該資料夾中建立下列檔案。

檔案功能
trim-audio.mjs(僅在有旁白時)去除靜音 → 標準化的 voice.wav + timings.json
video.html動畫:在 canvas 上繪製 render(t) + 使用 Web Audio 的配樂和效果。在 Chrome 中開啟即可預覽含聲音的影片
export.mjs無頭 Chrome 逐幀繪製 → ffmpeg → MP4。使用 --quadros 0.2,9.5,… 僅擷取圖片供審查
assets/影片使用的圖片(標誌、螢幕截圖、照片)

需要:位於 C:/Program Files/Google/Chrome/...(或 CHROME=)的 Chrome、PATH 中的 ffmpeg、Node 24。無需 npm install。

複製時需調整的項目

  • 格式:video.html 中的 W、H 和 <canvas width height>、CSS canvas 的 aspect-ratio 和 export.mjs 中的 --window-size(大於 canvas)。常見尺寸:1080x1920(Reels/Stories/Shorts)、1080x1350(4:5 動態消息)、1080x1080(1:1)、1920x1080(YouTube/簡報)。
  • 輸出名稱:export.mjs 中的 OUT(video-<name>.mp4)和 --user-data-dir 的前綴。
  • 時長:TOTAL。有旁白時,為裁剪後的聲音長度;無旁白時,與使用者協調(片頭 3–6 秒、介紹 5–10 秒、說明 30–90 秒)。
  • 無旁白:移除 buildAudio 中載入 voice.wav 和音樂的閃避(ducking);配樂保持全音量(約 0.6–0.75)。完全無聲音:跳過 renderAudioWav 並僅匯出影片(使用 -an)。
  • 視覺:顏色和字型來自使用者的品牌(詢問或從專案中讀取)。全部在頂部定義為常數(COLORS、FONTS);場景中不得有散落的顏色。
  • 安全區域:9:16 → 內容範圍約 y=200 至 y=1600,側邊 90px(Reels 介面)。4:5 和 1:1 → 邊距 60px。16:9 → 邊距 5%(標題安全區)。

與使用者的互動流程(簡單說明)

  1. 最多 6 個問題,一次一個(使用 agent 的提問工具(如果有的話),例如 AskUserQuestion;提供 3 個選項,推薦的選項排第一)。只問無法自行判斷的事項:格式/發布平台、是否有旁白?、時長(如果沒有語音)、風格、品牌/顏色(如果專案中未提供)、背景音樂和片尾呼籲。
  2. 以表格形式提供腳本(時間 | 台詞或文字 | 顯示內容)。等待確認後再開始繪製。
  3. 傳送審查圖片,然後交付 MP4。

音訊(有旁白時)

  • node trim-audio.mjs "<錄音>":使用 silencedetect 參數 -35dB/0.25s、前後間隙 0.08s/0.14s 和loudnorm。確認語音平均值接近 -19 dB(使用 volumedetect)。
  • 每個單詞的時間:使用使用者提供的 API 金鑰(僅透過環境變數傳遞,絕不儲存)調用 Whisper(whisper-1、verbose_json、timestamp_granularities[]=word、正確的語言)。快速單詞有時時間戳相同:手動分散。
  • 螢幕上的文字與說出的內容一致。當與書面腳本不同時,請通知使用者。

動畫(video.html)

  • 一切來自 render(t):相同的 t 總是產生相同的幀。僅使用 mulberry(seed) 產生隨機性;繪製中不得使用 Math.random() 或 Date。
  • 時間在頂部定義為常數;聲音(soundEvents)讀取相同的常數,因此圖像和聲音不會不同步。
  • 場景:SCENES = [[開始, 結束, fn]],入場約 0.3 秒,出場約 0.22 秒,並有轉場效果覆蓋切換。避免硬切。
  • 逐字文字:drawWords。單詞間距 = 0.28 * size(使用 0.24 時,斜體會黏在一起)。根據格式調整 size:在 16:9 中,文字更寬更小。
  • 持續運動:任何場景靜止時間不超過 0.5 秒(背景燈光、輕微相機縮放、顆粒效果)。
  • 第 0 幀 = 封面:在 t=0 時已有可見內容(使用負時間的入場);避免以白畫面開始。
  • 字型:在首次 render 之前使用 document.fonts.load(...) 載入每種字重;window.ready 等待字型和圖片載入完成。
  • 圖片透過 http 載入,絕不使用 file://(會導致 canvas "髒",toDataURL 失敗)。export.mjs 已啟用本地伺服器。
  • 客戶標誌始終作為圖片使用,絕不重新繪製。

聲音(Web Audio)

  • buildAudio(ac, voz, t0) 用於預覽(AudioContext)和匯出(OfflineAudioContext → WAV)。
  • 合成配樂(墊音、低音、大鼓、鈸);根據氛圍調整 BPM(約 80 平靜、約 96 標準、約 120 有活力)。有語音時:音樂音量為 0.22,低於語音。效果:轉場時的 whoosh、入場時的 pop、計數時的 tic。所有音訊通過壓縮器處理。
  • 輸出使用 loudnorm=I=-14:TP=-1.5(社交媒體)。對於 YouTube/簡報,-14 也可以。

匯出與審查

cd videos/<name>
node export.mjs --quadros 0,2,5,9   # 在 review/ 中產生圖片
node export.mjs                     # 產生 MP4
  • 在匯出前先查看圖片。 若要製作拼貼圖:複製為 seq_00.jpg… 並使用 ffmpeg -i seq_%02d.jpg -vf "scale=400:-1,tile=7x2"(glob 在 Windows 上無效)。
  • 檢查清單:文字重疊、單詞黏在一起、內容超出安全區域、第 0 幀為空、場景靜止、數字缺少千分位分隔符。
  • MP4 產生後:使用 ffprobe(檢查正確解析度、30fps、h264+aac)、ebur128(約 -14 LUFS),並從 MP4 本身提取幀(-ss)。告知使用者您已測量聲音,但未實際聆聽。
  • 不要版本控制 mix.wav 和 review/(如果該資料夾是新建的,請檢查 .gitignore)。

內容

  • 證據、數字和推薦必須是真實的且由使用者提供。切勿編造。
  • 如果影片是廣告,收益承諾("高達 4 倍"、"每天 X 元")可能會被 Meta 拒絕。請提醒使用者。

相關技能