/pika:explainer
產生約60–80秒的URL解釋影片:驅動真實瀏覽器按照節拍時間線瀏覽URL,生成旁白的頭像唇同步(lipsync),並將所有內容合成到一個1280×800 macOS Sonoma風格的畫面中,頭像位於畫布 (20, 476) 位置,內圈240像素(外圈246像素,含3px白色描邊圓環),並在每個中段節拍進行元素目標縮放。適用於任何URL——產品頁面、文件網站、部落格文章、發布頁面。GitHub URL會啟動倉庫感知模式(README掃描 + 即時示範檢測);其他所有URL則使用通用頁面瀏覽流程。
用法: /pika:explainer <url> [--focus "angles"] [--avatar <url>] [--voice <id>] [--lipsync-provider pika|kling] [--preview] [--live-url <url>]
成本透明度閘門
在進行任何付費MCP呼叫之前,請先呼叫一次 identity_balance({verbose: true})。向用戶顯示當前餘額、近期消耗速率和剩餘可用天數,然後使用以下確切訊息來設定閘門:
預計成本:約50-500點(約$0.50-$5.00),取決於唇同步提供商、旁白、字幕和預覽模式。費用可能達到 $5,回覆
proceed繼續或cancel停止。
在用戶回覆 proceed 之前,請勿呼叫任何付費MCP工具。如果用戶回覆 cancel,則停止而不生成。此閘門在URL和可選標誌已知後運行,在頭像生成、語音、唇同步、字幕或影片合成之前。
行為
預設值——快速執行,避免不必要的流程中確認
- 靜默解析頭像/語音。 永遠不要在使用前詢問「我應該使用你的頭像嗎?」或「使用哪個語音?」。明確傳入的覆蓋選項(
--avatar、--voice)會優先採用;否則生成一個主講人頭像並選擇預設語音,然後繼續執行。詳見步驟1的完整解析流程。 - 只有成本透明度閘門會要求
proceed。 步驟5的預覽通常是透過--preview選擇加入(針對明確頭像),但當頭像來源是generated或regenerated的備用頭像時,它會變成強制性的自動預覽。在成本閘門之後,流程會端到端執行,但該備用頭像預覽防護機制是必需的。 - 也不要詢問
--focus。 根據頁面結構做出自信的首次嘗試;如果角度不對,用戶會重新執行並加上--focus "X"。
這些預設值符合媒體生成工具(Midjourney / Sora / Runway / HeyGen / Pika.art)的行業標準:提交 → 渲染 → 回傳。帳戶點數餘額 + 提供商故障轉移(步驟9)是標準的防護機制。
Claude Desktop 上的本地頭像圖片
Claude Desktop 目前無法將內嵌貼上的圖片傳遞給MCP工具(Anthropic端的限制)。如果用戶內嵌貼上了一張照片,或提到他們想要用作 --avatar 的本地檔案,請暫停步驟1並友好地向他們發送以下訊息:
提醒一下——貼上的圖片目前還無法傳遞給Claude Desktop上的MCP工具(Anthropic的限制)。你的頭像有兩個簡單的選項:
- 貼上URL,如果圖片已經託管(Imgur、S3、你的網站)——最快
- 附加圖片檔案,這樣我可以在生成前上傳它。
當收到本地檔案時,使用 upload_asset 將其轉換為公開URL,並在步驟1之前使用返回的 public_url 作為 --avatar <url>。已經託管的 https://... URL 可以直接使用,完全跳過此步驟。如果完全沒有提供頭像,則會靜默生成一個主講人肖像(步驟1)。
步驟0——解析URL(空參數選單)
從 $ARGUMENTS 中去除標誌(--focus、--avatar、--voice、--live-url、--lipsync-provider、--no-captions、--preview、--skip-preview、--yes)和 key=value 參數。如果剩下的內容不包含 https://... URL(或為空白/僅空白字元),請逐字列印以下選單作為你的完整回覆,然後停止並等待用戶的下一個訊息。在此時呼叫工具可能會導致記錄或解釋錯誤的頁面。如果 $ARGUMENTS 已經包含一個URL,則靜默跳過此步驟,直接進入步驟1。
你想讓我瀏覽哪個URL? 可用於任何:
- GitHub 倉庫——例如
https://github.com/anthropics/claude-code(啟動倉庫感知模式:README掃描 + 即時示範檢測)- 產品頁面 / 發布頁面——例如
https://pika.art- 文件網站——例如
https://docs.anthropic.com- 部落格文章 / 文章URL
輸出:1280×800 macOS Sonoma 畫面,左下角有頭像唇同步,並在每個中段節拍進行元素目標縮放。默認流程在成本閘門後端到端執行;如果希望對明確頭像進行3秒唇同步合理性檢查,請傳入
--preview。生成/重新生成的備用頭像會自動執行該預覽防護機制。回覆URL,我將開始。
提示:你不需要輸入
/pika:explainer——只需說「帶我瀏覽 」、「製作 的示範影片」或「解釋這個倉庫:」之類的話,我就會自動觸發此技能。
當用戶回覆一個URL時,將其視為已解析的輸入,並繼續執行步驟1。不要再次提示。
步驟1——解析輸入 + 檢測模式
必需:url(必須是 https://...)。
可選:--avatar <url>(主講人照片;如果省略,會生成一個)、--voice <minimax-voice-id>、--focus "..."(編輯指導,融入 vo_text)、--live-url <url>(強制提供即時示範URL——僅限GitHub模式)、--lipsync-provider <pika|kling>(預設為 pika——鸚鵡a2v,約2-5分鐘實際時間,頭部動作稍微誇張。傳入 kling 以獲得更專注於面部的高品質輸出,約5-30分鐘實際時間——Kling 產生頭部動作最小的主講人鏡頭,但這是耗時最長的階段;保留給高風險渲染)、--no-captions(跳過步驟11的字幕燒錄——預設為開啟字幕)、--preview(選擇加入步驟5的明確頭像預覽閘門;生成和重新生成的備用頭像會自動在完整唇同步之前執行預覽閘門)。--skip-preview 和 --yes 為向後相容而被接受為無操作。
模式檢測:
- GitHub模式——URL主機為
github.com且路徑匹配/{owner}/{repo}(倉庫根目錄之後沒有更多路徑段)。啟動倉庫感知擴展功能:README掃描、即時示範檢測、GitHub特定選擇器。 - 通用URL模式——其他任何情況(產品頁面、文件網站、部落格文章、更深的GitHub路徑如
/blob/HEAD/path)。跳過GitHub擴展功能;使用通用CSS選擇器並瀏覽URL本身。
頭像解析(靜默——永遠不要詢問用戶):
- 如果傳入了
--avatar <url>,則使用它。 - 否則,呼叫
generate_image一次,提示詞為"professional presenter, friendly tech narrator, studio portrait, 1:1, natural lighting",並使用返回的URL。不要詢問用戶「我應該生成一個嗎?」——只需靜默生成。
將 avatar_source 追蹤為 explicit、generated 或 regenerated 之一。
頭像適用性閘門(在任何唇同步投入之前強制執行):
在步驟4 TTS之前以及在任何 generate_lipsync 預覽/完整呼叫之前,對解析後的頭像圖片呼叫一次 analyze_media(media=<avatar>, query=<gate_query>)。這是唯一需要頭像分析的情況,因為頭像是最主要的主講人資產,而一個不良的生成頭像可能會毀掉整個渲染。
閘門查詢:
Return JSON only: {
"is_single_front_facing_coherent_human_face": boolean,
"has_visible_mouth": boolean,
"is_faceless_or_masked": boolean,
"is_mascot_illustration_or_non_human": boolean,
"face_suitability_score": 0-100,
"apparent_gender": "female" | "male" | "unclear",
"reason": string
}
Is this image suitable for talking-head lipsync: a single front-facing coherent human face with a visible mouth? Flag faceless, masked, mascot, illustration-only, non-human, or distorted avatars.
只有當 is_single_front_facing_coherent_human_face == true、has_visible_mouth == true、is_faceless_or_masked == false、is_mascot_illustration_or_non_human == false 且 face_suitability_score >= 75 時才通過。
如果頭像未通過且 avatar_source 為 explicit,則在付費唇同步前停止,並要求提供 --avatar <real-looking-photo-url> 或允許生成主講人肖像。如果頭像未通過且 avatar_source 為 generated,則呼叫 generate_image 一次,提示詞為 "realistic professional presenter portrait, single front-facing coherent human face, visible mouth, friendly tech narrator, neutral studio background, 1:1, natural lighting";將 avatar_source 設置為 "regenerated" 並在重新生成的頭像上重新運行此適用性閘門。如果重新生成的頭像仍然未通過,則以明確錯誤中止,而不是嘗試唇同步。
每當 avatar_source 為 generated 或 regenerated 時,將 avatar_auto_preview_required 設為 true;否則為 false,除非用戶傳入了 --preview。
語音解析(靜默——永遠不要詢問用戶):
-
如果傳入了
--voice <id>,則使用它。 -
否則,選擇一個符合解析後頭像明顯性別的休閒 MiniMax
speech-2.8-hd預設值:- 女性編碼頭像 →
English_PlayfulGirl(溫暖、休閒、明確的女性聲音——已驗證) - 男性編碼頭像 →
English_Jovialman(溫暖、休閒的男性) - 不明確 / 性別中立 →
English_Jovialman(預設)
從頭像適用性閘門結果(
apparent_gender)推斷性別。不要詢問用戶。請勿使用
English_FriendlyPerson——儘管在MiniMax的目錄中被歸類為「女性」,但其顯示名稱為「Friendly Guy」,且在播放時聽起來像男性。English_PlayfulGirl是標準的休閒女性選擇。其他經過驗證的女性替代選項:English_Upbeat_Woman、English_LovelyGirl、English_radiant_girl。 - 女性編碼頭像 →
以下流程按步驟註解:僅GitHub、僅通用或兩者模式。
步驟2——讀取來源(無MCP呼叫)
兩種模式: 使用Claude的 WebFetch 擷取輸入URL的頁面主要內容(h1、英雄區塊、標題、主要內文)。
在此來源讀取期間建立 proper_noun_glossary。包含URL/域名、頁面標題、h1、README標題、倉庫元數據、套件名稱和重複大寫標的之物件/倉庫/公司/模型/框架及專有名詞的標準拼寫。對於GitHub倉庫,保留README/來源掃描提供的確切拼寫,例如 Ollama、Llama、DeepSeek、Gemma。稍後在撰寫旁白和燒錄手動字幕時使用此詞彙表,以避免字幕文字在語音上漂移到錯誤拼寫,如「Olama」或「DeepSeq」。
GitHub模式附加功能: 也擷取頂層檔案樹、(盡力而為的)package.json / pyproject.toml,以及透過 gh api repos/{owner}/{repo} 取得的GitHub API倉庫元數據,以獲取 homepage、description、language、topics。按以下優先順序檢測候選 live_url:
- 用戶提供的
--live-url。 - GitHub API
meta.homepage字段——當維護者在GitHub設定中配置了倉庫的首頁時設定。 package.json的"homepage"字段。- README中第一個匹配 `https?://[^\s)\