Communitygithub.com

Pika-Labs/Pika-Plugins

用於生成網頁解釋影片(約60-80秒):驅動真實瀏覽器瀏覽URL,生成頭像唇同步,並合成為1280×800 macOS Sonoma風格的影片。支援GitHub倉庫、產品頁面、文件網站、部落格文章等任何URL。

Pika-Plugins 是什麼?

這個AI代理技能(SKILL.md)能根據任何URL生成約60-80秒的解釋影片。它會驅動真實瀏覽器按照節拍時間線瀏覽頁面,產生一個頭像嘴唇同步(lipsync)的旁白,並將所有內容合成到一個1280x800的macOS Sonoma風格的畫面中,頭像位於左下角。技能會自動檢測URL類型:GitHub URL會啟動倉庫感知模式(讀取README、尋找即時示範連結),其他URL則使用通用頁面瀏覽流程。此技能支援Claude Code、Cursor、Codex等平台,並在執行任何付費MCP呼叫前包含成本透明度閘門。它還包含頭像適用性檢查(確保是正面人臉)、無頭像時自動生成頭像、以及語音解析等功能。步驟式流程涵蓋從URL解析、模式檢測、內容擷取、頭像與語音生成、影片合成、到最終輸出等完整管道。

相容平台✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Pika-Labs/Pika-Plugins/tree/HEAD/skills/explainer

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

/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):

  1. 如果傳入了 --avatar <url>,則使用它。
  2. 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):

  1. 如果傳入了 --voice <id>,則使用它。

  2. 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。

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:

  1. 用戶提供的 --live-url。
  2. 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。
  3. package.json 的 "homepage" 字段。
  4. README中第一個匹配 `https?://[^\s)\

相關技能