Communitygithub.com

資訊圖解解說影片

製作 Kurzgesagt / Infographics Show 風格的動畫解說影片(平面向量 SVG 藝術、動態圖形、旁白、MP4),只需提供主題或腳本。

資訊圖解解說影片 是什麼?

這項技能可讓 AI 代理從頭開始生成完整的動畫解說影片,風格靈感來自 Kurzgesagt 和 The Infographics Show 等頻道。它包含一個完整的管線:使用 Kokoro TTS 進行離線旁白生成、基於 SVG 和 JavaScript 時間軸的場景建構、使用 Playwright 和 ffmpeg 進行確定性逐幀渲染,以及最終的混音和字幕製作。使用者可以編寫敘述行(lines.txt),並獲得一個從向量插圖、動態圖形到最終 MP4 和 SRT 字幕檔案的完整影片。這項技能支援 16:9(橫式)和 9:16(直式/Shorts)格式,並提供一個場景產生器,可實現 PowerPoint 風格的動畫效果(如飛入、淡入、粒子效果),同時確保所有場景隨時保持微動,避免靜止畫面。所有資產都是程式碼生成的,因此可完全編輯且具確定性。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/i-smiling-buddha/ppt-animation-skill/tree/HEAD/skills/infographic-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

資訊圖解解說影片 是做什麼的?

製作一部具備 Kurzgesagt 和 The Infographics Show 風格的完整 MP4 解說影片:大膽的平面向量插畫、光澤漸層、發光效果、持續的輕柔動畫,以及引人好奇的旁白腳本。藝術創作和動畫皆以程式碼(SVG + JS 時間軸)建構,並透過 Playwright 和 ffmpeg 逐幀渲染,因此每一幀都是確定性且可編輯的。

原創性規則:模仿其類型(平面向量、解說節奏),但絕不複製頻道的角色(例如 Kurzgesagt 的鳥)、標誌、片頭、音樂或精確設計。每個角色和場景都是全新創作的。

以使用者偏好的語言與其交談;程式碼部分保持英文。

捆綁檔案(相對於此技能資料夾的路徑)

檔案用途
templates/master_template.html16:9 入門範本 (1920x1080):包含漸層、輔助工具、角色、大腦、雲朵、星星、場景交叉淡入引擎、內建字幕。複製它並取代場景。
templates/vertical_template.html相同的引擎用於 9:16 Shorts / Reels (1080x1920),採用垂直佈局,底部保留給字幕。
scripts/voiceover.py使用 Kokoro TTS(印度語 + 英語語音)進行離線旁白,每行產生一個 wav 檔案,以及 dur.json + lines.json(用於字幕的文字)。
scripts/build.py注入語音持續時間 (__DUR__) 和旁白文字 (__LINES__),匯出 timeline.json + captions.json;自動偵測 9:16;回報 JS 錯誤。
scripts/captions.py從 captions.json 寫入一個 .srt 檔案,用於 YouTube 隱藏式字幕。
scripts/peek.py每個場景產生一幀 → 合成對照圖,用於完整渲染前檢查。
scripts/render.py確定性幀範圍渲染器 (JPEG q92 → x264 CRF 18,安全暫存檔重新命名)。
scripts/mix_audio.py將語音行放置在時間軸上,加入程式碼合成(無版權)的環境背景音墊 + 咻咻聲,或您自己的 --music。
scripts/make_video.sh完整管線:建構 → 平行渲染 → 串接 → 混音 → 封裝 → QA 對照表 → .srt。自動偵測 9:16。

兩個完整範例位於此技能資料夾上兩層的儲存庫中:examples/why-we-sleep/(82 秒,16:9,印度語,11 個場景)和 examples/promo-short/(38 秒,9:16,英語,包含嵌入場景的真實片段)。在編寫新場景前,請先閱讀它們以獲取靈感。

設定(一次性)

pip install playwright kokoro-onnx soundfile scipy pillow --break-system-packages
playwright install chromium          # 如果已安裝 Chromium 則跳過
mkdir -p tts && cd tts
curl -LO https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/kokoro-v1.0.int8.onnx
curl -LO https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/voices-v1.0.bin

ffmpeg 必須在 PATH 中。如果模型資料夾不是 ./tts,請設定 KOKORO_DIR。

1. 工作流程(依序進行)

  1. 簡報 – 主題、長度(預設 60–90 秒;Shorts 為 30–58 秒)、長寬比(16:9 1920x1080 或 9:16 1080x1920)、旁白語言、語音來源。如果任一項缺失且使用者線上,詢問一次;否則使用預設值並告知。
  2. 研究 + 腳本 – 針對任何當前或數值的事實進行網路搜尋,並記錄每個數字的來源。結構:鉤子 → 問題 → 以 3–5 個節拍解釋 → 轉折/規模時刻 → 結論。每分鐘約 150 字。使用短句,每個句子一個想法,具體的數字和比較。如果發現來自動物或單一研究,請在旁白中說明。
  3. lines.txt – 每行一個旁白句;一行等於一個場景(約 4–8 秒)。對於印度語 TTS,請使用天城文書寫英文外來詞(例如 स्लीप प्रेशर),以確保發音自然;螢幕上的文字保持英文/拉丁字母,除非已安裝天城文字型。
  4. 先做旁白 – python3 scripts/voiceover.py lines.txt vo --voice hm_omega --lang hi(英語:--voice am_michael --lang en-us)。持續時間驅動時間軸,絕非反過來。使用者錄製的語音總是更好:將其分割為每行一個檔案,命名為 vo/NN.wav,並寫入 vo/dur.json。
  5. 建構場景 – 複製 templates/master_template.html(16:9)或 templates/vertical_template.html(9:16),為每行寫入一個 scene(...)(加上可選的片尾)。每個場景:始終開啟的閒置動畫 + 一個英雄動作。使用下方風格指南 + 動畫工具包。
  6. 預覽 – python3 scripts/build.py video.html vo/dur.json _work/build.html && python3 scripts/peek.py _work/build.html 0.8;查看對照圖(也可嘗試 0.3),在渲染前修正重疊、裁切、空白幀等問題。
  7. 渲染 + 混音 – bash scripts/make_video.sh video.html vo final.mp4(每個 CPU 核心執行一個區塊;1080p 下,每視訊秒每核心約 3 秒牆壁時間)。
  8. 品質檢查 – 開啟 final_sheet.png;檢查調色盤一致性、安全區域、無裁切、文字在縮圖尺寸下可讀、ffprobe 持續時間約等於時間軸持續時間。僅修正有問題的場景並重新渲染。
  9. 交付 – MP4 檔案、其 .srt 檔案(上傳至 YouTube 作為字幕)、腳本文字,並提供影片標題/描述/標籤 + 縮圖。

2. 風格指南

  • 形狀:簡單的基本幾何形狀(橢圓、圓角矩形、平滑的自由路徑)。大多數形狀無外框;英雄物件上僅使用較暗的同色調描邊。
  • 分層漸層:幾乎每個形狀都獲得一個單色調的兩點線性漸層(左上亮 → 右下飽和),加上 25–40% 不透明度的白色高光,以營造光澤感。
  • 發光:光源 = 徑向漸層,接近白色 → 透明,半徑 ±5% 脈動。閃光 = 四角星,透過透明度正弦曲線閃爍。
  • 深度分層:天空漸層 → 遠山 → 中景山丘 → 帶有亮色區塊的地面帶 → 主體 → 前景粒子;以不同速度移動圖層。
  • 調色盤(每部影片一個,最多 5–6 種色調 + 一種深色):
    • 太空/夜晚:#211840 #423AA8 #7F79D1 #E565FF #33F5FF #1552FF
    • 白天/自然:#00A7E2 #00D2EE #6EED65 #01CB79 #FFE4AF #FFFFFF
    • 溫暖故事:#290D1C #B15141 #FFE4AF #FFCE85 #FF5F2D #FFFF47
    • 霓虹流行:#232453 #5759B9 #B6FF55 #FF0066 #A14BFF #00FFFF
  • 背景:永遠不要純黑/白;使用深色調的深色(#12253A, #162B36)或暖色米色(#E6DDC4)。在「危險」節拍時切換到偏紅的深色。
  • 角色:圓形團塊身體、大而簡單的眼睛(白色 + 深色瞳孔 + 眼神光)、無鼻子、腮紅臉頰。約每 3 秒眨眼一次,呼吸(縮放 1 → 1.025)。睡覺狀態 = 閉眼弧線 + 漂浮的「z」。
  • 文字:粗圓角無襯線字體(Poppins Bold / Nunito ExtraBold),字數少,關鍵數字大,標籤使用藥丸徽章樣式,位於 90% 安全區域內。
  • 資訊圖表風格:遞增的計數器、增長/縮小的長條圖、量表、前後對比、角色做出反應。

3. 動畫工具包(PowerPoint 效果 → 程式碼)

PowerPoint 效果程式碼等效(範本中的輔助函式)
飛入 / 上升使用 outBack 緩動函式從螢幕外平移進入
淡入 / 縮放 / 長大pop(el,t,start,x,y) → 帶有超調的不透明度和縮放
旋轉強調繞形狀自身中心 rotate(${t*deg})
運動路徑along(pathEl,p) / getPointAtLength
形態轉換在場景之間保持共享物件不動;引擎交叉淡入場景 (FADE)
粒子軌跡 / 螢火蟲帶有相位偏移、延遲和大小衰減的種子隨機數 rng(seed) 粒子
擦拭 / 描繪stroke-dasharray + stroke-dashoffset
退出使用 in 緩動函式反向執行入場效果

始終開啟的閒置動畫:漂浮、閃爍、發光脈動、緩慢視差漂移、雲朵漂移、引擎的緩慢攝影機推入(縮放 1 → 1.045)。大動作前的預備晃動,著陸時的壓縮與拉伸。入場時間 0.4–0.8 秒,交錯延遲 60–120 毫秒。永遠不要讓任何一幀完全靜止。

4. 引擎規則(範本)

  • 每個場景:scene(id, bgGradientId, build() => svgString, seek(localT, sceneDuration))。
  • seek 完全基於 t 設定每個屬性 — 沒有 CSS 動畫、計時器或 Math.random(請使用 rng(seed)),因此任何幀都可以單獨渲染,且區塊可以無縫拼接。
  • 元素 ID 在整個檔案中必須唯一(使用場景 ID 作為前綴)。
  • 場景 i 的長度 = LEAD[i] + VO[i] + TAIL;旁白行之後的場景長度為 3.2 秒(片尾)。MIN={2:16} 強制場景 2 至少持續 16 秒(例如,為了稍後嵌入一個片段)。引擎匯出 window.DURATION, window.TIMELINE, window.CAPTION_CUES, window.seek。
  • scene(..., {cam:false}) 為一個場景關閉緩慢的攝影機推入效果(當其上覆蓋影片片段時需要)。
  • 字幕:CAPTIONS=true 將字詞區塊字幕(來自 LINES,根據每行內的字元計時)嵌入幀中;Chromium 能正確呈現天城文。重要圖形請保持底部約 120 px(16:9)/ 約 300 px(9:16)的空間。設定 CAPTIONS=false 關閉;.srt 檔案仍會被寫入。
  • 9:16:從 vertical_template.html 開始(鉤子文字在上三分之一處,英雄視覺在中間)。腳本從 SVG 的 viewBox 偵測 9:16;切勿裁切 16:9 的影片。

5. 音訊

  • 語音:使用者錄音 → Kokoro(scripts/voiceover.py)→ 工作階段提供的任何其他 TTS。Kokoro 印度語語音:hm_omega, hm_psi, hf_alpha, hf_beta。
  • 音樂:mix_audio.py 中預設的合成背景音墊是原創且無版權的;或者傳遞 --music 參數,帶入使用者擁有或已授權的曲目。切勿使用有版權的音樂。
  • 字幕是內建的(引擎規則如上)。make_video.sh 也會寫入 final.srt;將其上傳至 YouTube,以便觀眾可以開啟字幕,YouTube 也可以自動翻譯它們。

6. 按需求提供的額外功能

  • 縮圖:以 1280x720 渲染一個英雄場景幀,並帶有一個 2–4 字的大標籤。
  • 系列風格:將調色盤、字型和角色函數保存在一個共用檔案中,並在整個系列中重複使用。
  • 片尾卡:在最後 2–3 秒顯示頻道 / 筆名。

相關技能