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.html | 16:9 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)
- 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。
- 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。
- 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。
- 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。 - 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。 - 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。 - 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)。 - 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。 - 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
- 太空/夜晚:
- 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。