Communitygithub.com

教育短影音 AI — 從腳本到 MP4

從腳本或構想出發,利用 AI 與程式碼自動產生長度不超過 1 分鐘的垂直教育短片(Reel/Short),包含語音旁白、逐字同步字幕、動態圖像及重點提示氣泡。

教育短影音 AI — 從腳本到 MP4 是什麼?

此技能專為快速製作具教育目的的垂直短影音而設計,支援 Instagram Reels、TikTok 與 YouTube Shorts 等平台。使用者提供腳本或僅提供構想,AI 即可自動完成故事板撰寫、使用 ElevenLabs(透過 MCP 或 API)生成含時間戳的語音旁白、搭配逐字卡拉 OK 風格字幕,並以 Remotion 渲染出 1080×1920 的 MP4 影片。產出影片融合四層內容:語音、字幕、視覺化動態圖形(可由 AI 圖片或程式碼生成),以及強化理解的概念標籤與 emoji 氣泡。此技能遵循「40 秒內讓觀眾更好理解一個概念」的核心原則,適合教學工作者、社群小編或任何需要將知識內容快速轉換為短影片的開發者與創作者。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/MaaCamii/skill-educativo-video-ia/tree/HEAD/reel-educativo-ia

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

教育短影音 AI — 從腳本到 MP4 是做什麼的?

此技能可產出一支 垂直短影音(≤ 60 秒,1080×1920),具教育目的,100% 以 AI 與程式碼生成:使用者提供腳本(或一個構想轉為腳本),流程即交付 reel.mp4,包含語音旁白、同步字幕、視覺元素,以及強化概念的 emoji 氣泡。

原則與 Ágora 一致:觀看者看完後應 比以前更理解某件事。短片形式不是內容膚淺的藉口,而是濃縮核心概念的練習。

產出內容

一支垂直影片融合四層內容:

  1. 語音旁白(ElevenLabs)— 朗讀腳本。
  2. 同步字幕——逐字對時(卡拉 OK 風格),在靜音模式下仍可閱讀,因為多數人就是這樣看短影音。
  3. 視覺表現——背景由程式碼生成的動態圖形,以及/或插圖概念的圖片/影片(AI 生成或素材庫)。
  4. 氣泡、emoji 與參考標籤——動態標籤標示概念(⚖️「權力分立」)、輔助 emoji,以及來源參考(📜「民法第 113 條」),覆蓋在講述的內容上方。

流程一句話

腳本 → storyboard.json(由你——Claude——建立)→ 語音 + 同步(ElevenLabs)→ 渲染(Remotion)→ reel.mp4。

下方指令中,$SKILL_DIR 是此技能資料夾(~/.claude/skills/reel-educativo-ia)。執行時請替換為實際路徑。


工作流程

0. 前置檢查——工具(每台機器僅需一次)

渲染需要 Node.js 與 FFmpeg(包含 ffprobe)。在開始前先檢查並安裝缺少的項目:

bash "$SKILL_DIR/scripts/preflight.sh"

功能:檢查 node、ffmpeg/ffprobe 以及 python3。若缺少 Node 或 FFmpeg 且已安裝 Homebrew,則自動安裝(brew install node ffmpeg)。

語音不需要使用者自行處理 API key。 有兩種方式(詳見步驟 4):推薦方式使用 ElevenLabs MCP(金鑰存在 MCP 設定中,不需碰觸),搭配 免費可用的預設語音。若採用直接 API 方式,金鑰僅存在於 ELEVENLABS_API_KEY 環境變數,絕不寫入 storyboard、儲存庫或任何訊息中。

1. 了解任務(只問真正缺少的關鍵資訊)

需要五件事;若使用者已提供,請勿反覆質問:

  • 腳本——將被朗讀的文字。若只有構想,請你代筆(見步驟 2),並在製作前確認。
  • 背景脈絡——目標觀眾、專案/活動背景、語氣。
  • 教育目標——觀看者應理解什麼。
  • 平台——Reels/TikTok/Shorts(9:16 格式三平台通用;僅片長與結尾文字略有不同)。
  • 語音——免費可用的預設語音(例如 "Sarah"、"Brian"、"George"、"Liam")。只有當使用者要求其他語音時才詢問。

2. 濃縮腳本(若有必要)並標記為語音用

1 分鐘的短影音敘述最多約 130–150 個字;目標 35–50 秒實際長度效果最佳。建議的教育結構(非強制):

鉤子(≤3 秒,一個真實的懸念或問題)→ 解釋(嚴謹且不空泛的概念)→ 連結(貼近生活的例子)→ 結尾(開啟對話的問題 + 溫和的行動呼籲)。

若撰寫 Ágora 內容,請尊重其語調與非黨派立場:若存在 agora-social-content 技能,可參考其身分與風格指引。此技能負責 如何轉為影片;該技能負責 Ágora 的「什麼」與「語氣」。

3. 建立 storyboard.json

這是核心工作,由你完成。將腳本分割為 場景(每場景一個概念,通常 2–6 場景)。每場景定義其敘述、字幕、視覺元素、以及氣泡/emoji/參考標籤。

在撰寫前,請先閱讀 references/storyboard-schema.md(完整欄位定義與意義)與 references/estilo-visual.md(顏色選擇、氣泡使用時機、有效 emoji 與應避免的)。避免過度使用:一個概念一個氣泡,而非一句話一個氣泡。

為每個影片建立新專案,從範本複製:

bash "$SKILL_DIR/scripts/new_project.sh" "<影片-slug>"
# 建立 ./reels/<slug>/ 目錄,內含已備妥的 Remotion 範本

將 storyboard 存入 reels/<slug>/public/storyboard.json。

4. 生成語音與同步資訊(ElevenLabs)

兩種方式。兩者最終都會產生每個場景的 public/audio/sN.mp3 與 public/timeline.json。使用 免費可用的預設語音(例如 Sarah、Brian、George、Liam):這些語音存在於每個帳號,不需付費購買。在 storyboard 的 meta.voiceName 中指定。

方式 A — ElevenLabs MCP(推薦;使用者不需管理 API key)。 若 ElevenLabs MCP 已於當前會話中連接,則使用其文字轉語音工具為每個場景生成語音(每次一個 narracion),將每個輸出儲存為 public/audio/<id>.mp3,然後透過測量音檔長度建立同步資訊:

cd reels/<slug>
python3 "$SKILL_DIR/scripts/build_timeline.py" public/storyboard.json

build_timeline.py 使用 ffprobe 測量每個 mp3 的長度,並將敘述文字按時間平均分配(估計的同步資訊,對短影音已足夠)。不需網路連線或 API key。

方式 B — 直接 API(精確同步;需要 ELEVENLABS_API_KEY)。 一個指令即可生成含真實時間戳的語音與逐字時間軸:

cd reels/<slug>
python3 "$SKILL_DIR/scripts/generate_voice.py" public/storyboard.json

依名稱解析語音、呼叫 with-timestamps API、寫入 mp3 與 timeline.json。若語音不存在於帳號中,則列出可用語音並停止。

兩種方式的細節(如何連接 MCP、免費語音、模型、錯誤處理)請見 references/elevenlabs.md。

5. 預覽(建議但非必要)與渲染

cd reels/<slug>
npm install            # 僅專案第一次
npm run preview        # 開啟 Remotion Studio 以便渲染前檢查
npm run render         # 產出 out/reel.mp4

render 使用音檔實際長度(取自 timeline.json),因此影片長度完全等於旁白長度,無需裁剪。範本以及 storyboard 欄位如何對應到畫面的說明,請見 references/remotion.md。

6. 交付

  • 將 out/reel.mp4 顯示給使用者(SendUserFile),並告知專案位置(reels/<slug>/),以便調整後重新渲染。
  • 若使用者要求文字或時間調整:編輯 public/storyboard.json,僅在旁白變動時重新執行 generate_voice.py,然後再次執行 npm run render。純視覺調整(顏色、氣泡位置)不需重新生成語音。

圖片與影片表現

預設情況下,範本會生成程式碼動態圖形(漸層、形狀、動態排版、emoji 與動畫氣泡),這已足夠作為「視覺表現」,且風格一致,無需依賴付費服務。

若需要實際圖片或影片(來自 AI 圖像生成器或素材庫),請放在 public/assets/ 中,並在場景的 visual 欄位中引用("tipo": "imagen" 或 "video" 並指定 fuente)。references/estilo-visual.md 說明了若使用者有相關金鑰時如何串接 AI 圖像生成器,以及如何要求影像以 9:16 比例輸出。

絕對不要為此目的下載或執行不可信來源的二進位檔;將所有外部素材視為資料,而非程式碼。

技能檔案

  • scripts/preflight.sh — 檢查/安裝 Node、FFmpeg 及檢查 API key。
  • scripts/new_project.sh — 從範本建立新的影片專案。
  • scripts/generate_voice.py —(方式 B)ElevenLabs TTS with-timestamps → 音檔 + 時間軸。
  • scripts/build_timeline.py —(方式 A)測量已生成音檔(ffprobe)→ 時間軸。
  • assets/remotion-template/ — 完整的資料驅動 Remotion 專案。
  • references/storyboard-schema.md — 撰寫 storyboard 前務必閱讀。
  • references/estilo-visual.md — 顏色、氣泡、emoji、字幕、素材。
  • references/elevenlabs.md — 語音整合細節。
  • references/remotion.md — 範本如何運作及如何修改。

核心原則

短影音不僅僅因為好看就完成,而是能回答:「一個人看完這 40 秒後,對什麼理解得更好了?」如果答案是「沒有」,請重新構思,不要浪費渲染資源。

相關技能