Communitygithub.com

Treemation — 3D 教育影片

完全以程式碼產製短型垂直 3D 教育影片(9:16,適用於 Shorts/Reels/TikTok),包含像素風格主持人角色與吉祥物、動態運鏡、自適應背景、黃色關鍵字字幕、嘴型同步、音效與縮圖,並以印尼語同步 ElevenLabs MP3 旁白。自動兩階段流程。

Treemation — 3D 教育影片 是什麼?

Treemation 是一個專用於生成短版垂直 3D 教育影片的 AI 技能,支援 Claude Code、Cursor 與 Codex 等平台。使用者只需提供一個主題(例如「buat konten edukasi apa itu domain」)或一段 ElevenLabs MP3 旁白,系統便會自動執行兩階段的腳本化流程。第一階段,根據參考文件(如 `naskah-dan-plan.md`、`karakter.md`、`hook.md`)產生完整的影片計畫,包括 ElevenLabs 劇本、角色設定、場景分鏡與 `plan.json`,且不會在聊天中解釋主題。第二階段,接收 MP3 後自動完成對齊(`align.py`)、場景腳本撰寫(`scenes.js`)、視覺檢查(`render.py --stills`)、完整渲染、與音效編碼(`encode.py`),最終產出 1080×1920 30fps H.264 MP4 影片與縮圖。本技能運用動態運鏡(每場景至少 2 種鏡位)、嘴型同步(5 種嘴型)及自適應背景,確保每個視覺元素與旁白完美同步;特別強調「先同步,再美觀」的原則。適合教育內容創作者、TikTok/Reels/Shorts 製作者,以及需要高效自動化產製內容的團隊。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Adytm404/treemation/tree/HEAD/skills/treemation

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

Treemation — 3D 教育影片 是做什麼的?

此技能會產出如 examples/zenhosta/(「Kok website bisa online?」)範例中的影片: 一個像素皮膚的主持人(方塊沙盒遊戲風格的角色,搭配像素化動畫臉孔),會根據使用者 的脈絡做調整,吉祥物「Byte」,一個會切換鏡位(臉部特寫、吉祥物特寫、 3D 插圖特寫、廣角、低角度)的相機,背景主題跟著主題變化,頂部有 步驟標籤與進度條,一個浮動的 3D 舞台用於道具,3D 場景(整個房間/地點——數據 中心、辦公室、倉庫、城市,或你自己的場景——建立在主持人身後,主 持人漂浮在它們前方,然後鏡頭飛進內部)、UI 面板在單詞被說出時精準 出現,大字幕(關鍵字為黃色),以及一個嘴巴跟著語音動的主持人。

所有與使用者的通訊皆使用印尼語(腳本、字幕以及聊天回覆)。

觸發規則(請先閱讀——使用者的話只需一句就足夠)

A. 使用者指定主題——例如「buat konten edukasi apa itu domain」、「bikin video soal cara kerja email, CTA ke tokoku.id」、「konten tiktok: kenapa harga emas naik」。

  • 這是製作內容的要求,而非提問。不要在聊天中解釋該主題, 不要總結資料,也不要反問(「mau durasi berapa?」、「target penontonnya siapa?」、「pakai CTA?」)。
  • 直接進入第一階段並使用下列預設值,然後以第一階段的格式 (references/output-format.md)回覆:可直接複製到 ElevenLabs 的腳本、角色、縮圖、場景 表格、video-plan.json 的路徑。最後用一句話結尾:「Kirim MP3 dari ElevenLabs, nanti langsung aku jadikan video.」
  • 未指定時的預設值:時長約 60–70 秒(120–150 字)、2–4 個步驟(依主題而定)、 角色來自 karakter.md(使用者脈絡 → 利基 → 預設 raka)、結尾 CTA 「Follow buat konten edukasi lainnya!」(無品牌)。如果使用者指定了品牌/網址,則 CTA 使用該品牌。 每個預設值之後都可以修改——在回覆中簡短提及即可,不要先詢問。
  • 如果主題依賴可能變動的事實(價格、法規、近期數據),且你有 網路存取權限,請先查證;否則撰寫不依賴當前數字的腳本。

B. 使用者傳送 MP3(無論是否有附帶訊息)——執行第二階段至完成,無需 要求確認:尋找專案、對齊、撰寫 scenes.js、檢查靜態圖片、渲染、 縮圖、編碼、檢查結果,然後以第二階段的格式回覆。

  • 尋找專案:python <skill>/scripts/find_project.py 會列出專案及其狀態。 使用 plan.json 存在但尚無音檔的專案(最近的)。MP3 檔案名稱 或使用者提及主題的訊息會優先於時間順序。只有在多個候選者同樣合理時,才問一個 簡短問題。
  • 完全沒有專案 → 要求使用者貼上在 ElevenLabs 中朗讀的文字(對齊需要 確切的文字),然後圍繞該文字建立 plan.json 而不改變其用詞,並繼續 執行第二階段。
  • 音檔時長與預估值相差太多(> 25%)或 align.py 標記許多片語為 <-- cek → 文字可能在 ElevenLabs 中被編輯過。要求使用者提供所使用的文字,更新計畫中的 旁白,然後重複。
  • 中途停止的唯一原因:缺少相依套件(先詢問一次權限以安裝它)或 你無法自行修復的錯誤。
  • 完整渲染可能需要一段時間;將其背景執行,等待期間製作縮圖, 並在會話支援時發布簡短的進度更新。

C. 使用者要求修改(「ganti karakternya jadi cewek berhijab」、「judul thumbnail lebih singkat」、「warna merek biru」)→ 在同一專案中更改 plan.json/scenes.js。在 MP3 存在之前:僅重新發送第一階段回覆中已變更的部分。如果旁白改變了, 提醒使用者必須重新產生 MP3。在影片完成後:僅重新渲染所需的部分(僅縮圖, 或完整的影片)。

兩個階段的聊天回覆格式皆在 references/output-format.md 中——請嚴格遵循。

專案資料夾

一部影片 = 一個資料夾 video-<簡短主題>/(小寫、連字號,例如 video-apa-itu-domain) 位於工作目錄中。在第一階段建立它,並一次性設定完成:

python <skill>/scripts/setup_project.py video-<主題>

這會複製引擎(index.html、engine.js、pixelchar.js),透過 npm 安裝 three.js + 字型 + 圖示,建立 icons.js,並檢查 ffmpeg/numpy/playwright。如果某行以 PERLU: 開頭,請先安裝它所命名的項目(在安裝任何東西到使用者的 系統前,請先請求權限)。

完成時的資料夾內容:plan.json(由你撰寫)、scenes.js(由你撰寫)、narasi.mp3、 naskah-elevenlabs.txt、video-plan.json、timeline.js/json、frames/、previews/、video.mp4。

第一階段——概念 → 腳本 + 場景計畫

  1. 閱讀 references/naskah-dan-plan.md(如何撰寫腳本、plan.json 結構、 姿勢、表情、吉祥物動作和音效的清單)。
  2. 從使用者的脈絡中選擇主持人角色(閱讀 references/karakter.md),並將其 寫入 plan.json 的 characters 中。執行 python <skill>/scripts/preview_characters.py <project> --plan 並查看結果;盡可能將 previews/karakter.png 包含在回覆中。
  3. 閱讀 references/hook.md。撰寫 3 個鉤子版本(不同類型),並為 第一個旁白句子和 plan.json 中的 hook(大型螢幕文字、替代方案)挑選最強的。場景 1 必須滿足三層原則:在 @start 處有一個強烈的鏡頭、第一個字詞上有一個音效、 沒有問候/介紹。
  4. 撰寫 plan.json:6–9 個場景,依序為:鉤子 → 介紹(要點數量)→ 步驟 1..n → 回顧 → CTA,加上 thumbnail(封面標題、要顯示的道具、主持人表情)——請參閱「縮圖」 一節。同時規劃每個場景的 shots 和 background(章節「Shot kamera」 和「Latar adaptif」)。目標總詞數為 120–150 字(約 60–70 秒的 ElevenLabs 語音)。 如果某個步驟是關於一個地點(伺服器機房、倉庫、辦公室、街道、教室、工廠…),請閱讀 references/sets.md,並在該場景中使用 set(每支影片 1–2 組場景):主持人漂浮在 一個 3D 房間前方,鏡頭移動到位於旁白中提及的 spot:、mark 指向其 部件、fx 使其活躍。如果一個地點不在內建的場景集中 → 在 scenes.js 中(第二階段)使用 defineSet() 來建立它。
  5. 執行 python <skill>/scripts/plan_timing.py <project> → 建立 video-plan.json(預估 時間)、naskah-elevenlabs.txt。檢查輸出:每個觸發詞都必須被找到、必須 列印出 「Cek hook: OK」,並且當使用場景集時,必須列印出 「Cek set 3D: OK」——修復每個 ⚠ 警告,並重新 執行。針對有場景集的影片的可選項目:plan_timing.py <project> --preview 也會寫一個 預估的 timeline.js,因此 render.py --stills 可以在 MP3 存在之前檢查場景集的外觀 (需要 scenes.js;在第一階段中,一行就夠了: import { register } from './engine.js'; register({});)。
  6. 以 references/output-format.md 中第一階段的格式回覆使用者:可直接貼上的 腳本區塊、發音備註、包含時間的場景表格,以及 video-plan.json 的路徑。 要求提供 MP3。

第二階段——MP3 → 影片

  1. 將音檔儲存為 <project>/narasi.mp3。
  2. 確認 plan.json 中的旁白完全與所朗讀的文字一致(使用者可能已在 ElevenLabs 中編輯過腳本——如果不確定,請詢問;或檢查時長:與預估值差距很大 表示文字不同)。
  3. python <skill>/scripts/align.py <project> --whisper → 同步後的 timeline.js、timeline.json、 video-plan.json。使用 --whisper(需要 pip install faster-whisper;第一次下載 模型約 500 MB)每個字的時間來自真實的語音辨識,因此卡拉 OK 字幕 和嘴型同步會精準對齊;若無此參數,則使用暫停 + 音節對齊。如果 faster-whisper 未安裝,腳本會自動回退到舊方法。查看片語清單: 標記為 <-- cek 的行具有可疑的時長, 通常是因為文字與音檔不同,或 ElevenLabs 在意想不到的地方暫停。 如有需要,請修正計畫中的文字並重新執行。
  4. 閱讀 references/engine-api.md(以及如果計畫使用 set,則閱讀 references/sets.md),然後撰寫 <project>/scenes.js。先從複製 examples/zenhosta/scenes.js 中的模式開始。所有時間都使用 T(sceneId, 'word'),而不要使用原始 秒數——這樣如果音檔被替換,所有內容仍會保持同步。
  5. 完整渲染前的視覺檢查: python <skill>/scripts/render.py <project> --stills <每場景 3–4 秒> 然後查看 <project>/previews/ 中的圖片。每個鏡頭至少取一張靜態圖(對於場景集:每個 spot: 一張,以及在場景集建立時的一張)。檢查: 面板沒有遮住主持人的臉、邊緣沒有被切掉、字幕可讀、 道具出現在舞台上、沒有頁面錯誤。修正並重複,直到乾淨為止。這是品質 最重要的步驟。 要檢查動作(角色走位、背景轉場、鏡頭切換),請渲染一個 帶有聲音的短片:python <skill>/scripts/render.py <project> --clip 10 18 → previews/clip_10-18.mp4。
  6. 完整渲染:python <skill>/scripts/render.py <project>(如果中斷可恢復; 在多核心 CPU 上使用 --workers N)。如果電腦有顯示卡,請先檢查 render.py <project> --gpu --check-gpu;如果渲染器不是 SwiftShader,請使用 --gpu 渲染 (快 3–10 倍)。在完整渲染前,先比較一張 --gpu 靜態圖與 CPU 版本。 每個工作線程每幀約 0.3–0.6 秒。如果時間很長,請在背景執行並監控進度。
  7. 背景音樂:如果使用者傳送了音樂檔案(或 plan.json 中設定了 music),請使用它並搭配 自動音量降低(旁白說話時音樂音量降低)。如果沒有檔案,請使用 --music auto(簡單的程式碼生成、免版稅音樂),並在回覆中說明使用者 可以用自己選擇的音樂替換它——切勿使用有版權的歌曲。
  8. 縮圖:python <skill>/scripts/thumbnail.py <project> → <project>/thumbnail.png (1080×1920 封面)和 previews/thumbnail-cek.png(安全區域輔助線)。查看檢查 圖片:標題和主持人臉部在紅色框內、標題未遮住臉部、道具可見。 調整 props_from、stage 或 title_y 並重複。可以在完整渲染運行時完成。
  9. python <skill>/scripts/encode.py <project> <name>.mp4 [--music file.mp3|auto] → 音效 會自動產生,以低音量混合在旁白下方(+ 音樂搭配音量降低),然後 編碼為 1080×1920 30 fps H.264 + AAC MP4。
  10. 檢查最終 MP4 的幾個幀(ffmpeg -ss <seconds> -frames:v 1),然後以 references/output-format.md 中第二階段的格式回覆。

原則

  • 先同步,再美觀。 每個視覺元素都在解釋它的詞語被說出時出現。一個在 詞語說出前就出現的面板會感覺不對勁。
  • 先有鉤子,再有內容。 前 3 秒決定影片是否會被觀看:鉤子 句子 ≤ 14 個字,沒有問候,螢幕上顯示不複製旁白的大字、 角色/道具從第一幀開始移動,並且承諾在 8 秒內開始被兌現(references/hook.md)。
  • 一個活生生的鏡頭,而不是靜止的。 每個場景至少有 2 個鏡位(host_close、 host_medium、mascot_close、illustration、wide、low_angle),並在正確的 詞語上進行剪接或移動——特寫用於鉤子/重擊點/CTA、illustration 用於討論道具時(角色 先消失或滑出畫面,然後返回)、mascot_close 用於反應。 UI 面板必須保持在當前鏡位的安全區域內。
  • 背景跟著主題走。 每個場景(或關鍵詞)都有一個 background:色彩主題、粒子 圖案和與內容相符的主題圖示——冷色系使用冰藍色 + 雪、 伺服器使用二進位碼、CTA 使用暖色/品牌色。整支影片使用靜態單一背景 會讓人感到無聊。
  • 嘴巴跟著母音走。 嘴型同步使用 5 種嘴型 A、I、U、E、O,按照每個 詞語的母音順序——「aku mau makan」→ A U A U A A——並在暫停時閉合。外語單詞透過 pronunciation 的發音來讀取(references/karakter.md)。
  • 角色永遠不擋鏡頭。 當專注於插圖時,角色要嘛瞬間消失(hide,用於 剪接),要嘛在鏡頭移動前直線滑出到側邊(slide,用於移動)——不要轉身、不要 走到鏡頭前方。為了變化(僅在需要時),角色可以從下方、側邊或上方透過 enter 彈入。
  • 一個地方變成舞台,而不是背景。 當旁白談到一個地方時,將其建構成 主持人後方的 3D 場景集(而不是背景圖片):主持人漂浮在它前面解釋, 然後鏡頭移動到被提及的部分,再回到主持人。單個物體留在浮動 島上。
  • 一個時刻一個想法。 頂部區域(y 230–900 px)一次只保留一個主要元素:一個 UI 面板 或一個大型 3D 道具。清除前一個場景的元素。
  • 符合脈絡但又原創的角色。 像素皮膚的主持人是根據規格(預設 + 髮型、服裝、顏色、配件、頭巾)從使用者的描述、品牌和利基中選擇的。 不要複製其他創作者、遊戲角色或品牌吉祥物的皮膚/角色—— 從參考圖片中,只取其風格。
  • 準確的事實。 教育腳本必須正確;範例數字使用文件中的 範圍(例如 IP 203.0.113.x)或清晰的標籤。切勿發明統計數據。
  • 誠實的 CTA。 如實陳述使用者的品牌/網址,不添加他們未提供的 宣稱(價格、促銷、「最好」、虛假的截止日期)。
  • 每秒都活躍。 卡拉 OK 字幕、關鍵字上的變焦強調、重讀詞語上的點頭、眼睛 瞥向所指的方向、數字會彈出……永遠不要讓觀眾有理由 跳過。

相關技能