Communitygithub.com

3DVID:卡通3D故事短片,從話題到 YouTube

端到端製作垂直 3D 卡通故事短片:從熱門真實故事到腳本、免費英國語音、使用 three.js / Remotion 構建世界、原創配樂與音效、貼紙字幕、2K 渲染、封面,並上傳至 YouTube Shorts 播放清單(附訂閱連結)。

3DVID:卡通3D故事短片,從話題到 YouTube 是什麼?

3DVID 是一個為 AI 代理(如 Claude Code、Cursor)設計的綜合技能,用於自動化製作約 55-70 秒的垂直 3D 卡通短片(1440x2560,30 fps)並發佈到 YouTube Shorts。核心流程涵蓋從選題(基於近期熱門真實故事)、撰寫符合 8 拍公式的腳本、使用免費的 Kokoro TTS(英國男聲,bm_fable)生成語音與時間碼,再到利用 Remotion + three.js 構建 3D 世界、角色與鏡頭,並合成原創音效與背景音樂。技能還包括生成貼紙字幕、渲染最終影片(支援 CRF 16)與封面,最後透過 Zapier 自動上傳至指定 YouTube 頻道與 Shorts 播放清單。此技能基於已驗證的模板(如「Slower Than Molasses in January」),顯著降低了從零開始創作 3D 動畫短片的技術門檻,適合希望以低成本持續產出優質動畫內容的創作者或行銷團隊。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/easswad/VideoSkills_for_Youtube/tree/main/3dvid

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

3DVID:卡通 3D 故事短片,從話題到 YouTube

一部約 55-70 秒的垂直短片(1440x2560,30 fps),其中平面 2D 角色在色彩繽紛的 3D 卡通世界中演繹真實故事。會用日常比喻來解釋一個物理概念。已在「Slower Than Molasses in January」(1919 年波士頓糖蜜災難,69.7 秒)上驗證,該範例位於 templates/molasses/ 和 examples/molasses/。

設定(為其他使用者或頻道編輯)

鍵值
頻道 / 訂閱連結https://www.youtube.com/@easswad
播放清單`#Shorts
渲染 PC + 同步資料夾Windows PC 透過遠端控制;C:\ZapierAi Folder\3D\<名稱>-render(Google Drive 桌面版同步 C:\ZapierAi Folder)
上傳路徑Zapier:Google Drive「Find a File」→ YouTube「Upload Video」→ YouTube「Add Video to Playlist」
語音Kokoro TTS bm_fable(免費,英國男性)

固定規則

  • 故事: 真實且經過查證,每個事實都有來源。使用自己的腳本、角色和鏡頭。絕不複製、提及或上傳參考頻道的影片。
  • 語氣: 笑話的對象是過失的人或公司,絕非受害者。
  • 語言與語音: 僅限英文,單一穩定的旁白語氣。僅使用免費工具:未經詢問,不得花費 vidIQ 或 Higgsfield 額度。
  • 審核: 取得使用者對主題和腳本的批准。之後就直接執行。
  • 混音: 語音不變,背景音樂約比語音低 10 LU(「+3 dB 音樂」標準),音效軌 -6 dB。主輸出 -15 LUFS,真實峰值 ≤ -1.2 dBTP,48 kHz。
  • 螢幕文字開啟: 貼紙字幕加上頂部來源標籤(步驟 7)。
  • 每次上傳: 公開、非兒童內容、分類為教育。描述結尾附上訂閱連結,影片加入上述播放清單。
  • 儲存: 每個步驟後儲存工作。將產出物放入專案檔案資料夾。

流程

1. 主題

找出近幾天內熱門的真實故事,並附上需求證據(類似短片的 5M+ 觀看次數、YouTube 連結)。偏好具有可見物理因果關係,且有日常比喻能解釋的故事。提供使用者一個選項表格供選擇。絕不提供真實人物的 AI 惡搞或假新聞。

2. 腳本(約 3.7 字/秒,55-70 秒,約 250 字)

撰寫 SCRIPT.md,頂端列出事實及其來源。節奏公式(參見 examples/molasses/SCRIPT.md):

  1. 鉤子:用一句話呈現荒謬的事實。
  2. 背景設定。
  3. 經過 3-4 個節奏逐步升級。
  4. 引爆點:事情爆發的瞬間。
  5. 冷面「幸運的是… / 不幸的是…」。
  6. 「你看…」加上日常比喻。
  7. 後果:由此產生的規則或法律。
  8. 回馬槍轉折。

絕不旁白觀眾已經看到的內容。

3. 語音(免費)

設定:

pip install kokoro-onnx soundfile librosa

將 kokoro-v1.0.onnx 和 voices-v1.0.bin(來自 thewh1teagle/kokoro-onnx 的 GitHub releases 的 model-files-v1.0)放入 $KOKORO_DIR(預設 ~/tts)。HuggingFace 和 edge-tts 可能被封鎖。

生成旁白:

python scripts/voice/narrate_timed.py bm_fable 1.32 lines.txt voice/ 0.08   # 每行文字對應一行腳本
python scripts/voice/align.py bm_fable 1.32 voice/                         # DTW 單字時間碼 → voice/words.json
  • 速度非線性:1.30 得到 71.6 秒,1.32 得到 69.6 秒,1.35 得到 60.8 秒(254 字)。
  • 下游所有內容都以 words.json 為時間基準(影格 = 單字開始時間 × 30)。

4. 3D 世界 + 鏡頭(Remotion + three.js)

  1. 複製 templates/molasses/(最新版)或 templates/bridge/ 到 src/videos/<名稱>/。
  2. 在 src/Root.tsx 中註冊組合(1080x1920,30 fps)。
  3. 安裝 @remotion/three、[email protected]、@react-three/fiber@8、@react-three/postprocessing@2、postprocessing@6 和 @remotion/google-fonts(與 remotion 相同版本)。

各檔案位置:

  • story.ts:SHOTS、XFADE、FLASH_AT、每個鏡頭的相機、踢擊、景深。
    • 每個視覺反應落在其單字前 0-3 影格。
    • 每個停頓都有緩慢推近,轉場則發生在較大跳躍時。
  • world.ts:天空、地面、建築物(含視線剔除)、每個影格姿勢化的故事道具。太陽在每個鏡頭中固定,且相對於相機。
  • cast.ts / toon.ts / cardshade.ts:使用 Canvas2D Pen 繪製的廣告牌角色(豆子頭、棍狀四肢、李子色墨水、NOINK 圖層)。
  • 後處理(<Name>.tsx、ink.ts、lensblur.ts、grade.ts):
    • 順序:墨水 → 鏡頭模糊 → 光暈 → NEUTRAL 色調對應 → 調色,MSAA 4。
    • 像素參數按高度 / 1920 縮放。

「外觀規則」下列出了視線目標和可讀性陷阱。

5. 外觀檢查

以半解析度渲染靜態幀:

npx remotion still src/index.ts <Comp> out/x.png --frame=N --scale 0.5 --props='{"post":{"dpr":0.5},"text":false}'
  • 在 Linux 雲端主機上,加入 --browser-executable=<chromium> --gl=swangle。
  • 將內部場景移至遠處(±600 公尺),以及阻擋攝影機的道具,以修正 Z 軸衝突。
  • 移除巨大的近鏡頭光斑和任何顯示錯誤的物件。
  • 可選:並排圖表(scripts/qa/sbs_sheet.py)和驗證器檢查。

6. 音效(原創、合成)

templates/audio/molasses_example/molasses_audio.py 是一個完整的單一檔案流程。它從 templates/audio/ 匯入 dsp.py、instruments.py 和 sfx_gen.py。橋樑版本則拆分為 timeline.py、sfx.py、music.py 和 mix.py。

  1. 複製它。
  2. 設定 FPS/TOTAL、SHOTS 和 story.ts 中的事件影格。
  3. 撰寫音效事件和音樂提示列表。
  4. 以 WORDS_JSON=... VOICE_WAV=... python molasses_audio.py 執行。

它會輸出 mix.wav(精確長度)、分軌和 cues.md。語音會將音樂降低約 3 dB,短時限幅器確保音效至少比語音低 5 LU。

在製作音效之前鎖定畫面時間。任何時間變更都需要重新執行。

7. 螢幕文字(工作室貼紙風格)

  1. 複製 templates/molasses/Captions.tsx。
  2. 撰寫 captions_spec.txt:
    • 每行腳本一行,用 | 分隔 1-3 個字的區塊。
    • 用 * 標記關鍵字。它們會顯示在黃色方框中。
    • 數字寫成阿拉伯數字,當顯示字數與口語字數不同時使用 #n。
    • 在每個事實行前加上 TAG: SOURCE: …。第一個標籤是日期/地點標籤,例如 BOSTON · 15 JANUARY 1919。
  3. 生成資料檔案:
    python scripts/captions/make_captions.py voice/words.json captions_spec.txt src/videos/<name>/captions-data.ts -v
    
  4. 在主元件中,在最上層最後渲染 {getInputProps().text !== false && <Captions />}。

風格:

  • 字幕大約位於畫面 68% 處。使用白色 Poppins Black 大寫字母,搭配粗黑邊框和硬陰影。
  • 關鍵字會獲得一個傾斜的 #FFD43B 方框,帶有黑色邊框,以彈簧效果彈入。
  • 來源標籤是一個帶有黑色邊框的小白色方框,靠近頂部(在 1080 下為 128 px)。
  • 字體在渲染時從 Google Fonts 載入,因此渲染需要網路連線。

8. 最終渲染(在 PC 上;雲端 CPU 耗時數小時)

將專案(不含 node_modules)及 mix.wav 打包到同步/渲染資料夾。然後,在遠端控制會話中:

npm i
npx remotion render src/index.ts <Comp> out/<name>_video.mp4 --codec h264 --crf 16 --scale 1.3333333333333333 --concurrency 4 --timeout 300000
ffmpeg -i out/<name>_video.mp4 -i mix.wav -map 0:v:0 -map 1:a:0 -c:v copy -c:a aac -b:a 256k -shortest out/<name>_final_text.mp4
  • --scale 必須恰好為 4/3,否則 Remotion 會拒絕非整數高度。
  • 並行度 8 在 890M 筆電上記憶體不足。並行度 4 渲染約 5.5 fps,70 秒約需 6-7 分鐘。
  • 在清理效果中,呼叫 InkPass.prototype.dispose.call(fx.ink),而不是 fx.ink.dispose()。
  • QA:python scripts/qa/short_qa.py final.mp4 qa/ shots.json 檢查黑、白、凍結和彈出影格以及音量。同時抽查影格中的字體、剪裁和臉部。

9. 封面 / 縮圖

  1. 使用 {"text":false} 渲染最戲劇性瞬間的 1080x1920 靜態幀。
  2. 執行:
    python scripts/cover/make_cover.py frame.png <name>_cover_1080x1920.jpg --font Poppins-Black.ttf --top "A 25-FOOT" --key "MOLASSES" --big "WAVE" --badge "BOSTON 1919" --sub "@easswad"
    

輸出為 JPEG 檔案,小於 2 MB(YouTube 縮圖限制)。將其儲存在 Drive 同步資料夾中的 mp4 旁邊。

10. 上傳(Drive 同步 + Zapier,無公開連結)

  1. 等待 Zapier Google Drive「Find a File」動作同時找到 mp4 和封面。它會傳回一個 file 參考,你可以直接傳遞下去。
  2. 執行 Zapier YouTube「Upload Video」,設定:
    • video:檔案參考。
    • thumbnail:封面參考。
    • 標題(≤ 70 字元,鉤子 + emoji + 「(True Story)」)。
    • 標籤。
    • privacy_status=public、made_for_kids=false、category_id Education、default_language=en、notify_subscribers=true。
    • 描述按此順序:鉤子行、emoji 事實條列、一個提問留言、來源、以 #Shorts 結尾的標籤,然後 **「Subscribe for more: https://www.youtube.com/@easswad」**。
  3. 執行 YouTube「Add Video to Playlist」加入 #Shorts | For very short videos。從動作的播放清單列表中解析出 ID。不要使用另一個僅名為「Shorts」的播放清單。
  4. 透過 YouTube API 驗證影片已公開、處理完成且附有縮圖。提供使用者連結。

備註:

  • 如果縮圖失敗,執行「Update Video Thumbnail」(需要電話驗證的頻道)。
  • 每次 Zapier 呼叫都會使用方案中的一個任務。如果達到每月限制,請告知使用者並停止。

外觀規則(來自經驗證的短片)

  • 墨水: 世界線條 #030303,在 1080 下近處 5.1 px → 遠處 3.3 px。角色卡片上不使用墨水。
  • 日光: 天空 #3e7fd2 → #b8d0ec,霧 = 地平線顏色。僅在陰影中呈現冷色調。糖蜜/液體使用暖棕色(#4f240f),在波浪鏡頭中太陽位於相機後方。
  • 景深: 約佔螢幕時間的 1/3(特寫在 1080 下為 12-16 px),廣角保持清晰。
  • 角色: 3.5 頭身,每 0.5-2.3 秒眨眼,行走擺動 5%,接觸陰影。
  • 陷阱:
    • 距離鏡頭 2 公尺內的道具會變成光斑。
    • 只用一條繩子畫的鞦韆看起來像上吊。
    • 從側面照亮的標誌會變成灰色。
    • 靜止的停頓看起來像凍結。每個停頓都需要緩慢推近。
  • 顆粒: 關閉底片顆粒,因為它會使檔案大小增加四倍。
  • 磁碟: Remotion 每次都會將 public/ 複製到暫存資料夾。完成後刪除舊的 remotion-webpack-bundle-* 資料夾。

此技能中的檔案

  • templates/molasses/:最新的完整原始碼,包含 Captions.tsx 和 captions-data.ts。
  • templates/bridge/:第一個經驗證的原始碼(MIT,請參閱 LICENSE 檔案)。
  • templates/audio/:音效引擎和 molasses_example/。
  • scripts/voice/:Kokoro 旁白和單字對齊。
  • scripts/captions/make_captions.py
  • scripts/cover/make_cover.py
  • scripts/qa/:靜態幀、QA 和並排工具。
  • examples/molasses/:腳本、字幕規格和 YouTube 描述。

相關技能