Skip to content
项目

axtonliu/video-illustrator

在 GitHub 查看

axtonliu/video-illustrator has 52 GitHub stars and 6 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-15 10:22 UTC. Last push 2026-10-23.

这些数字如何统计

52 星标6 复刻

实测星标增长

24小时
0
7天
正在收集历史
15天
正在收集历史
1个月
正在收集历史

各周期内的星标净变化，周期相互重叠，并非每日新增。缺失的测量保持空白。星标代表关注度，不代表软件质量。

关于

Your voice, your assets, any look you choose — an Agent Skill that turns your narration and real assets into a short film.

创作与媒体

README.zh-CN.md

原文

Video Illustrator · 配视频

你的声音，你的素材，任选一种画面。

English

一个 Agent Skill：用你自己的旁白和你的真实素材（书封、课程封面、截图、logo，保持原样），按你选的风格做成 20–60 秒的宣传片或概念讲解片。交付 MP4 和可编辑的场景源码，在你自己的电脑上渲染。

同一段口播，6 种画面

每一格都是同一段 20.86 秒口播（作者本人的声音）和同一张真实书封。预览动图无声、循环播放；点开是带口播和配乐的完整版。

编辑部科技风预览
编辑部科技风 v0.4
大字排版、终端界面、票据；一张通行证从 01 翻到 02。
在 YouTube 观看 · 在 B 站观看		 电影感 3D 预览
电影感 3D v0.4
预告片的尺度：裂缝长成峡谷，十层楼高的门被推开。
在 YouTube 观看 · 在 B 站观看		 剪纸拼贴风格预览
剪纸拼贴 v0.5
一道金线：纸沿书封裂缝撕开，裂缝变成公路、书签丝带和读者的笔迹。
在 YouTube 观看 · 直接播放
水墨风格预览
水墨 v0.5
一个矩形从门楼推进到书页版框；墨不出框，直到一笔朱砂冲出去。
在 YouTube 观看 · 直接播放		 像素复古风格预览
像素复古 v0.5
双人游戏：「作者：？？？」变成 Axton，HUD 把 2P 交给你。
在 YouTube 观看 · 直接播放		 粒子光轨风格预览
粒子光轨 v0.5
光点聚散成形；「执笔」从 —— 换成 Axton，再换成你。
在 YouTube 观看 · 直接播放

积木（参照版）：同一段口播的完整新书宣传片，由作者用内部产线制作，不是本 Skill 生成的。在 YouTube 观看 · 在 B 站观看

每张预览图链接到 YouTube 上的完整版（带口播和配乐）；两条 v0.4 另附 B 站链接，四条 v0.5 另附可以直接播放的 MP4。本仓库不分发 MP4 文件本身。每一条都由一句话输入生成（Claude Code + Opus 5.5，effort high，作者本机环境），都是一次需求跑完、0 次修改：两条用 Skill 0.4，四条用 Skill 0.5。Skill 0.4 在出关键帧之前先定概念和一条贯穿全片的组织装置，每小节一个新画面，字幕按实测起音落拍，交付前自己看联系表（电影感那条的需求里附了一段导演说明）。Skill 0.5 加入了动效参数与克制预算、转场词汇和各媒介的手艺；交付前由干净上下文的独立审片按审美准则检查，决定陌生人会不会停下的三条（陌生人会不会停下、画面与尺度、离开桌面）可以有第二轮。0.5 的四条沿用各自上一版样片的配乐（Lyria 生成），没有新调用 Lyria。每条的原始指令、Skill 版本、耗时、API 标价口径成本和配乐来源见 SAMPLES.md，那里也保留了这四种风格上一版的记录。另有一个轻量风格页，可以逐条播放样片，并一键复制对应风格的指令。

同一个机制，3 种画面

同一段 15 秒讲解插入镜头（无声，没有口播），用最适合讲机制的三种风格各渲染一遍：第二代 Tesla Roadster 的结构，从整车到四块轮胎接触面、吸地风扇、气罐和冷气推进器，再合回整车。一份内容文件，三次渲染；画面上每个数字都来自研究事实表并注明出处。详见 SAMPLES.md；三种画面上下叠放的对比片。

Roadster 结构，图解立体预览
图解立体 v0.9
讲解默认风格：浅色纸面上的棚拍模型，只有一处暖色强调。
直接播放		 Roadster 结构，粒子光轨预览
粒子光轨 v0.9
同一套几何，画成深色底上的光点。
直接播放		 Roadster 结构，剪纸拼贴预览
剪纸拼贴 v0.9
2D 路线：侧面的纸车一层层拆开。
直接播放

怎么用

  1. 把素材放进文件夹（都可选）：

    my-promo/
  inputs/voice/    你的旁白（录音或克隆音色导出）；可附 .srt 或 words.json 逐字时间
  inputs/assets/   书封、课程封面、截图、logo：保持原样，只缩放、位移、裁切、整体光效
  inputs/brand/    品牌包：brand.json（display_name、palette、fonts……）+ 可选字体、母题、片尾卡

  2. 一句话说要什么，点名一种风格：

    用 video-illustrator 处理 ./my-promo：我的旁白在 inputs/voice，书封在 inputs/assets，品牌信息在 inputs/brand。做一支剪纸拼贴风格的宣传短片，1920×1080，带中文字幕，画面节奏跟着旁白走。不要编造素材里没有的内容。

  3. 拿到成片和源码：MP4、可编辑的 scene.html、记录创作选择的 brief.md（配乐、节拍、每个时间点发生什么）以及用到的素材，之后可以修改和重新渲染。

没有这些文件夹也照常工作，比如“用 20 秒白板动画讲清楚缓存为什么让重复请求更快”。单独出现的作者署名只用 brand.json 里的 display_name，素材上原本印着的字不改。配色跟随所选风格，素材自带的颜色只作呼应；品牌包设为整片配色时例外。node scripts/brand.mjs --sheet inputs/brand --out brand-sheet.png 生成一张品牌样张，先看样张认可品牌包，再做片子。想让每个项目都带上自己的审美，就在 ~/.config/video-illustrator/brand/ 放一个默认品牌包（或用 $VIDEO_ILLUSTRATOR_BRAND 指向它），它的 rules_docs 可以列出你自己的设计规则文档，每次做片前原地读取。

要电影感、预告片质感时走 3D 路线（three.js，在你的 GPU 上渲染：真实光照、景深、运动模糊，书封贴成立体书）；插画类风格仍走 2D。

讲解模式（0.7 新增）用于已经录好的口播。给它视频字幕和一个时间窗口，它切出这一段（scripts/excerpt.mjs），把旁白讲的机制做成几个常驻的部件和在它们之间传递的东西，每个变化落在说到它的那句话上，交付无声的横版和竖版插入镜头供你自己剪辑，另附带旁白和字幕的预览。见 explainer.md。

整期模式（0.9 新增）做一整期 2–10 分钟、有旁白的科普或科技讲解片：先定角度，再把调研整理成事实表（画面上每个数字都有出处），做解释手法设计、分段稿、官方实拍、一个承载机制的 3D 或 2D 场景，对齐你的旁白，出带字幕的成片；按段渲染，改一段只重渲那一段。旁白由你提供：自己录，或者从你用的配音服务导出；Skill 按它对齐，不负责合成声音。那期 Roadster 科普就是这样做的。见 episode.md。

从 0.9 起，所有模式都从同一份风格图谱选画风：讲解插入和整期片默认用明亮的 3D 图解（diagram-3d），也可以换成图谱里能承载机制的其他风格，走 3D 路线，或走读同一份内容的 2D 起点（例如粒子光轨、剪纸拼贴）。哪些风格适合、其余为什么不适合，见 styles.md。

安装

为 Claude Code + Opus 5.5 设计，其他宿主未验证。

需要：

  • Node.js 20 或更新
  • PATH 中的 FFmpeg 和 ffprobe
  • Playwright Chromium（下面的命令会安装）
  • 可选，生成配乐：环境变量里放你自己的 OPENROUTER_API_KEY。配乐来自 OpenRouter 上的 Google Lyria 3，付费调用，约 0.04 美元/30 秒，只在你授权时调用。音效在本地程序合成，不收费。也可以让 Skill 从你已有的曲库里选。生成配乐时可以把关键帧或素材图作为参考图一起传给模型（最多 10 张），让音乐贴合画面；也可以改用 Gemini API（GEMINI_API_KEY）。

保持 video-illustrator 文件夹完整，放到 Skill 目录（Claude Code 项目级目录为 .claude/skills/video-illustrator/，或用 symlink 指向你的源码位置），然后在 Skill 文件夹运行：

npm ci
npx playwright install chromium

npm ci 同时安装 3D 路线用到的 three.js（MIT，版本已锁定）。渲染全部在本地进行，不上传到任何渲染服务。coding agent 自身仍需模型访问权限。

GPU 渲染（3D 路线）：在 macOS + Apple M4 Pro 上实测，--gpu 走 ANGLE Metal，起始场景 1080p 加胶片颗粒约 0.3 秒/帧。没有 GPU 时 Chromium 退回软件渲染，能用，但实测慢 2–15 倍（取决于运动模糊）。Windows、Linux 和其他 GPU 未测试。

当前边界

早期预览版，随缘维护。这是代码驱动的动画，不是写实视频模型，也不做自动事实核查；一句话不保证每次都直接成片。长叙事、字体和音频可能需要额外处理。发布前请看完成片并核对内容。欢迎可复现的问题和聚焦的 PR。

更多

许可与作者

代码与文档：MIT，© 2026 Axton Liu。showcase 中的样片、预览动图和封面帧包含作者本人的声音、书封和授权配乐，仅用于展示本 Skill，不在 MIT 许可范围内（见 SAMPLES.md）。你自行加入的第三方素材遵守各自许可。

作者：Axton Liu · X