AI 热榜雷达给好奇心,找个好工具
← 继续发现工具
Anil-matcha /

vox-ai-motion-graphics-generator

趋势观察中

🎬 Turn any topic into a finished Vox-style paper-collage explainer / motion graphics video — script, collage keyframes, animation, voice-over, music & captions, all automated. An agent skill for Claude Code, Codex & other coding agents.

原始仓库简介 · 中文摘要待补充 · agent-skill / ai-motion-graphics / ai-video / claude-code / collage / explainer-video

GitHub 仓库 ↗

README / 项目原文

README.zh.md ↗抓取于 2026/10/29 14:03:10

English · 简体中文

🎬 Vox Director (拼贴动效导演) & Veo 3.1 ComfyUI 节点

一个选题、口播视频或照片进,一条成片出——脚本、拼贴关键帧、动效、旁白、配乐、字幕全流程自动化的 Vox 风格拼贴讲解/广告视频。

一个基于 MuAPI 平台 API 和本地 ffmpeg 的 Agent 技能 与 ComfyUI 节点套件,可供任何编码 Agent(Claude Code、Codex、Antigravity 等)或在 ComfyUI 中使用。给它一句话选题、口播视频或产品照片,直接输出成片 .mp4。

License: MIT Powered by MuAPI Agent Skill ComfyUI Nodes

out/demo/final.mp4

▶《咖啡简史(埃塞俄比亚公元 850 年)》· 5 秒 (B-roll)

咖啡简史 冷萃咖啡产品广告
咖啡简史 · 5 秒 (B-roll) 冷萃咖啡产品广告 · 5 秒 (C-roll)

▶ 点击任意封面/路径播放生成视频


📽️ 实测生成视频(在线播放)

以下是使用 Vox AI Motion Graphics Generator 全流程自动生成的示例视频:

https://github.com/user-attachments/assets/d9b3e85b-2f4a-4c64-9692-747f085dfd28

▶《咖啡简史(埃塞俄比亚公元 850 年)》· 5 秒 (B-roll Film)



https://github.com/user-attachments/assets/6628b678-78ff-481a-bc39-d7098ec1f2fe

▶《冷萃咖啡产品广告》· 5 秒 (C-roll Film)


模式 影片 选题 / 主体 播放视频 拼贴海报封面 动效模型 旁白音色
B-roll ☕ 咖啡简史 埃塞俄比亚公元 850 年 播放视频 (out/demo/final.mp4) out/demo/keyframes/kf_1a.jpg veo3.1-image-to-video MiniMax TTS (Q19bea09caa6IRAeW7)
C-roll 🍾 冷萃咖啡产品广告 冷萃咖啡瓶照片锚定 播放视频 (out/demo-croll/final.mp4) out/demo-croll/keyframes/kf_1.jpg veo3.1-image-to-video MiniMax TTS (Q19bea09caa6IRAeW7)

🎬 生成素材汇总:

  • ☕ B-roll (咖啡简史):
    • 📹 视频: 播放视频 (out/demo/final.mp4) | 🖼️ 海报: out/demo/keyframes/kf_1a.jpg | 📹 动效: out/demo/clips/clip_1a.mp4 | 🎙️ 旁白: out/demo/audio/narr_1.mp3 | 🎵 配乐: out/demo/audio/bgm.mp3
  • 🍾 C-roll (冷萃咖啡产品锚定):
    • 📹 视频: 播放视频 (out/demo-croll/final.mp4) | 📸 锚定原图: out/demo-croll/anchor_photo.jpg | 🖼️ 海报: out/demo-croll/keyframes/kf_1.jpg | 📹 动效: out/demo-croll/clips/clip_1.mp4 | 🎙️ 旁白: out/demo-croll/audio/narr_1.mp3 | 🎵 配乐: out/demo-croll/audio/bgm.mp3

这是什么

风格是 Vox 讲解片带火的现代编辑感纸质拼贴:手撕纸片、毛边、胶带、半调网点、报纸剪贴、每一拍一块大胆平涂色、大号剪纸标题——再配上动效、旁白、配乐和字幕,让整张海报活过来。

工作原理

一个选题依次流过每个阶段脚本,全程由每个项目一份 beats.json 驱动:

选题 / 视频 / 照片
  │
  ├─ 1. 分镜脚本   选叙事弧线 → 写 beats.json          ◀── 决策点 1:你确认分镜脚本
  ├─ 2. 风格试片   同一拍渲成 3–4 种主题               ◀── 决策点 2:你看图挑风格
  ├─ 3. 关键帧     每拍一张拼贴海报   (nano-banana-2 / flux-dev)
  ├─ 4. 动效       让每张海报动起来   (veo3.1-image-to-video)
  ├─ 5. 旁白+配乐  统一旁白 (minimax-speech-2.6) + 背景乐 (suno-create-music)
  ├─ 6. 合成       ffmpeg:拼接、配乐在旁白下自动闪避、烧字幕+水印
  └─ final.mp4

三种输入形态复用同一套引擎:

  • B-roll——一个选题进去,画面全靠生成。 它写脚本、生成每张拼贴海报、用 Veo 3.1 生成动效、配旁白与音乐,合成视频。
  • A-roll——你已经有一段口播视频。 它会被 ASR 自动切成段(openai-whisper),再整段套上拼贴风格,真人的脸、口型、手势逐帧保留(gemini-omni-video-edit / veo3.1)。
  • C-roll——你只有一张静态照片(自拍、产品图)。主体被抠成摄影质感的贴纸——绝不重绘——每一段的海报围着它生成(nano-banana-2 / flux-dev)。旁白支持声音克隆(minimax-voice-clone)。

模型(已在 MuAPI 上验证)

用途 模型
关键帧 / 拼贴海报 nano-banana-2 / flux-dev
动效 / 视频生成 veo3.1-image-to-video / veo3.1-fast-image-to-video
口播视频转拼贴 (A-roll) gemini-omni-video-edit / veo3.1-image-to-video
照片锚进拼贴 (C-roll) nano-banana-2 / flux-dev
旁白 TTS minimax-speech-2.6-turbo
声音克隆 minimax-voice-clone
背景音乐 suno-create-music
语音识别 (A-roll ASR) openai-whisper
抠图背景消除 remove-background

快速开始(三种模式)

export MUAPI_API_KEY="sk-..."

# 1. B-roll (选题成片)
python scripts/style_bakeoff.py out/my-topic american-retro,swiss-modern,punk-zine
python scripts/keyframes.py out/my-topic
python scripts/clips.py out/my-topic
python scripts/audio.py out/my-topic
python scripts/assemble.py out/my-topic

# 2. A-roll (口播视频转拼贴)
python scripts/asr_beats.py out/my-aroll source_presentation.mp4
python scripts/aroll_clips.py out/my-aroll
python scripts/aroll_assemble.py out/my-aroll

# 3. C-roll (单张照片/产品锚定拼贴)
python scripts/croll_keyframes.py out/my-croll
python scripts/clips.py out/my-croll
python scripts/audio.py out/my-croll
python scripts/assemble.py out/my-croll

Veo 3.1 ComfyUI 节点

ComfyUI custom nodes for generating videos with Google's Veo 3.1 model via the MuAPI platform.

Nodes

Node Description
🎬 Veo 3.1 Text to Video Generate 8-second video from a text prompt
🎬 Veo 3.1 Image to Video Animate a static image; optionally anchor the last frame
🎬 Veo 3.1 Reference to Video Generate video guided by up to 4 reference images
🎬 Veo 3.1 Extend Video Continue a previous generation with a new prompt
🎬 Veo 3.1 4K Upscale Upscale any previous Veo 3.1 generation to 4K
🎬 Veo 3.1 Save Video Download & save generated video; returns frames tensor

All nodes live in the 🎬 Veo 3.1 category in the ComfyUI node menu.

Available Models

Text to Video

Model Speed Quality
veo3.1-text-to-video Standard Highest, with audio
veo3.1-fast-text-to-video Fast Good
veo3.1-lite-text-to-video Fast Lightweight

Image to Video

Model Speed Quality
veo3.1-image-to-video Standard Highest, with audio
veo3.1-fast-image-to-video Fast Good
veo3.1-lite-image-to-video Fast Lightweight

Other Variants

  • veo3.1-reference-to-video — multi-image reference generation
  • veo3.1-extend-video — extend a previous generation
  • veo3.1-4k-video — upscale a previous generation to 4K

All models output 8-second videos (Veo 3.1 fixed duration).

Installation

cd ComfyUI/custom_nodes
git clone https://github.com/YOUR_USERNAME/muapi-veo31-comfyui
pip install -r muapi-veo31-comfyui/requirements.txt

Restart ComfyUI.

Setup

  1. Get an API key from MuAPI
  2. Paste it into the api_key field of any Veo 3.1 node

Parameters

Common

Parameter Description
api_key Your MuAPI API key
prompt Text description of the video
aspect_ratio 16:9 or 9:16
resolution 720p, 1080p, or 4k
extra_params_json Any additional model parameters as JSON

Image to Video extras

Parameter Description
image Start frame (IMAGE tensor)
last_image Optional end frame for first–last mode

Reference to Video extras

Parameter Description
image_1 … image_4 Reference images (up to 4)
generate_audio Whether to generate audio (default: true)

Extend / 4K Upscale

Parameter Description
request_id request_id output from a previous generation node

Example Workflows

File Description
MuAPI_Veo31_T2V_Example.json Text → Video → Save
MuAPI_Veo31_I2V_Example.json Image → Video → Save
MuAPI_Veo31_Reference_Example.json 2 reference images → Video → Save

Load any workflow via ComfyUI → Load (drag & drop the JSON).

Chaining nodes

Veo31TextToVideo
  └─ video_url  ──► Veo31VideoSaver ──► frames ──► PreviewImage
  └─ first_frame──► PreviewImage
  └─ request_id ──► Veo31ExtendVideo
                       └─ request_id ──► Veo314KUpscale

Requirements

  • Python 3.8+
  • ComfyUI (any recent version)
  • requests, Pillow, numpy, torch, opencv-python

License

MIT