AI 热榜雷达给好奇心,找个好工具
← 继续发现工具
Vincentwei1021 /

anything2explainer

趋势观察中

Topic in, narrated explainer video out. A Claude Code / Codex skill that turns any topic into a black-canvas motion-graphics explainer video with TTS voiceover, subtitles and a chapter progress bar. Chinese or English; every frame drawn in code with Remotion.

原始仓库简介 · 中文摘要待补充 · agent-skills / ai-agents / ai-video / claude-code / claude-code-skill / codex

GitHub 仓库 ↗

README / 项目原文

README_ZH.md ↗抓取于 2026/10/24 12:50:50

anything2explainer

Claude Code Codex Remotion License

English | 简体中文

给一个主题,产出一条带配音的科普讲解视频。 anything2explainer 是一个 Claude Code / Codex skill:输入任意主题,输出一条黑底 MG(motion graphics)风格的讲解视频,带 TTS 配音、字幕和章节进度条,中文或英文都行。画面全部由 Remotion(React + TypeScript)代码绘制,不用素材库,不用视频生成模型,也不使用任何现有视频的帧。

它不是一个 CLI。仓库里装的是让 AI 编程 agent 把片子做出来的整套方法:可编译的 Remotion 模板工程、图元与光效库、配音/分镜/渲染/量化质检工具、风格与动效规范、多 agent 分工协议,以及一条完整样片作为质量标尺。

中文版——《RAG 与知识库》v2,4′54″,44 句 / 1490 字,点阵波幕底(bg: 'dots'),配音走"自带 TTS"路径(火山引擎语音合成 2.0 + 强制对齐):

https://github.com/user-attachments/assets/5c213990-cbba-439e-8371-fbb3aa348e05

英文版——RAG & Knowledge Bases,5′02″,44 句 / 785 词,kokoro-82m am_liam 自然语速:

https://github.com/user-attachments/assets/e2771c68-a28c-4459-ac5a-a5b685181eeb

两版共用一套分镜和 44 个镜头,英文版按英文配音逐镜头重排帧号。中文原版(4′35″,星点幕底,8 个构建 agent 并行 40 分钟 + 两轮 QC)的全套过程文件在 examples/rag/(调研 → 解说词 → 分镜表 → 镜头源码 → QC 报告 → 交付说明),成片帧在 examples/rag/frames/。

它做什么

  • 输入:一个主题("讲一下向量数据库"),或一篇想改成视频的文章/文档。时长和语言由你定。
  • 输出:1280×720 的 H.264 MP4,配音与字幕按词边界对齐,带章节卡、顶部 HUD 和底部章节进度条;同时交付全套过程文件(带出处的调研文档、解说词、分镜表、逐镜头源码、QC 报告)。
  • 怎么做:agent 先做带出处的调研,写解说词,生成配音和帧级时间轴,逐镜头写分镜,再派多个构建 agent 并行写 Remotion 组件(一个镜头一个文件);渲染后由 QC agent 按书面判据逐帧检查,修完再交付。
  • 耗时:按时长约 1–3 小时,大部分时间是 agent 并行构建镜头。全程只在四个确认点问你。

成片规格

画幅 / 帧率 1280×720 @ 30fps,H.264
时长 由你定(见下表),2–8 分钟都能做
语言 中文或英文(src/config.ts 的 lang);排版、字幕长度预算、配音默认值随它切换
视觉 黑底,幕底二选一:点阵波(默认,移植自 video-talkcraft 的 dot-field-wave),或星点 + 雾底渐变(src/config.ts 的 bg);白线条图形 + 紫色重点;超粗黑体大字
常驻层 44px 白字黑边字幕、底部章节进度条、顶部胶囊 HUD、可选流程轨、片尾署名 built by Anything2Explainer skill(config.builtBy,设为 '' 去掉)
配音 中文 edge-tts zh-CN-YunxiNeural(云希,男声,原速不加速 ≈5.5 字/秒)/ 英文 kokoro-82m am_liam(Liam,男声);也可用你自己的 TTS 或成品配音

时长决定内容丰富程度与全流程规模:

时长 中文字数 英文词数 句 / 镜头数 构建 agent 产出耗时 磁盘
2–3 分钟 650–880 280–420 24–32 4–6 ≈1 小时 ≈2GB
3–5 分钟(样片档) 1100–1400 420–700 40–50 8 ≈2 小时 ≈2GB
5–8 分钟 1650–2200 700–1150 60–80 10–14 ≈2–3 小时 ≈3GB

章数按内容定、受时长约束:<3 分钟单章(不出章节卡),3–5 分钟 3–4 章且每章 ≥60 s,5–8 分钟 4–6 章;进度条按解说词声明的章数等宽分段。解说词用空行分段,一段就是一个镜头:段内句间只隔 10 帧、段末 30 帧,停顿落在画面切换处,每个镜头末拍落位后能停 1–1.5 s 再切;成片比纯语音长 5–8% 是设计内的。

安装

git clone https://github.com/Vincentwei1021/anything2explainer.git
ln -s "$PWD/anything2explainer" ~/.claude/skills/anything2explainer   # Claude Code
ln -s "$PWD/anything2explainer" ~/.codex/skills/anything2explainer    # Codex

依赖:

# Node ≥18(模板 npm install 会装 remotion 4.0.507 / react 19)
brew install ffmpeg          # 抽帧 / 转码,必需

python3 -m venv ~/.venvs/a2e && source ~/.venvs/a2e/bin/activate
pip install 'edge-tts==7.2.8' numpy pillow scipy   # 建议固定 edge-tts 版本:它跟着微软端点变,升级常有破坏性(7.2.0 起词边界要显式请求,脚本已处理)

# 只做英文片时再装(kokoro-82m 本地推理)
pip install kokoro soundfile && brew install espeak-ng

scipy 只给质检脚本 frame_metrics.py 用。脚本是 zsh + Python 3,在 macOS 上开发与验证;Linux 应可用,Windows 未测试。

Linux / 树莓派(ARM)

已在树莓派 5(ARM64、Debian trixie、Python 3.13)上跑通。与 macOS 有三处不同:

sudo apt install zsh espeak-ng                 # 脚本是 #!/bin/zsh;espeak-ng 供 kokoro/piper 的 G2P

# Remotion 没有 linux-arm64 的无头浏览器 → 指向系统 Chromium:
sudo apt install chromium                       # 或 chromium-browser
export REMOTION_BROWSER_EXECUTABLE=/usr/bin/chromium   # 由 template/remotion.config.ts 读取(macOS 上无副作用)

Linux/ARM 上的配音。 默认英文引擎 kokoro 在 ARM/Python 3.13 上很难装:它固定了旧版 numpy(无 aarch64/py3.13 轮子,只能源码编译,会失败),且依赖 spaCy → blis(无 aarch64 轮子、编译不过)。补了两个能干净安装的本地引擎,用 TTS_ENGINE 指定,二者都走既有的“逐字幕块合成”路径:

# kokoro_onnx —— 音色自然,onnxruntime(不依赖 torch/spaCy)。模型与声音库从
#   github.com/thewh1teagle/kokoro-onnx 的 releases 下(kokoro-v1.0.onnx、voices-v1.0.bin)
pip install kokoro-onnx
TTS_ENGINE=kokoro_onnx KOKORO_ONNX_MODEL=…/kokoro-v1.0.onnx KOKORO_ONNX_VOICES=…/voices-v1.0.bin \
  KOKORO_ONNX_VOICE=am_michael python3 scripts/tts_build.py

# piper —— 最快的本地引擎,音色偏机械,作树莓派原生兜底。语音 .onnx 从 github.com/rhasspy/piper 下
pip install piper-tts
TTS_ENGINE=piper PIPER_MODEL=…/en_US-ryan-medium.onnx python3 scripts/tts_build.py

edge 引擎(自然、免费、有词级边界)在 Linux 上也能用,且不需要本地模型——它是调微软云端接口:TTS_ENGINE=edge VOICE=en-US-AndrewNeural python3 scripts/tts_build.py。

用法

在 Claude Code 或 Codex 里直接说要做什么,skill 会被触发:

讲一下向量数据库,做成一条讲解视频

Make me an explainer video about vector databases.

它会按 SKILL.md 的 9 个阶段走:

  1. 建项目:从模板复制出 Remotion 工程。
  2. 调研(1 个 agent):带出处的调研文档,含数字与比喻清单,每条带 URL。
  3. 解说词与时间轴:写文案,TTS 配音,按词边界生成帧级时间轴和字幕表。
  4. 分镜:每镜头一行,写帧区间、节拍、画面、动效、主角与光。
  5. 覆盖层与图元:片头、章节卡、HUD、流程轨,外加 2–5 个主题图标。
  6. 打样(1 个 agent):先做第一组镜头,渲 30 秒样片给你看风格。
  7. 并行构建:其余各组,每个 agent 5–7 个镜头,写纯函数 Remotion 组件。
  8. 渲染:整片渲染并跑量化帧指标。
  9. QC 与修复:每章一个 QC agent,按组派修复 agent,复验后写交付说明。

也可以手动跑模板:

template/scripts/new_project.sh ~/work/my-video myslug
cd ~/work/my-video
# 1. research/调研.md          2. script/narration.txt → python3 scripts/tts_build.py
# 3. script/storyboard_src.md → python3 scripts/render_storyboard.py     4. 改 src/config.ts
# 5. src/shots/G1..Gn          6. scripts/preview.sh 30(前 30 秒样片)
# 7. VER=v1 scripts/render.sh + python3 scripts/frame_metrics.py         8. QC → 修 → v2/v3

四个确认点

流程会在这四处停下来等你回话,不会闷头做完(细节见 SKILL.md):

  1. 时长与语言:写文案之前。时长决定句数、镜头数和并行 agent 数,也就决定内容能铺多丰富;语言决定 src/config.ts 的 lang,进而影响排版、字幕预算和默认音色。
  2. 解说词定稿:配音之前。定稿后帧号会被每个镜头硬编码,改一个字全片重对位,这是最便宜的干预点。
  3. 配音:跑 TTS 之前问一句你有没有偏好的 TTS;没有就用默认(中文 edge-tts 云希、英文 kokoro-82m Liam)。也可以直接给成品配音,自己按逐句时间轴填 timeline.ts。
  4. 前 30 秒样片:只建完第一个构建组就渲 30 秒给你看风格。在这里改一次是 1 个组的成本,整片渲完再改是全部组。

和其他工具的区别

工具类型 产出什么 anything2explainer 的不同
视频生成模型(Sora、Veo、可灵、即梦) 按提示词生成的画面 确定性代码而不是像素:画面上每个数字都能追溯到来源 URL,任何一帧都能通过改一个镜头文件修好
数字人 / 口播工具(HeyGen、Synthesia) 一个数字人读稿 没有主播;用 MG 图形把机制画出来,解说词驱动画面
直接手写 Remotion / Motion Canvas 一块可编程的视频画布 在画布之上给出整套方法:调研 → 解说词 → 分镜 → 并行构建 → QC,附风格规范、动效词表和一条可对标的样片
Manim Python 数学动画 agent 驱动的端到端流水线,字幕按 TTS 对齐,带章节与 QC;技术栈是 React / TypeScript 而不是 Python

常见问题

支持哪些 AI 编程 agent? 为 Claude Code 和 Codex 编写,也只在这两个上跑过。skill 本身就是 Markdown 加一个 Remotion 工程,任何能读 SKILL.md 式 skill 目录、能执行 shell 命令的 agent 理论上都能照着做。

需要 GPU 吗? 不需要。Remotion 用无头 Chromium 在 CPU 上渲染。中文默认配音 edge-tts 是调微软云端接口;英文默认 kokoro-82m 是 8200 万参数的小模型,本地 CPU 就能跑。

能用自己的声音或别的 TTS 吗? 可以。把成品音频放到 public/assets/<slug>/audio.wav,按 tts_build.py 文件头的格式手填 src/common/timeline.ts 和 subs.ts,后续流程不变。

能换视觉风格吗? 只做这一种风格,是有意为之,唯一的开关是幕底:src/config.ts 的 bg(默认 'dots' 点阵波,可选 'stars' 星点雾底)。其他要换就改 reference/style-guide.md 和 src/ui.tsx,镜头代码只用这些图元。

渲染结果可复现吗? 可以。所有动画都是帧号的纯函数,随机数带种子,文字排版靠计算而不测 DOM,重渲一遍帧完全一样。

能商用吗? 工具包本身是 PolyForm Noncommercial 许可:非商业使用免费,商业使用需事先获得作者授权。用它做出来的视频归你自己。见许可。

能做竖屏(9:16)吗? 目前不能。模板和全部安全区规则都按 1280×720 横屏设计。

支持哪些语言? 中文和英文。各有自己的语速模型、字幕预算与默认音色。两版成片都嵌在本页顶部;examples/rag/ 里的过程文件是中文版的。

仓库结构

SKILL.md                  流程主文档:9 个阶段、四个确认点、质量标尺
reference/                写给主会话与 agent 的规范
  style-guide.md            安全区、调色板、字体、图元目录、版式规律
  motion-vocabulary.md      入场/强调/光效/离场/运镜的公式与帧数
  composition-and-light.md  主体尺寸三档、光跟主角、高光时刻编排、量化判据
  narration-storyboard.md   解说词写法、配音参数、分镜令牌、镜头设计模式表
  research-brief.md         研究员 prompt 与事实规则
  agent-build-rules.md      构建 agent 协议
  agent-qc-rules.md         QC agent 协议
  prompts.md                研究/构建/QC/修复/复验/终检六种 prompt 模板
  lessons.md                三部片子踩过的坑与根因
template/                 可编译的 Remotion 4 项目(用 scripts/new_project.sh 复制)
  src/common/               雾底、星点、点阵波、glitch、缓动、字幕、进度条、实拍层
  src/ui.tsx  src/fx.tsx    图元与调色板 / 光效·纵深·运镜图元
  src/overlay/              片头、章节卡、HUD、流程轨、片尾
  scripts/                  配音、分镜、still、测渲、前 N 秒样片、整片渲染、量化质检
  public/fonts/             四款字体 + OFL 许可
examples/rag/             样片全套过程文件与成片帧
examples/contrast/        6 组正例/反例帧对照(构图与光的标尺)

致谢

视觉风格的灵感与标尺来自抖音创作者 @图灵宇宙 的科普视频——黑底、白线条配紫色重点、超粗黑体大字这套语言是从他的片子里学来的。本项目所有画面均由代码原创绘制,不使用其任何帧、素材或工程文件;如有不妥请开 issue 告知。

原创性

  • 画面全部代码绘制,不使用任何现有视频的帧或片段;可选的实拍 B-roll 只允许免版权来源,并要求登记 MANIFEST(sha256 / 来源 URL / 许可 / 用途)。
  • 事实有出处:画面上出现的每个数字、年份、机构、英文术语都必须能在该片的调研文档里找到来源 URL,没核实的不上画面也不进配音。

许可

工具包本身:PolyForm Noncommercial 1.0.0——非商业使用免费,商业使用需事先获得作者授权。用它做出来的视频归你自己。 模板内四款字体(Noto Sans SC / Orbitron / Exo 2 / Audiowide)按 SIL OFL 1.1 单独授权,版权与许可全文见 template/public/fonts/LICENSE.md。 Remotion 自身对公司用户另有授权要求,见 remotion.dev/license。

已知限制

  • 中英文都支持(lang: 'zh' | 'en'),各有自己的语速、字幕块预算(每块 16 字 / 48 字符)与默认音色。两版成片都嵌在上方;examples/rag/ 的过程文件是中文版的。只做这一种视觉风格,幕底二选一(bg: 'stars' | 'dots'),其他要换就改 reference/style-guide.md + src/ui.tsx。
  • 不适用:复刻某条现有视频、真人口播、以实拍为主的片子。
  • 解说词一旦配音定稿就不能改词(镜头代码里硬编码帧号),改词等于全片重对位。
  • 并行构建对机器有要求:多个 agent 同时跑 Remotion bundle,建议预留 ≥5GB 磁盘;tmux pane 有上限,超过 12 个要分波派。

Star History

Star History Chart