字级配音同步、七层反PPT镜头系统、三重验收自动返工，把Claude Code/Codex变成口播视频动效工作室
这是什么
video-talkcraft 是一个开源 agent skill（Claude Code / Codex 技能包），专治"口播解说视频"：你给它一份口播稿 + 一条成品配音（任何 TTS 或真人录音），它自动完成从字级时间戳对齐、分镜设计、动效实现到渲染验收的完整闭环，产出可直接发布的解说成片。
不是剪辑软件，不是模板站——是让你的 AI agent 变成一个懂动效设计的视频工作室。
为什么值得发：闭环才是重点
市面上 AI 视频工具大多只管"生成画面"，剪映模板只管"套壳"。这个 skill 的差异化在于全流程都在 agent 手里闭环：
- 字级配音同步：口播稿对齐到音频（FireRedASR2-CTC / faster-whisper 双后端，CPU 可跑），字级偏差中位 20–40ms——每个动效节拍都锚在确切的字上，不是大概齐
- SHOTBOOK 语义分镜：按语义拍拆分镜，带层矩阵和排版预算
- 78 张动效配方卡：每张卡有意图、参数、已知坑、可直接复制的自包含 Remotion tsx 源码 + 可跑 HTML 预览，在线画廊一页全览
- 七层反 PPT 系统：连续相机曲线、视差平面、让位生命周期、呼吸环境层——静止帧在结构上不可能出现，漏网的也会被自动检测抓住（做出口播视频最忌讳的"PPT 感"从机制上杜绝）
- 三重验收：自动静止检测、音效逐 cue 能量验证、锚点帧 + 连拍三帧组独立评审——专抓单帧看不见的时域缺陷，不过关自动返工
怎么用
最简单的方式——把仓库链接直接丢给你的 agent：
帮我安装这个 skill：https://github.com/Vincentwei1021/video-talkcraft
然后说：用 video-talkcraft 把这份口播稿 + voiceover.wav 做成视频。
环境要求：Node 18+（Remotion 渲染）、Python 3.10+、ffmpeg，agent 会按需自行配置。
适合谁
- 做知识科普、产品评测、新闻解读、观点锐评类口播/解说横屏视频的创作者
- 已经有 TTS 或真人配音，想把"稿→成片"这一步全自动化的人
- 中文口播优先设计，中英混排完全支持
- 可选支持人物出镜（抠像 + 人脸安全区检测工具已含）
许可注意
PolyForm Noncommercial 1.0.0——个人、教育、研究免费；用它做出的视频归你所有；但工具本身商用需联系作者授权（vincentwei1021@gmail.com）。不是 Apache/MIT，商用前先发邮件。
链接
暂无评论