国哥来了·开源工具手记2026.08.19
一段普通口播，如何变成动画视频？
我把完整方法开源了：从内容理解、人物避让到横竖屏交付。
AGENT SKILL
拍完口播只是开始，真正费时间的是后面的包装与返工。
开源 Agent Skill动画视频总控
EDITOR'S NOTE
开场
拍完一条口播，往往只是开始。真正耗时间的，是后面的字幕、配图、截图、动画、图表、横竖屏适配，以及一遍又一遍的检查和返工。
如果是一个人做，要在文案、拍摄、剪辑、找素材、做动画之间来回切换；如果交给助理，又需要把自己的判断拆成很多步骤。真正麻烦的，常常不是缺某个工具，而是没有一个角色把所有工具和步骤统筹起来。
这段时间，我把自己实际测试的一套流程整理成了一个开源 Agent Skill：animated-video-workflow，中文可以叫它“动画视频总控”。
它不是一个新的剪辑软件，也不是只能替换文字和图片的固定模板。它更像是装在 Codex 或其他 Agent 里的视频制作总控流程：先理解内容，再安排人物、动画和素材，先做试片，确认后再完成全片。
现在，我把它放到了 GitHub，采用 MIT 许可证开源。
**你可以从中拿到三样东西：**公开的源码、一套可复用的视频制作流程，以及可以直接复制给 Agent 的安装和使用提示词。
动画视频总控 Skill 总览图
01
PART
先别讲功能，先看同一条视频的前后变化
同一段声音·同一段内容·相同总时长
为了验证这套流程，我用一段 52.23 秒的《纳瓦尔宝典》真人口播做了完整测试。
包装前后使用的是同一段声音、同一段内容和相同总时长，区别主要来自画面的重新组织。
包装前
信息主要依靠语言表达
vs
包装后
真人信任感与视觉解释并存
CASE A
包装前：原始真人口播
ORIGINAL · 52.23 秒
原片我只是让ai给我随便出一个书单推荐的短视频文案，我就直接OBS录制保存，其他啥也没做。画面以真人口播为主，视觉上可以看下面视频，没有任何信息，都是黑屏。
包装前原始真人口播，52.23 秒
CASE B
包装后：动画包装成片
ANIMATED · 52.23 秒
包装后保留了真人带来的信任感，同时在重点段落加入标题动画、人物素材、书封和信息图表。动画区域会根据人物位置安排，让内容更容易被看懂和记住，其实这是第一版的效果，我就直接保存了，后面优化低版本是把整个特效往左移动了一些，但是我不想等她再包装一遍，就没有生成，不过现在看，已经很厉害了，一次性输出，一刀未动。
包装后完整动画成片，52.23 秒
这次处理并不是给视频套一个固定模板，而是依次完成了内容分析、人物位置判断、分镜规划、素材组织、代表性试片、全片渲染和成片检查。
画面的作用也不是单纯“显得更炫”，而是在需要解释和强调的地方切入视觉内容，帮助观众更快抓住重点。
案例中的 纳瓦尔人物图采用 CC BY 3.0 许可并保留署名；书封画面仅用于本次演示，正式公开或商业发布前仍需确认相应使用权限。
02
PART
为什么需要一个“动画视频总控”
工具越多，越需要统一的判断顺序
口播包装不是“加一点动画”，而是一连串相互影响的判断：哪里保留真人、动画如何避开人物、缺少素材时先搜索还是生成、横竖屏如何分别构图，以及什么时候先看试片。
**如果这些判断没有顺序，工具越多，流程反而越乱。**这个 Skill 的价值，是把它们变成一套可以检查、确认和复用的工作流。
03
PART
它具体怎么工作
从输入检查到双画幅交付
检查输入与时间轴：
支持真人视频、配音、SRT 和文稿；只有明确要求时才先粗剪。
分析人物与安全区：
按镜头采样人物活动范围，为字幕、动画和图表安排位置。
编排视觉素材：
先用用户素材，再搜索图片、视频或网页截图，仍缺失时才生成，并登记外部来源。
选择制作引擎：
根据项目和本机能力，在原视频、HyperFrames、Remotion 与 FFmpeg 之间选择。
适配横竖屏：
共享内容和时间轴，分别设计 16:9 与 9:16 构图，不做简单居中裁切。
输入素材、制作能力与交付物示意图
04
PART
使用者最后能获得什么
方案·试片·成片·来源与质检记录
一套典型项目可以交付：
-
动画分镜与素材方案
-
2～3 个代表性试片
-
16:9 横屏成片
-
9:16 竖屏成片
-
外部素材来源记录
-
版权待审核清单
-
渲染与质检结果
它适合口播知识内容、课程讲解和商业 IP，也方便个人、助理、团队或工作室按统一流程执行和验收。
从素材检查到横竖屏交付的流程图
05
PART
不会编程，怎么安装
把仓库链接直接交给 Agent
最简单的方式，不是自己下载文件，也不是打开终端敲命令，而是把仓库链接直接交给你的 Agent。
打开 Codex、Claude Code、Cursor、OpenCode，或者其他能够安装 Agent Skill 的工具，把下面整段发给它：
prompt
请帮我安装这个 Agent Skill，并在安装后验证它是否可用：
安装过程中，Agent 可能会询问是否允许访问网络、下载公开仓库、写入 Skills 目录或安装必要依赖。确认这是你刚刚发起的操作后，再点击允许。
正常安装这个公开仓库，不需要把 GitHub 密码、Token 或验证码交给任何人。
一句话安装步骤图
06
PART
第一次使用，我更建议半自动
先看方案·再看试片·最后渲染全片
安装完成后，把真人视频、音频、SRT 或文稿交给 Agent，再发送：
prompt
请使用 animated-video-workflow 处理我提供的素材。
使用半自动模式：
1. 先检查素材并告诉我是否缺少必要文件；
2. 先识别人脸和人物活动范围，不要让字幕、动画和图表遮挡人物；
3. 先输出分镜和素材方案，等我确认；
4. 先制作 2～3 段代表性试片，等我确认；
5. 确认后再渲染全片；
6. 同时输出 16:9 横屏版和 9:16 竖屏版；
7. 不要覆盖我的原始素材。
我不建议第一次使用时一上来就渲染完整视频。
**先看分镜，再看 2～3 个有代表性的片段。**人物有没有被挡住、字幕是否清楚、素材是否准确、节奏是否合适，这些问题在试片阶段解决，返工成本最低。
等风格和模板稳定后，再切换到全自动模式处理相似内容。
07
PART
开源不等于没有使用边界
源码开放，但依赖与素材仍有各自规则
这套 Skill 的源码采用 MIT 许可证开源，但它调用的模型、渲染工具、搜索服务和外部素材，仍然可能有各自的费用、许可和使用规则。
当前的人物跟踪属于“镜头级采样检测”，主要用于让动画避开常见口播人物，并不是逐帧抠像。低置信度、多人画面和未知构图，仍然应该人工确认。
本机通常需要 Python 3.10 以上、FFmpeg 和 ffprobe；人物检测会用到 OpenCV。HyperFrames 和 Remotion 是可选引擎，不是每台电脑都必须安装。依赖不齐时，可以让 Agent 自动检查和补齐，但它可能会要求你确认系统权限。
我更愿意把它看成一个持续迭代的开源起点，而不是一个已经解决所有视频问题的“万能按钮”。
///
END
写在最后
FROM CHAT TO WORK
说实话，我做这个 Skill，不是为了再造一个看起来很厉害的“万能按钮”。我只是想把那些拍完视频以后，最磨人、最靠经验、也最容易反复返工的事情，一点点交给 Agent。
当一个小白只需要给出素材、说清楚自己想要什么，剩下的识别人、找素材、做试片和适配横竖屏，都能被一套流程接住，AI 才算真正从“会聊天”走到了“能干活”。
想试的话，直接把这篇文章丢给你的 Codex 或其他 Agent，让它安装文中的 Skill 并验证是否可用。你不用研究命令，下载、安装和检查都交给它。
我是国哥，持续分享 AI 工具、内容生产和可以真正落地的自动化实践。
如果这篇内容对你有用，欢迎点赞、在看、转发三连。你们的支持，会让我继续分享更多能直接拿来用的 AI 工具和工作流。
赞
在看
转发
THANKS FOR READING
