Vincentwei1021/video-talkcraft

video-talkcraft [](https://vincentwei1021.github.io/video-talkcraft/) [](LICENSE) [](assets/wechat-group.jpg) 口播视频的 agent skill：字级配音同步 · 108 张动效配方卡 · 七层反 PPT 镜头系统 · 三重验收 中文 | English video-talkcraft 是 video-shotcraft 系列的口播视频篇：一个把 Claude Code / Codex 变成口播视频动效工作室的 AI agent skill。 给它一份口播稿和一条成品配音，它在本机对齐字级时间戳、把每个语义拍写进 SHOTBOOK 分镜，然后用 Remotion 渲出高质量的解说成片——动态字卡、 证据截图、运镜、素排字幕、影视级音效，全部锁在人声上。 🖼️ 在线画廊：108 张动效预览一页全览 » [](https://vincentwei1021.github.io/video-talkcraft/) 所有口播工程的 remotion/nodemodules 与 workbench/nodemodules 都软链到 runtime/nodemodules，版本只在 runtime/package.json 钉一处（@remotion/ 全家同号）。 2026-09-11 2026-09-09 2026-09-07 2026-09-05 2026-09-04 2026-09-02 schema 属性面板 + 实时预览 + 一键「导出成片」。108 张动效卡 100% 参数化（文案 / 颜色 / 字号 / 位置可调， 节奏命门固定不暴露）；口播成片可一键拆成字幕 / 转场 / 环境 / 数字人 / 镜头 / 配音 / 音效七类多轨单元逐项微调。 skill 交付成片后会主动打开它。→ 图文指南 workbench/GUIDE.md 拼装 + 整条音轨混入 + 帧数断言；改一个镜头只重渲该段±邻段。scripts/renderstills.mjs 一次 bundle 批量出静帧。 "burst": true 的状态切换锚点抽（曾占评审材料 2/3）。 替代旧的"循环到全过"。 （默认 FireRedASR2-CTC int8，备选 faster-whisper 免手动下载）。110s 中英混合口播 对照 GPU 强制对齐器实测：字级偏差中位 20–40ms、最差 200ms、质检零误报。 每个动效节拍都锚在确切的字上。 在线画廊一页全览 （本地 open gallery/index.html 同款）。动态字卡、数据镜头、证据巡游、 六式运动承接转场、长镜头世界画布、人物合成等。 （2026-09-04 起做减法：不再要求主体 idle 与环境呼吸）。 静止帧在结构上不可能出现（漏网的也会被自动检测抓住）。 用真实检测（scripts/facebbox.py）量出来的人脸安全区，不靠目测。 纯音效轨逐 cue 能量验证、带动效锚点帧与评审拼图的独立评审。 最直接的方式：把仓库链接丢给你的 agent。 在 Claude Code / Codex 里直接说： 或用 skills CLI / 手动安装： 环境（agent 会按需自行配置）： 然后这样下需求： 默认仍是「成品配音 + 本机 CPU…