Vincentwei1021/anything2explainer

项目介绍

anything2explainer 是一个 Claude Code / Codex 技能：输入一个主题（或一篇文章）、时长和语言，输出 1280×720 的 H.264 讲解视频，带 TTS 配音、按词对齐的字幕、章节卡和底部章节进度条。所有画面都是用 Remotion 渲染的 React/TypeScript 组件，没有素材库影片，也不调用生成式视频模型；视觉是黑底上的白色线稿加紫色点缀，背景可选星空或点阵波纹 source:2。

仓库本身不是命令行工具，而是给 AI 编码智能体的一套完整方法：可编译的 Remotion 模板、图元与灯光库、配音/分镜/渲染/量化质检脚本、成文的风格与动效规范、多智能体分工协议，以及 examples/rag/ 下一条参考影片的完整过程材料（调研、旁白、分镜、每个镜头的源码和质检报告）source:31。

按 README 说明，一条片子大约需要 1 至 3 小时实际耗时，时间主要花在并行构建智能体逐个编写镜头组件上 source:16。

快速使用

准备 Node ≥18、ffmpeg、Python 3，以及 Claude Code 或 Codex。克隆仓库并软链接到智能体的技能目录：

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

然后在虚拟环境里安装 Python 工具（edge-tts 需要锁定版本，因为它依赖的微软接口会随升级变化）source:18：

python3 -m venv ~/.venvs/a2e && source ~/.venvs/a2e/bin/activate
pip install 'edge-tts==7.2.8' numpy pillow scipy
pip install kokoro soundfile && brew install espeak-ng   # 仅英文配音需要

在 Claude Code 或 Codex 里直接用自然语言提需求，例如「讲一下向量数据库，做成一条讲解视频」。技能会依次执行九个阶段：搭建脚手架、调研、旁白与 TTS 时间轴、分镜、叠加层与图标、先做一组镜头并渲染 30 秒给用户看效果、并行构建其余镜头、整片渲染并计算帧指标、质检与修复 source:25。

也可以手动驱动模板，先建项目，再按编号步骤操作：

template/scripts/new_project.sh ~/work/my-video myslug
cd ~/work/my-video
python3 scripts/tts_build.py
python3 scripts/render_storyboard.py
scripts/preview.sh 30
VER=v1 scripts/render.sh
python3 scripts/frame_metrics.py

README 的对应步骤里列出了各阶段需要准备的文件（调研文档、script/narration.txt、分镜源文件、src/config.ts），按顺序填入即可 source:26。

检查点与控制

流程会在四个点停下来等用户确认：写脚本前确定时长和语言；配音前确认旁白；合成前选择 TTS 引擎；完整构建前先看前 30 秒效果 source:27。时长要一次定好，因为它决定台词行数、镜头数和并行智能体数量；旁白一旦配音，镜头代码就写死了帧号，改一个词就要重排整条时间轴。

默认中文用 edge-tts 的 zh-CN-YunxiNeural，英文用 kokoro-82m 的 am_liam。也可以自带 TTS 或成品音频，放到 public/assets/<slug>/audio.wav 并手工填写时间轴和字幕文件 source:29。

使用约束

• 平台：脚本基于 zsh 和 Python 3，在 macOS 上开发和验证；预期 Linux 可用，Windows 未测试 source:21。树莓派 5（ARM64）经过验证，但需要通过 REMOTION_BROWSER_EXECUTABLE 指向系统 Chromium source:22。
• 不需要 GPU，Remotion 通过无头 Chromium 在 CPU 上渲染。
• 只输出 1280×720 横屏，不支持 9:16 竖屏；只支持中文和英文，两种语言各有自己的节奏模型和字幕预算 source:39。
• 只有一种视觉风格、两种背景（bg: 'stars' | 'dots'）；想改其他部分需要编辑风格规范和 src/ui.tsx。
• 并行构建至少需要 5 GB 空闲磁盘；tmux 面板数量有上限，超过约 12 个就要分批派发。
• 工具包采用 PolyForm Noncommercial 1.0.0：非商业使用免费，商业使用需作者事先授权，用工具做出的视频归你所有 source:35。内置字体采用 SIL OFL 1.1 source:37，Remotion 本身对公司另有许可条款 source:38。

HotRepo 点评

这个仓库没有 HotRepo 的榜单记录、Star 采样或 Hacker News 讨论，因此没有热度走势或讨论内容可以评价。材料里值得注意的技术事实是固定风格体系与生成内容之间的分工：每个动画都是帧号的纯函数并带种子随机数，所以重复渲染结果一致；但镜头代码写死帧号，旁白后改会波及所有镜头 source:29。因此四个检查点才是真正的控制手段，而前 30 秒审片是调整风格成本最低的时机。