threerocks/sweety-handdraw-video

这是一个需要 Agent、生图工具和本地运行环境的制作流程，不是一键出片；先接受要反复检查与改稿，再考虑安装。

解决什么问题

想做一条手绘讲解视频：画面里一只手边画边写，旁边有人把内容讲清楚。通常的做法是在一个工具里写稿，在另一个工具里出插画，再手动画或做动画，录完旁白后到剪辑软件里一点点对齐，最难的一步往往是让每一笔落下的时间和字幕停留的时间对上真实语音。这个项目把口播、画面、时间戳和渲染放在同一条流程里，改字幕或改布局时可以复用没变的图和声音重新渲染，而不用整条重做。

有什么不同

它的核心做法是「先算预算再出图」：根据旁白算出每幅画能画几秒、最多几笔，再按这个预算设计画面，而不是先生成再压缩时间硬塞。口播按语义段落生成，每段过嗡声、底噪、削波检查，拼接后按时间戳安排画面和字幕。绘制过程模拟人：墨线平涂风格整笔描线、先轮廓后细节、有抬笔移动；马克笔来回涂色；GB2312 范围内的汉字按标准笔顺逐笔书写。

因此结果更像是可定位修改的工程文件：脚本、素材、声音、时间戳和检查记录都留着，只改字幕、笔杆文字或布局时不必重新生图。代价是它是工作流而不是按钮：需要 Agent 理解内容并设计分镜，需要生图工具提供插画，还需要本地的 Python / Pillow / SciPy / FFmpeg。验证范围也窄：完整成片实测来自 Apple Silicon Mac + Codex；Claude Code 只验证了安装和本地脚本，整片流程待实测；Windows 暂不承诺。样片和安装细节见仓库 安装与环境 与 精选样片。

谁值得试

适合已经在 Mac 上有 Agent 宿主和生图能力、愿意逐条检查成片的内容作者，尤其是会反复改文案、字幕或节奏的教学、产品原理和故事类视频。修改一句话只重新生成文字变了的段落，这种改稿方式对系列内容很友好。不适合想要无人审核批量出片的人：作者明确说仍可能出现角色、剧情或音色漂移，每条都要检查。Windows 用户不应从这里开始；没有本地 TTS 条件的人可以用现成的整篇旁白加时间戳做离线编排。

使用条件与边界

安装包约 38 MB，手部、画风预览和试听可离线使用；但安装脚本会在 Skill 目录之外建 Python 虚拟环境，并通过 Homebrew 或 apt 装 FFmpeg。音色和配音后端要分开选：本地 VoxCPM2 适配器需要 Apple Silicon，并下载约 3.2 GB 模型；VoiceStudio 本机服务需要已配置的 TTS 引擎；可选的火山豆包 / Gemini TTS 只做了模拟 HTTP 测试，仓库并未真实调用。更新不会自动发生，替换完整 Skill 目录后要按包内 VERSION 核对版本。日常还要靠耳朵验收声音（不加背景音乐不等于旁白干净），发布时也要按平台规则自行声明 AI 生成，文件里的隐式标识不能替代这一步。耗时和费用并不固定，作者说的「差不多 10 分钟」和「不到 1% 额度」是特定账号的自述。

HotRepo 点评

HotRepo 从 2026-10-24 开始记录这个仓库，2026-10-25 在 JavaScript 新项目榜上看到 842 总 star、#14（这是新项目榜、且是语言筛选后的样本，不是总榜，也不是单日新增）。可比的每日榜历史只有两天，无法判断热度能否持续。决定动手前，先确认你的 Agent 宿主加生图工具能否通过 doctor 对执行、生图、字体和配音能力的检查；支持组合可参考 常见问题。