动画视频制作skill

Other

根据文本、脚本或 Markdown 生成结构化讲解动画视频，使用 Web 页面制作和预览 AE / PR 风格的动效。必须严格根据解说文本规划合理的动画播放与切换时间，先生成预览，只有在用户明确确认后才导出 mp4。适用于知识讲解、产品介绍、口播配套动画、字幕强化、步骤演示和数据解说视频。

Install

openclaw skills install motion-video-skill

Motion Video Maker

本技能用于构建结构化讲解动画视频，而不是让 AI 直接输出一份不可维护的随意 HTML。

核心工作流是：

用户输入 -> 拆分分镜与讲述节奏 -> 按解说文本同步 timing -> 生成 movie.json -> Web 预览 -> 自然语言编辑 -> 用户确认 -> 导出 mp4

ClawHub 版本说明

发布包默认不包含 node_modules、Chromium 浏览器二进制和历史导出产物。
首次使用先进入 {baseDir} 安装依赖；只有在需要导出 mp4 时才安装 Playwright 浏览器。
导出 mp4 还需要系统里有 ffmpeg；仅做预览和结构编辑时不依赖它。

cd {baseDir}
npm install
npx playwright install chromium

云端 TTS 需要用户自行配置 API key；未配置时可只做 preview，或使用 system fallback。

何时使用

用户要把一段文字、脚本或 Markdown 做成讲解型动画视频
用户要做类似 AE / PR 风格的口播辅助动效、字幕强化或知识讲解卡片
用户想先在 Web 页面里预览动效，再导出成视频
用户希望后续能继续改文案、调整节奏、换模板，而不是每次重做页面

核心原则

movie.json 是唯一事实来源，不能只改最终 HTML
一段视频先拆成多个 scene，每个 scene 只负责一个讲述重点
动效优先服务“讲解清晰度”，不是无目的堆特效
文本语义要先映射成合适的版式与动画模板，再生成具体元素
scene.durationMs、元素入场时间和分步出现节奏必须优先根据 scene.narration 推导，不能凭感觉平均分配
配置引导要先收窄再确认：先帮助用户选内容结构和视觉方向，再进入 TTS 与导出
在用户没有明确说“确认导出”“可以导出视频”之前，只允许生成和修改预览，不允许自动导出视频
如果用户要接入语音，必须先确认 TTS provider、voice、language、speed 和 fallback，不能默认假设
音色必须由用户明确点名确认；如果用户还没选定 voice，只能停留在 pending，不能直接开始合成
如果用户没有明确说“你来定”，不要擅自替用户选模板、主题或音色
本技能的本机 TTS 兜底必须同时兼容 macOS 和 Windows
优先产出稳定可编辑的讲解视频，再逐步扩展更复杂的 AE 风格动效

目录导航

references/movie-schema.md 定义 movie.json 的结构、scene 与 element 字段。
references/animation-rules.md 定义“文本内容 -> 讲解动画”的映射规则。
scripts/sync_timings.js 按 scene.narration 自动同步场景时长和动画开始时间。
references/template-catalog.md 定义当前可选模板、主题配色、适用场景与 UI 风格。
references/tts-catalog.md 定义当前支持的 TTS provider、确认要求和兜底规则。
references/prompt-patterns.md 定义从原始文本生成分镜、scene 和节奏的提示模式。
scripts/init_project.js 创建新的独立项目目录与 starter movie.json。
scripts/validate_movie.js 校验 movie.json 是否满足最小结构要求。
scripts/render_preview.js 根据 movie.json 生成可播放的 preview.html。
scripts/export_video.js 用浏览器逐帧截图并调用 ffmpeg 导出 .mp4，必须显式确认。
scripts/build_project.js 一键完成 timing 同步、校验、预览生成；只有显式确认后才导出视频。
scripts/list_catalog.js 列出可用模板、主题与 TTS provider。
scripts/configure_tts.js 先把 TTS provider、language、speed 和 fallback 写入 movie.json，并保持 pending。
scripts/confirm_tts.js 在用户明确选定 voice 后，把 voice 写入 movie.json，并把状态切到 confirmed。
scripts/synthesize_voice.js 生成逐 scene 音频。当前支持 MiniMax 和本机朗读兜底；本机兜底兼容 macOS 与 Windows。
assets/themes/*.json 定义主题颜色、字体、背景与高亮色。
assets/templates/*.json 定义预设模板的 UI 风格、舞台样式和推荐主题。
samples/example-movie.json 示例动画工程。

命令示例

在本技能目录下运行：

cd {baseDir}
npm install
npx playwright install chromium
node scripts/list_catalog.js
node scripts/init_project.js demo-video "AI 剪辑讲解" --template creator-pop
node scripts/sync_timings.js samples/example-movie.json
node scripts/configure_tts.js projects/demo-video --provider minimax --language zh-CN --speed 1.0 --fallback system
node scripts/list_tts_voices.js minimax
node scripts/confirm_tts.js projects/demo-video --voice "Chinese (Mandarin)_Reliable_Executive" --provider minimax --language zh-CN --speed 1.0 --fallback system
node scripts/synthesize_voice.js projects/demo-video
node scripts/validate_movie.js samples/example-movie.json
node scripts/render_preview.js samples/example-movie.json outputs/example-preview.html
node scripts/export_video.js samples/example-movie.json outputs/example.mp4 --confirm
node scripts/build_project.js projects/demo-video
node scripts/build_project.js projects/demo-video --export --confirm-export

结构化生成要求

每个 scene 必须有稳定的 id
每个 element 必须有稳定的 id
scene.narration 不能为空或应能从当前元素文本推导
scene.durationMs 要真实反映讲解节奏，并且优先根据解说文本自动同步
所有元素必须显式给出 x, y, w, h
预览画布固定为 1280 x 720
动效统一写在元素的 animation 字段里
同一 scene 内不宜同时出现过多入场动画，优先控制信息密度
如需完全手动控制 timing，必须把 scene.timingMode 设为 manual
如需接入语音，audio.confirmationStatus 在用户确认前必须保持 pending

文本到动画的默认映射

金句 / 定义句：大标题 + 强调副标题 + fade-up
步骤说明：标题 + 列表分步出现 + itemStaggerMs
对比内容：左右分栏 + slide-left / slide-right
数据结论：大数字或结论卡片 + pop
总结 / 行动号召：收束标题 + 标语 + fade / pop

Timing 规则

默认以 scene.narration 作为 timing 真相来源
单个 scene 的总时长必须覆盖该段解说的朗读时长，并留出开场和收尾缓冲
标题通常先于正文出现，正文和 bullet 要跟着语义停顿逐步展开
列表项的 itemStaggerMs 要根据解说内容长度自动调整，不能固定套用同一个值
如果某段 narration 太长，优先拆分 scene，而不是强行压缩动画

编辑要求

当用户说“第二段太长”“第三个要点出现快一点”“把结论页更像 AE 的 kinetic typography”时：

先定位 scene
再定位对应 element
修改 movie.json
重新生成预览
不要直接只改 preview.html

配置引导顺序

当用户还没把配置说全时，优先按这个顺序引导，不要一次把所有问题都堆给用户：

先确认内容目标：这条视频是在讲产品、教程、步骤、案例，还是观点总结。
再确认视觉方向：优先给 2 到 4 个模板选项，并说明推荐理由。
theme 默认跟模板走；只有用户明确说“换配色”“更亮一点”“更像品牌视觉”时，才展开 theme。
narration 与 timing 优先根据文本自动生成，不把它当成需要用户手调的首轮配置。
如果用户要配音，先确认 provider、language、speed、fallback。
然后列出当前 provider 的可用 voice，让用户点名选择。
最后再问是否导出视频；未确认导出前只给 preview。

建议用“推荐项 + 2 到 3 个备选”的方式提问，而不是开放式追问。只有当用户明确说“你来定”时，才可以直接使用推荐模板和其默认 theme。

视觉配置引导

模板是主风格选择，theme 是细化配色和气质的次级选择
用户没提视觉风格时，必须至少给出一个推荐模板，并说明为什么适合当前内容
如果用户只是说“做一个介绍视频”，优先推荐 signal-stage
如果用户强调教程拆解、案例复盘，优先推荐 editorial-board
如果用户强调短视频感、字幕冲击力、社媒节奏，优先推荐 creator-pop
如果用户强调极简、理性、访谈摘要，优先推荐 mono-frame
如果用户说“你定”，可以直接采用推荐模板和默认 theme，但要在回复里说清楚你替他采用了什么

TTS 确认要求

当用户说“接语音”“配音”“上 TTS”时，必须先停下来确认
必须确认：provider、voice、language、speed、fallbackProvider
可选 provider：microsoft-azure、openai、minimax、doubao、system
如果用户没有指定，必须先问，不能擅自选定
如果用户还没选中 voice，必须先展示可选音色，再等用户点名确认
如果用户选择的是当前还未接好适配器的 provider，必须明确告知“现在只能做配置或回退到 system，不能假装已经原生接通”
默认推荐保留 system 作为 fallback
system fallback 在 macOS 使用 say，在 Windows 使用 PowerShell + System.Speech

导出确认要求

默认只构建预览，不自动导出视频
只有用户明确表达“确认导出”“可以导出视频”“开始导出”这类意思后，才允许使用导出命令
如果用户还在看预览、改文案或调 timing，严禁提前导出

导出说明

预览层由 Web 页面实时渲染
导出层通过浏览器逐帧截图 + ffmpeg 合成 .mp4
当前 MVP 重点支持无音轨讲解动画；后续可扩展旁白、BGM 和字幕烧录