derek-zhuolin/motion-skill

选用指南

AI 根据 README 整理 · 2026/10/27 13:11:55

目标用户

面向不想出镜的创作者、有产品想法的设计师与开发者，以及习惯先说再写的人。

查看 README 依据

本 reference 在 **Codex + GPT-6.1 Sol** 中完成（模型名称按作者提供的标注），本地 Whisper 负责转写，Remotion 负责画面渲染。作者参与了视觉方向、实拍补充、ending 与字幕的反馈。它是一个真实迭代案例，不是“一条 prompt 保证任意音频全自动成片”的能力承诺。 ## 适合谁 你可能有很多想法，也愿意分享自己的观察，却总卡在“要不要露脸、怎么拍、怎么剪”这一步。可以先拿手机把话说出来，再让 Codex 配合 Motion Skill 把声音组织成画面。 - **不想出镜的创作者**：用自己的声音分享观点、知识或生活观察。 - **有产品想法的设计师、开发者与独立创作者**：用流程动效、真实截图或实拍解释一个问题与解决方式。 - **习惯先说再写的人**：把一段核对过的语音整理成可观看、可继续修改的视频。 你负责内容、判断与最终确认，Agent 协助编排和实现。无需拍摄自己的脸；已有录音是最直接的起点。**不出镜不等于匿名**，声音及讲述内容仍可能识别身份；公开前请确认发布范围。 只看效果可以直接下载视频；制作自己的片子需要 Codex 或其他能读写工程、运行命令的 Agent，以及下方列出的本地环境。 ## 不录音也能做；声音按需要选择

使用方式

作为 Skill 安装到 Agent 可读取的目录，通过提示词调用，也需运行 npm 脚本进行构建与预览。

查看 README 依据

输出在 `examples/voice-to-video/outputs/`。如浏览器未找到，设置 `REMOTION_BROWSER_EXECUTABLE` 为本机 Chrome/Chromium 的路径。首次浏览器渲染仍受平台、字体和资源可用性影响。 ## 安装 Skill，制作自己的片子 将整个仓库放到你的 Agent 可读取的 Skill 目录，保持文件结构，显式调用 `/motion-video` 或 `$motion-video`。Codex 的常见安装位置是 `~/.codex/skills/motion-video`；也可以从任何本地目录读取 `SKILL.md`。此步骤不修改 Agent 的全局配置。 ```sh python3 scripts/motion.py doctor --deps "$PWD/node_modules" python3 scripts/motion.py new --dest /tmp/my-motion-film --deps "$PWD/node_modules" ```

| 历史组合 | 目录保留历史组合记录；当前研究 UI 不开放它们，不计入可用模板数 | ## 运行 reference 准备 Node.js 22+、Python 3、FFmpeg 与已有 Chrome/Chromium。没有内置 ASR、模型、密钥或浏览器下载器。 ```sh npm ci --ignore-scripts python3 scripts/prepare-reference.py --fetch-stock npm run check npm run build npm run verify:frames npm run preview ``` 打开 `http://127.0.0.1:4341/` 查看可编辑时间轴；`/studies.html` 浏览机制。`--fetch-stock` 会从已署名的 Unsplash / Pixabay 来源下载素材，并准备静音 B-roll。下载文件只留在本机，不进 Git。原始录音未分发；参考工程从已公开、已获发布授权的示范片提取配音副本。 导出： ```sh npm run render ```

部署要求

需要 Node.js 22+、Python 3 和 FFmpeg，以及本机 Chrome/Chromium；本技能不内置 ASR、模型或浏览器下载器。

查看 README 依据

| 历史组合 | 目录保留历史组合记录；当前研究 UI 不开放它们，不计入可用模板数 | ## 运行 reference 准备 Node.js 22+、Python 3、FFmpeg 与已有 Chrome/Chromium。没有内置 ASR、模型、密钥或浏览器下载器。 ```sh npm ci --ignore-scripts python3 scripts/prepare-reference.py --fetch-stock npm run check npm run build npm run verify:frames npm run preview ``` 打开 `http://127.0.0.1:4341/` 查看可编辑时间轴；`/studies.html` 浏览机制。`--fetch-stock` 会从已署名的 Unsplash / Pixabay 来源下载素材，并准备静音 B-roll。下载文件只留在本机，不进 Git。原始录音未分发；参考工程从已公开、已获发布授权的示范片提取配音副本。 导出： ```sh npm run render ```

已知限制

当前为 Beta 内测版，默认 16:9，其他画幅需调整工程；不自动添加音效或背景音乐；实拍素材需自行获取或指示 Codex 搜索，且需核对转写内容。

查看 README 依据

录音不是必填项。已有 `script` 文稿模式可按文案、目标时长与阅读预算编排文字、图形、流程和片尾；没有音源时输出静音画面。`example` 是另一个模式，用于明确标注的结构演示，不代表完成了你的内容。 | 内容选择 | 当前工程的实际状态 | |---|---| | 只有文案，不录音 | 支持 `script` 模式，需 Agent 编排镜头与布局 | | 录音＋动效 | 支持 `voice` 模式，原声1×，默认要求同步字幕 | | 动效音效（点击、滑动、落定等） | 可作为制作要求；当前无内置音效库、独立开关或自动配音效管线，需另行接入有权使用的音源与时间轴 | | 背景音乐 | 可作为制作要求；需另行选曲、确认许可并混音，当前不自动添加 | **不录口播 ≠ 必须无声，录了口播 ≠ 不能加音效。** 口播、动效音效、背景音乐是三个可分别选择的声音层。当前默认不自动添加音效或音乐；有需要请在提示词中明确，实际工程仍需实现与听检。 本次48秒reference只接入口播，实拍视频静音，没有额外添加音效或背景音乐。播放器的“原声开/关”只控制口播，不是音效选择器；首页GIF本身也不含声音。详见[声音说明](docs/AUDIO.md)。 ## 效果与工程索引

## 画幅：默认16:9，需要时在提示词里指定 **不写比例时，默认横屏16:9。** 需要其他画幅时，在提示词中明确写出目标比例；也可以同时给出成片像素尺寸。 | 提示词中的要求 | 示例成片尺寸 | 排版方向 | |---|---|---| | 未指定比例，或“使用16:9横屏” | 1920×1080 | 横向展开 | | “改成9:16竖屏” | 1080×1920 | 标题、画面与字幕上下重排 | | “改成3:4竖版” | 1080×1440 | 收紧纵向留白，保留独立字幕区 | 可直接追加： > 这条改成 **9:16竖屏，1080×1920**。请按竖屏重新排标题、实拍、动效、字幕和ending，保留原声1×。 或： > 这条改成 **3:4竖版，1080×1440**，按这个比例重新组织构图与字幕安全区。 当前通用运行模板仍固定为16:9；9:16、3:4等是交给Codex的目标画幅要求，需要相应调整工程与布局后验证，不是只改比例数字就自动适配的现成开关。其他比例也请写清宽:高，必要时给出像素尺寸。详见[画幅与版式](docs/CUSTOMIZATION.md#字幕与画幅)。 ## 没有实拍素材，也可以让 Codex 找 可以在提示词里直接说：

第二条先生成明确标注的**静音结构示例**。真实口播需要已核对的 transcript、story 和字幕数据，再带 `--media`、`--story`、`--transcript`、可选 `--captions` 创建新工程。见 [GETTING_STARTED](docs/GETTING_STARTED.md)。 ## 换成你喜欢的配色 欢迎改成自己的视觉语言： - reference：`examples/voice-to-video/src/theme.json` - 新片模板：`story.json → brand.blue / brand.ink / brand.paper` - 96 项研究的主要配色：`assets/runtime/src/studies/palette.json` 仓库附蓝、紫、珊瑚三组起点；材质高光、灰阶和第三方实拍不会被一键自动重着色。配置示例、适用范围和对比度检查见 [CUSTOMIZATION](docs/CUSTOMIZATION.md)。 ## 使用时注意 1. **先核对转写。** 专有名词、口误、字幕断句和时标仍需检查；没有绑定 ASR 服务。 2. **保持原声。** 不为凑时长偷偷加速、延后或截断人声。读不完先减屏幕信息。