infocard-video
/infocard-video
Tworzy pionowe filmy na podstawie tekstu: segmentuje skrypt, generuje lektora i ilustracje, dodaje napisy i muzykę.
- Autor
- lmxcode ↗
- Repozytorium
- infocard-video ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 30.10.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 4
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 30.10.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
Co robi i kiedy
Tworzy pionowe filmy na podstawie tekstu: segmentuje skrypt, generuje lektora i ilustracje, dodaje napisy i muzykę.
Oryginalny opis (EN)
信息卡短视频全自动流水线 Skill。当用户要「做一条短视频 / 把这篇稿子做成视频 / 口播视频 / 配音视频 / 竖版视频 / 抖音视频 / 视频成片 / 自动字幕 / 自动配音 / TTS 口播 / 克隆音色做视频 / 加 BGM / 数据讲解视频 / 账单视频 / 教程视频 / 科普解说视频 / 数字滚动动画 / 图文转视频」时使用——即使用户没说「信息卡」三个字,只要是文字稿→带配音字幕的成片需求就该用本技能。输入一段口播稿或主题 → 全自动八步产出 1080×1920 竖版成片(16:9 等其他比例改 config width/height 即可):分段脚本 → 逐段 TTS 口播(MiniMax,支持克隆音色)→ 按实测时长重排切点 → 无头浏览器逐帧渲染信息卡画面(HTML/CSS 品牌风,数据动画+真实截图,不用素材库不烧生成模型)→ 和弦垫底 BGM(切点自动落音效)→ 混音 → ASS 字幕烧录 → 自动质检(时间线/成片/音量 9 项)。仅依赖 Python 标准库 + ffmpeg + 本机 Edge/Chrome;现金成本 ≈ 0(仅 TTS 按字符计费,自动记账)。
Jak działa
- 前置检查(开工前 30 秒)
- 七步流程(每步一条命令,顺序执行)
- agent 执行要点(实测踩出来的)
- 安全与凭据
Podgląd SKILL.md
---
name: infocard-video
display_name: 信息卡短视频流水线
display_name_en: Infocard Short-Video Pipeline
description: 信息卡短视频全自动流水线 Skill。当用户要「做一条短视频 / 把这篇稿子做成视频 / 口播视频 / 配音视频 / 竖版视频 / 抖音视频 / 视频成片 / 自动字幕 / 自动配音 / TTS 口播 / 克隆音色做视频 / 加 BGM / 数据讲解视频 / 账单视频 / 教程视频 / 科普解说视频 / 数字滚动动画 / 图文转视频」时使用——即使用户没说「信息卡」三个字,只要是文字稿→带配音字幕的成片需求就该用本技能。输入一段口播稿或主题 → 全自动八步产出 1080×1920 竖版成片(16:9 等其他比例改 config width/height 即可):分段脚本 → 逐段 TTS 口播(MiniMax,支持克隆音色)→ 按实测时长重排切点 → 无头浏览器逐帧渲染信息卡画面(HTML/CSS 品牌风,数据动画+真实截图,不用素材库不烧生成模型)→ 和弦垫底 BGM(切点自动落音效)→ 混音 → ASS 字幕烧录 → 自动质检(时间线/成片/音量 9 项)。仅依赖 Python 标准库 + ffmpeg + 本机 Edge/Chrome;现金成本 ≈ 0(仅 TTS 按字符计费,自动记账)。
description_en: Fully automated 1080x1920 portrait short-video pipeline. Input a voiceover script or topic, produce a finished video in seven steps: segmented script, per-segment MiniMax TTS (voice cloning supported), retime cuts from measured audio durations, headless-browser frame-by-frame rendering of HTML/CSS infocard scenes (brand-styled data animations and real screenshots, no stock footage, no generative video models), chord-pad BGM, audio mixing, and ASS subtitle burn-in. Requires only Python stdlib, ffmpeg, and a local Edge/Chrome.
category: 视频
version: 1.1.0
author: 梦幻青山的AI说
agent_created: true
---
# 信息卡短视频流水线
把一段口播稿变成一条 1080×1920 竖版成片(口播 + 信息卡画面 + BGM + 字幕)。
全流程只用 Python 标准库 + ffmpeg + 本机 Edge/Chrome/Chromium,画面是 HTML/CSS 渲染的
**品牌信息卡**(数据动画、真实截图嵌入),不依赖素材库,不调用生成式视频模型。
> 面向用户的完整说明(七步流程 / 参数调优 / 已知坑位 / 排错)见 `@references/pipeline-guide.md`。
> 可直接复制的模板:`templates/anim.template.html`(画面)、`templates/config.example.json`(配置)、
> `templates/segments.example.json`(分段脚本)。
## 前置检查(开工前 30 秒)
1. `ffmpeg -version` 可用
2. 本机有 Edge / Chrome / Chromium(逐帧渲染用)
3. 环境变量 `MINIMAX_API_KEY`(可选 `MINIMAX_GROUP_ID`)——不落盘、不进仓库
三者缺一,先告知用户怎么补,不要硬跑。
## 七步流程(每步一条命令,顺序执行)
在**工作目录**(新建,如 `video-build/`)内执行。开工时把
`templates/` 三件复制进来:`anim.template.html` 改名为 `anim.html` 并填入内容,
`config.example.json` 改名为 `config.json` 并改 duration/fps,`segments.example.json`
改名为 `segments.json` 并填入分段口播稿。
| 步 | 命令 | 说明 |
|---|---|---|
| 1 写分段稿 | (agent 生成 `segments.json`) | 每段一句到两句,`anchor` 占位即可,后面 retime 会重排;停顿用 `<#0.5#>`,多音字用 `pron` |
| 2 逐段口播 | `python scripts/gen_voice.py --segments segments.json --config config.json` | 产出 `voice/*.mp3` + `voice_meta.json`。**以 voice_meta 实测时长为准**,不要用推演值 |
| 3 重排切点 | `python scripts/retime.py --lead 0.8 --tail 1.6 --html anim.html` | 按实测时长重排锚点/切点,自动写回 segments.json、voice_meta.json 和 anim.html 的 cuts |
| 3.5 校准 duration | 把 config.json 的 `duration` 改成 ≥ 末段结束+tail,四舍五入整数 | retime 会提示 tail 是否被压缩 |
| 4 逐帧渲染 | `python scripts/render_frames.py --config config.json --html anim.html` | 产出 `frames/f0000.png…`;跳过已存在帧,可断点续渲。15fps×60s≈900 帧,约 30 分钟,**放后台跑** |
| 5 BGM | `python scripts/make_bgm.py --config config.json` | 产出 `bgm.wav`(和弦垫底,自动随 config 长度) |
| 6 混音 | `python scripts/mix_final.py --config config.json --out output/final.mp4` | 口播按锚点 adelay 对齐 + BGM 压底 + limiter。**不含字幕** |
| 7 字幕烧录 | `python scripts/subgen.py --out subs.ass` 然后 `ffmpeg -i output/final.mp4 -vf "ass=subs.ass" -c:a copy output/final_subbed.mp4` | 字幕是**独立步骤**,别漏;`DISPLAY` 字典可做 TTS 写法→字幕写法的替换 |
| 8 自动质检 | `python scripts/qa_check.py --media` | 时间线 6 项 + 成片 3 项(时长/分辨率/音量,从 MP4 本身验证);退出码非 0 按「修法」处理后重跑 |
成片 = `output/final_subbed.mp4`。qa_check 全过后再人工抽 3-5 帧看关键场景(`ffmpeg -ss 秒数 -i 成片 -frames:v 1 qc.png`)
兜底视觉问题(排版/字号)。**交付说明里写明哪些检查项没跑**(如未跑 --media 就说明成片项未验证)。
## agent 执行要点(实测踩出来的)
- **音色与模型来源(铁律)**:账号音色和 TTS 模型从环境变量 `MINIMAX_VOICE_ID` / `MINIMAX_TTS_MODEL` 读取(config 里 tts.voice_id / tts.model 留 **null** 即可,脚本自动回退到 env)。**永远不要把某个具体音色名写进 config 或模板**——2026-10-30 C1 实测坑:config.example 写死 female-shaonv,短路了 env 回退,成片音色错了整整一条,重做全流程。只有用户明确要多音色才在 config 显式写
- **渲染性能预期**:约 1 秒成片 ≈ 1.5-2 分钟渲染(825 帧≈21 分钟),55s 片全程后台跑不占浏览器;规划批次时把渲染时间算进排期,不要等渲染时才想起
- **时长必须实测**:TTS 实测时长可比推演长 30%+。先 gen_voice 再 retime,永远不要先手排切点
- **过渡效果已内置(v1.0.6)**:模板入场/淡出自带自适应运动模糊(位移越大越糊,到位即清),不需要手工加;过渡帧发糊是正常的,稳定帧必然清晰——qa 抽帧时过渡帧(切点后 0.5s 内)不算糊
- **多比例(v1.0.6)**:横版 16:9 改模板 :root 的 `--vw:1920px;--vh:1080px` + config 的 `width/height`,布局改两栏、字号降一档(64→52 级);渲染/QA 脚本不用改
- **动画叙事引擎(v1.1.0,硬要求)**:
- 入场动作:.a 加 `data-motion="up|left|right|pop|zoom"`——钩子大字/大数字用 pop(弹性过冲),重磅结论用 zoom,列表用 right,不要全片只用 up
- 转场:.scene 加 `data-trans="fade|slide|whip|zoom"`——证据幕用 zoom(推近=放大看),节奏强切用 whip(甩镜),同向转场不连用两次
- Ken Burns:.shot 截图自动缓慢推近,证据截图不再静态贴片;不用则 data-kb="0"
- 证据强调:SVG 红框 dl('id',t0,t1) 随口播画线——**口播念到哪行,框画到哪行**,时机对齐 voice_meta 实测时间戳
- 条形生长 grow() / CTA 脉冲 pulse()
- **分镜先行(v1.1.0 硬要求)**:写 anim.html 前先出分镜表(每幕:口播要点/画面/动画重点/强调时机),动画时机对齐口播实测时间戳;首 1.5s 必须有 pop/zoom 级动效(完播率生死线);一幕文字块≤2
- **时长超了怎么办**:实长超目标 30%+ 时先精简稿子重合成,不要硬压停顿;retime 会打印空档预算告警(最小空档 <0.25s = 节奏偏赶),照告警处理
- **分段稿口播友好**:数字读慢是正常的;长句拆段,别一段塞三句
- **画面 = 内容,不是装饰**:信息卡直接放结论/数据/截图,每场景一个主张;`.a data-d` 依次入场
- **字幕底部避让**:抖音/视频号文案区在底部,模板已避让 200px,别改小
- **渲染放后台**:900+ 帧要半小时(约每秒成片 30 秒渲染,15fps),后台跑期间可并行做 BGM/字幕;帧已存在会跳过,断点续渲
- **多比例**:config width/height 是参数——16:9 横版用 1920×1080(场景排版需同步调整),9:16 之外的比例先改 config 再渲染
- **改单段文案/换音色**:只重跑 gen_voice 对应段 + retime + 受影响帧删除后续渲,不必全量重来。gen_voice 靠 voice_fp.json 指纹(text+voice_id+model+speed+pron)判复用,改了配置重跑会自动重合成;若指纹文件丢了误判复用,删 voice/*.mp3 强制重合成
## 安全与凭据
- `MINIMAX_API_KEY` 只从环境变量读取,脚本不写盘、不打印
- 渲染只用本机浏览器无头截图,无网络请求
- 生成的全部中间产物(voice/frames/)留在工作目录,可随时删除重生成
Pliki w paczce (4)
- .gitignore 1 KB
- LICENSE 1 KB
- README.md 5 KB
- SKILL.md 9 KB
Wersje
W bazie nie ma innych skilli o nazwie infocard-video.
Migawka bazy z 13.11.2026 · wersja paczki 02ce5440342b (skrót SHA-256 całej paczki)
Pobrania w ostatnich 30 dniach: 0 · ranking
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100yt-video
Tworzy filmy z scenariusza i narracji, a także tnie własne nagrania: wycina ciszę, dodaje napisy i muzykę. - 100it-infra-evolution-video
Tworzy długie wideo objaśniające z serii o infrastrukturze IT (ewolucja, platform engineering, sieć, storage, bezpieczeństwo, monitoring) w HyperFrames i edge-tts: 1920x1080, lektor po chińsku, napisy, BGM i kontrola renderu. - 100clipforge-video
Tworzy krótkie pionowe wideo na TikTok, Reels i Shorts z tematu, linku produktu lub gotowego scenariusza: skrypt, materiał, lektor, napisy, muzyka i montaż przez FFmpeg bez kluczy API. - 90ai-short-video
Z tematu lub scenariusza składa gotowy film pionowy albo poziomy: skrypt, lektor, napisy, muzykę i montaż w ffmpeg. - 100aigc-video-gen
Generuje krótkie klipy wideo AI z dźwiękiem w trybach tekst, obraz i referencja, a tło, efekty i głos tworzy przez CLI usługi Bailian. - 100video-audio-add
Dodaje do istniejącego wideo muzykę w tle, narrację lub obie ścieżki naraz, przez narzędzie meitu-cli.