跳转到内容

讲解视频(3Blue1Brown 风格)

给千剪(Reelfold)一个选题,你会得到一条动画讲解视频:你确认过的脚本、AI 配音、彩色标注的动画场景、烧录的中英双语字幕和 .srt 文件、转场和轻柔的背景音乐。可以做成 5–12 分钟的 16:9 长片发 YouTube 或 B站,也可以做成 60–120 秒的竖屏短片发小红书、抖音、Shorts 或 TikTok。

一条 98 秒竖屏 CUDA 讲解短片的联系表:动画示意图,下方是中英双语字幕

  • 一个选题,以及你想讲到的要点。已有的 SCRIPT.md 也可以直接用。
  • Node,并且 npx hyperframes 能跑。 场景是用 HyperFrames 把 HTML 渲染成视频的,没有它就渲染不出来。
  • 配音。 千剪用这台电脑现有的声音:你 persona 里设的;有密钥时用 OpenAI(大约每分钟 0.015 美元);否则用 Apple 芯片上免费的离线配音。见 配音。
  • 字幕字体:./install.sh 会下载开源授权的字体(Noto Sans SC、STIX Two Text)。
  • 一个 AI 模型。 动画场景由你的 AI 来画(Claude Code、Codex、API 密钥或本地模型)。没有模型时项目会停在「要你看」(「画面需要 AI 模型来画」),不会渲染出只有文字的视频。
  • 可选:你自己的背景音乐文件。

手里是讲稿或 Notion 页面,而不是一个选题?见 讲稿做成课程视频。

  1. 在首页的输入框里描述这条讲解视频:讲什么、给谁看、长片还是短片、发哪里。
  2. 自动驾驶下会一直做到成片,每个选择都列在「AI 做的选择」里。选了先问我,方案里会显示讲解视频配方、发布平台(第一个平台决定画布)、配音和长短,直接用一句话改;项目会在每个需要你拍板的地方停下,出现在收件箱里:
    • 锁定剧本。 一个场景一句英文旁白,配一句中文字幕。数字按读出来的样子写。
    • 确认分镜。 每个场景一帧,带时长和动效。
    • 选配音。 选音色和语速,付费配音开始前先看到费用估算。
    • 检查字幕配对。 英文分句和中文一一对应,可疑的配对会被标出来。
  3. AI 按配音的时间点画出每一段场景,检查通过、能在视频里播放才保留。然后渲染,按平台导出,每个平台带封面和发布文案。
  4. 在实时运行页上看进度:画好的场景会陆续出现在「正在做的每一步」里。

对画面不满意?在成片页面点重新设计画面,或者跟对话说(「画面太素了」「多一点图解」)。每一段都重新画、重新渲染,配音和字幕不变。没画好的那段会保留原样,并提供重画第 N 段。详见 讲稿做成课程视频。

跟 Claude 说要做一条讲解视频,技能会按 workflows/explainer 走。Claude 先问一次时长、发布平台和字幕排版,然后分阶段做,每个阶段停下来等你:

  1. 脚本(SCRIPT.md),先把例题里的每个数字核对一遍。
  2. 草图:每个场景画一张最完整那一刻的静帧,用真实的字体和配色。
  3. 配音:先给 10–15 秒试听,再生成全部旁白。每一条都会转写回来和脚本对比,漏了句子的会自动重生成。
  4. 双语字幕对齐到配音上。
  5. 场景用 HyperFrames 搭好,截帧检查,然后给你预览链接。你点头之后才正式渲染。

一个成片发多个平台:

终端窗口
python3 -m vstudio.export renders/short.mp4 --platforms xiaohongshu:full,douyin,youtube-shorts \
--out exports/ --cover cover.png
16:9 长片 竖屏短片
时长 5–12 分钟,12–18 个场景 60–120 秒,5–8 个场景,每个不超过约 14 秒
结构 开场钩子 → 直觉 → 一道贯穿的例题 → 变体 → 总结 前 2 秒就是钩子 → 一张核心图 → 一道例题 → 一句话收尾
配音 每分钟约 175 个英文词 快 10% 左右,第一句更短
画布 1920×1080 9:16(xiaohongshu:full、douyin、youtube-shorts、tiktok)或 3:4(xiaohongshu:vertical)

一次 9:16 的渲染可以同时发小红书全屏、抖音、Shorts 和 TikTok;3:4 要单独做一版。16:9 长片不会被裁成 9:16,否则公式和字幕会被裁掉。

选项 默认 作用
长短 长片 long(5–12 分钟)或 short(60–120 秒)。
发布平台 YouTube、B站 第一个平台决定画布和字幕区。
配音音色 auto 这台电脑现有的声音:persona 里设的;有密钥时用 OpenAI(cedar);否则用免费配音。
配音语速 1.0 0.7–1.4,短片一般用 1.1。
渲染质量 standard draft、standard 或 high。
背景音乐 自动 按主题挑一段安静的音乐,在人声下自动压低;也可以用你自己的文件。
  • 「做一条 3Blue1Brown 风格的讲解视频,讲模型量化是怎么回事,七分钟左右,发 YouTube 和 B站。」
  • 「做一条竖屏短片讲 CUDA 在 GPU 上怎么跑,两分钟以内,英文配音、中文字幕。」
  • 「按这份笔记的大纲来,例题从头到尾用同一组数字。」
  • 「第 4 个场景太挤了,图放大一点,结果那一行往下挪。」