这个 Skill 能做什么，适合哪些场景？
anything2explainer 是一个 Claude Code / Codex 技能：给它一个主题或一篇文章，它走完调研、解说词、TTS 配音、分镜、并行构建、渲染和质检的完整流程，最终产出 1280×720 H.264 的 Remotion 动效讲解视频。画面全部代码绘制，不用生成式视频模型，不取用任何现有视频素材；每个上屏数字都要有来源 URL。流程在四个确认点停下来等用户拍板（时长语言、文案定稿、配音引擎、前 30 秒样片），其余时间由多个 agent 并行干活，样片档全流程约 2 小时。
- 从模板脚手架出一个可编译的 Remotion 4 项目（npm install + tsc）
- 派研究员 agent 产出带来源 URL 的调研文档，列出数字与比喻清单
- 写解说词，跑 tts_build.py 生成配音 wav、逐词对齐的 timeline.ts 和字幕表
- 按时长表派 4–14 个构建 agent 并行编写每镜头的 Remotion 组件
- 渲染整片（npx tsc --noEmit + render.sh），跑 frame_metrics / motion_check / selfcheck 三套量化质检
- 每章一个 QC agent 审片、按组派修复 agent、渲 v2/v3 复验后交付
- 想给一个技术概念（如向量数据库）做一条几分钟的科普讲解视频的内容创作者
- 有一篇技术文章或文档，想转成带配音和字幕的视频的作者
- 需要稳定视觉风格、画面数字可溯源的教育/科普团队
- 想批量产出中英文双语言讲解视频、且愿意接受固定黑底 MG 风格的频道主
- 想复刻某条现有视频、真人口播或以实拍为主的片子——源文档明确列为不适用
- 商业使用受限：工具包采用 PolyForm Noncommercial 许可，商用需作者事先授权
- 只支持 1280×720 横屏；不支持竖屏 9:16，Windows 未测试
如何安装这个 Skill？
- 本次为纯静态源码审查，未执行任何流程；渲染质量与效率宣称未经独立验证。
- 默认中文配音 edge-tts 调用微软云端接口，大陆网络可达性未披露；英文 kokoro 模型需从境外源下载，请自行确认网络环境。
- 每片需约 2–3GB 磁盘且并行构建对机器要求较高（≥5GB 空闲、tmux pane 上限），无自动回滚/清理说明。
- 许可为 PolyForm Noncommercial：非商业免费，商用需作者事先授权；仓库 metadata 中 NOASSERTION 与 LICENSE 文本不一致。
- 解说词配音定稿后不可改词（帧号硬编码），请在确认点 2 一次定稿。
- 仅在 macOS（及树莓派 ARM）上验证，Windows 未测试；仅 Claude Code/Codex 实测过。
- Shell / 命令行
- 网络访问
- 本地文件系统
Node.js 18+ffmpegPython 3 (edge-tts, numpy, pillow, scipy)kokoro + soundfile + espeak-ng (English narration only)~2-3 GB disk per film
克隆仓库后为对应宿主建立符号链接即可：
Claude Code
git clone https://github.com/Vincentwei1021/anything2explainer.git
ln -s "$PWD/anything2explainer" ~/.claude/skills/anything2explainerCodex
git clone https://github.com/Vincentwei1021/anything2explainer.git
ln -s "$PWD/anything2explainer" ~/.codex/skills/anything2explainer依赖：Node ≥18、ffmpeg，Python 虚拟环境装 edge-tts==7.2.8 / numpy / pillow / scipy（英文旁白另需 kokoro、soundfile、espeak-ng）。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 讲一下向量数据库，做成一条讲解视频
- Make me an explainer video about vector databases
- 把这篇关于 RAG 的文章改成一条 4 分钟的中文科普视频
- 用英文做一条 5 分钟讲知识库的动效讲解视频
在 Claude Code 或 Codex 里直接用一句话触发（如「讲一下向量数据库，做成一条讲解视频」），技能会走 SKILL.md 的 9 个阶段：脚手架 → 调研 → 解说词与时间轴 → 分镜 → 覆盖层与图元 → 前 30 秒打样 → 并行构建 → 渲染 → QC 修复。流程会在四个点停下等你回话：①时长与语言（不设默认）；②解说词定稿（定稿后帧号硬编码，改词即全片重对位）；③配音引擎（默认中文 edge-tts 云希、英文 kokoro am_liam，也可自备成品 wav）；④前 30 秒样片。也可以绕开 agent 手动驱动模板：new_project.sh 建项目后按 tts_build.py → render_storyboard.py → preview.sh 30 → render.sh 的顺序自己跑。
这个 Skill 有哪些优点和局限？
- 画面 100% 代码绘制、可复现（同帧号渲出相同画面），不用生成式视频模型
- 每个上屏数字/术语必须溯源到调研文档 URL，事实纪律强
- 三套量化质检脚本（构图光效、动效密度、静态自检）+ 样片全套留档作为质量标尺
- 中英文都有实测语速模型和默认配音，成片时长可控在 ±15% 内
- 只有一个视觉风格（黑底 MG），仅幕底可在星点/点阵波间切换，改其它样式要动手编辑 style-guide 和 ui.tsx
- 解说词定稿后帧号硬编码，改一个字就要全片重对位
- 并行构建资源消耗大：每片约 2–3 GB 磁盘、需 ≥5 GB 空闲，超过约 12 个 agent 需分波派发
- Windows 未测试，脚本在 macOS 开发验证；未提供自动化测试套件
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Anything2Explainer 本页 | 56 · 谨慎使用 | ★ 3.1k | 1 个月前 | NOASSERTION |
| PinMe 分享 | 54 · 谨慎使用 | ★ 3.8k | 1 个月前 | MIT |
| Codeagent 多后端编排技能 | 51 · 谨慎使用 | ★ 2.8k | 6 个月前 | AGPL-3.0 |
| Agent Skills Manager — manage-skills 技能 | 50 · 谨慎使用 | ★ 43 | 7 个月前 | MIT |
| 9Router 文字转语音（9Router TTS） | 46 · 谨慎使用 | ★ 32k | 9 天前 | MIT |
与生成式视频模型（Sora、Veo、Runway）不同，它产出确定性代码而非合成像素，任何帧可改一个镜头文件修复；与 HeyGen/Synthesia 类数字人工具不同，它没有播报员，用动效图形展示机制；与手写 Remotion/Motion Canvas 不同，它附带完整方法论（调研→文案→分镜→并行构建→QC）和参照样片；与 Manim 的 Python 数学动画不同，它用 React/TypeScript 并带 TTS 对齐字幕、章节和量化 QC。
FollowSkills 如何评估这个 Skill？
证据显示流程设有四个强制用户确认点（时长语言/文案定稿/配音/前30秒样片），数据流披露清晰（edge-tts 为微软云端调用、kokoro 本地推理），B-roll 要求免版权来源并登记 MANIFEST，画面全部本地代码绘制，调研文档中的指令性文字被明确隔离不执行，无对外写操作或隐蔽行为。扣分：并行构建占用约 2–3GB 磁盘且未提供回滚/清理机制说明；edge-tts 依赖微软端点稳定性；许可证元数据为 NOASSERTION，归属校验不完整。未达满分。
SKILL.md 内部高度自洽：阶段、脚本（tts_build/motion_check/selfcheck/frame_metrics/preview）与确认点互相引用一致，README 交叉印证并披露已知坑（edge-tts 需锁 7.2.8、ARM 安装问题、pane 上限）。扣分：静态审查未见测试套件或 CI 执行证据，脚本内容未在证据中，异常输入的失败反馈质量只能凭文字判断，按锚点不超过 10，取 9。
触发语义清晰（用户要求讲解/科普视频），明确声明不适用范围（复刻视频、真人口播、实拍为主），中英文双支持、明确各档时长与资源门槛，Linux/macOS 环境适配披露充分。扣分：环境要求较重（Node、ffmpeg、Python venv、多 agent 并行、≥5GB 磁盘），中文云 TTS 依赖微软端点在大陆网络的可达性未披露，kokoro 英文模型下载亦依赖境外源。
文档分层出色（SKILL.md 主流程 + reference 规范 + lessons + FAQ + 已知限制），README 致谢与原创性声明诚实，PolyForm Noncommercial 许可全文与字体 OFL 许可齐备。扣分：仓库 metadata 为 NOASSERTION 与 LICENSE 不一致；无版本号/changelog，更新路径与维护责任仅隐含于个人仓库；工具链仅声明在 Claude Code/Codex 上验证过。
宣称价值高（主题进、成片出，含配音字幕进度条），样片《RAG 与知识库》全套过程文件与对比帧作为可审计标尺，四确认点控制成本。静态审查下不可执行验证：渲染结果、QC 通过率与效率宣称（8 组 40 分钟）均无法独立确认，超过静态上限 7 不可给；且产出耗时 1–3 小时、2GB 磁盘的成本效益未经证实，取 6。
证据类型较丰富：完整样片过程链（调研/分镜/QC 报告/成片帧）、6 组正反例对照、两语种成片、踩坑记录，且区分事实与设计意图。扣分：全部为作者自述材料，无第三方执行或 CI+测试覆盖，关键可复现性主张（帧级确定性渲染）无法静态核实，取 4。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →