只需要一个 Skill，给它一个选题和文案，就能做出这种大头拼贴视频。
不用自己剪辑、抠图，也不用会 AE。支持 Claude Code、Codex 等 Agent 工具。
用这个 Skill 做的《商业狠人图鉴 01：查理·芒格》，开头 30 秒（GIF 没有声音）
画面里的人物、数字和道具，都会跟着文案有逻辑地动起来：主角是放大了头的真人照片剪纸，站在代表他处境的小舞台上；数字是他举着的牌子、黑板上敲出来的字；镜头大起大落，换场时总有一样东西跟着过去；几乎每个动作都配一个短音效。
以前做这种视频，得找人物照片、找素材，还得给画面打很多关键帧。现在你只要准备好选题和文案，人物、场景、动画和音效都交给这个 Skill。
想做故事类账号的话，可以用它讲人物经历、创业故事、公司历史，15–60 秒一条，竖屏 9:16。
先找一个自己感兴趣的方向，围绕它做成系列，就不用每次都从零开始想画面了。
| 步骤 | 内容 |
|---|---|
| 配音 | 逐句配音（默认 edge-tts，免费），语音识别逐字对齐，画面卡在每个字真正发声的那一刻 |
| 导演表 | 每一镜屏上是什么、观众多懂了什么、凭什么接上一镜；每个动作从哪进、怎么走、怎么离场 |
| 素材 | 照着主角的照片直接生成大头全身像，场景和道具也生成，自动抠图 |
| 画面 | 网页引擎逐帧渲染：小舞台、曲线运镜、贴条字、字幕轨、9:16 平台安全区 |
| 声音 | 从画面自动导出音效表，合成音效和垫乐，混音到 -14 LUFS |
| 自查 | 出片前十项自查：看不看得懂、卡没卡字、音画对齐、大头接缝、平台界面遮挡…… |
你要做的：给选题（或文案）、确认文案、看样片提意见。
需要：Python 3.10+、Node.js 18+、ffmpeg。
# 1. 放进 Agent 的 skills 目录（Claude Code 是 ~/.claude/skills/）
git clone https://github.com/HeyChengC/bighead-collage ~/.claude/skills/bighead-collage
cd ~/.claude/skills/bighead-collage
# 2. 依赖
pip install -r requirements.txt
npm install
npx playwright install chromium
# 3. 自检：缺什么会告诉你怎么装
python scripts/doctor.py或者把这句话发给你的 Agent，让它帮你装：
请帮我安装这个 skill：https://github.com/HeyChengC/bighead-collage，克隆到我的 skills 目录，按 README 装好 Python 和 Node 依赖，最后运行 scripts/doctor.py 确认全部通过。
没有 NVIDIA 显卡也能用，语音识别会走 CPU，慢一些。可以设环境变量
WHISPER_MODEL=small换小模型（默认 large-v3，第一次运行会下载约 3GB）。
在 Agent 里直接说：
用大头拼贴风做一个《芒格的一生》，竖屏 40 秒左右
大头剪贴风：讲讲西尔斯是怎么在亚马逊之前一百年就做了网购的
如果你已经写好了文案，直接把文案发给它就行。等它做出样片，再看看有没有要改的地方。
第一次用时它会问你两件事（配音怎么来、图怎么生成），答完会记住，以后不再问。我自己是让它直接调用 Codex CLI 生图的，你也可以接 API：
配音怎么来
| 选项 | 说明 |
|---|---|
| edge-tts（默认） | 免费、不用注册，音色可换（zh-CN-YunxiNeural 等） |
| 自己的整条录音 | 给它一个 mp3/wav，它自己切句、逐字对齐 |
| 接你自己的 TTS | 豆包、ElevenLabs、MiniMax、本地模型都行，给一条命令即可，示例见 scripts/tts_examples/ |
图怎么生成
| 选项 | 说明 |
|---|---|
| codex | 本机 codex CLI 自带的生图，走 ChatGPT 订阅额度 |
| OpenAI 图像接口 | 官方或任何兼容服务（填 base_url），需要 key |
| 你自己的命令 | 任何能「输入提示词、输出图片」的命令行 |
| 手动 | 它只给你提示词清单（gen/PROMPTS.md），你用任何工具生成，按文件名放回来 |
以后想换，跟 Agent 说一声，或者自己改：
python scripts/config.py # 查看
python scripts/config.py set image.provider codex
python scripts/config.py set voice.edge_voice zh-CN-YunyangNeural按我目前的经验，一条 30 秒的视频，大概 25 到 35 分钟出一版。时间主要花在生成图片上；后面还要继续打磨、修改的话，时间会更长一点。不过比起自己找素材、抠图、做动画，还是省事不少。
我用 Claude Pro 来做，一条大概用掉五小时限额的 20% 到 30%。具体消耗多少，要看视频内容和修改次数。
SKILL.md Agent 读的说明：开工前、流程、每一镜问自己的八句、度、拒绝
style-card.md 风格判断 15 节，每条带参考片时间点
references/
mapping.md 每类话怎么变成实物在动
engine.md 渲染引擎 stage.js：场、相机、字、转场、字幕
production.md 素材、配音、音效、渲染、样片前自查、交片
taste.md 作者看样片时定下的口味规则
examples/
munger-life/ 《芒格的一生》：导演表、近失对、运镜曲线
hardcases-01/ 《商业狠人图鉴 01》：动作分镜、舞台调度、注意力层级
anchors/ 好在哪 / 坏成什么样 的对照图
scripts/ 引擎、配音、生图、抠图、音效、混音、渲染、自查工具
- Windows 下中文打印成乱码：先设
PYTHONIOENCODING=utf-8，文件本身没坏。 - 生图画得不像本人：大头要用一张清楚的正脸照片做参考；还不行时，
production.md里有拼接的备用方案。 - 生成的图里有网址、logo：重画或遮掉，成片里不能出现。
- 真人肖像：片子里的人物形象是 AI 照着照片生成的，发布时请注明「AI 生成」，并遵守平台对真人内容的规定。
- 这个风格学自 Instagram / TikTok 账号 earn.edits（earnedits.com）的两条短片：《巴菲特囤现金》和《西尔斯邮购目录》。
anchors/taste_board.jpg、anchors/gap_pairs.jpg、anchors/detail.jpg里有这两条片的截帧，style-card.md里引用了它们的时间点，仅用于说明风格、学习研究。版权归原作者所有。如有侵权，请在 Issues 联系，我们会立即删除。 - 示例片子里芒格、巴菲特的脸参考了维基共享资源的照片（CC BY 2.0 / CC BY-SA 2.0），人物形象由 AI 生成。
- 字体：Anton、思源黑体（Noto Sans SC）、得意黑（Smiley Sans），均为 SIL Open Font License 1.1，协议见
scripts/fonts/。 - 人脸检测模型
scripts/face_yunet.onnx来自 OpenCV Zoo（YuNet，MIT）。
代码和文档：MIT（见 LICENSE）。字体、第三方截帧和模型按上面各自的协议。