电影级 Vibe 知识视频自动制作系统 · 由
cinematic-knowledge-videoSkill 沉淀而来
把一个 idea("为什么越努力寻找最优选择,越可能错过最好的?"、"Braess 悖论"、"幸存者偏差"……)做成 130–150 秒、1920×1080 / 30fps、中英双语硬字幕、电影级视觉风格的知识解说短视频,不需要安装 Remotion / React。
本仓库是 WorkBuddy 平台 cinematic-knowledge-video Skill 的可分发副本。
Skill 文件结构(22 个文件 / ~300 KB):
cinematic-knowledge-video/
├── SKILL.md # 入口与 6 阶段工作流
├── references/
│ ├── style-guide.md # 配色令牌 / 字体 / 视觉规范
│ ├── storytelling.md # 6 幕叙事结构 + 10 种可视化手法
│ ├── research.md # 知识研究 4 级来源 + 事实核查清单
│ ├── reference-analysis.md # 参考视频 6 维拆解
│ └── pitfalls.md # 27 个已踩过的静默缺陷(P01–P27)
├── scripts/
│ ├── new_project.py # 一键建项目骨架
│ ├── analyze_reference.py # 参考视频分析(probe / palette / 接触表)
│ ├── scan_layout.py # 版面碰撞 / 字幕遮挡扫描
│ ├── qc.py # 15 项终检
│ ├── bilingual_check.py # 中英字幕抽检
│ ├── export_srt.py # 导出 SRT
│ ├── render.py # 帧驱动渲染管线
│ ├── check_env.py # 环境自检
│ └── package_skill.py # 自打包(zip)
└── templates/
├── engine/ # 帧驱动渲染引擎(HTML/JS + SVG/Canvas)
├── storyboard.md # 分镜表模板
└── README.md
把本仓库 zip 解到 ~/.workbuddy/skills/cinematic-knowledge-video/ 即可。
WorkBuddy 会自动识别 SKILL.md 并加载。
最小调用:
/skill cinematic-knowledge-video
每个脚本都是独立可执行的 Python 3.10+ CLI:
# 环境自检
python scripts/check_env.py
# 参考视频分析
python scripts/analyze_reference.py --video reference.mp4 --out ./reference
# 版面扫描
python scripts/scan_layout.py --project ./my_project --points 20
# 全片终检
python scripts/qc.py --project ./my_projectPython 必须是 venv(playwright / imageio_ffmpeg / PIL 装在 venv 里)。
裸 Python 会报 4 项 FAIL。
| 特性 | Remotion / React | 本 Skill(HTML/JS + SVG/Canvas) |
|---|---|---|
| 帧驱动 | ✓ | ✓(window.seek(t) 确定性渲染) |
| 组件化 | ✓ | ✓(scenes.js 模块) |
| 跨平台 | 需 Node | 任何带浏览器的机器 |
| 装环境 | npm install 30+ 包 |
一个 venv |
| 渲染速度 | 3–4 fps | 3.4 fps(4050 帧约 20 分钟) |
两者数学等价——给定相同 seek(t) 函数,输出像素一致。本 Skill 选 HTML 栈是因为零额外依赖。
详见 references/pitfalls.md。最致命的 5 个:
- P21:镜头检测在慢速交叉溶解片天然返回 0
- P22:
ffmpeg palettegen输出 16×16 RGBA 缩略图而非调色板 - P23:缺
-update 1静默写出 125 字节空 PNG - P26:BGM 比画面长时容器时长取音轨时长导致末段崩溃
- P27:扫描器把
#subZh节点当作与#subBlock碰撞
- 接入 Whisper 自动转写旁白
- 支持 9:16 / 1:1 / 2.39:1 三画幅同渲
- 引入 LoRA 风格一致性约束
本 Skill 由 D:\workbuuudy\project3("37% 法则"知识视频)项目实战沉淀,
经历 5 轮 P16–P20 端到端烟测 + 7 轮 P21–P27 静默缺陷修复。