whiteboard-book-video

白板火柴人拆书短视频工作流 Skill —— 把一本书做成 60-90 秒竖屏(9:16)白板手绘信息图风格的拆书口播短视频。最终视频由 HyperFrames 在本地渲染，渲染环节无平台水印，不消耗云端视频生成额度。

本 Skill 已在《纳瓦尔宝典》《认知觉醒》两本书的完整生产流程中实战迭代打磨。

特性

• 全流程覆盖：拆书脚本与分镜表 → 白板火柴人信息图分镜图 → 口播配音（可选男声/女声）→ 背景音乐（可选活泼/沉稳/其他风格）→ 动效渲染 + 字幕卡点 + 音乐混音 → 成片交付
• 每阶段确认：每个阶段产出后停下来与用户确认，再进入下一阶段，改稿成本低
• 两种节奏模式：慢版（6-8 画面，6-9s/画面）与高密版（16-20 画面，4-5s/画面），开跑前由用户选择，可自定义
• 本地渲染无水印：成片用 HyperFrames 本地 HTML→视频渲染，不用云端视频生成模型；上游图像与音频生成服务可能仍有独立的费用或额度
• 连贯手绘动效：每镜"逐步画出"揭示动效从已画出约 55% 的画面切入，避免空白断裂；开场白板空白起笔
• 词级字幕卡点：基于 faster-whisper 词级 ASR 时间戳，白板便签风样式，无标点、单行小字号
• 沉稳/活泼 BGM：侧链压缩混音，口播时自动压低、停顿处恢复，人声清晰有节奏

工作流（6 阶段）

目录结构

whiteboard-book-video-skill/
├── SKILL.md                        # 主流程（总览 + 节奏模式 + 关键默认 + 纪律）
├── references/
│   ├── script-writing.md           # 脚本与分镜表规范
│   ├── image-prompt.md             # 白板火柴人信息图生图提示词规范
│   ├── audio-voice.md              # 口播配音规范（男/女声模板 + ASR 字幕）
│   ├── audio-music.md              # BGM 生成与侧链混音规范
│   └── render-and-assemble.md      # HyperFrames 渲染 + 字幕 + 装配规范
└── scripts/
    └── make_subtitles.py           # 词级卡点字幕 HTML/JS 生成器

环境依赖

本 Skill 面向支持 Agent Skill 机制 + 以下工具的环境：

• 图片生成：白板信息图分镜图（AI 生图能力）
• 音频生成：口播配音与 BGM（TTS / T2A 音频生成能力；所需账号、费用或额度由对应服务决定）
• 字幕 ASR：faster-whisper（small 模型，本地词级转写，独立 venv）
• 渲染：HyperFrames（npx [email protected]），需要 Node.js 22+ 与 FFmpeg
• 校验：make_subtitles.py（Python 3，仅标准库）

使用方法

1. 把本 Skill 目录放入环境的 .user_skills/（或对应 Skill 根目录）。
2. 对 Agent 说：“用白板火柴人拆书工作流，把《书名》做成拆书视频”。
3. 依次确认：节奏模式 → 脚本 → 分镜图 → 配音 → BGM → 渲染装配，最终得到无水印竖屏成片。

已验证的坑（避免重复踩）

• 云端视频生成模型可能附带平台水印 → 用 HyperFrames 本地渲染最终成片
• hyperframes transcribe 对中文无词级时间戳 → 用本地 faster-whisper
• 短 BGM（约 7s）循环拼接有接缝断点 → 优先生成 90s 长段再裁剪
• 揭示动效从镜头切入时才从 0% 画起会导致"开头空白 + 瞬间刷出" → 从 55% 切入
• 同一 内叠多张图，后图的起始值可能提前应用导致重叠 → 每图独立

License

MIT License — 详见 LICENSE。