anything2explainer
给一个题目，产出一条带配音、字幕与章节进度条的代码绘制讲解视频。
- Star 数
- ★ 2.4k
- 最近更新
- 23 天前
- License
- NOASSERTION
- 主语言
- TypeScript
- FA 评分
- 47/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配Codex · Claude Code
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 技术内容创作者想为「向量数据库」「RAG 与知识库」这类抽象主题做一条 3–5 分钟的黑底动效讲解片，但不想拍摄或购买素材。
- 不适合
- 需要商用授权却不想联系作者的团队（PolyForm Noncommercial）
- 只想输出竖屏 9:16 短视频的创作者
- 源码审查
- 47/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
anything2explainer 是面向 Claude Code 与 Codex 的技能包，输入一个主题或一篇文章，输出 1280×720 @30fps 的 H.264 讲解视频，含 TTS 配音、逐词对齐字幕、章节卡、顶部 HUD 和底部章节进度条。它不是一个 CLI，而是一整套让 AI 编码代理完成影片的方法：可编译的 Remotion 4 模板、图元与灯光库、配音/分镜/渲染/量化 QC 脚本、写死的风格与动效规范、多代理分工协议，以及一部参考影片作为质量基线。每一帧都由 Remotion（React + TypeScript）代码绘制，不使用素材库或生成式视频模型。执行流程为 9 个阶段——脚手架、调研、旁白与时间轴、分镜、叠加与图元、试拍、并行构建、渲染、QC 与修复，并在时长语言、旁白定稿、配音引擎、前 30 秒四个检查点暂停等待确认。支持中文与英文两套节奏模型、字幕预算与默认音色。
技能读取 SKILL.md 描述的 9 阶段流程并驱动代理执行：先用 template/scripts/new_project.sh 复制 Remotion 模板生成项目；调研代理产出一份带来源 URL 的调研文档（每个数字、年份、机构、英文术语都要能溯源）；随后写入 script/narration.txt 并运行 python3 scripts/tts_build.py，用 edge-tts（中文 zh-CN-YunxiNeural）或 kokoro-82m（英文 am_liam）生成配音，把逐词边界转成帧级时间轴与字幕表；再由 python3 scripts/render_storyboard.py 生成分镜；并行构建代理每个负责 5–7 个镜头，编写纯函数式 Remotion 组件到 src/shots/G1..Gn；src/config.ts 控制 lang、bg（'dots' 点阵波或 'stars' 星野）、时长等；渲染用 VER=v1 scripts/render.sh，量化检查用 python3 scripts/frame_metrics.py；QC 代理按章节审片，修复代理按组返工，最后输出交付说明。也可手动用 scripts/preview.sh 30 先渲染前 30 秒。所有动画是帧号的纯函数并使用带种子的随机数，文字排布靠计算而非 DOM 测量，因此重复渲染结果一致。
- 技术内容创作者想为「向量数据库」「RAG 与知识库」这类抽象主题做一条 3–5 分钟的黑底动效讲解片，但不想拍摄或购买素材。
- 教育类团队需要把一篇文章或文档转成有配音、有章节进度条的课程短片，并保留调研来源与 QC 报告作为可审计的过程材料。
- 已经在用 Claude Code 或 Codex 的开发者，希望把一个主题直接交给代理，在 1–3 小时内拿到成片，并在四个检查点控制方向。
- 需要中英双语版本的发布方：同一份分镜可以重定时为英文配音版本，两版共享 44 个镜头。
- Raspberry Pi 5 或 Linux ARM 用户，用 kokoro_onnx 或 piper 本地 TTS，配合系统 Chromium 完成离线为主的渲染流程。
- 需要量化质检流水线的团队：用 frame_metrics.py 对渲染帧做客观指标检查，再由 QC 代理对照书面标准判定。
如何安装或部署这个 Agent？
克隆仓库并把它软链到 Claude Code 或 Codex 的技能目录：
git clone https://github.com/Vincentwei1021/anything2explainer.git
ln -s "$PWD/anything2explainer" ~/.claude/skills/anything2explainer # Claude Code
ln -s "$PWD/anything2explainer" ~/.codex/skills/anything2explainer # Codex安装依赖（Node ≥18，模板 npm install 会拉取 remotion 4.0.507 / react 19；ffmpeg 必需）：
brew install ffmpeg
python3 -m venv ~/.venvs/a2e && source ~/.venvs/a2e/bin/activate
pip install 'edge-tts==7.2.8' numpy pillow scipy只有走英文旁白（kokoro-82m 本地运行）时才需要额外安装：
pip install kokoro soundfile && brew install espeak-ngscipy 仅被 QC 脚本 frame_metrics.py 使用。脚本是 zsh + Python 3，在 macOS 上开发验证；Linux 可用，Windows 未测试。
Linux / Raspberry Pi（ARM64，Python 3.13 已验证）差异：
sudo apt install zsh espeak-ng
sudo apt install chromium # 或 chromium-browser
export REMOTION_BROWSER_EXECUTABLE=/usr/bin/chromiumARM 上 kokoro 难以安装时可改用 kokoro_onnx 或 piper：
pip install kokoro-onnx
TTS_ENGINE=kokoro_onnx KOKORO_ONNX_MODEL=…/kokoro-v1.0.onnx KOKORO_ONNX_VOICES=…/voices-v1.0.bin \
KOKORO_ONNX_VOICE=am_michael python3 scripts/tts_build.pypip install piper-tts
TTS_ENGINE=piper PIPER_MODEL=…/en_US-ryan-medium.onnx python3 scripts/tts_build.py云端的 edge 引擎在 Linux 上也可用：
TTS_ENGINE=edge VOICE=en-US-AndrewNeural python3 scripts/tts_build.py如何使用这个 Agent？
在 Claude Code 或 Codex 里直接说出需求，技能会自行触发，例如「讲一下向量数据库，做成一条讲解视频」或 "Make me an explainer video about vector databases."，然后按 SKILL.md 的 9 个阶段推进（脚手架、调研、旁白与时间轴、分镜、叠加与图元、试拍、并行构建、渲染、QC 与修复），并在四个检查点等待你确认。
也可以手动驱动模板：
template/scripts/new_project.sh ~/work/my-video myslug
cd ~/work/my-video
# 1. research/调研.md 2. script/narration.txt → python3 scripts/tts_build.py
# 3. script/storyboard_src.md → python3 scripts/render_storyboard.py 4. edit src/config.ts
# 5. src/shots/G1..Gn 6. scripts/preview.sh 30 (first 30 seconds)
# 7. VER=v1 scripts/render.sh + python3 scripts/frame_metrics.py 8. QC → fix → v2/v3更换视觉风格只有一个开关，src/config.ts 里的 bg：
bg: 'dots' // 点阵波背景（默认）
bg: 'stars' // 星野 + 雾渐变背景使用自带配音时，把成品音频放到 public/assets/<slug>/audio.wav，并手填 src/common/timeline.ts 与 subs.ts（格式见 tts_build.py 顶部注释），下游流程不变。
这个 Agent 有哪些优点和局限？
- 画面完全由代码生成，每一帧都是帧号的纯函数并使用带种子的随机数，重复渲染结果确定，任何一帧都能通过改一个镜头文件修正。
- 可审计性高：屏幕上出现的每个数字、年份、机构与英文术语都必须能追溯到调研文档里的来源 URL，另外还附带 QC 报告与交付说明。
- 并行代理构建 + 量化 QC：8 个构建代理并行写镜头，QC 代理按章节审片、修复代理按组返工，参考片 4′35″ 用了 8 个构建代理 40 分钟、两轮 QC。
- 共享分镜即可产出中英两版，两版共用 44 个镜头，英文版按英文配音重新定时，不必重做画面。
- 无需 GPU，Remotion 通过无头 Chromium 在 CPU 上渲染；英文默认音色 kokoro-82m 只有 8200 万参数，可在本地 CPU 跑。
- 工具包采用 PolyForm Noncommercial 1.0.0，商用需作者事先授权，不是标准开源许可。
- 旁白一旦配音完成，文字即被冻结——镜头代码硬编码帧号，改一个词就会让整片重新定时，返工代价高。
- 只支持中文和英文，只有一种视觉风格（两个背景可切换），改其他风格必须去改 reference/style-guide.md 与 src/ui.tsx。
- 不支持竖屏 9:16，模板与所有安全区规则都按 1280×720 横屏设计。
- 并行构建吃资源：多个代理同时打包 Remotion，磁盘需保留 ≥5 GB 空间，tmux 面板数上限约 12，超过要分批调度；脚本在 macOS 验证，Windows 未测试。
这个 Agent 与同类方案有什么区别？
README 明确列出了四类对照工具：生成式视频模型（Sora、Veo、Runway）输出的是从提示词合成的素材，而它是确定性代码而非像素，屏幕上的每个数字可溯源，任一帧都能通过改一个镜头文件修复；数字人/主播工具（HeyGen、Synthesia）产出的是读稿的虚拟主播，它没有主播，而是讲解机制的运动图形；手工使用 Remotion 或 Motion Canvas 只提供一个可编程视频画布，它在此之上附带整套方法（调研→旁白→分镜→并行构建→QC）以及风格规范、动效词汇与参考片；Manim 做的是 Python 数学动画，它是代理驱动的端到端流水线，带 TTS 对齐字幕、章节与 QC，且用 React / TypeScript 而非 Python。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| anything2explainer 当前 | 47 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 2.4k | 23 天前 | TypeScript | Codex · Claude Code |
| Motion Graphics Skills | 39 · 缺口较多 | Agent 插件 / 技能免费 | ★ 781 | 11 天前 | HTML | Codex · Claude Code |
| 视频镜头工艺 | 0 · 缺口较多 | Agent 插件 / 技能免费 | ★ 11k | 今天 | TypeScript | Codex · Claude Code |
| AI图像提示词推荐技能（Nano Banana Pro） | 38 · 缺口较多 | Agent 插件 / 技能免费 | ★ 1.9k | 今天 | TypeScript | Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据：README 明确列出四个检查点（长度/语言、旁白定稿、配音引擎、前 30 秒预览），属于用户确认机制，故 user_confirmation 给 2；原创性一节要求每个数字/年份/机构都追溯到来源 URL，且 B-roll 需登记 sha256/来源/许可，source_attribution 给 2。扣分：仓库未提供任何权限清单或最小权限说明，脚本以 shell 直接执行、可写任意路径，least_privilege 仅 1；edge-tts 会把旁白文本发送到微软云端端点，README 只在 FAQ 中一句带过，缺少数据流图与保留策略，data_flow_transparency 与 sensitive_data_handling 各 1；依赖仅给出 pip 安装命令，无锁文件、无哈希校验、无漏洞扫描说明，dependency_security 仅 1；渲染/克隆/写盘等外部副作用无 dry-run 或影响范围说明，external_effects 1；无版本回滚或产物清理机制，rollback 1。
证据：README 对输出规格（1280×720@30fps、H.264、字幕 44px、章节进度条）、长度分档表、章节数量规则、帧间隔（句内 10 帧、段末 30 帧）描述前后一致，self_consistency 给 2。扣分：依赖可用性只靠文字说明，未提供 lockfile 或版本矩阵，且自承 kokoro 在 ARM/Python 3.13 上装不上、edge-tts 会随升级失效，dependency_availability 仅 1；失败信息方面只提到 lessons.md 记录踩坑，未展示任何错误码、诊断输出或恢复步骤，failure_messages 仅 1。
证据：明确面向 Claude Code 与 Codex，给出中英双语、2–8 分钟长度档、两种背景、自带 TTS 路径，audience_and_scenarios 与 capability_boundaries 各 2；环境适配写清 macOS 已验证、Linux/树莓派 ARM 的 Chromium 与 TTS 替代方案，environment_fit 给 2。扣分：触发精度只靠自然语言示例（“Make me an explainer video about…”），没有触发词表、排除条件或误触发防护，trigger_precision 仅 1。
证据：仓库布局、9 阶段流程、四检查点、FAQ、已知限制、许可（PolyForm Noncommercial + 字体 OFL 分列）都写得清楚，information_architecture、install_notes、examples_and_faq、known_limitations、license 各 2。扣分：无 CHANGELOG、无版本号或发布标签，versioning_changelog 为 0；命名稳定性方面 slug、VER=v1、TTS_ENGINE 等约定散落各处且无稳定契约，naming_stability 仅 1；维护责任只由 LICENSE 中的 Required Notice 与作者署名间接体现，无 issue 响应或维护承诺，maintenance_responsibility 仅 1。
证据：产出为可直接交付的 MP4 加完整纸面链路（研究、旁白、分镜、逐镜源码、QC 报告），output_usability 给 2；相对手写 Remotion/Manim，它把研究→旁白→分镜→并行构建→QC 的方法论与参考片一并交付，marginal_value 给 2。扣分：成本收益仅给出 1–3 小时与约 2–3 GB 磁盘的粗略估计，未说明 token 消耗、并行 agent 的失败重试成本，且并行构建需 ≥5 GB 空闲、tmux 超过约 12 个 pane 要分批，cost_benefit 仅 1。
证据：README 声称每个数字都可追溯到研究文档中的 URL，并给出 examples/rag/ 的完整纸面链路与 examples/contrast/ 的对照帧，claim_traceability 与 cross_source_corroboration 各 1。扣分：所有质量结论（“QC 两轮”“可复现”“参考片质量”）均为作者自述，静态审查无法核对渲染帧与 QC 报告是否真的一致，fact_inference_separation 仅 1——文档把“设计意图”与“已验证事实”混写，例如“Are the renders reproducible? Yes.”属于断言而非可核验证据。
- edge-tts 会把旁白文本发送到微软云端端点；若旁白含未公开材料，请改用本地 TTS（kokoro/piper）或自带音频。
- 脚本以用户完整权限执行 shell 与渲染，仓库未提供权限清单或沙箱建议，建议在隔离环境或容器中运行。
- 依赖仅以 pip 命令给出，无锁文件与哈希校验；edge-tts 被作者自承会随升级失效，安装前应固定版本并自行审计。
- PolyForm Noncommercial 许可禁止未经授权的商业使用；Remotion 本身对公司另有许可条款，商用前需分别确认。
- README 中的质量与可复现性结论均为作者自述，静态审查无法验证，请以 examples/rag/ 的产物自行核对。
- 无 CHANGELOG 与版本标签，升级或回滚缺少可依赖的版本锚点。