Alisa0808/vox-director

解决的问题

Vox Director 可以自动创建编辑风格的“纸质拼贴”解说和广告视频。它通过将单个主题转化为完成的 MP4 文件，消除了编写剧本、创建素材、制作动画和音频同步的人工工作。

工作原理

该项目作为一个与编程智能体（如 Claude Code 或 Codex）集成的智能体技能运行，并使用 Atlas Cloud API 和本地 ffmpeg。流程遵循结构化的流水线：

1. Beat Mapping：选择叙事弧并创建 beats.json 文件供用户批准。
2. Style Bake-off：渲染多种视觉主题，供用户选择所需的风格。
3. Keyframe Generation：使用文本生成图像模型为每个节拍生成高质量的拼贴海报。
4. Motion：通过图像生成视频模型或本地关键帧引擎对这些海报进行逐件组装动画处理。
5. Audio：使用 TTS 和音乐模型生成旁白和背景音乐。
6. Assembly：使用 ffmpeg 连接剪辑、在旁白下压低音乐音量并嵌入字幕。

它支持三种输入模态：B-roll（主题转视频）、A-roll（重新设计现有谈话视频的风格）以及 C-roll（将单张静态照片固定在拼贴画中）。

适用对象

希望无需专业动态图形软件，即可利用 AI 智能体快速制作高质量、风格化解说视频的内容创作者、营销人员和开发人员。

亮点

• 自动化的拼贴美学：专门针对带有撕裂纸张、半色调网点和报纸剪报的“Vox 风格”外观。
• 多模态输入：可以从文本主题、现有视频或单张照片生成视频。
• 智能体集成：设计为可被编程智能体发现并作为技能执行。
• 人机协同 (Human-in-the-loop)：包含用于批准叙事结构和视觉风格的决策环节。