Alisa0808/vox-director

Vox Director – AI 驱动的「纸张拼贴」解说视频

功能 – 你输入一行主题（例如：“墨西哥街头美食”），该工具会自动生成一个短小的 Vox 风格视频。输出为一个完全渲染的 mp4 文件，包含：

• 脚本化旁白
• 每个节奏点的拼贴风格关键帧海报
• 动画效果
• 背景音乐和字幕

工作原理 – 该流程是一个运行在 Atlas Cloud API 和本地 ffmpeg 安装上的 代理技能。步骤如下：

1. 节奏图谱 – 代理提出叙事弧线（“节奏点”），你进行确认。
2. 风格比拼 – 同一节奏点以多种视觉风格渲染；你选择喜欢的风格。
3. 关键帧生成 – 每个节奏点使用 nano-banana-2 文本到图像模型生成拼贴海报。
4. 动画 – 海报通过 Gemini-Omni-Flash 图像到视频模型（或用于真实人物/品牌的专用模型）进行动画处理。
5. 语音与音乐 – 旁白由 xai/tts-v1 生成（或使用 seed-audio-1.0 克隆），音乐来自 minimax/music-2.6。
6. 合成 – ffmpeg 将片段拼接、混合音频、添加字幕和水印，生成 final.mp4。

输入变体 – 除了基础的“B-录”流程，该技能还支持：

• A-录 – 你提供一个说话人视频；系统将其分割为节奏点，并重制为拼贴风格，同时保留口型同步。
• C-录 – 你提供一张照片；主体被抠出并放入每个拼贴海报中。
• 主持人模式 – 由单张图像生成的数字主持人在拼贴世界中讲述旁白。

使用模型 – 所有模型均通过 Atlas Cloud 访问（该技能在运行时获取最新列表）。关键模型包括：

• google/nano-banana-2 用于拼贴海报
• google/gemini-omni-flash 用于通用动画
• kwaivgi/kling-video-o3-pro 用于真实人物动画
• bytedance/seedance-2.0 用于主持人视频
• xai/tts-v1 用于 TTS
• minimax/music-2.6 用于背景音乐

安装与使用 – 它不是独立程序，而是一个 代理技能，任何代码代理（Claude Code、Codex 等）均可调用。通过将仓库克隆到代理的技能目录中，或加载提供的 .skill 文件进行安装，然后设置你的 Atlas Cloud API 密钥。之后，只需用一行提示词请求代理生成视频即可。

仓库内容 –

• SKILL.md/SKILL.zh.md – 代理用的工作流说明
• scripts/ – 每个流程阶段的独立脚本
• references/ – 提示指南、叙事弧模板、语音列表，以及用于精细运动的本地引擎说明
• examples/ – 可直接运行的 beats.json 文件
• assets/ – README 中使用的示例视频

开发者 – Alisa Qian (@alisaqqt)。该项目采用 MIT 许可证，依赖 Atlas Cloud 服务。

---

简而言之，Vox Director 是一个即插即用的 AI 驱动工作流，可将简短文本提示转化为精美的拼贴风格解说视频，通过代理友好的技能和一系列生成模型进行协调。