Vincentwei1021/video-talkcraft

解决的问题

video-talkcraft 将脚本和语音旁白转换为高质量、充满动态图形的口播视频。它消除了手动对齐文本与音频、设计复杂动画以及确保教育类、产品评测或新闻评论视频视觉布局安全性的繁琐工作。

如何工作

它作为一款专为 Claude Code 或 Codex 设计的 AI 代理技能，协调一个制作流水线：

1. 音频对齐：使用 ASR 后端（FireRedASR2-CTC 或 faster-whisper）为脚本生成字符级时间戳。
2. 镜头设计：代理分析脚本，基于 78 种动态图形配方卡库创建「SHOTBOOK」（分镜脚本）。
3. Remotion 实现：代理使用 Remotion 框架编写基于 React 的视频代码，渲染动态文本卡片、B-roll 和摄像机运动。
4. 质量保证：通过自动化脚本进行三重验证，检查静态帧、音频能量水平和时间缺陷。

适用人群

制作口播或解说视频的内容创作者、教育工作者和评测者，希望在无需传统软件手动编辑的情况下获得专业级动态图形效果。

主要亮点

• 字符级同步：高精度音频-文本对齐（中位数偏差 20–40ms）。
• 78 种动态图形配方卡：涵盖多种视觉效果的自包含 Remotion tsx 源代码库。
• 防 PPT 系统：七层模型确保连续的摄像机曲线和视差平面，防止出现静态帧。
• 自动布局安全：使用 OpenCV YuNet 检测人脸边界框，确保元素不会遮挡说话者面部。
• 三重验证：自动检查静态帧、音效提示和帧组审查，确保专业级完成度。