alchaincyf/huashu-motion

huashu-motion – AI 驱动的视频宣传片生成器

功能概述

• 将简短的自然语言请求（例如 “为我的产品制作一个 30 秒宣传片，网站是 …”）转化为完整的、商业级的产品视频。
• 代理首先读取产品信息，提出三个故事板方向，编写节奏/节拍表，创作音乐配乐，最后打开一个浏览器内编辑器，您可以在其中 点击 任何帧以请求精确编辑。
• 支持全周期工作流：故事板 → 代码生成的动画（GSAP/Canvas/Three.js/SVG）→ 采样乐器音乐 → 可选配音 → 渲染/导出为 MP4、MOV（带 alpha）、WebM、GIF 或可共享的 HTML 页面。

工作原理

1. 技能架构 – 该仓库以 Agent Skill 形式提供（兼容 Claude Code、Codex、WorkBuddy、Grok Bot、Muse、Dots 等）。安装技能（npx skills add alchaincyf/huashu-motion）会将 bin/om CLI 放入代理的技能目录。
2. 提示到代码管道 – LLM 代理编写定义动画的 HTML/JS。所有视觉元素均由代码生成（GSAP、Canvas、Three.js、SVG）；无需外部视频生成模型。
3. 音乐生成 – 在 作曲家模式 下，代理编写 ABC 记谱法乐谱。CLI 使用真实乐器样本（如果未构建样本则使用合成声音）渲染它。12 种产品类型音乐模板库提供备用曲目。
4. 配音与对齐 – 系统 TTS 或用户提供的音频文件可以使用 whisper.cpp 逐字对齐到时间线。
5. 交互式编辑 – 在浏览器编辑器中按 C，点击一帧，输入评论。评论（包括时间戳、场景、元素、源代码行）通过 om inbox 发送回代理。代理仅更新受影响的代码块，并回复人类可读的摘要。
6. 渲染 – Chrome/Chromium 实例并行渲染帧（默认最多 8 个）。FFmpeg 拼接帧并混合生成的音频。在 14 核 Mac 上，30 秒剪辑渲染约需 12-15 秒。

关键组件

• cli/om – 命令行界面（项目创建、工作室编辑器、收件箱处理、声音工具、质量检查、渲染、导出）。
• studio/ – 浏览器内编辑器，显示实时预览、时间线栏和可编辑属性面板。
• templates/ – 十个入门模板（产品发布、数据驱动解说、白板、3Blue1Brown 风格等）。
• references/library/ – 20 种精选的“运动语言”，描述不同产品类别的视觉风格，基于对 21 个真实发布视频的定量分析。
• fonts/ – 27 种开源字体（中文粗体、衬线、展示）捆绑供立即使用。
• runtime/ – 轻量级运行时辅助（OM.*），用于生成的 HTML 驱动动画和同步。

安装与要求

• Node 22+、Chrome/Chromium/Edge、FFmpeg。
• 可选：真实乐器样本包（om samples build 约 55 MB）、中文 TTS 模型（Kokoro，约 325 MB）、用于对齐的 whisper-cli。
• 目前在 macOS 上测试；其他操作系统可能只需少量调整即可工作。

典型工作流

用户："为我的产品制作一个 30 秒宣传片，网站是 xyz.com"
→ 代理读取网站，提出 3 个故事板选项
→ 代理编写节奏表、ABC 乐谱和完整的 HTML/JS 动画
→ `om studio` 打开可编辑预览
用户：点击帧，输入"让开场效果更流畅，专注于打字"
→ `om inbox` 传递评论，代理仅修补该代码块
→ 预览刷新，用户可以撤销（⌘Z）或直接编辑数字字段
→ `om render` → MP4/WEBM 导出

局限性

• 视觉效果是代码生成的；不会自动创建逼真素材或 3D 模型。
• 音乐和风格的质量取决于底层 LLM（Claude Code、DeepSeek Flash 等）。
• 需要能够运行 Chrome 和 FFmpeg 的本地环境；不是纯云服务。

许可证 – 代码和文档采用 MIT 许可证；第三方资产保留其原始许可证（GSAP Standard、SIL OFL 字体、CC0/CC-BY 样本）。

适用对象

• 产品营销人员或独立开发者，希望快速、可定制的宣传视频，而无需聘请设计机构。
• AI 代理开发者，寻找一个具体的 Agent Skill 示例，连接 LLM 提示、代码生成和媒体渲染。

---

以上所有信息均直接取自仓库的 README。