Vincentwei1021/video-talkcraft

解決的問題

video-talkcraft 將腳本與語音旁白轉換為高品質、充滿動態圖形的口播影片。它消除了手動對齊文字與音訊、設計複雜動畫，以及確保教育、產品評測或新聞評論影片視覺佈局安全性的繁瑣工作。

如何運作

這是一款專為 Claude Code 或 Codex 設計的 AI 代理技能，協調一個製作流程：

1. 音訊對齊：使用 ASR 後端（FireRedASR2-CTC 或 faster-whisper）為腳本生成字元級時間戳。
2. 鏡頭設計：代理分析腳本，基於 78 種動態圖形配方卡庫建立「SHOTBOOK」（分鏡腳本）。
3. Remotion 實作：代理使用 Remotion 框架撰寫基於 React 的影片程式碼，渲染動態文字卡片、B-roll 與攝影機移動。
4. 品質保證：透過自動化腳本進行三重驗證，檢查靜止畫面、音訊能量水準與時間性缺陷。

適用對象

製作口播或說明影片的內容創作者、教育工作者與評論者，希望在無需傳統軟體手動編輯的情況下獲得專業級動態圖形效果。

主要亮點

• 字元級同步：高精度音訊-文字對齊（中位數偏差 20–40ms）。
• 78 種動態圖形配方卡：涵蓋多種視覺效果的自包含 Remotion tsx 源碼庫。
• 防 PPT 系統：七層模型確保連續攝影機曲線與視差平面，防止出現靜止畫面。
• 自動佈局安全：使用 OpenCV YuNet 檢測臉部邊界框，確保元素不會遮擋講者臉部。
• 三重驗證：自動檢查靜止畫面、音效提示與畫格群組審查，確保專業級完成度。