这是什么
video-talkcraft 是一个开源的 AI Agent 技能包，由作者 vincentwei1021 开发，专门用于把 Claude Code / Codex 变成口播视频动效工作室。它不是一个剪辑软件，也不是模板站，而是一套完整的方法论 + 代码库：Agent 会读取设计规范、选择动效配方、编写 Remotion 渲染代码，并自动完成质量验收，最终产出可直接发布的解说视频。
仓库目前获得 332 颗 Star、29 个 Fork，最新版本为 gallery-media。它属于 video-shotcraft 系列的口播视频篇，核心能力包括字级配音同步、78 张动效配方卡、七层反 PPT 镜头系统，以及三重验收机制。
适合谁
适合需要批量制作口播/解说视频的创作者，包括知识科普、产品评测、新闻解读、观点锐评等横屏视频。无论你是自媒体博主、课程制作人，还是企业内容运营，只要你有口播稿和配音，就能用这个技能自动生成带动态字卡、运镜、转场和音效的成片。
它优先为中文口播设计，中英混排完全支持。如果你完全不懂代码也没关系——你只需要把仓库链接丢给 Claude Code 或 Codex，Agent 会按需配置环境并完成后续工作。
能做什么
- 字级配音同步：通过本地 CPU 脚本把口播稿对齐到音频，每个动效节拍都锚定在确切的字上。
- 78 张动效配方卡：每张卡包含意图、参数、已知坑、可直接复制的 Remotion 源码和可运行的 HTML 预览，覆盖动态字卡、数据镜头、证据巡游、转场、长镜头等。
- 七层反 PPT 镜头系统：连续相机曲线、视差平面、idle/让位生命周期、呼吸环境层，从结构上避免静止帧。
- 排版纪律：语义拍分镜、同屏元素预算、留白锚、人脸安全区检测，保证画面专业。
- 三重验收：自动静止检测、音效逐 cue 能量验证、独立 subagent 评审，确保成片质量。
使用前准备
你需要准备：
- 口播稿（文本，每句一个信息点）
- 成品配音（任何 TTS 或真人录音，wav/mp3）
- 可选：人物出镜素材（普通实拍视频即可）和 B-roll / 截图
环境要求：Node 18+（Remotion 渲染）、Python 3.10+（时间戳管线）、ffmpeg。Agent 会按需自动配置，首次使用时间戳功能时会下载一次约 767MB 的语音识别模型（FireRedASR2-CTC），也可以切换 faster-whisper 后端免手动下载。
安装方法
最直接的方式是把仓库链接丢给 Agent，在 Claude Code / Codex 中说：
帮我安装这个 skill：https://github.com/Vincentwei1021/video-talkcraft或者使用 skills CLI 安装：
npx skills add Vincentwei1021/video-talkcraft也可以手动克隆并建立软链接：
git clone https://github.com/Vincentwei1021/video-talkcraft.git
cd video-talkcraft
ln -s "$(pwd)" ~/.claude/skills/video-talkcraft # Claude Code
# 或
ln -s "$(pwd)" ~/.codex/skills/video-talkcraft # Codex使用示例
安装完成后，你可以这样下需求：
用 video-talkcraft 把这份口播稿 + voiceover.wav 做成视频。
做一条 100 秒的 <话题> 解说，稿子和音频在这里。Skill 会执行八步管线：文案调研 → 配音输入与时间戳 → 素材准备 → SHOTBOOK 分镜 → Remotion 实现 → 渲染 → 三重验收循环 → 交付。最终你会得到一条响度归一、带字幕和动效的 MP4 成片。
风险与注意事项
- 许可限制：采用 PolyForm Noncommercial 1.0.0 许可，个人、教育、研究用途免费；将工具用于任何商业用途需事先获得作者授权。用本 skill 做出的视频归你所有。
- 本地资源占用：时间戳模型首次下载约 767MB，渲染需要一定的 CPU/内存资源。
- 素材版权：内置音效采样有授权说明；B-roll 素材源指南只收录免署名源（Pexels、Pixabay、Mixkit Free、Coverr、NASA），注意避开有授权陷阱的素材源。
- 人物素材：demo 中的主持人素材是 AI 生成的演示占位，生产时请替换为你自己的人物素材。
- 依赖第三方框架：渲染依赖 Remotion，注意其自身许可。