video-talkcraft

video-talkcraft 是 Vincent Wei（GitHub 用户 Vincentwei1021）做的口播视频 Skill，属于他的 video-shotcraft 系列，README 说它让 Claude Code 或 Codex 变成口播视频的动效工作室。你提供口播稿和一条做好的配音（真人录音或任何 TTS 都行），它在本机把稿子和音频对齐到每个字的时间点，把每个语义段落写进一份叫 SHOTBOOK 的分镜，再从一百多张动效配方卡里挑动态字卡、数据镜头、网页证据画面、运镜和转场，用 Remotion 渲染成片，字幕和音效都卡在人声上。真人录音可以先自动剪掉“嗯”“呃”和结巴重说的部分；成片交付后，它还会打开一个类似剪映的本地工作台，在多轨时间线上逐项微调。默认横屏 1920×1080，要发抖音这类竖屏渠道时改成 1080×1920，按中文口播设计，中英混排也支持。它特别的地方在于专门防止视频变成“讲 PPT”：每个动效节拍都锚在配音里确切的字上，渲染后由脚本自动抓出静止不动的画面，再加一轮独立审片才交付。

适合谁：做科普、课程、研究讲解和个人口播视频，并且只做非商业用途的创作者。需要会用 Claude Code 或 Codex，也要能接受在电脑上装一大套本地依赖。

使用前提：许可证是 PolyForm Noncommercial 1.0.0，仅限非商业使用。个人、教育、研究用途免费，把这个工具用于任何商业用途都要事先取得作者授权，README 留了邮箱和 GitHub issue 两种联系方式；LICENSE 写明用它做出的视频归制作者所有。渲染用的 Remotion 有自己的许可条款，要另外看。可以用 npx skills add Vincentwei1021/video-talkcraft 安装，环境需要 Node 18 以上、Python 3.10 以上和 ffmpeg。依赖下载量不小：每支新片开工先跑的依赖检查脚本会联网安装或升级 Remotion 和一个无头浏览器，共享依赖目录约 760 MB，其中浏览器约 190 MB，各个视频工程都软链到这一份；本机对齐默认用的 FireRedASR 模型第一次要下载约 767 MB，改用 faster-whisper 则首次自动下载约 460 MB。配音默认用你自己的成品音频，在本机对齐；没有录音时可以选用 Fish Audio 合成，要填自己的 API key，口播稿和音色 ID 会发到 Fish Audio，免费额度和费用以 Fish Audio 为准。找素材时会从 Pexels、Pixabay 等站点下载 B-roll 视频和图片，其中 Pexels、Pixabay 的接口要你自己申请 key，还会用 Playwright 打开并截取真实网页。素材指南只收免署名来源，每条素材仍要自己核对授权，工具的许可不代表素材的权利。它不生成数字人，出镜人物是你提供的素材；仓库演示里的主持人是 AI 生成的占位形象，README 提醒正式制作时换成你自己的人物素材，用到别人的形象或声音要先取得本人同意。

以上根据项目公开说明整理，本站没有实际测试。