给个主题，AI 自己把讲解视频做完（还带配音和字幕）

更新于 2026-09-19 09:06# 视频# AI# Agent

你有没有过这种时刻：想给博客、产品、或者一个想法做条讲解视频，打开剪辑软件一看到时间线就开始头大——配音、字幕、转场、配乐，每一项都像一座山？

现在有个东西把这个流程整个吞掉了：你只负责给一个主题，剩下的全部交给 AI。

它到底是什么

anything2explainer 是一个装进 Claude Code / Codex 的 skill（技能包）。你在终端里输入一句话：

讲一下向量数据库，做成一条讲解视频

然后它自动走完一整条「视频制作流水线」：

  1. 调研——围绕主题查资料，整理成带来源的研究稿
  2. 写稿——把内容写成口播文案（中英文都行）
  3. 配音——生成人声旁白，逐字对齐时间轴
  4. 分镜——每一秒画面怎么摆、动什么，都规划好
  5. 绘画——用代码画出每一帧（黑底动态图形+紫色点缀，不是素材拼贴）
  6. 并行渲染——多个 AI 分头画不同片段，最后拼成一条完整视频
  7. 质检——渲染完还有 AI 按标准检查画面质量，不合格打回重做

全程大约 1 到 3 小时（看视频长度），期间只会在 4 个关键点问你一次。

出品长什么样

  • 1280×720 高清 MP4，2~8 分钟任选
  • 带人声旁白（中文默认用微软 Edge 的男声，英文用本地 kokoro 声线）
  • 逐字对齐字幕（每个字都对上说话节奏）+ 章节标题卡
  • 顶部 HUD + 底部章节进度条
  • 每一帧都是代码画的，不用任何素材库、不碰任何别人的视频

官方放了两条成片：英文的《RAG & Knowledge Bases》（5 分钟，44 个镜头）和中文的《RAG 与知识库》（4 分 54 秒，1490 字），长这样（黑底+紫色线条+大标题字）：

官方放出两条成片：英文《RAG & Knowledge Bases》和中文《RAG 与知识库》，黑底+紫色线条+大标题字，全部代码绘制。

怎么上手（真实步骤）

前置：装好 Claude Code 或 Codex（会用终端就行），电脑上有 Node.js 和 ffmpeg。

# 1. 下载技能包
git clone https://github.com/Vincentwei1021/anything2explainer.git

# 2. 放进你的技能目录（Claude Code 为例）
ln -s "$PWD/anything2explainer" ~/.claude/skills/anything2explainer

# 3. 装依赖
brew install ffmpeg
python3 -m venv ~/.venvs/a2e && source ~/.venvs/a2e/bin/activate
pip install 'edge-tts==7.2.8' numpy pillow scipy

# 4. 告诉 AI 你想做什么
# > 讲一下向量数据库，做成一条讲解视频

然后等着就行。中间 AI 会在 4 个检查点问你（比如"这个风格可以吗"），其他时间它在分头画画面。

💡 小提示：英文配音的本地模型在部分硬件上安装麻烦，中文直接用微软 Edge 的免费云配音（edge 引擎），零安装。

该不该用它（决策速查表）

| 场景 | 用 | 别用 | |