Alisa0808/vox-director

English · 简体中文

# 🎬 Vox Director **将一个主题转化为制作完成的 Vox 风格纸拼贴解说/广告视频——包含脚本、拼贴关键帧、动态效果、旁白、音乐和字幕，全部自动化。** 这是一个在 [Atlas Cloud](https://www.atlascloud.ai/?utm_source=github&utm_campaign=vox_director) API + 本地 `ffmpeg` 上端到端运行的 **agent skill**，可被任何编程 agent（Claude Code、Codex 等）使用。你只需输入一行主题；它就能为你生成一部 `mp4`。   

Football history · 60s	Mexican street food · 60s	A brief history of money · 60s

_{▶ 更多影片——点击任意缩略图播放}

## 这是什么 这种风格是现代杂志风的**纸拼贴**，由 Vox 解说视频带火：手工剪切的剪纸、撕边、胶带、半调网点、报纸剪报，每个节拍使用大胆的平涂色彩，配以巨大的剪纸标题——通过动态效果、解说员、音乐和字幕变得栩栩如生。 ## 运行原理 一个主题在每个阶段都会通过相应的脚本进行处理，所有过程都由每个项目的单一 `beats.json` 文件驱动： ``` topic │ ├─ 1. beat map pick a narrative arc → write beats.json ◀── GATE 1: you approve the beat map ├─ 2. style bake-off render the same beat in 3–4 themes ◀── GATE 2: you pick the look by eye ├─ 3. keyframes one collage poster per beat (nano-banana-2) ├─ 4. motion animate each poster (gemini-omni-flash i2v) ├─ 5. voice + music one narrator (xai/tts) + BGM (minimax/music) ├─ 6. assemble ffmpeg: concat, duck music under VO, burn captions + watermark └─ final.mp4 ``` 有两个核心理念决定着最终效果的成败，该 skill 正是基于这两点构建的： 1. **视觉效果诞生于图像生成步骤。** 每个节拍都是一张制作完成的拼贴*海报*。所有的拼贴 DNA（撕纸、剪纸、半调、标题文本）都存在于该图像中——如果这张海报本身不是一张内容丰富的拼贴画，后续的任何步骤都无法挽救它。 2. **动态效果是后续添加的。** 默认情况下，由 AI 视频模型对整张海报进行动画处理（即“活海报”路径）。若要实现极具戏剧性的*逐块*组装效果，可选的本地关键帧引擎会将海报切割成多个部分，并逐帧驱动它们（无内容审查限制、像素级精确——非常适合真人素材）。 两个人工确认节点让你保持对流程的控制权（批准节拍图谱、选择风格）；其余所有步骤均已自动化。 ## 模型（已在 Atlas Cloud 上验证） | 任务 | 模型 | |---|---| | 关键帧 / 拼贴海报 | `google/nano-banana-2/text-to-image` | | 动态处理（非真实内容） | `google/gemini-omni-flash/image-to-video` | | 动态处理（**真人 / 品牌**） | `kwaivgi/kling-video-o3-pro/image-to-video` | | 旁白 | `xai/tts-v1` | | 音乐 | `minimax/music-2.6` | | 抠出元素（高级路径） | `youchuan/v8.1/remove-background` | 模型 ID 会发生变化——该 skill 在运行前会从 `GET https://api.atlascloud.ai/api/v1/models` 获取实时的模型列表。 ## 安装 这是一个 **agent skill**——它可以与任何能够读取工作流并运行脚本的编程 agent（Claude Code、Codex 等）配合使用。Claude Code 会将其作为 skill 自动识别；其他 agent 则可以通过读取 [`AGENTS.md`](AGENTS.md) → [`SKILL.md`](SKILL.md) 来使用。 **选项 A —— 从本仓库安装：** ``` git clone https://github.com/Alisa0808/vox-director.git ~/.claude/skills/vox-director ``` **选项 B —— 从打包的 skill 安装：** 下载 [`vox-director.skill`](vox-director.skill) 并通过你的 Claude skills 界面进行安装。 然后设置你的 Atlas Cloud API key（可在 [atlascloud.ai/console/api-keys](https://www.atlascloud.ai/console/api-keys?utm_source=github&utm_campaign=vox_director) 获取）： ``` export ATLASCLOUD_API_KEY="sk-..." ``` ## 快速开始 只需在安装该 skill 的情况下向你的编程 agent 提问： 该 agent 会起草一份节拍图谱供你批准，进行一轮风格对比测试供你选择，随后生成关键帧 → 动态效果 → 语音 → 音乐，并最终组装生成 `out//final.mp4`。 ## 环境要求 - 一款**编程 agent** —— Claude Code、Codex 或类似工具 - **Atlas Cloud** API key - **ffmpeg** + **ffprobe** (`brew install ffmpeg`) - 安装了 **Pillow** 的 **Python 3** (`pip install pillow`) —— 用于添加字幕/水印覆盖层 ## 包含内容 ``` SKILL.md the skill (English) — the workflow the agent follows SKILL.zh.md the same skill in Chinese AGENTS.md entry point for non-Claude agents (Codex, …) references/ the creative engine prompt-guide.md the LOOK layer — prompt structures, vocab & 9 theme presets beat-layer.md 14 narrative arcs + hook/pacing + shot patterns voices.md xai/tts voice roster — pick a voice_id per language/tone models-and-gotchas.md every API / ffmpeg gotcha, already solved local-engine.md the advanced element-level motion engine scripts/ one script per pipeline stage examples/ ready-to-run beats.json examples assets/ the showcase film ``` ## 致谢 灵感来源于 **[Stav Zilber](https://x.com/StavZilber)**、**[rom1trs](https://x.com/rom1trs)** 和 **[Higgsfield](https://x.com/higgsfield_ai)** 的拼贴广告工作流，以及 **[Vox](https://www.vox.com)** 的解说视频视觉语言。 完全基于 **[Atlas Cloud](https://www.atlascloud.ai/?utm_source=github&utm_campaign=vox_director)** 端到端构建——一个提示词，一部影片。 ## 许可证 [MIT](LICENSE) © 2026 Atlas Cloud

标签：AI智能体, FFmpeg, SOC Prime, 多媒体处理, 开发工具, 提示词工程, 策略决策点, 自动化视频生成, 逆向工具