产品设计智能化
Motion Skill:把录音做成可被 Agent 继续改的视频工程
开源 Motion Skill(MIT,Beta)把“录音或文稿→转写核对→镜头编排→渲染”拆成编程智能体可迭代的工程;需 Node 22+、Python 3、FFmpeg 与 Chromium,适合本地配置制作环境的创作者。
开源项目 Motion Skill(GitHub:derek-zhuolin/motion-skill,MIT,标注 Beta)尝试回答:不想出镜时,能否先录一段声音,再把想法做成可继续修改的视频?它把视频制作拆成 Agent 能反复改的工程步骤,而不是一次性黑盒生成。
流程上,已有录音可配实拍、动态图解与同步字幕;只有文稿时也可先编排画面。作者公开过约 48 秒有声示范,并记录对视觉方向、实拍补充与字幕的反馈。帖文建议第一次先挑短录音,核对转写中的名字、数字与断句,再明确受众、需记住的结论、何处实拍/图解。voice 模式可保留原声一倍速;语音识别、背景音乐与音效需另接工具或服务。
门槛写得很清楚:需要能读写工程、运行命令的 Agent,以及 Node.js 22+、Python 3、FFmpeg、Chrome/Chromium。默认画幅 16:9;竖屏需重排版式与字幕安全区,不能只改一个比例数字。模型、转写与素材服务可能各自收费;MIT 许可也不等于仓库内所有字体、素材与示范片都可免费商用,复用前要核对许可范围。
flowchart LR
A[录音或文稿] --> B[核对转写]
B --> C[编排镜头/图解/字幕]
C --> D[本地渲染]
D --> E{还需改?}
E -->|是| C
E -->|否| F[成片]
对产品设计与内容制作向的智能化场景,这更像“把成片流水线交给本地 Agent 迭代”的脚手架:先做一小段对齐转写、镜头与字幕,再决定是否扩成长片,而不是指望任意录音一键出片。