AiDuo123 Logo
简体|繁體
充值登录注册
★ 996· 149 forks· Python· MIT开发工具

Vox Director: 一鍵生成 Vox 風格拼貼解說影片

Alisa0808/vox-director

輸入一個主題自動生成 Vox 風格紙質拼貼解說影片,從指令碼、關鍵幀、動畫到配音配樂字幕全流程 AI 自動化

成熟度：維護活躍,最近提交 0 天前,無未解決 issue,近期持續更新

GitHub 仓库 →对标：Vox Media 视频制作流程

项目体检

技术 · Python + ffmpeg,调用 Atlas Cloud API(Google nano-banana-2/Gemini/Kling 等多模型)

许可 · MIT 协议,可自由商用(需遵守 Atlas Cloud API 服务条款)

活跃 · 今日仍有提交,2 位贡献者,项目创建 24 天已获 996 stars,活跃度高

解決什麼

傳統解說影片製作需要編劇、設計師、動畫師、配音師多工種協作,週期長成本高。Vox Director 將 Vox Media 標誌性的紙質拼貼解說影片製作流程全自動化:輸入一個主題(如"足球如何征服世界"),系統自動生成分鏡指令碼、設計拼貼風格海報關鍵幀、新增動畫效果、配音配樂和字幕,最終輸出完整 MP4 影片。整個流程從構思到成片壓縮至分鐘級,讓個人創作者也能產出媒體級影片內容。

為何火

專案上線 24 天即獲近千 stars,核心吸引力在於三點:一是視覺風格獨特,完美復刻 Vox 經典的手撕紙張、剪報拼貼、半色調網點、大標題等元素,辨識度極高;二是全流程自動化,從敘事結構(14 種預設敘事弧線)到視覺風格(9 種主題預設)再到技術實現(呼叫 Google nano-banana-2 生成海報、Gemini 做動畫、xAI 配音),無需人工干預;三是AI 代理友好設計,作為 Claude Code 等編碼代理的"技能包",通過自然語言指令即可呼叫,符合當前 AI 工作流趨勢。

核心功能

三種輸入模式:

  • B-roll(純生成):輸入主題文本,全自動生成內容
  • A-roll(真人改造):上傳真人講解影片,保留面部和口型,重新渲染為拼貼風格
  • C-roll(產品植入):上傳靜態照片(如產品圖),作為貼紙錨定在每幀拼貼中,周圍內容自動生成

六步生產流水線:

  1. 分鏡規劃:根據主題生成 beats.json(人工審批關卡 1)
  2. 風格試驗:同一分鏡渲染 3-4 種主題風格供選擇(人工審批關卡 2)
  3. 關鍵幀生成:每個分鏡生成一張完整拼貼海報
  4. 動畫合成:海報整體動畫化或拆解為零件逐幀組裝
  5. 聲音製作:AI 配音 + 背景音樂生成
  6. 最終合成:ffmpeg 拼接影片、音訊閃避、燒錄字幕和水印

模型矩陣(通過 Atlas Cloud API 呼叫):

  • 海報生成:Google nano-banana-2
  • 動畫:Gemini Omni Flash(通用內容)/ Kling Video O3 Pro(真人品牌內容)
  • 配音:xAI TTS-v1 / ByteDance seed-audio-1.0(聲音克隆)
  • 配樂:MiniMax Music 2.6

安裝

作為 AI 代理技能安裝(以 Claude Code 為例):

# 方式 A:克隆到技能目錄
git clone https://github.com/Alisa0808/vox-director.git ~/.claude/skills/vox-director

# 方式 B:下載 .skill 檔案通過 UI 安裝
# 下載 vox-director.skill 後在 Claude 技能介面匯入

# 配置 API 金鑰
export ATLASCLOUD_API_KEY="sk-..."

# 安裝依賴
brew install ffmpeg  # macOS
pip install pillow

使用示例:

"製作一個介紹墨西哥街頭美食的 Vox 風格影片,英文,16:9,15 秒"

代理會自動執行完整流程,最終輸出到 out/<專案名>/final.mp4。

適合誰

  • 內容創作者:快速產出高質量解說影片,無需專業團隊
  • 營銷團隊:批次生成產品介紹、品牌故事影片
  • 教育工作者:製作知識科普短影片
  • AI 開發者:作為影片生成能力整合到自己的 AI 工作流

中國使用者注意:Atlas Cloud API 需要穩定國際網路連線,建議先在控制台測試 API 可用性;配音模型理論支援中文但文件示例以英文為主,中文效果需實測;ffmpeg 需本地安裝,Windows 使用者需手動配置環境變數。

社群評價

暫無足量社群公開討論,以下為基於專案本身的中立評估:

專案定位清晰,技術路線成熟(呼叫成熟商業 API 而非自研模型),降低了使用門檻。MIT 協議 + 詳盡文件(包含中文版)顯示出開源誠意。24 天獲 996 stars 的增速說明市場需求真實存在,149 個 fork 表明已有開發者嘗試二次開發。

潛在爭議點:完全依賴 Atlas Cloud 付費 API,成本不透明且存在供應商鎖定風險;作為"代理技能"的定位限制了非編碼使用者的使用場景;生成內容的版權歸屬(尤其商用場景)需使用者自行確認 API 服務條款。

選型對比

vs Vox Media 人工製作流程:

  • Vox Director:分鐘級產出,成本僅 API 費用,風格一致性高但創意靈活度受限於預設模板
  • 人工流程:週期數天,成本數千美元,可實現完全定製但難以批次化

vs 通用 AI 影片工具(Runway/Pika):

  • Vox Director:專注拼貼解說風格,全流程自動化,輸出標準化
  • Runway 等:風格自由度高,需手動分步操作(指令碼→分鏡→生成→剪輯),適合藝術創作而非批次生產

vs 模板化影片工具(Canva Video/剪映):

  • Vox Director:AI 原生生成內容,每次輸出獨特
  • 模板工具:基於預設模板填充素材,產出同質化但操作門檻更低

已知坑

  1. API 依賴風險:Atlas Cloud 服務中斷或調價直接影響可用性,建議關鍵專案保留人工備選方案
  2. 中文支援未充分驗證:README 雖有中文版,但示例影片全為英文,中文配音質量、字幕渲染效果需實測
  3. 成本不透明:文件未披露單影片 API 呼叫成本,建議先用短影片測試費用
  4. 人工審批關卡:兩次人工決策(批准分鏡、選擇風格)打斷自動化流程,不適合完全無人值守場景
  5. 本地環境依賴:ffmpeg 版本相容性問題可能導致合成失敗,Windows 使用者尤其需注意路徑配置
  6. 真人內容侷限:A-roll 模式雖保留真人面部,但 Gemini 影片編輯能力有限,複雜動作可能失真,需回退到 Kling 模型(成本更高)

來源: GitHub 倉庫資訊 + README 技術文件

安装方式：git clone + pip install pillow

← 浏览全部项目