Explainer Studio — 从有出处的稿件，做出新闻与解说长视频

能做出什么

由你确认的稿件，生成一条完整的长视频，无需手动逐帧排版：

• 旁白：Google 30 款预置 TTS 声音之一，或你自己的录音
• 字幕：文字取自你的稿件，时间与旁白对齐（Whisper 在你的电脑上运行，仅用于对时间）；烧录进视频，并另存为 .srt 文件，可上传 YouTube 字幕或在其他剪辑软件中修改
• 图片场景动画：开场、信息面板（数字滚动）、步骤镜头、左右对比、金句、观点、出处、标题、总结；每个场景在旁白说到对应句子时出现
• 每条新闻之间的章节总览、原文引用卡、每张素材图标注「示意图」
• 配乐与音效（你有授权的文件），说话时自动压低音乐，整体响度 −14 LUFS
• YouTube 封面（两种版式）及说明栏（章节时间、出处、图片作者）

流程

1. Agent 先问你五个设置问题（频道名、语言、声音、受众、时长），然后由你或 Agent 用简单的 Markdown 格式写稿，每个事实附出处。
2. Agent 为每个画面挑选一张素材图和两张备选，生成分镜表：整份稿件变成表格，文字旁边就是图片。你一次性审稿和选图，回复「s01-3 B」即可。
3. 旁白、对时、字幕、渲染全自动。每条新闻单独渲染，改一处只需重新渲染那一条。
4. 内置检查：每个场景的触发句必须真的在稿件中、中文字幕不会在词中间断行、旁白 QC 列出需要人工确认的位置、每次 TTS 请求都指定普通话或粤语、检查 YouTube 章节最少 10 秒的规定。
5. 你看完成片再决定。 本技能不会上传或发布任何内容。

示例输入 → 输出

附四个完整示例项目：英语、普通话（繁体）、普通话（简体）、粤语。英语示例输出：1 分 41 秒、8 个场景、字幕、1 张引用卡、封面及含 3 个章节的说明栏。

适用场景

每周新闻回顾 · YouTube 解说视频 · 纪录片风格的故事视频 · 课程或研究总结

系统要求

• 能执行 shell 命令的 Agent 客户端（使用 Claude Code 开发和测试）
• Python 3.10+、Node.js 20+、FFmpeg；约 6 GB 磁盘空间
• 已在 macOS（Apple Silicon）测试；Windows／Linux 改用 faster-whisper，代码已支持但尚未测试
• 你自己的密钥（放在 .env）：Gemini API key（使用 TTS 时需要）、免费的 Pixabay API key
• scripts/selftest.py --render 无需任何密钥即可检查安装：单元测试加一条 10 秒测试视频

运行成本（由你直接支付，不经过 Capafy）

Gemini TTS 约每 10 分钟旁白 US$0.14（付费层，2026 年价格）。Pixabay 与 Whisper 免费。渲染在你的电脑上进行，耗时约等于视频时长。

不会做的事

• 不做声音克隆、不做自定义声音、不换脸：只用 Google 预置声音或你自己的录音
• 不用 AI 生成图片：只用有授权的素材图（Pixabay），画面标注「示意图」并在片尾列出作者
• 不会编造事实：每个事实都要有出处，稿件经你确认后才开始制作
• 不会上传到 YouTube

常见问题

支持哪些语言？ 旁白与画面文字支持英语、普通话（繁体或简体字）及粤语（以口语书写，例如「嘅、咗」）。
视频可以商用吗？ 可以，视频归你所有。技能本身不可转售或分享。
需要 Remotion 授权吗？ 个人及 3 人或以下的公司不需要；更大的公司需购买 Remotion 公司授权（remotion.pro）。
可以用自己的音乐吗？ 可以，把有授权的文件放进项目的 audio/bgm 和 audio/sfx 文件夹。
有更新吗？ 有，在 Capafy 购买下载版的用户可免费获得之后的所有版本。
支持？ [email protected]