企业官网建设流程全解析

一句话主题到完整成片：开源AI视频生成技能vox-director新手完全指南

【免费下载链接】vox-directorTurn one topic into a finished Vox-style paper-collage explainer/ad video — automated end to end on Atlas Cloud + ffmpeg. An agent skill.项目地址: https://gitcode.com/gh_mirrors/vo/vox-director

vox-director是一款开源的AI 视频生成技能（agent skill）：你只需输入一句话主题，它就能自动产出一条完整的Vox 风格纸质拼贴讲解视频——脚本、拼贴关键帧、动效、旁白、配乐、字幕，全流程端到端自动化。本指南面向新手，带你快速看懂它是什么、怎么安装、如何做出第一条成片，全程无需写代码。

什么是 vox-director？30 秒看懂核心功能

vox-director 的视觉风格来自 Vox 讲解片带火的现代编辑感纸质拼贴：手撕纸片、毛边、胶带、半调网点、报纸剪贴、每拍一块大胆平涂色，加上大号剪纸标题，再配上动效、旁白、配乐和字幕，让整张海报"活"起来。

它的工作方式是：一个选题进去，一个mp4出来。

几个对新手最重要的特点：

• 🔁全流程自动：基于 Atlas Cloud API + 本地ffmpeg驱动，一个 API Key 跑完全程
• 🤖不绑定任何助手：任何编码 agent（Claude Code、Codex 等）都能使用
• ✅两个人工决策点：确认分镜脚本、挑选视觉风格，其余全自动，你始终掌控
• 💰成本低：一条 60 秒成片大约几分钟、几美元的成本

工作原理：一句话主题如何变成完整成片

一个项目由一份beats.json驱动，主题依次流过每个阶段、每阶段对应一个脚本：

选题 │ ├─ 1. 分镜脚本 选叙事弧线 → 写 beats.json ◀── 决策点 1：你确认分镜 ├─ 2. 风格试片 同一拍渲成 3–4 种主题 ◀── 决策点 2：你看图挑风格 ├─ 3. 关键帧 每拍一张拼贴海报 ├─ 4. 动效 让每张海报动起来 ├─ 5. 旁白+配乐 统一旁白 + 背景乐 ├─ 6. 合成 ffmpeg：拼接、配乐闪避、烧字幕+水印 └─ final.mp4

决定成片质量的两个关键理念：

1. 风格诞生在生图这一步——每一拍是一张成品拼贴海报，所有拼贴基因（撕纸、剪纸、网点、标题文字）都长在这张图里
2. 动效是后加的——默认由 AI 视频模型把整张海报整体"活化"，也可选用本地关键帧引擎做"零件逐个飞入拼合"的戏剧化效果

完整流程说明可参考 SKILL.md 与中文技能文档 SKILL.zh.md。

快速上手：新手安装 vox-director 的 4 个步骤

1️⃣ 准备环境

2️⃣ 克隆仓库

Claude Code 会自动识别这个技能；其他 agent 则从 AGENTS.md 进入 SKILL.md。

git clone https://gitcode.com/gh_mirrors/vo/vox-director ~/.claude/skills/vox-director

3️⃣ 配置 API Key

export ATLASCLOUD_API_KEY="sk-..."

4️⃣ 直接开口，让 agent 干活

安装好技能后，直接对编码 agent 说一句话即可，例如：

"帮我做一条 Vox 风格拼贴视频，介绍墨西哥街头美食——中文，9:16，15 秒。"

agent 会先起草分镜脚本给你确认，再跑风格试片让你看图挑风格，然后自动生成关键帧 → 动效 → 旁白 → 配乐，最终输出out/<项目名>/final.mp4。

三种输入模式：不止"一句话"

除了默认的"主题进、成片出"，vox-director 还复用同一套引擎支持另外两种输入：

• 📝B-roll（默认）：一句话主题 → 全 AI 生成的拼贴海报与成片
• 🎥A-roll：你已有一段口播视频——自动按句切段并套上拼贴风格，真实人脸、口型、手势逐帧保留
• 🖼️C-roll：你只有一张静态照片（自拍、产品图）——主体被抠成摄影质感贴纸"锚"进拼贴世界，绝不重绘，旁白还能克隆成主体本人的声音

示例项目与目录结构：从这些文件读懂工作流

仓库自带可直接运行的示例，建议按顺序阅读：

• 📂 examples/：现成的beats.json，如 tang-30s.beats.json、money-15s.beats.json，可对照学习每个字段怎么写
• 📂 scripts/：一阶段一脚本，如 keyframes.py（生成拼贴海报）、clips.py（动效）、audio.py（旁白+配乐）、assemble.py（ffmpeg 合成）
• 📄 README.zh.md：完整中文文档
• 📄 SKILL.md：agent 遵循的完整工作流定义

新手常见问题（FAQ）

问：一条 60 秒的视频大概要多久？多少钱？答：通常只需几分钟，成本大约几美元（拼贴海报重 roll 单次约 $0.08，非常便宜）。

问：支持竖屏 / 方屏吗？答：支持16:9、9:16、1:1、3:4四种画幅，适配横屏与社媒竖屏短视频。

问：画面里有真人名人或品牌 logo 怎么办？答：把video_model切换为专用模型kwaivgi/kling-video-o3-pro/image-to-video即可，普通模型会拒绝真人/品牌内容。

问：我手上没有编码 agent，还能用吗？答：可以。"手动提示词包"版会为你产出分镜脚本 + 逐拍生图提示词 + 逐段动效提示词 + 旁白文稿，粘贴到任意生成器就能用。

💡下一步建议：先挑一个 examples/ 里的示例跑通，再换成自己的主题。你只需要记住一件事——给一句话主题，vox-director 还你一条完整成片。

【免费下载链接】vox-directorTurn one topic into a finished Vox-style paper-collage explainer/ad video — automated end to end on Atlas Cloud + ffmpeg. An agent skill.项目地址: https://gitcode.com/gh_mirrors/vo/vox-director