AI 教程AI教程87 次浏览 · 2026-10-20

手绘口播视频.Skill：全自动 AI 手绘科普视频实战教程

原文链接

https://x.com/leo_xiaolei/status/2112133426983932186

核心架构图

项目定位：手绘口播视频.Skill（sweety-handdraw-video）是一款基于 Claude Code 与 Codex 的全自动 AI 手绘科普视频生成工具，旨在帮助创作者在无需绘画或剪辑经验的前提下，一键产出符合平台流量红利的中长视频。
开源地址：GitHub 仓库 https://github.com/threerocks/sweety-handdraw-video，Release 页面提供离线安装包（v1.4）。
行业痛点：平台对原创、具信息增量且具温度的内容需求提升，传统 AI 幻灯片、机器配音已难以通过推荐算法。手绘口播视频.Skill 通过真实笔触模拟与母带级降噪配音，显著提升视频质感与完播率。
v1.4 关键升级：
1. 重写手绘渲染引擎，实现整笔描线、精准转角（最大偏差 7.99 px，控制在 9 px 以内）。
2. 引入 HTDemucs + DeepFilterNet3 的三道门禁降噪，噪声压至 -33.5 dB 以下。
3. 158 项工程回归测试，确保开场、BGM、字幕等细节符合平台推荐标准。
技术规模：安装包共 843 个文件，体积 49.4 MB，经过 158 项回归测试。

内容整理自 X 博主水族店刘老板（@leo_xiaolei）的推文。

线段拆分：旧版将轮廓切碎为 879 条微线段（中位长度 5 px，85% <15 px），导致笔尖乱跳。新版采用整笔描线策略，先绘外轮廓再绘内部结构，保持笔画连贯性。
转角补偿：针对粗墨线转角的缺口，笔尖会进行短程往返填补，最大偏差 7.99 px，严格控制在 9 px 门限内。
上色模型：默认使用马克笔连续平涂，每块色彩由单笔“之字形”涂抹完成，配合短阴影自然过渡，消除“整块淡入”现象。
时间预算：每张分镜图的绘制时间上限为对应旁白时长的 70%，绘制速度约为人手速的 3 倍，确保至少 30% 的画面为静态停留（低于 1 s 会触发警告）。

降噪流程：
1. 使用 HTDemucs 对参考真人音频进行人声分离；
2. DeepFilterNet3 对分离后的人声进行深度降噪；
3. 每段音频（≤100 字）必须通过“嗡声、底噪、削波”三道门禁，未达标则自动重生成。
音色库（约 38 MB）：
- 低沉浑厚的磁性男声（硬核知识）
- 清润温和的儒雅青年（人文科普）
- 清亮从容的知性女声（情感心理）
- 略带沙哑的悬疑男声（奇闻逸事）
- 支持离线试听，亦可导入个人录音进行声音克隆。

环境要求
- 操作系统：macOS（Apple Silicon）本地支持完整 TTS；Linux 需自行准备云端 TTS（豆包、Gemini 等）并配置 API Key。
- Python ≥3.10，推荐使用虚拟环境（venv 或 conda）。
- 依赖库（示例）：
```
pip install torch torchvision torchaudio librosa numpy scipy tqdm
pip install demucs deepfilternet3
```

获取源码

git clone https://github.com/threerocks/sweety-handdraw-video.git
cd sweety-handdraw-video

安装工具（项目自带 install.sh）

chmod +x install.sh
./install.sh   # 自动下载模型、音色文件并完成路径配置

版本校验
```
sweety --version   # 应显示 1.4
```
生成视频工作流
- 准备素材：提供选题标题、完整口播文案（建议不超过 1500 字）。
- 执行生成：
```
sweety generate --title "光合作用的五个关键步骤" \
                --script "光合作用是植物将光能转化为化学能的过程..."
```
- 输出：工具将在 output/ 目录生成 mp4 成片、分镜 PNG、配音 wav 与日志文件。
离线安装包使用
- 前往 Release 页面搜索 sweety-handdraw-video v1.4，下载压缩包后解压至宿主 Skills 目录，覆盖旧文件。
- 运行一次自检 sweety --selfcheck，确认所有模型加载成功。

适用场景
1. 自媒体科普：适合小红书、抖音、YouTube 等平台的中长知识视频，尤其是需要视觉化解释的技术、医学、历史等领域。
2. 企业内部培训：无需专业动画师即可快速产出手绘风格的培训教材。
3. 教育机构：为课程配套生成生动的讲解视频，提升学生的学习兴趣。
避坑建议
- 复杂图形：极度复杂的原始插画可能触发“画不完就简化”机制，建议提前拆分为多个子场景。
- 配音文本：避免出现连续数字或特殊符号（如 “-3.5”），系统会将其误判为错误；可使用全角数字或文字描述。
- 本地 TTS 限制：Apple Silicon 以外的机器只能使用云端 TTS，需自行准备 API Key，否则配音会回退至低保真模型。
- BGM 长度：若配乐短于视频，系统会自动循环，但循环点可能出现轻微接缝，建议使用无明显节拍的背景音乐。
- 版本兼容：v1.4 仅在 Claude Code / Codex 环境下测试通过，其他 IDE 可能出现路径加载错误，请确保使用官方推荐的运行时。

结语：手绘口播视频.Skill v1.4 通过底层绘制引擎的“换心手术”与母带级降噪配音，实现了从“机器感”到“真人感”的质的飞跃。配合平台当前对中长 AI 知识视频的流量扶持，能够帮助创作者以最低的技术门槛快速产出高质量、具商业变现潜力的内容。

相关推荐