xiaolin-explainer-packaging：把口播片段包装成带动态图表的财经讲解视频

输入是一组出镜口播片段和台词，这个 Skill 让 Agent 查好上屏要用的资料，再用一套 Remotion 版式组件做出讲解画面、字幕、转场和混音，最后逐帧质检。版式包括巨型数字、卡片墙、白卡图表、文档荧光笔、网页截图荧光笔、折线图、时间轴、饼图、流程图、世界地图、左右对比和关系图。风格参考一位财经博主的公开视频，是非官方项目。来源 howoneai/xiaolin-explainer-packaging，代码 MIT 许可证，字体 SIL OFL 1.1，目前是 v1.4.0。

触发

• 用户有一组口播片段，想包装成带图表、数字和网页截图的讲解视频。
• 用户想给已有的口播视频重做讲解画面。
• 用户想做"一口气了解……"这类财经、科普选题的图形包装。

不用于：写口播稿、生成出镜画面、录屏、下载平台视频、竖屏视频。

硬性规则

• 保留"AI 生成 · 非本人"标注（brand.label），不要去掉。
• brand.logo 只填用户自己的台标，不填风格来源博主或其他真实创作者的台标。不用真实创作者的肖像或声音生成出镜画面。
• 上屏的数字、原文和政策条文都要能追溯到来源，写进事实文件。台词里的数字和事实文件对不上时，先改台词。
• 照片只用自由许可的（Wikimedia Commons），画面上带署名。网页截图里的新闻图片社照片要模糊，Logo 不改色、不变形。
• 涉及中国疆域时不用自带的世界地图，它不符合大陆公开出版地图的审核要求。改用自然资源部标准地图并标注审图号。
• 装软件、下载字体前先问用户。

安装

需要 Node 18 或以上、ffmpeg、带 numpy 和 Pillow 的 python3。第一次 npm install 和渲染要联网（Remotion 会下载 Chrome）。作者只在 Apple Silicon 的 macOS 上测过，在 Claude Code 等其他 Agent 里没有测过。

node -v && ffmpeg -version | head -1 && python3 -c "import numpy, PIL; print('ok')"
D=~/tools/xiaolin-explainer-packaging
[ -d $D ] || git clone https://github.com/howoneai/xiaolin-explainer-packaging.git $D
mkdir -p ~/.claude/skills && cp -R $D/xiaolin-explainer-packaging ~/.claude/skills/   # Codex 等放进各自的 skills 目录

Manus 用户从仓库 Releases 下载 xiaolin-explainer-packaging.skill，在 Manus 里添加为技能。

字体：标题和字幕用优设标题黑，仓库不带。让用户从 https://www.uisdc.com/uisdc-first-free-font 下载，存成工程里的 public/fonts/YouShe.ttf，或者设环境变量 YOUSHE_TTF 指向它。缺字体时退回思源黑体 900，风格明显变弱，要告诉用户。

Remotion 授权：个人、3 人以内的公司和非营利组织免费（含商用），4 人以上的公司要买公司授权，开工前提醒用户。

流程

0. 一条消息问完三件事：有没有固定底图（没有就从 6 套主题里推荐）。台标填什么、出镜是不是 AI 生成。有没有指定要放的真实素材。拿到回答再建工程。
1. 准备输入：每句一个 1920×1080 mp4 放进 public/clips/<id>.mp4。每句有朗读文本 say 和字幕文本 sub。从 templates/facts_template.md 复制事实文件。
2. 建工程：<skill>/scripts/new_project.sh <工程目录>（加 --demo 是冒烟测试）。转写每段出镜，在 timeline.json 里定 tin/tout、剪首尾静音，口误写进 cuts。改 project.json 的 brand、music、theme。
3. 先写场景表再写代码：读 references/style-bible.md、research.md、treatment.md，列"场景名 | 覆盖哪几句 | 版式 | 背景照片 | 道具和动作 | 画中画 | 需要的资料"，交给用户确认。自查七点：一个场景跨 2 到 8 句。主体被裁切或占画面六成以上。每 2 到 3 个深色场景插 1 个白纸场景。引用原文用真实截图或逐字文档。开场、观点句、转折和结尾留给全屏出镜。每个图形场景至少有一样本期专属素材。道具承担意思，相邻场景动作不重样。
4. 查资料、备素材：照片 scripts/commons_photo.py，网页截图和原文坐标 node scripts/web_shot.mjs --boxes，Logo scripts/commons_logo.py，道具按 treatment.md 的画风后缀生成透明 PNG 放进 public/props/<选题>/。查完回改场景表。
5. 写分镜：从 templates/scenes_treat.py 复制写法。元素入场对齐关键词 S.k('关键词', -0.15)，当前项亮起其余压暗，每个场景用 KF.append((标签, 时刻)) 登记审片帧。跑 python3 story_core.py timeline.json scenes.py，要输出 gaps/overlaps []。
6. 关键帧审片，至少两轮（命令见下表），按审片清单改完再给用户看。
7. 整片、混音、合成、质检，audit.py 的 flagged 必须是 0。

常用命令

需求	命令
渲关键帧	python3 -c "import json;print(' '.join(str(f) for _,f in json.load(open('keyframes.json'))))" | xargs node render.mjs stills stills/k1
审片拼图	python3 <skill>/scripts/sheet.py stills/k1 keyframes.json 6
整片	bash <skill>/scripts/render_chunks.sh video.mp4
混音	python3 <skill>/scripts/mix_audio.py timeline.json mix_raw.wav
合成	bash <skill>/scripts/finalize.sh video.mp4 mix_raw.wav final.mp4
逐帧质检	python3 <skill>/scripts/audit.py video.mp4 72
手机版	ffmpeg -i final.mp4 -c:v libx264 -crf 23 -preset medium -pix_fmt yuv420p -c:a aac -b:a 128k -movflags +faststart final_phone.mp4

审片清单

1. 主体够大或被边缘裁切，四周没有大片空白。
2. 当前讲到的项最亮，镜头在它附近。
3. 一帧最多 2 个标签。
4. 字幕区（屏幕 y 905 到 960）、画中画、台标和 AI 标注没挡住任何东西。
5. 没有方框字、竖排断词或溢出卡片的字。
6. 数字和原文与事实文件一致，有来源行，CC BY 照片有署名。
7. 白纸场景和深色场景交替。
8. 遮住道具和背景只看骨架，和别的选题有区别。

已知陷阱

• 关键词在句首时 S.k(词, -0.3) 会早于片段起点，用 max(S.t0, …) 截住。
• 图片路径不存在时那一帧渲染失败（Error loading image），先 ls public/<路径>。
• zsh 不按空格拆分变量，node render.mjs stills out $FR 会报 Frame NaN，写 ${=FR} 或用 xargs。
• 静帧正常不代表视频正常，整片后必须跑 audit.py。
• web_shot.mjs 并行拍多个页面时每个进程用不同的 --port。

输出格式

成片：final.mp4（1920×1080，24 帧，时长 mm:ss），手机版：final_phone.mp4
主题：<theme> · 场景数：N · 审片轮数：N · audit flagged：0
事实文件：facts.md（每条带编号、原文、来源和日期）
没查到、已改写台词的地方：……

一句话

先定画法再写分镜，数字都要有出处，标注永远保留。配套教程：让 AI Agent 给你的口播配上会动的图表。