SRT 白板动画

把一段字幕变成一支笔在暖米黄纸上画画的手绘视频——AI Skill 范式的教科书样本

更新于 2026-09-02

一句话定位

字幕进，手绘视频出

一个把 SRT 字幕文件转成白板手绘动画 MP4 的 AI Skill：读字幕出分镜 → 确认后生成统一风格线稿 → 按叙事语义标注分区 → 预览台调整时序 → 渲染成片。技术上分两层——「分区遮罩编排」控制每个元素何时出场，「流式笔迹」让笔尖在区域内连续落墨（先 ink 铺线稿、再 color 添彩）。适合知识讲解、故事口播、课程字幕的内容创作者，以及想学「AI Skill 该怎么写」的开发者。

核心数据

数据来源：GitHub API，采集于 2026-09-02。2026-07-27 创建当天即发布 v1.0.0；一个多月无新 commit，4 个 open issues。

成片的三个段落

两层解耦：mask 管顺序，stream 管画法

按字幕事件排序，不按画面位置

annotation.json：一切的契约

{
  "sceneId": "scene-01",
  "canvas": { "width": 1672, "height": 941 },      // 必须等于原图像素尺寸
  "sceneDurationMs": 9000,                     // 来自该幕字幕时间跨度
  "elements": [
    {
      "id": "rockery",
      "label": "猴子山场景",
      "sequence": 1,                            // 叙事顺序，从 1 起连续
      "narrativeRole": "故事的场景铺垫",
      "subtitle": "小猴子坐在猴子山顶，手里拿着香蕉。",
      "type": "structure",
      "region": { "x": 20, "y": 120, "width": 540, "height": 780 },  // 整数像素，禁百分比
      "reveal": {
        "direction": "top_to_bottom",                  // 预览台矩形代理用
        "startMs": 300, "durationMs": 2600,
        "maskPaddingPx": 22,
        "protectedRegions": []                         // 重叠保护区：延后显示
      },
      "handPath": { "start": [290,130], "end": [290,890], "easing": "easeInOut" }
    }
  ]
}

人（或 LLM）只写这一份 JSON；预览台编辑它，渲染器消费它。图片与标注必须同名：foo.png ↔ foo.annotation.json。

七步七道确认关卡

• 1. 读字幕出策略（不生成图片）——parse_srt.py 按 25-35s/幕建议分镜，每幕只表达一个核心意思 → 停，等确认
• 2. 生成线稿——统一视觉规范逐幕出 16:9 暖米黄底图，主体间留白便于拆分 → 停，等确认
• 3. 标注 + 自动开预览台——先读字幕再看图，按叙事语义建 annotation.json，立即打开浏览器预览台载入目录 → 停，等确认
• 4. 区域检查图——编号/方向预览图，核对分区、顺序、画布内、保护区 → 停，等确认
• 5. 预览台调整——拖区域、改顺序、调时序、联动字幕，保存写回 JSON → 停，等确认
• 6. 渲染成片——render_stream_whiteboard.py 逐幕出 MP4，抽查开场/重叠段/结尾 → 停，等确认
• 7. 多幕合并——merge_scenes.py 按分镜顺序合成一条 → 停，等确认

设计动机：渲染是整个流程里最贵的环节。把所有便宜步骤（策略/线稿/标注）的确认前置，避免在未定稿时浪费渲染成本。「未回复 ≠ 确认」写进了 SKILL.md 强制条款。

五个脚本，一条流水线

纯 Python + OpenCV + ffmpeg；中文路径兼容（np.fromfile + imdecode 绕过 cv2.imread 的非 ASCII 路径问题）。带 agents/openai.yaml 可直接被 Codex 识别为 skill。

一套强约束的手绘美学

视觉规范不是装饰——它是「LLM 生成线稿」的可控性手段：约束越具体（底色 hex 值、禁用项清单、留白要求），不同幕之间风格越一致，拆分区域也越可靠。写死在 SKILL.md 里强制每幕出图前完整复述。

AI Skill 范式的教科书样本

冷静看

• 一次性仓库：1 个 commit，发布至今一个多月零维护，4 个 issue 待处理。作品型（showcase）而非产品型（product）仓库
• 效果上限取决于 LLM 出图：线稿质量、留白是否够拆分、风格是否统一，全押在生成模型发挥上——规范再细也有翻车率
• 无测试无 CI：质量检查清单是给人读的 checklist，不是自动化断言；改绘制逻辑后回归全靠人眼抽查成片
• 环境不轻：独立 venv + OpenCV + numpy + ffmpeg，1080p 60fps 渲染对机器有要求
• 品类小众：白板手绘动画是内容创作的窄场景；走红更多来自「AI Skill 写法示范」的知识价值，而非工具本身的天花板

打分

综合 7.5/10。作为工具是「够用但停在 v1.0」；作为 AI Skill 方法论样本是顶级——确认关卡、语义排序、视觉规范锁定、人机协作接口四个模式可直接抄到任何 skill 里。

怎么用它