Anything2Explainer

Anything2Explainer — это скилл для Claude Code и Codex, который поможет превратить тему в готовый объясняющий видеоролик: чёрный фон, анимированная моушн-графика, озвучка от TTS, субтитры и полоса прогресса по главам. На вход вы даёте тему вроде «объясни векторные базы данных» (или свою статью), выбираете длину и язык — китайский или английский. На выходе получаете MP4 1280×720, 30 fps, H.264, где каждый кадр нарисован кодом через Remotion на React и TypeScript — без стоковых видео, без генеративных видеомоделей.

В репозитории собран весь метод, который нужен ИИ-агенту, чтобы доделать фильм: компилируемый шаблон Remotion, библиотека примитивов и подсветки, инструменты для озвучки, раскадровки, рендера и количественного контроля качества, письменные спеки по стилю и движению, протокол разделения труда между агентами и один полный референсный ролик как планка качества. Референс — выпуск про RAG и базы знаний: английская версия на 5 минут 2 секунды и китайская на 4:54, обе сделаны по одной раскадровке из 44 шотов. Полная «бумажная» история в examples/rag осталась от исходной китайской версии на 4:35 — от ресёрча и нарратива до исходников шотов и отчётов QC.

Пайплайн проходит девять стадий. Агент исследует тему со ссылками на источники, пишет сценарий, генерирует озвучку и покадрово точный таймлайн, раскадровывает каждый шот, а дальше параллельные билд-агенты пишут по одному Remotion-компоненту на шот. После рендера QC-агенты сверяют кадры с прописанными критериями. По времени это примерно от одного до трёх часов реального ожидания в зависимости от длины ролика, и вас спросят ровно в четырёх контрольных точках.

Длина задаёт масштаб всего остального — и объём материала, и размер пайплайна:

• 2–3 минуты: 650–880 китайских знаков или 280–420 английских слов, 24–32 шота, 4–6 билд-агентов, около часа, ~2 ГБ на диске;
• 3–5 минут (референсный уровень): 1100–1400 знаков или 420–700 слов, 40–50 шотов, 8 агентов, около двух часов;
• 5–8 минут: 1650–2200 знаков или 700–1150 слов, 60–80 шотов, 10–14 агентов, два-три часа, ~3 ГБ.

Количество глав тоже зависит от длины: короче трёх минут — одна глава без карточек, 3–5 минут — три-четыре главы минимум по 60 секунд, 5–8 минут — от четырёх до шести. Полоса прогресса делится ровно по числу глав, которые объявил нарратив. Пустая строка в сценарии — это абзац, а абзац — это один шот: внутри абзаца предложения разделяются 10 кадрами, конец абзаца — 30, так что пауза попадает точно на смену картинки. Готовое видео по задумке идёт на 5–8% дольше чистой речи.

В src/config.ts выбираются фон, язык и финальный титр builtBy: фона два — звёздное поле с туманным градиентом или волна из точечного поля, а титр убирается пустой строкой. Остальной вид задан стилем: белая линейная графика с фиолетовыми акцентами, сверхжирные заголовки, субтитры 44px белым с чёрной обводкой, капсульный HUD сверху, опциональная рельса пайплайна — всё это меняется правкой reference/style-guide.md и src/ui.tsx. Озвучка для китайского — edge-tts с голосом Yunxi, для английского — локальная kokoro-82m с голосом Liam. Можно подключить свой TTS или готовый аудиофайл: в референсной китайской версии так сделали через Volcengine TTS 2.0 с форсированным выравниванием.

Установка — клонировать репозиторий и создать симлинк в ~/.claude/skills или ~/.codex/skills. Из зависимостей нужны Node не ниже 18, ffmpeg для извлечения кадров и транскодинга, Python-окружение с edge-tts (версию лучше зафиксировать — она ходит на эндпоинт Microsoft и ломается при обновлениях), numpy, pillow и scipy, а для английской озвучки ещё kokoro, soundfile и espeak-ng. Скрипты написаны на zsh и Python 3, проверены на macOS; Linux должен работать, Windows не тестировали. Отдельно расписан вариант для Linux и ARM, включая Raspberry Pi 5: там Remotion нужно направить на системный Chromium через переменную окружения, а вместо капризного kokoro поставить kokoro_onnx или быстрый, но роботизированный piper — движок выбирается переменной TTS_ENGINE.

Запуск в Claude Code или Codex выглядит просто: пишете «сделай мне объясняющее видео про векторные базы данных» — скилл срабатывает сам. Код лежит на GitHub под лицензией PolyForm Noncommercial: некоммерческое использование бесплатно, коммерческое — только с разрешения автора. Сами видео, сделанные скиллом, принадлежат вам, а шаблон, спеки и скрипты можно править под свой визуальный стиль.