Vox风格纸质拼贴解说/广告视频-亲测资源

这种风格是现代编辑纸张拼贴，由Vox解说员推广：手工剪裁的纸张剪纸、撕边、胶带、半色调点、报纸剪报、每拍大胆的平面色彩、大幅剪裁标题——通过动态、旁白、音乐和说明文字栩栩如生。

开源地址：GitHub – Alisa0808/vox-director：将一个主题变成完成的Vox风格纸质拼贴解说/广告视频——在Atlas Cloud + ffmpeg上实现自动化端到端。特工技能。·GitHub

工作原理

每个阶段都会有一个话题，由一个项目驱动：beats.json

topic
  │
  ├─ 1. beat map        pick a narrative arc → write beats.json      ◀── GATE 1: you approve the beat map
  ├─ 2. style bake-off  render the same beat in 3–4 themes           ◀── GATE 2: you pick the look by eye
  ├─ 3. keyframes       one collage poster per beat  (nano-banana-2)
  ├─ 4. motion          animate each poster          (gemini-omni-flash i2v)
  ├─ 5. voice + music   one narrator (xai/tts) + BGM (minimax/music)
  ├─ 6. assemble        ffmpeg: concat, duck music under VO, burn captions + watermark
  └─ final.mp4

这种流程是B-roll——所有内容都会产生一个话题。另外两种输入模态重复使用同一引擎：

A-roll——你已经有一段访谈视频了。它通过ASR分割成节拍，并重新设计成拼贴风格，保持真实面孔、对口型和手势逐帧（自动重试）。gemini-omni-flash/video-editseedance-2.0/reference-to-video
C-roll——你只有一张静态照片（自拍，产品照）。主题被剪成一张照片贴纸——从未重新绘制——每个节拍的海报围绕其生成（）。叙述可以被克隆成主体自己的声音。nano-banana-2/edit

成败有两个想法，技能围绕两者展开：

这种风格诞生于图像步骤。每一节拍都是完成的拼贴海报。所有拼贴的DNA（撕纸、剪纸、半色调、标题文字）都存在于这张图片中——如果海报不是丰富的拼贴画，后面的一切都无法挽救。
动议是在之后添加的。默认情况下，AI视频模型会为整个海报（即“活海报”路径）进行动画。为了实现戏剧性的逐块组装，可选的本地关键帧引擎将海报切割成多个部分，逐帧驱动（无内容滤镜，像素精确——非常适合真实用户）。

两个人工决策门让你掌控局面（批准节拍地图;选择风格）;其他一切都是自动化的。

型号（在Atlas Cloud上验证）

工作	模型
关键帧/拼贴海报	`google/nano-banana-2/text-to-image`
动画（非真实内容）	`google/gemini-omni-flash/image-to-video`
动画化（真实人物/品牌）)	`kwaivgi/kling-video-o3-pro/image-to-video`
重新设计一个会说话的头像（A-roll）	`google/gemini-omni-flash/video-edit`
在拼贴中锚定一张照片（C-roll）	`google/nano-banana-2/edit`
旁白	`xai/tts-v1`
用真实人物的声音旁白	`bytedance/seed-audio-1.0`（声音克隆）
音乐	`minimax/music-2.6`
切除一个元素（高级路径）	`youchuan/v8.1/remove-background`

型号ID会漂移——技能会从运行前获取实时列表。GET https://api.atlascloud.ai/api/v1/models

安装

这是一项代理技能——适用于任何能读取工作流程并运行脚本的编码代理（Claude Code、Codex 等）。克劳德代码自动发现它作为一项技能;其他特工则阅读 AGENTS.md→SKILL.md。

选项A——来自这个仓库：

git clone https://github.com/Alisa0808/vox-director.git ~/.claude/skills/vox-director

选项B——从自包技能中：下载vox-director.skill，并通过你的Claude技能界面安装。

然后设置你的 Atlas Cloud API 密钥（atlascloud.ai/console/api-keys 获取一个）：

export ATLASCLOUD_API_KEY="sk-..."

快速入门

只需问问你的编码代理，并安装了该技能：

“给我做一个Vox风格的拼贴视频，介绍墨西哥街头美食——英文，16：9,15秒。”

经纪人会为你绘制节奏图供你审批，举办风格烘焙大赛供你选择，然后生成关键帧→→音乐，并→组装。out/<project>/final.mp4

要求

编码代理——Claude Code、Codex 或类似工具
阿特拉斯云API密钥
FFMPEG + FF探测器 (brew install ffmpeg)
Python 3 带枕头（） — 用于说明/水印叠加pip install pillow

盒子里是什么

SKILL.md              the skill (English) — the workflow the agent follows
SKILL.zh.md           the same skill in Chinese
AGENTS.md             entry point for non-Claude agents (Codex, …)
references/           the creative engine
  prompt-guide.md       the LOOK layer — prompt structures, vocab & 9 theme presets
  beat-layer.md         14 narrative arcs + hook/pacing + shot patterns
  voices.md             xai/tts voice roster — pick a voice_id per language/tone
  models-and-gotchas.md every API / ffmpeg gotcha, already solved
  local-engine.md       the advanced element-level motion engine
scripts/              one script per pipeline stage
examples/             ready-to-run beats.json examples
assets/               the showcase film

文章版权归作者所有，未经允许请勿转载。

THE END