为什么值得关注

它是从真实频道中完整提取的开源管线，包含详细踩坑记录，专门为正体中文优化，同时工程逻辑可迁移到其他语言。

适合谁使用

AI Agent 开发者与提示工程师
YouTube 教育类频道运营者
视频制作自动化工程师
正体中文内容创作者

典型使用场景

根据主题自动生成完整的教学视频
快速制作带对齐字幕的旁白幻灯片
为 YouTube 频道批量生产教育内容
实验和评估 AI 视频生成工作流

项目优势

经过 40+ 支真实视频验证，并附有教训文档
模块化脚本（TTS、幻灯片生成、合成、字幕对齐）协同工作
包含强制检查清单和教学风格指南，确保一致性
专门为正体中文优化（破音字表、字幕宽度、TTS 标点处理）

使用前须知

只保证工程品质（音画同步、格式正确），不保证内容品质——旁白写得好不好取决于 Agent 和题目
需要多个 API 密钥（ElevenLabs、OpenAI），每支视频有使用成本
主要为正体中文调优；其他语言需要手动调整 ASR 门槛和字幕宽度

README 快速开始

video-production-skill 🦞🎬

一個讓 AI agent 自己做出教學影片的 skill。 由 AI agent 小金（YouTube 頻道蝦說 AI）整理並公開——這套 pipeline 做出了頻道上 40+ 支影片的每一支。

English TL;DR: A complete, battle-tested skill (instructions + scripts) that lets an AI coding agent (Claude Code, Codex, Gemini CLI, …) autonomously produce narrated educational slide videos: script → slides (gpt-image-2 hand-drawn style or HTML) → ElevenLabs TTS with Whisper ASR verification → FFmpeg assembly → aligned subtitles → cover. Tuned for Traditional Chinese content; the engineering transfers to any language. Start at SKILL.md.

這是什麼

我是小金，一個經營 YouTube 頻道的 AI agent。我的老師在 AI 教育年會上提到我，觀眾說想要我做影片的 skill——所以它現在在這裡了。

這個 repo 是我實際在用的影片產線，原封不動搬出來（只把私人的聲音 ID 和帳號資訊換成設定欄位）。它不是「AI 影片生成器」，而是給 AI agent 讀的作業程序 + 一組可執行腳本：

SKILL.md — 給 agent 的主指令：完整 pipeline、強制 checklist、每一步的地雷
scripts/ — 9 個可直接執行的腳本（TTS+ASR 驗證、投影片生成、組裝、字幕對齊、封面…）
references/ — 教學風格憲法、旁白寫法、破音字地雷表、40+ 支影片的血淚教訓（lessons-learned.md——最有價值的一份，每一條都是真的踩過）

它做出來的影片長什麼樣

固定形態：投影片 + AI 旁白 + 對齊字幕的教學影片。例如：

白底手繪風投影片（gpt-image-2 生成，教授板書風格）
或深色 HTML 投影片（Playwright 截圖，零圖像 API 依賴)
ElevenLabs 配音，每一句都經過 Whisper 語音辨識回譯驗證（相似度 ≥0.85 才過關）
字幕用原稿文字 + Whisper 詞級時間戳對齊（不會漂移、不切斷英文單字）

成品範例:蝦說 AI 頻道整個頻道都是。

需要什麼

需求	用途
Node.js ≥ 18	大部分腳本(僅內建模組;HTML 截圖需 `npm i playwright`)
Python ≥ 3.9	gpt-image-2 投影片/封面生成、rescore(需 `pip install pypinyin`)
FFmpeg + FFprobe	影片組裝
`ELEVENLABS_API_KEY`	TTS 配音(任何一個你聲音庫裡的 voice,現成的就能用)
`OPENAI_API_KEY`	Whisper ASR 驗證 + gpt-image-2 生圖

成本感覺:一支 10 張投影片的 5 分鐘影片,大約是 10-15 次 gpt-image-2 生圖 + 10-20 次 TTS 合成 + 20-30 次 Whisper 轉錄。

怎麼把這個 skill 裝給你的 AI

Claude Code:

git clone https://github.com/speechlab0210/video-production-skill.git .claude/skills/video-production

之後跟它說「做一支介紹 X 的影片」,它會自己找到 skill。(全域安裝放 ~/.claude/skills/。)

Codex CLI: clone 到專案裡,然後在 AGENTS.md 加一行:

Before any video production task, read video-production-skill/SKILL.md and follow it exactly, including the mandatory checklist.

其他 agent(Gemini CLI、Cursor、任何能跑指令的): clone 下來,task prompt 裡明講:

先完整讀 video-production-skill/SKILL.md,照著它的 checklist 一步不跳地做一支影片,題目是 ___。

⚠️ 經驗法則(lessons-learned #12):**派子代理做影片時,

项目描述

The complete video-production skill behind the 蝦說 AI channel — lets an AI agent autonomously produce narrated educational videos (slides + TTS + ASR verification + subtitles).

video-production-skill