给有想法、想表达，但不想出镜的人：用文案或录音，让观点通过画面与动效被看见。

Motion Skill 是给 Codex / Agent 使用的 voice-to-video Skill 与可编辑 Remotion 工程，支持按文稿编排无口播动效，也支持将已有录音编排成视频。默认 16:9，当前为公开测试版。具体版本与变更保留在更新日志。

本次 Release · 安装与更新 · 更新日志 · English overview · 快速开始 · 提示词 · 常见问题 · 内测反馈 / 参与贡献

先让画面表达清楚，再让动作跟音乐呼吸。 新增能力都是可选扩展，不重写旧工程或替换已选风格。

1. 工程断点：重点运镜与交接检查；显式文件指纹检测旧产物/旧音轨报告；计划、接线、画面、播放、用户认可分开记录。
2. 编排与保真：同一命名事件表生成镜头表与风险窗口；过程不冒充完成；新增人工选音乐起音的律动 helper，支持分组、停顿和镜头变化。
3. 公开案例与迁移：无私人内容的发票/库存两变体 Playground，保留旧 reference 和10个稳定 adapter；新扩展按项目选择启用。

三步升级与实际边界 · 律动 Playground 源码与启动 · 下载预构建试验包（约0.9 MB） · 编排合同 · 本版验证

# 在仓库根目录；复用已安装且版本匹配的依赖则跳过 npm ci
npm ci
npm run build:rhythm
npm run preview:rhythm
# 浏览器打开 http://127.0.0.1:4343

示例含可播放、可拖动的同时间轴对照；音源为源码生成的 116 BPM 测试节奏，并非 ACE-Step 作品。它验证可复现的编排与时间，不承诺用户成片品质。

ACE-Step 官方 GitHub · 官方中文安装指南 · 配合 Motion 使用 / 复制给 Agent 的提示词

ACE-Step 用于本地生成音乐，Motion Skill 负责画面与动作编排。程序与模型由使用者从官方来源自行安装；安装或更新 Motion Skill 不会同时安装 ACE-Step。 已装好可复用，有现成授权音乐可跳过安装。

第一次模型下载较大，可能等很久，请提前留出时间与磁盘空间。 官方指南列出核心模型约 10GB 磁盘需求，另有依赖和缓存；这不是固定下载量。首次下载可能需要几十分钟或更久，取决于网络和所选模型。下载、首次加载、生成音乐是不同的等待，后续通常可复用模型缓存。先看下载进度或日志，不要把仍在下载误判为卡死。

装好后先生成短样本试听，再安排画面和独立动作音效。具体步骤、等待说明与效果边界见 ACE-Step 使用说明。

上方是48秒循环动图预览（静音）。

视频发布页 · 仓库内的MP4原文件 · 可编辑reference工程

96 项动效机制研究 · 19 个分类 · 10 个生产组件 · 5 类语义结构 · 48 秒有声 reference

这是一套给 Codex / Agent 使用的 Skill 和 Remotion 工程。它组织原声、实拍素材、字幕与 Motion Graphics；由 Agent 理解内容并编排镜头，Python 负责时间与约束检查，Remotion 负责预览和导出。

本 reference 在 Codex + GPT-6.1 Sol 中完成（模型名称按作者提供的标注），本地 Whisper 负责转写，Remotion 负责画面渲染。作者参与了视觉方向、实拍补充、ending 与字幕的反馈。它是一个真实迭代案例，不是“一条 prompt 保证任意音频全自动成片”的能力承诺。

默认读取 Remotion Best Practices → 提前展示编号镜头表 → 按内容选动效 → 先看 15–20 秒样片。

• 规范默认读取：涉及 Remotion 实现时，Agent 先定位并阅读官方 remotion-best-practices 入口，再读与本次任务有关的分支，无需重复提醒。定位器只报告文件、版本与 hash；找到文件不等于已读或已遵循。缺失会说明，不静默联网安装。
• 编排提前可见：实现前展示每镜的时间、意思、主焦点、主效果研究编号与组件名、辅助转场、交接对象、选择原因和阅读窗口。它是开工说明，不新增逐镜审批。
• 内容决定效果：数字快照可滚动落定或固定揭露；两期变化须有两份可比证据；关键词建立阅读层级；真实素材在原图内部取景与圈注；原视频已有动作时保持外框稳定。记录近期实际用过的机制，减少机械重复，不随机抽效果、不固定重放 AME 镜头。
• 保留已选视觉：字体、字号角色、配色、材质、阴影和素材表现沿用已选基准；按当前内容调整动效选择与衔接路径。数字组件保留边缘渐隐、轻微模糊与分隔符外观，通用组件不能以“升级”为由换掉原片质感。
• 先样片：默认 15–20 秒，用户确认表达、可读性与连续性后再扩展；明确要求其他时长或直接整片时按本次要求。技术通过不代替用户验收。

96 项研究 ≠ 96 套生产模板。 当前有 10 个可导入基础组件（实际清单），包括数字滚动、固定数值揭露、数值对照、逐行揭露、素材内部取景、圈注、焦点交接，以及原有关键词窗口、词组节奏、粘土汇合。复杂关系仍需 Agent 定制。

这些时间仅演示记录方法，不是通用镜头模板，也不是读者实测标准。脚本输入示例 semantic-plan.example.json 使用显式测试数据；实际来源、阅读时间和转场由本片内容决定。

首次使用，先按下文安装本仓库，再通过官方命令安装 Remotion Agent Skills：

npx skills add remotion-dev/skills

这条命令会联网安装到所选 Agent 环境，由使用者主动运行；Motion Skill 不自动替你安装。官方 Skill 正文不随本仓库分发。参考 官方说明 和 接入边界。不同 Agent 的安装目录可能不同，可用 --skills-root 指定。

# 以下在 motion-skill 仓库根目录运行，输出使用新路径
python3 scripts/motion.py preflight-remotion --project /absolute/project
python3 scripts/motion.py select-motion assets/semantic-plan.example.json \
  --out /tmp/motion-selection.json --explain /tmp/motion-shots.md

select-motion 接收 Agent 已核对的语义、来源、素材用途和阅读窗口，不是原始音视频识别模型，也不会自动改写影片。输出是 planned_not_wired；实际导入与调用后另存使用清单、做源码检查和画面复看。未覆盖的关系可以按目录做 custom 实现，不为通过选择器而扭曲内容。详见 内容到镜头 和 接入组件。

本地复用与转写缓存 只保存于使用者本机；公开包没有作者的私人基准、录音或缓存。没有自己的基准时，从新工程或已有公开 reference 开始，不能宣称已复刻私人 AME 原片。

你可能有很多想法，也愿意分享自己的观察，却总卡在“要不要露脸、怎么拍、怎么剪”这一步。可以先拿手机把话说出来，再让 Codex 配合 Motion Skill 把声音组织成画面。

• 不想出镜的创作者：用自己的声音分享观点、知识或生活观察。
• 有产品想法的设计师、开发者与独立创作者：用流程动效、真实截图或实拍解释一个问题与解决方式。
• 习惯先说再写的人：把一段核对过的语音整理成可观看、可继续修改的视频。

你负责内容、判断与最终确认，Agent 协助编排和实现。无需拍摄自己的脸；已有录音是最直接的起点。不出镜不等于匿名，声音及讲述内容仍可能识别身份；公开前请确认发布范围。

只看效果可以直接下载视频；制作自己的片子需要 Codex 或其他能读写工程、运行命令的 Agent，以及下方列出的本地环境。

录音不是必填项。已有 script 文稿模式可按文案、目标时长与阅读预算编排文字、图形、流程和片尾；没有音源时输出静音画面。example 是另一个模式，用于明确标注的结构演示，不代表完成了你的内容。

不录口播 ≠ 必须无声，录了口播 ≠ 不能加音效。 口播、动效音效、背景音乐是三个可分别选择的声音层。当前默认不自动添加音效或音乐；有需要请在提示词中明确，实际工程仍需实现与听检。

本次48秒reference只接入口播，实拍视频静音，没有额外添加音效或背景音乐。播放器的“原声开/关”只控制口播，不是音效选择器；首页GIF本身也不含声音。详见声音说明。

• 25 条同步字幕 SRT
• 96 项机制目录、分类与缩略图
• 来源与参考者署名 · 许可范围

上图是机制的单帧示意；在本地打开 studies.html 可逐项播放 96 项研究。它们是二维/SVG/CSS 研究和近似效果，不是 96 项全新发明，也不是本片用了 96 个效果。

/motion-video 我不想出镜，但想分享这段录音里的观点。把这段音频做成“实拍素材混剪＋MG 动效”：具体场景用实拍，抽象关系用动效。保留原声 1×，补上同步底部字幕。没有实拍素材时，请 Codex 按口播场景联网寻找并下载有明确使用许可的公开素材，保留作者与来源。片尾放大 [名称]，配 [收尾文案]，稳定停留至少三秒。完成后导出有声 MP4 和可编辑工程。

更完整的输入、素材与 ending 模板见 PROMPTS。尽量给出受众、唯一带走的结论、画幅和想要的片尾。没有仓库链接就不编造链接。

不写比例时，默认横屏16:9。 需要其他画幅时，在提示词中明确写出目标比例；也可以同时给出成片像素尺寸。

可直接追加：

这条改成 9:16竖屏，1080×1920。请按竖屏重新排标题、实拍、动效、字幕和ending，保留原声1×。

或：

这条改成 3:4竖版，1080×1440，按这个比例重新组织构图与字幕安全区。

当前通用运行模板仍固定为16:9；9:16、3:4等是交给Codex的目标画幅要求，需要相应调整工程与布局后验证，不是只改比例数字就自动适配的现成开关。其他比例也请写清宽:高，必要时给出像素尺寸。详见画幅与版式。

可以在提示词里直接说：

我没有现成的实拍素材。请你根据口播里的具体场景，联网搜索并下载有明确使用许可的真实照片和短视频，优先使用可用的公开素材库。自行选取合适片段并静音，记录作者、原始页面和许可证，再接入工程。不需要我逐张挑选。

Codex需要有可用的联网搜索/下载能力；Skill本身没有内置素材搜索API。来源不清、付费或下载受限时，说明缺口，不把示意图或AI生成画面标成实拍，也不自动购买。本reference就采用了从公开来源获取的工作台照片和手机实拍视频，详见制作记录。

准备 Node.js 22+、Python 3、FFmpeg 与已有 Chrome/Chromium。没有内置 ASR、模型、密钥或浏览器下载器。

npm ci --ignore-scripts
python3 scripts/prepare-reference.py --fetch-stock
npm run check
npm run build
npm run verify:frames
npm run preview

打开 http://127.0.0.1:4341/ 查看可编辑时间轴；/studies.html 浏览机制。--fetch-stock 会从已署名的 Unsplash / Pixabay 来源下载素材，并准备静音 B-roll。下载文件只留在本机，不进 Git。原始录音未分发；参考工程从已公开、已获发布授权的示范片提取配音副本。

导出：

npm run render

输出在 examples/voice-to-video/outputs/。如浏览器未找到，设置 REMOTION_BROWSER_EXECUTABLE 为本机 Chrome/Chromium 的路径。首次浏览器渲染仍受平台、字体和资源可用性影响。

首次安装可使用官方 Skills CLI（Node.js 22.20+），按提示选择你的 Agent：

npx skills add derek-zhuolin/motion-skill --skill motion-video -g

通过上述方式安装、且没有在 Skill 文件夹内放自定义改动或私人文件时，之后只更新 Motion Skill：

npx skills update motion-video -g

这是已有 Skills CLI 的命令，不是本仓库新增的自动更新器。更新跟随安装来源；上面安装方式跟随仓库默认分支。改过 Skill、手动复制或使用 Fork 的用户，先看安装与更新，不要直接覆盖。项目内安装使用 -p 更新；不要省略 motion-video 去更新所有 Skill。

不会操作命令？ 把下面这句话直接发给你的 Agent：

请把我的 Motion Skill 更新到 https://github.com/derek-zhuolin/motion-skill 的最新版。先确认实际安装位置和来源，备份并保留我的修改、私人素材和已有视频；有冲突先告诉我。按原安装方式更新，不顺带更新其他 Skill，不上传文件。完成后核对版本与基本检查。

更新后让 Agent 核对实际安装目录里的 package.json 和 CHANGELOG.md；如果当前会话仍使用旧规则，新开会话后再调用。想接收后续发布消息，可在 GitHub 选择 Watch → Custom → Releases；下载过的副本仍需主动更新。

也可以保留原来的完整仓库安装方式，保持文件结构，显式调用 /motion-video 或 $motion-video。Skills CLI 的 Codex 安装通常在 ~/.agents/skills/motion-video；手动安装也可能在 ~/.codex/skills/motion-video。先确认实际使用的目录，避免重复安装；两种方式不会自动互相同步。

python3 scripts/motion.py doctor --deps "$PWD/node_modules"
python3 scripts/motion.py new --dest /tmp/my-motion-film --deps "$PWD/node_modules"

第二条先生成明确标注的静音结构示例。默认 build / verify:frames 只处理本片；新工程要浏览研究库时另运行 npm run build:studies，修改研究库时运行 npm run verify:studies。真实口播需要已核对的 transcript、story 和字幕数据，再带 --media、--story、--transcript、可选 --captions 创建新工程。见 GETTING_STARTED。

可运行 npm run verify:production 检查选型、字幕与隐私边界；npm run verify:template 验证新工程。已有 Chrome 时，npm run verify:components 用合成数据渲染七个新组件的代表帧，结果仅存本机 .cache/。完整命令和已核验范围见 验证记录。

欢迎改成自己的视觉语言：

• reference：examples/voice-to-video/src/theme.json
• 新片模板：story.json → brand.blue / brand.ink / brand.paper
• 96 项研究的主要配色：assets/runtime/src/studies/palette.json

仓库附蓝、紫、珊瑚三组起点；材质高光、灰阶和第三方实拍不会被一键自动重着色。配置示例、适用范围和对比度检查见 CUSTOMIZATION。

1. 先核对转写。 专有名词、口误、字幕断句和时标仍需检查；没有绑定 ASR 服务。
2. 保持原声。 不为凑时长偷偷加速、延后或截断人声。读不完先减屏幕信息。
3. 字幕与大字各司其职。 底部字幕跟原话走；主文案讲结论。voice 模式默认要求字幕，明确不要时才关闭。
4. 实拍有出处。 不把素材示意当成用户本人、实际产品 UI、真实业绩或本人经历。
5. 动效为意思服务。 研究库不自动做语义导演；复杂机位、素材与版式仍要按本片改源码。
6. 检查实际视频。 规则、构建和 DOM 检查通过不等于观众看懂；要复看声画、字幕与 ending。
7. 发布前脱敏。 原始音视频、ASR 原件、设备/位置元数据、本机绝对路径、密钥和无关历史不进公开包。

本案例还有两处轻量 ASR 文字修正，未隐藏为“机器逐字零误差”；见 reference 制作记录。

不主张所有技法原创。 已记录的参考包括 Oreo UI、Paper Shaders、Juan Mora Romero、Jérémie Nallet / Atelier UI、Noor Mtir / Paperlab、Codrops、Kimi 视频参考集、Camera Controls、Theatre.js。逐项对应见 ATTRIBUTION。

工具、模板编排层和 reference 工程中由本仓库贡献者持有版权的代码采用 MIT，历史研究档案、字体、依赖、实拍素材与示范片有明确排除范围，见 LICENSE_SCOPE。早期 1–64 项逐项出处记录不完整，因此不把研究档案重新授予 MIT，也不把相关技法说成本仓库发明。

欢迎按许可范围 Fork、改配色、优化字幕、改进机位、补来源记录和提交 PR。提交新效果时请附来源、使用范围和实际预览；计数按有独立 ID 的可运行机制记录，不用配色变化凑数。

内测遇到问题或想贡献配色、竖屏版式、来源记录，请先看 贡献与反馈指南。关于搜索可发现性、AI 引用信息及本轮检查范围，见 文档维护记录。