Skip to content
Back to search

interactive-to-video

把动页(可交互的网页作品、互动文章、explorable explanation)做成完整的讲解视频:为这件动页写一份录制脚本,无头浏览器照着脚本像读者一样把页面走一遍并录屏,配上克隆音色的旁白或页面自带的声音,出 1080p mp4 和字幕。用户说「把这个动页 / 互动网页做成视频」「动页转视频」「出个视频版」时用。

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/micahfang1--interactive-to-video/badge.svg)](/listings/micahfang1--interactive-to-video)

HTML

<a href="/listings/micahfang1--interactive-to-video"><img src="/api/listings/micahfang1--interactive-to-video/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

SKILL.md · Manifest · 82 lines
  1. ---
  2. name: interactive-to-video
  3. description: 把动页(可交互的网页作品、互动文章、explorable explanation)做成完整的讲解视频:为这件动页写一份录制脚本,无头浏览器照着脚本像读者一样把页面走一遍并录屏,配上克隆音色的旁白或页面自带的声音,出 1080p mp4 和字幕。用户说「把这个动页 / 互动网页做成视频」「动页转视频」「出个视频版」时用。
  4. ---
  5. # 动页转视频
  6. 本目录就是工具。无头浏览器像读者一样把动页走一遍(滚动、点击、拖动,光标看得见),边走边录画面,配上人声,出 1080p 的 mp4。
  7. 录制和合成是自动的;**每件动页的脚本要你来写**:读懂这件动页,决定讲什么、删什么、每一步在页面上做什么。这是主要的工作量。
  8. - `lib/record.mjs` 录制器:打开页面、注入光标和字幕、抓帧压成视频、录页面自己的声音。
  9. - `lib/make.mjs` 讲解型的一条龙:合成旁白 → 按旁白时长驱动操作并录屏 → 合成成片和字幕。
  10. - `lib/voice.mjs` + `lib/tts.py` 克隆配音(IndexTTS-2)。
  11. - `lib/subtitles.mjs` 字幕切分、估时长、统计空镜(有测试,`npm test`)。
  12. - `examples/demo/` 一个开箱能跑的小示例(一页小动页 + 它的脚本),先跑它确认环境没问题。
  13. - `examples/` 另有两类动页各一个真实范例,照原样跑不起来(依赖对应的动页文件),拿来看写法。
  14. 环境准备见 README。中间文件写到当前目录的 `work/`,成片写到 `out/`,所以在你想放视频的目录下运行。
  15. ## 先分类
  16. | | A 讲解型 | B 自带声音型 |
  17. |---|---|---|
  18. | 动页特点 | 没有人声,靠读者自己读和操作 | 自己有原声、音效、字幕,按滚动自动演 |
  19. | 视频的声音 | 另写一份旁白,克隆音色配音 | 录页面自己的声音;只给没声音的文字补人声 |
  20. | 范例 | `examples/explainer-involution.mjs` | `examples/selfvoiced-jensen.mjs` |
  21. | 命令 | `node lib/make.mjs <脚本>.mjs` | `node <脚本>.mjs` |
  22. 做新的一期:复制对应范例改。范例里的注释说明了每一段在干什么。
  23. ## 原则
  24. - 做**完整的**讲解视频,不是预告短片。
  25. - 节奏要紧:**没人说话的画面尽量短**。出片后看「没人说话的时段」,超过十来秒的想办法压或删。
  26. - **有文字的地方要有人声**,不能只有打字声。
  27. - 动页里改成视频效果不好的地方就改或删(小游戏缩短、题目少做几道)。**只在录制时改,不动动页原文件**(见 B 里的 transform)。
  28. - 第一版先完整做出来再给人看,不要中途一项项问。
  29. ## A 讲解型
  30. 1. 通读动页,写脚本:`url`、`hideCss`(把导航、进度条等藏掉)、`setup`、`segments`。每段 `{ id, say, run }`:`say` 是旁白(同时是字幕),`run(ctx, t)` 是这段话期间的操作;`await t.at(0.5)` 等旁白说到一半再动。`ctx` 提供 `scrollTo / click / move / drag / wait / card`。
  31. 2. 旁白是讲给观众听的,不是照念页面文字。删掉视频里撑不起来的部分(自由探索的实验、长列表、出处)。
  32. 3. 参考录音:脚本里写 `voice: '路径'`,或放成当前目录的 `voice/ref.wav`。要十几到三十秒、安静、一个人说话。
  33. 4. **先不配音出一版**:`node lib/make.mjs <脚本>.mjs --silent`。按字数估每段时长,只出字幕,几分钟就能看到整片的画面和节奏。配音很慢,画面没调好之前不要配。
  34. 5. 画面定了再去掉 `--silent` 配音出片。调某几段用 `--only 段id,段id`。
  35. `lib/tts.py` 会把各段语速拉齐、压短句中停顿、降噪、对齐响度,语速或音色离谱的自动重做。
  36. ## B 自带声音型
  37. 1. 读动页源码,弄清三件事:怎么往下走(滚动 / 点击)、哪里会停下来等读者(互动)、哪些文字没有声音。
  38. 2. 复制范例改:
  39. - `serve`:把本地文件夹当网站(请求拦截,不开端口)。
  40. - `INTERACTIONS`:每个互动「怎么认出来(选择器)+ 怎么做」。用真实的鼠标移动、拖动、点击。超时才按页面自己的「跳过」。
  41. - 主循环:没在等互动就滚轮往下滚;文字在打字时停下等;旁白没念完也等。
  42. - `transform`:送给浏览器时临时改脚本(缩短小游戏、缩短停顿、接旁白),原文件不动。按原文匹配来改,匹配不上要报错,别悄悄失效。
  43. 3. 没声音的文字:列成清单交给 `synthesize()` 合成;录制时文字开始出现就记时间点,最后按时间点混进页面声音。有人声的文字关掉打字声,出现的速度跟着人声时长走。
  44. 4. `--max 秒` 先录开头一段;`--from 位置` 从中间开始调某一场;都没问题再录全片(实时录,片子多长就录多久)。
  45. ## 坑
  46. - **声音**:无头 Chrome 必须带 `--disable-audio-output`(已写在 `lib/record.mjs`)。换成 `--mute-audio` 的话,声音引擎挂在系统声卡上,系统声音一不稳,页面里的音频就停住,整遍录制作废。
  47. - **清晰度**:1080p 靠 `--force-device-scale-factor=1.5` + 1280×720 窗口。不要用 CSS zoom(100vh 会错位,粘性布局歪掉)。
  48. - **滚动叙事**:GSAP ScrollTrigger 一类的页面,高度变了(展开一段解析)之后要派发一次 `resize`,否则触发位置是旧的。
  49. - **卡死**:范例里有看门狗,页面不动、声音不走超过 40 秒就停。看到「卡住了」先查原因再重录,别直接重跑碰运气。
  50. - **配音很慢**:IndexTTS-2 在笔记本上每句几十秒到几分钟。三四十句要留出半小时以上。机器上同时只想跑一个这类任务时,设 `HEAVY_LOCK`。
  51. - **硬盘**:一遍 20 分钟的录制,中间文件约 1.5GB。
  52. ## 出片后必须核对
  53. Claude 听不了音频。这一条要对用户明说,不能含糊过去。
  54. 1. 抽帧:全片均匀抽四五十帧拼成一张图看一遍,再单独看每个互动的时刻,确认做对了、没有停在半截。
  55. 2. 日志:每个互动都出现,没有「出错」「没自己结束,跳过」「卡住了」,页面报错为 0。
  56. 3. 声音:音轨时长和画面一致、中间没有断流;看「没人说话的时段」清单。
  57. 4. 报告时写清楚:哪些是看过的,哪些只能人来听(发音、语气、中英混读的词);删改了动页的哪些内容;还有哪几段无声偏长。
  58. ## 声音的规矩
  59. - 只克隆自己的声音,或者明确拿到授权的声音。
  60. - 合成的旁白和真人原声混在同一条视频里时,发布时在简介里注明旁白为合成。
README.md · README · 107 lines
  1. # interactive-to-video
  2. 把动页(可交互的网页作品)做成完整的讲解视频。这是一个 [Claude Code](https://claude.com/claude-code) skill,也可以不经 Claude、直接当命令行工具用。
  3. *Turn an interactive web page (an explorable explanation, a scrollytelling piece) into a full narrated video. You — or Claude — write a short script for the page; a headless browser then walks through it like a reader would (scrolling, clicking, dragging, with a visible cursor) while the screen and the page's own audio are recorded, and narration is added with a cloned voice. Docs are in Chinese.*
  4. ![示例:脚本驱动光标拖动滑块,字幕跟着旁白走](docs/demo.gif)
  5. 上面这段出自仓库自带的示例,一条命令就能在你机器上录出来(见「五分钟试一下」)。
  6. > **早期版本。** 目前只做过两条完整的片子(5 分 46 秒和 22 分钟),都是作者自己的动页,只在 Apple 芯片的 Mac 上跑过。
  7. 做这个的原因:动页要读者亲手操作才好看,视频平台上的人不会点进来操作。把动页录成一条有人讲的视频,发到视频平台,想自己动手的人再点进原作品。出自 [Interflus](https://interflus.com)。
  8. ## 它做什么,不做什么
  9. 自动的部分:
  10. 1. 无头浏览器打开动页,照脚本一步步操作:滚动、点击、拖动。画面上有看得见的光标。
  11. 2. 边操作边录屏,1080p、30 帧,同时把页面自己发出的声音录下来。
  12. 3. 配人声,合成成片 `out/<名字>.mp4` 和 `.srt` 字幕。
  13. 要人(或 Claude)来做的部分:**每件动页写一份脚本**。讲什么、删什么、每句话期间在页面上做什么,都写在脚本里。示例的脚本 60 行,真实的一期大约 200 行。丢一个链接就出片,它做不到。
  14. 两类动页,做法不同:
  15. - **讲解型**:动页本身没有人声。另写一份旁白,逐段合成人声,操作跟着旁白的时长走,旁白同时是字幕。
  16. - **自带声音型**:动页自己有原声、音效、字幕。录页面的声音,只给那些只有文字、没有声音的地方补人声。
  17. ## 五分钟试一下
  18. 需要 Node.js 20 以上和 ffmpeg(含 ffprobe)。
  19. ```bash
  20. git clone <本仓库地址> interactive-to-video
  21. cd interactive-to-video
  22. npm install
  23. npx playwright install chromium # 下载约 600MB
  24. npm run demo # 约一分钟,成片在 out/demo.mp4
  25. ```
  26. 示例是一页「钱多久翻一倍」的小动页(`examples/demo/index.html`)和它的脚本(`examples/demo/demo.mjs`)。没装配音的时候只出字幕、没有人声,用来看画面和节奏正合适。
  27. ## 配人声
  28. 配音用 [IndexTTS-2](https://github.com/index-tts/index-tts) 克隆一段参考录音。按它的说明克隆仓库、下载模型(约 11GB)、装好依赖,然后告诉本工具它在哪:
  29. ```bash
  30. export INDEXTTS_DIR=/path/to/index-tts # 里面有 checkpoints/ 和 .venv
  31. # export INDEXTTS_PYTHON=/path/to/python # 可选,默认 $INDEXTTS_DIR/.venv/bin/python
  32. # export HEAVY_LOCK=/path/to/lock.sh # 可选:机器上同时只想跑一个吃显存的任务时,用它排队
  33. ```
  34. 参考录音放成当前目录的 `voice/ref.wav`,或用 `VOICE_REF=路径` 指定:十几到三十秒,安静,一个人说话。
  35. 设好之后同样的命令就会带人声。想暂时不配,加 `--silent`。
  36. IndexTTS-2 的模型有它自己的许可协议(bilibili Model Use License),用之前自己读一遍。本仓库不包含任何模型和录音。
  37. ## 用法
  38. 装成 skill:把本仓库克隆到 `~/.claude/skills/interactive-to-video`,然后对 Claude Code 说「把这个动页做成视频」。它会读 [SKILL.md](SKILL.md),为这件动页写脚本、录制、抽帧核对。
  39. 直接用:
  40. ```bash
  41. cd 你想放视频的目录 # 中间文件进 ./work,成片进 ./out
  42. # 讲解型
  43. node <本仓库>/lib/make.mjs 我的脚本.mjs --silent # 先不配音看一版
  44. node <本仓库>/lib/make.mjs 我的脚本.mjs --only open,hook # 只录某几段
  45. node <本仓库>/lib/make.mjs 我的脚本.mjs # 全片
  46. # 自带声音型(脚本自己是入口)
  47. node 我的脚本.mjs --max 60 # 先录开头一分钟
  48. node 我的脚本.mjs
  49. ```
  50. 脚本怎么写、有哪些坑、出片后要核对什么,都在 [SKILL.md](SKILL.md)。
  51. ## 范例
  52. | 文件 | 类型 | 说明 |
  53. |---|---|---|
  54. | `examples/demo/` | 讲解型 | 开箱能跑。8 段旁白,57 秒 |
  55. | `examples/explainer-involution.mjs` | 讲解型 | 《内卷》,32 段旁白,5 分 46 秒 |
  56. | `examples/selfvoiced-jensen.mjs` | 自带声音型 | 《黄仁勋 · 上》,22 分钟,12 个互动自动完成,38 条补配的旁白 |
  57. 后两个依赖对应动页的本地文件,照原样跑不起来,是拿来看写法的。
  58. ## 局限
  59. - 每件动页都要单独写脚本。互动怎么认、怎么做,没有通用办法。
  60. - 实时录制:片子多长,录制就要多久。
  61. - 配音慢:笔记本上每句几十秒到几分钟。
  62. - 自带声音型要在录制时临时改动页的脚本(按原文匹配)。动页一改,匹配不上会报错,要跟着改。
  63. - 语速对齐是按中文「每秒几个字」算的,别的语言要改 `lib/tts.py`。
  64. - 测试只覆盖字幕切分、时间戳、估时长、空镜统计这些纯函数(`npm test`)。录制和配音靠跑示例来验证。
  65. - Claude 听不了音频:画面它会自己抽帧核对,发音和语气要人来听。
  66. ## 关于声音
  67. 只克隆你自己的声音,或者你明确拿到授权的声音。合成的旁白和真人原声出现在同一条视频里时,发布时请注明旁白为合成。
  68. ## 许可
  69. MIT,见 [LICENSE](LICENSE)。

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.