huashu-motion：AI Agent 按節奏製作產品宣傳片

2026 年 11 月 4 日 Share to X Facebook Copy link

由 Claude Code 或 Codex 讀取產品內容、編排動畫和配樂，再讓你在瀏覽器畫面上指定位置修改。製作流程可在本機完成，配樂亦毋須呼叫付費接口。

想把產品介紹變成一支短片，可以直接向 Claude Code 或 Codex 提出需求；huashu-motion 會先閱讀產品內容，提供三個創作方向，再編寫動畫與配樂，並在瀏覽器開啟編輯器。它是一套供 AI Agent 使用的動畫製作 skill，處理從產品內容到宣傳片、再到局部修改的工作流程。

修改方式著重畫面定位：在預覽中按 C，再點選要調整的位置並留下意見。評論會附上時間點、場景、所選元素及其原始碼位置，Agent 可針對該處修改；版本會保留，亦可撤回。標題、數字、顏色和停留時長等項目則可直接在編輯器輸入框調整。

配樂不是完成影片後才補上的背景音。Agent 會先按節奏單寫 ABC 記譜法樂譜，並以樂譜標記配合場景切換；樂器音色可選本機採樣或合成音色，音效則配合畫面元素落地的時刻。本機生成配樂不需付費接口；使用三腳鋼琴、弦樂和鼓組等真實樂器音色，需另行下載約 55MB 採樣。口播亦屬可選功能，Kokoro 中文語音和逐字對齊各有額外安裝需求。

項目列出以 Chrome、Chromium 或 Edge 執行截帧、檢查及匯出，不需另外下載渲染器；也展示 Claude Code、Codex 和 DeepSeek V4.1 Flash 等案例。當中一支 22 秒動效片以 DeepSeek V4.1 Flash 製作，經三輪修改，不到半小時完成；文中記錄當時費用為 1.95 元，不能視為固定成本或其他模型的效能保證。安裝方式雖有列出，但資料沒有完整說明各平台的操作流程，首次使用仍要按所選音色和口播功能處理相應依賴。

• 先閱讀產品內容，再提供三個方向並生成完整短片。
• 在預覽指定畫面位置，讓 Agent 針對局部修改；版本可保留和撤回。
• 配樂以 ABC 樂譜和場景標記同步，音樂及音效可在本機生成。
• 可透過瀏覽器截帧、檢查和匯出；真實樂器採樣與中文口播需額外依賴。

這套流程適合需要快速製作產品發布片、又希望保留逐處審核和修改能力的產品及設計團隊。它把創作交給 Agent，但仍讓人透過畫面評論調整細節；採樣下載、語音工具安裝及各平台實際操作方式，則是導入前需要確認的成本。

GitHub

Categories: 開源, Agentic, AI productions, 模型, DeepSeek, Video, 工具, 語音, Anthropic, 動畫, 音樂, Skill 技能

---

teardown：把機器原理變成可拆解的 3D 模擬器

2026 年 11 月 4 日 Share to X Facebook Copy link

想了解引擎、手錶或挖掘機怎樣運作，可以讓 Claude Code 生成一頁式模擬器，邊看機器運轉，邊拆開部件追蹤數值。

想弄清楚四衝程引擎如何運作，單看文字或靜態圖解未必容易掌握部件之間的關係。teardown 是一項 Claude Code skill，會按自然語言指示生成離線 HTML 3D 模擬器，讓機器在畫面中央運轉，周邊面板同步顯示數值，亦可按鈕打開正在工作的部件。

使用者可在 Claude Code 以日常語句描述想了解的機械，例如機械手錶或液壓挖掘機臂，再要求生成模擬器；項目亦附有 V8 引擎、Cessna 飛機和 Strandbeest 機械生物三個例子，可用 Node.js 建成單一 HTML 頁面。安裝需要 Node.js 20 或更新版本，以及 Playwright 的 Chromium；影片輸出另需 ffmpeg，聲效製作則需 Python。主要使用方式是透過 Claude Code 提出描述。

生成的頁面會把 three.js 和字體內嵌，方便離線開啟；模擬器閒置時會自動巡覽，亦可把畫面逐格輸出成 60 fps MP4，並配上時間軸聲效。相較只提供動畫的展示頁，它把機械運作、即時數值與可拆解部件放在同一介面。

較適合製作互動式教學素材、概念展示或機械原理解說的教育工作者、設計師和工程團隊。要留意，生成品質會受描述與 Claude Code 產出影響；若內容用於工程驗證或安全判斷，仍需另行核實模型設定與數據。

• 以自然語言要求 Claude Code 建立機械 3D 模擬器。
• 單一離線 HTML 頁面包含機器動畫、數值面板和部件拆解互動。
• 可將模擬器畫面輸出為 60 fps MP4，並加入程序化聲效。
• 內附 V8 引擎、Cessna 飛機及 Strandbeest 三個示例。
• 文件未提供物理準確度評測，生成結果不宜直接當作工程驗證。

GitHub

Categories: 開源, AI productions, 模型, Video, 教學, 3D, Python, 安全, Anthropic, 動畫, 聲效, Skill 技能

---

Wizard：讓 AI 即時改動遊戲世界與戰鬥規則

2026 年 11 月 2 日 Share to X Facebook Copy link

Wizard 讓玩家用指令改變場景、角色和戰鬥狀態，再即時生成連貫影片。它適合探索互動遊戲原型與可控世界模型的創作方式。

改變地形、召喚敵人，甚至令角色變身，Wizard 都能把這些操作整合到即時遊戲畫面中。這個世界模型項目以代理控制修改遊戲狀態，再由影片生成模型呈現變化，目標是讓互動不只限於移動角色，也能改動環境與戰鬥規則。

使用者可透過按鍵、文字指令或單張畫面控制世界。場景幾何、角色骨架、動作和戰鬥狀態會分開記錄，因此系統可以處理平台升降、地面變形、角色攻擊與受傷等變化；影片生成器則以每秒 24 幀輸出畫面。項目亦稱，展示中的場景和角色都是模型未曾見過的內容。

整個流程分成快速建置和遊戲期間的控制。建置階段會重建場景與角色、配置骨架並整理動作；遊戲期間，代理更新幾何、動作和戰鬥狀態，再交由 Wan2.2-TI2V-5B 生成影片。文字指令會轉成幾何操作程式，戰鬥則由狀態追蹤、攻擊規劃和規則控制器處理。

• 適合想測試可互動遊戲場景、角色動作及戰鬥變化的研究者與創作者。
• 可用文字指令、按鍵或畫面輸入控制世界，也能比較生成影片與場景代理畫面。
• 每秒 24 幀生成，並以兩步去噪處理；項目描述的建置階段少於五分鐘。
• 程式碼尚未公開，現有資料亦未提供下載或使用流程。

Wizard 把可明確追蹤的遊戲狀態與即時影片生成結合，適合探索「能否直接操控世界規則」這類互動設計。它的應用仍受限於目前展示和程式碼尚未開放的狀態，外部使用者暫時難以自行驗證或整合。

項目主頁

Categories: 騰訊, Agentic, AI productions, 模型, 視頻模型, 世界模型, Qwen, Video, Image, 框架, Content Creator, 動畫

---

RGB MoCap：把影片動作變成可編輯角色動畫

2026 年 11 月 1 日 Share to X Facebook Copy link

拍一段影片即可重建人體動作，再修正接觸點、套用角色並匯出動畫。

拍攝一段人物影片後，RGB MoCap 會重建人體動作，讓你在 3D 預覽中檢查身體網格與骨骼，再輸出可編輯的人體動畫。這個項目屬於本地運行的 Windows 動作捕捉工具，主要處理由普通影片取得角色動作、修正滑步，以及套用到不同角色格式的工作。

它不只追蹤身體，還提供腳掌和手掌接觸修正，接觸時間可以手動調整；動作可重新套用到 Mixamo FBX、VRM 和 PMX 人形角色，並輸出 FBX，亦可選擇是否連同網格一併匯出。多個 AI 模型的結果能分開保存，方便比較和重做。

安裝需要 Git for Windows、Blender、FFmpeg，以及 ExMR、FlowHMR、GVHMR 等模型運行環境；模型權重和註冊的人體檔案要在 Model Manager 另行準備，部分模型需要帳戶登記和手動下載。MAMMA 與 PromptHMR 屬於可選運行環境，另需 Visual Studio 2022 C++ Build Tools、Windows SDK 和 CUDA Toolkit 12.8；PEAR 則可用於 webcam 或影片中的單人即時身體及手指骨骼預覽。

• AI 處理在本機完成，適合重視素材私隱的 Windows 使用者
• 支援多人重建、動作骨骼預覽和 Multi Cam MoCap 工作流程
• 接觸修正可減少滑步，但仍需人工檢查時間點和追蹤結果
• 角色重定向涵蓋 Mixamo FBX、VRM、PMX，方便接入 3D 製作流程

提供安裝、更新、模型準備和恢復指引，也附有動作捕捉及角色重定向示例。適合視為可本地測試的製作工具，而不是已有完整性能保證的商用捕捉系統；動畫師、VRM／PMX 角色創作者，以及需要把影片動作帶入 Blender 的團隊會較容易受益。

GitHub

Categories: 開源, AI productions, 模型, NVIDIA, API, Video, 工具, Content Creator, 3D, 庫, 動畫, Dataset 數據集

---

h3-motion：沿路徑移動照片主體並重生成影片局部

2026 年 10 月 31 日 Share to X Facebook Copy link

沿路徑移動照片主體，或為影片局部加上遮罩再重新生成；h3-motion 透過自架 ComfyUI 串連影像理解與動畫模型。

想沿路徑移動照片主體，或只重做影片局部，h3-motion 把兩種編輯流程整合在獨立 React app，透過 Comfy SDK 操作自架 ComfyUI。流程只用開放權重模型，不依賴 Comfy Router、合作夥伴節點或封閉 API。

照片流程以 SAM 3.1 選取主體，並可用點擊修整遮罩；Qwen3-VL 描述主體，Qwen Image 2.1 清除主體並補回背景。使用者設定路徑、大小或翻轉後，由 MiniMax H3 透過 Time-to-Move 生成動畫與聲音。

影片可用矩形或橢圓標出範圍，設定 keyframe 路徑或讓遮罩跟隨物件，並加入描述及可選參考圖。H3 重生成遮罩區域後，由 app 合成回原片；原有聲音可保留、參照或替換。

• 照片：主體分割、背景清除，再沿路徑生成動畫。
• 影片：局部遮罩、路徑或物件跟隨，並合成回來源影片。
• 模型串連 SAM 3.1、Qwen3-VL、Qwen Image 2.1 與 MiniMax H3。

需要 NVIDIA 或 AMD GPU、近期 ComfyUI、ComfyUI-vlo 0.3.0 或更新版本，以及 Node.js 22.12 或更新版本；原生 Windows 尚未測試。文件未提供速度或畫質評測，較適合熟悉 ComfyUI、需要精細編輯影像局部的創作者。

GitHub

Categories: 開源, ComfyUI, AI productions, 模型, Qwen, NVIDIA, API, Video, Image, Audio, Content Creator, 動畫, MiniMax

---

WeVisCut 單一 9B 模型自主剪出多分鐘知識影片

2026 年 10 月 31 日 Share to X Facebook Copy link

由文章或旁白稿生成多分鐘影片，WeVisCut 讓模型逐步選擇剪輯工具，並可在時間線上修改成片。運行 9B 模型約需 24 GB NVIDIA GPU。

把知識文章或旁白稿變成多分鐘影片，通常要處理分段、鏡頭、配音、素材、字幕和配樂。WeVisCut 是一個長流程影片剪輯 Agent，由單一 9B 模型讀取剪輯狀態，每次呼叫一項工具，逐步完成製作；它處理的是長篇內容轉成可編輯成片的流程，而非只生成單一畫面或短片段。

模型不依照寫死的階段流程前進，而是按當前狀態決定下一步；防護規則只會拒絕不合法的操作，不會代替模型選擇。每次任務通常約有 12 次工具呼叫，涵蓋文章分段、鏡頭規劃、語音合成、素材檢索、動畫模板、配樂、檢查、修正及合成。檢查與反思本身也是工具，模型可按檢查結果修補未達要求的部分。

Studio 提供八條同步時間軌，成片完成後仍可手動編輯，也支援暫停與續做、聊天修改、單鏡頭重製及版本回退。這讓內容團隊能把它用作長篇解說影片的初剪與修改工作台；成片仍需要人手確認素材、旁白和敘事是否合適。要運行 bf16 9B 模型，項目列出的硬件需求約為 24 GB NVIDIA GPU；只開啟介面、不執行模型則不需 GPU。資料未提供完整安裝及素材服務設定流程，不能只憑這些資訊判定部署所需的全部硬件與外部服務。

評估使用 100 項保留任務，整體分數為 90.5；項目亦報告，每分鐘成功輸出的生成 token 數約比 Claude Opus 5 少 33 倍。這些數字反映項目設定下的測試結果，不足以單獨證明不同影片類型或工作環境都能得到同樣成效。訓練資料則由 3,750 個完成影片項目還原剪輯意圖，再經驗證重播整理出 134,771 個訓練例子；開放的資料建構流程可供研究長流程工具操作的團隊參考。

• 輸入知識文章或旁白稿，輸出多分鐘剪輯影片。
• 單一 9B policy 每次呼叫一項工具，按編輯狀態自行規劃後續動作。
• Studio 保留可編輯時間線，支援逐鏡修改與版本回退。
• bf16 9B 模型約需 24 GB NVIDIA GPU；純介面模式毋須 GPU。

項目主頁 · GitHub · 模型

Categories: 開源, 騰訊, Agentic, AI productions, 模型, 模型訓練, NVIDIA, Video, 工具, 語音, Anthropic, 動畫

---

Iching 64 Motion：《易經》六十四卦結構動畫

2026 年 10 月 28 日 Share to X Facebook Copy link

想看懂六十四卦如何生成、相互轉換，這部約三分鐘的動畫把卦象、數學關係與經典次序串成一條視覺線索。畫面和配樂均由程式生成，亦可自行預覽及渲染。

由陰陽爻逐步生成六十四卦，再看卦象如何倒轉、互換和變化，iching-64-motion 把《易經》的符號關係整理成一部約三分鐘的知識動畫。它是以程式製作的動畫項目，處理的是如何把抽象卦序和結構轉成可觀看的畫面；內容聚焦符號系統，不提供占卜解讀。

全片分成七章，從邵雍「加一倍法」帶出六十四卦的生成，再以方圓圖、錯卦與綜卦、互卦、變卦、文王卦序、十二消息卦和京房八宮呈現不同關係。陰爻記作 0、陽爻記作 1，六爻卦可讀成六位二進制數；改變一爻，則可視為在六維立方體的頂點之間移動。這些呈現方式讓讀者能從圖像理解卦與卦之間的連結，而非只看靜態卦名。

畫面由 React、SVG 和 three.js 生成，Remotion 負責把場景渲染成影片；六十四卦、卦序等資料由程式推導，配樂則以 Python、numpy 和 scipy 合成，並按畫面事件安排聲音。項目沒有使用外部圖片、影片或音訊素材，視覺與音樂都能納入同一條可重現的製作流程。這對製作資料驅動動畫、教學影片或展覽內容的創作者，提供了可參考的做法。

本機預覽需要 Node.js 18 或以上；可在 Remotion Studio 預覽，再渲染 MP4；不生成配樂仍可預覽畫面。

• 資料由定義推導生成，涵蓋 384 爻及本卦、之卦的 4096 種組合。
• 可預覽並渲染影片；生成配樂需要額外安裝 Python 科學運算套件。

GitHub

Categories: 開源, AI productions, Video, Image, Audio, 教學, 工具, Content Creator, Python, 動畫, 音樂

---

MotionBricks 讓動畫或機械人即時串接自然動作

2026 年 10 月 27 日 Share to X Facebook Copy link

只需提供角色最近的姿勢和目標姿勢，MotionBricks 就能生成中間動作，並把行走、跨越或坐下等行為組合成連貫場景。

機械人或遊戲角色要由一個姿勢自然移動到另一個姿勢，MotionBricks 可以即時補出中間動作。這個模組化潛在生成模型（modular latent generative model）支援角色與機械人動畫，透過最近四個姿勢作為上下文，再以一至四個目標姿勢控制終點及抵達時的動作方式。

它提供 SOMA 人體模型和 Unitree G1 機械人的預訓練模型，並附有 Python 執行環境、動作示範及場景編輯器。使用者可在 Inbetweener 放置姿勢來生成動作，也可用 Scene Preview 測試角色在場景中行走、奔跑、跨越、躲避和坐下；編輯器則可製作 Smart Primitives，將導航與物件互動動作組合起來，無須為新行為重新訓練模型。

MotionBricks 的做法，是讓三個學習模組分工生成動作，再以 Smart Primitives 提供可組合的行為積木。研究團隊表示，模型涵蓋超過 35 萬段動作，並可用於新任務而無須微調或逐項標記；這有助遊戲動畫、機械人模擬及互動場景製作，但實際效果仍取決於目標姿勢和場景設定。

項目網站報告最高每秒 15,000 FPS、延遲 2 毫秒。執行環境依賴 NVIDIA GPU 和 TensorRT，示範曾在 Windows 及 Linux x86-64、配備 GeForce RTX 4090 的系統測試；首次載入模型與精度設定時，還要建立 TensorRT 執行計劃，因此這些數字不宜直接視為所有硬件上的保證。

• 支援 SOMA 人體模型及 Unitree G1 預訓練模型，模型以 ONNX 提供，檢查點則放在 Hugging Face。
• Python 執行環境以 Warp、Newton 和 TensorRT 串接多次生成，形成連續動作。
• 附有 Inbetweener、Scene Preview，以及 Smart Primitives 和場景編輯器。
• 儲存庫提供導覽教學；但執行需要 NVIDIA GPU，設定亦涉及 Git LFS、uv 和首次建立 TensorRT 計劃。

對需要快速製作可控角色動畫、驗證機械人動作或搭建互動場景的團隊，MotionBricks 提供由姿勢控制到行為組合的一套研究原型。它減少了手工編排動作轉場及為每個任務重新訓練的需要，但硬件門檻和場景設定工作仍需納入製作流程。

項目主頁 · GitHub

Categories: 開源, 模型, 模型訓練, NVIDIA, 教學, Linux, Python, 庫, 動畫, Dataset 數據集

---

CapCut 以外，Concat 把影片剪輯搬回本機

2026 年 10 月 25 日 Share to X Facebook Copy link

想剪片但不想上載素材、註冊帳戶或處理浮水印？開源影片編輯器 Concat 提供本機字幕、語音與多軌剪輯功能。

剪短片、上字幕、替換背景，卻不想先建立帳戶，把原片交給雲端平台處理，Concat 提供了另一條路。這個跨平台開源影片編輯器把自動字幕、文字轉語音、聲音複製、背景移除、多軌剪輯及 4K 匯出放進同一個介面，支援 macOS、Windows、Linux 與 Android。

Concat 屬於桌面及流動裝置影片編輯工具，核心特色不是追求完整取代所有專業軟件，而是針對 CapCut 常用的剪輯流程，減少上載素材及依賴訂閱的摩擦。自動字幕由本機 Whisper 處理，選擇模型大小後即可把字幕放上時間軸，再配合文字轉語音、關鍵幀動畫、特效及標題完成內容製作。

這項取捨十分清楚：素材可完全留在本機，離線工作，不會因平台政策改變而失去作品控制權；但代價是本機運算能力會直接影響字幕生成等功能的處理速度。Concat 亦提供語音複製，只需數秒錄音便可建立聲音，適合處理旁白、角色對白及多語言版本，背景移除則涵蓋人物、物件，亦可自行修正遮罩。

• 支援 macOS、Windows、Linux 及 Android
• 本機 Whisper 自動字幕，無須上載影片
• 提供文字轉語音、聲音複製及背景移除
• 支援多軌剪輯、關鍵幀、特效、標題與 4K 匯出
• 無浮水印、無需帳戶，亦沒有上載限制或訂閱費用

對內容創作者、獨立製作者、教育工作者及需要處理敏感素材的團隊而言，這是一套頗完整的本機工作流。多軌剪輯、位置、縮放、旋轉、透明度及音量關鍵幀控制，令它不只停留在簡單裁片工具；惟目前版本號仍為 0.2.8，跨平台的成熟度、介面細節及不同裝置上的匯出表現，仍須經實際作品驗證。

GitHub

Categories: 開源, 文字轉語音, AI productions, 模型, Video, Audio, 軟件, 工具, Content Creator, Mac, Linux, 語音, 動畫

---

video-use：一句指令把素材剪成 final.mp4

2026 年 10 月 25 日 Share to X Facebook Copy link

video-use 將 Claude Code、FFmpeg 與 AI 動畫工具串成影片剪輯流程，適合需要快速製作短片的創作者與內容團隊。

剪片最花時間的往往不是逐格拖拉，而是刪去口誤、停頓、重拍，再處理字幕、調色和動畫。開源項目 video-use 將這些工作整合到 Claude Code 對話中：把原始素材放入資料夾，提出剪輯要求，確認方案後便可取得 final.mp4。

它屬於 Agent 影片剪輯工具，依賴 FFmpeg、ElevenLabs API，以及支援 shell access 的 Agent；Claude Code、Codex、Hermes、Openclaw 等均可按技能方式整合。Agent 會先盤點素材並提出策略，待你確認後才進行剪輯，亦可用 project.md 保存跨次工作的記憶。

• 自動移除「umm」、「uh」、重試開頭及拍攝間的空白
• 支援預設或自訂 FFmpeg 調色，並在剪接點加入 30ms 音訊淡出
• 預設以每兩字一個大寫單元燒錄字幕，樣式可自行調整
• 可並行呼叫 HyperFrames、Remotion、Manim 或 PIL 製作動畫疊層

這種做法省去大量重複剪輯操作，也毋須在預設項目與選單之間來回切換。代價是成果會受素材品質、Agent 判斷、FFmpeg 設定及 ElevenLabs 服務影響；影片內容、關鍵 API 費用與電腦運算資源仍要由團隊控制。它適合對話式影片、教程、旅遊片段、訪談及社交媒體短片，但複雜敘事和高度精準的專業後期仍需要人工覆核。

影片輸出前，工具會逐個檢查剪接點，協助發現突兀轉場或音訊爆音；然而自我評估並不等同真人審片。採用這個項目時，重點不在追求完全自動，而在讓 Agent 先處理機械而重複的工序，把最後一輪節奏、內容與品牌審校留給創作者。

GitHub

Categories: 開源, Agentic, AI productions, API, Video, Audio, 工具, Content Creator, OpenClaw, Anthropic, 動畫, Skill 技能

---