Skip to content

About

用代码拍视频:面向 Gemini、Kimi 与 MiniMax 三模态的零外部 npm 依赖商业级代码视频方案、可复用提示词套件与真实 Token 评测

Topics

Resources

Stars

2 stars

Watchers

0 watching

Forks

Latest commit

 

History

3 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

用代码拍视频(Code-Rendered Video Studio)

从 joeseesun/opus-video-prompts 出发,系统沉淀面向 Gemini、Kimi Code(Orca 编排) 与 MiniMax 三模态(文字 + 图像 + 语音) 的零外部 npm 依赖商业级代码视频方案、可复用提示词套件(Copy-Ready)、完整实战工程与零估算遥测评测报告。


一、核心理念:为什么「代码渲染 + 多模态协同」是产品视频的最优解?

纯 AI 视频生成模型(Sora / Veo / Hailuo 等)擅长光影氛围,但面对软件界面、小字号数字与品牌图标时极易出现乱码与形变;而传统纯单模态代码视频(HTML/CSS/SVG + Headless Chrome + FFmpeg)虽然文字与 UI 100% 矢量锐利、弹簧曲线精确可控,却容易陷入「无旁白默片感」与「纯 CSS 渐变塑料感」。

本项目以真实开源 macOS 应用 TokenUse 为统一考题,横向实测了三套渐进式原生方案,完整验证了从单模态确定性代码视频到三模态有声光学合成大片的演进路径:

方案版本 方案拆解与质检图谱 工程源码目录 时长 / 帧数 核心技术特征与导演风格 净耗时 活跃 Token (In+Out)
01 · Gemini 版 01-gemini-scheme.md cases/tokenuse-gemini/ 24.00s / 1440 帧 百万上下文源码级复刻 + 连续暗色毛玻璃桌面流 + 原生 .mp4 视听直读终审 22m 15s 316.8K
02 · Kimi 版(Orca) 02-kimi-scheme.md cases/tokenuse-kimi/ 24.00s / 1440 帧 瑞士国际主义暖白纸感 ↔ 曜石黑 Bento 12 小节硬切 + 声波图视觉卡点门禁 40m 11s 493.6K
03 · MiniMax 三模态版 03-minimax-trimodal-scheme.md cases/tokenuse-minimax/ 44.03s / 2642 帧 speech-2.8-hd 发布会男声旁白与毫秒级时间戳主时钟 + image-01 摄影级底板 + 代码锐利 UI + mcode-tools 视听自愈 40m 04s 617.3K

📊 完整耗时与 Token 账单横评:详见 docs/04-benchmark-gemini-kimi-minimax.md。
💡 轻量仓库说明:为保持 Git 树轻快干净,本仓库仅收录全套零依赖源码、提示词、AI 光学底板与 PNG 质检图谱(不含本地编译产出的 .mp4 与 .wav 大体积二进制文件)。克隆后可直接双击各案例下的 index.html 在浏览器拖拽预览,或按下方命令在本地一键合成音轨并渲染 1080p @ 60fps 成片。


二、项目目录结构

.
├── README.md                                  # 项目总览与快速上手指南
├── AGENTS.md                                  # AI 智能体工作区规范(可直接将本仓库作为视频工坊调用)
├── LICENSE                                    # MIT 开源协议
├── docs/                                      # 完整方案拆解与零估算实测评测报告
│   ├── 01-gemini-scheme.md                    # Gemini 方案与去 AI 塑料感 7 条工程铁律
│   ├── 02-kimi-scheme.md                      # Kimi Code + Orca 编排方案与声波视觉门禁
│   ├── 03-minimax-trimodal-scheme.md          # MiniMax 文字×图像×语音三模态架构与自愈实录
│   └── 04-benchmark-gemini-kimi-minimax.md    # 三方实测耗时、Token 账单与单位秒性价比深度对比
├── prompts/                                   # 可直接复制到任意新项目的实战手册与导演角色定义(Copy-Ready)
│   ├── gemini-video-playbook.md
│   ├── kimi-video-playbook.md
│   ├── kimi-video-director.md
│   ├── minimax-video-playbook.md
│   └── minimax-video-director.md
├── skills/                                    # 标准 Agent Skills 技能包矩阵(兼容 Claude Code / OpenClaw / 小红书 RED Skill)
│   ├── code-video-director/                   # [总控主 Skill] 三档模型自动路由 + 7 条铁律 + 零依赖通用渲染与音频模板
│   ├── code-video-gemini/                     # [子 Skill 01] Gemini 极速实机流(百万上下文啃源码 + 原生看片终审)
│   ├── code-video-kimi/                       # [子 Skill 02] Kimi 瑞士海报风(暖白↔曜石硬切 + 声波网格图视觉审音频)
│   └── code-video-minimax/                    # [子 Skill 03] MiniMax 三模态大片(人声毫秒主时钟 + 光学底板 + 包络闪避混音)
└── cases/                                     # 三套完整可预览、可重渲的实战源码工程(npm install = 0)
    ├── tokenuse-gemini/                       # 01: 单文件纯函数舞台 + 12 帧探针图谱
    ├── tokenuse-kimi/                         # 02: 四模块解耦引擎 + 声波网格图 + 11 切点零残影拼图
    └── tokenuse-minimax/                      # 03: 毫秒级语音时间轴 timeline.js + 3 张 AI 光学底板 + 闪避混音器

三、快速体验与本地复现指南

1. 零安装交互式舞台预览

所有案例均遵循 window.seek(t) 纯时间函数架构(无任何外部 npm 依赖):

  • 直接用 Chrome 浏览器打开任意案例下的 index.html(如 cases/tokenuse-gemini/index.html),即可实时播放或拖拽时间轴逐帧检视动画与排版(渲染模式 ?render=1 会自动隐藏底部控制栏)。

2. 本地一键合成音轨与 60fps 快门模糊成片

前置环境(macOS):本机安装有 Google Chrome、Node.js(v22+,原生内置全局 WebSocket)、FFmpeg 与 Python 3(含 numpy)。

# 示例 A:复现 Gemini / Kimi 无旁白方案成片
cd cases/tokenuse-gemini   # 或 cases/tokenuse-kimi
python3 audio.py           # 合成 48kHz 立体声 120 BPM 配乐与峰值对齐拟音 (audio.wav)
node render.mjs --probe    # 数秒内生成 12 关键帧巡检拼图 probe-sheet.png
node render.mjs --full     # 4 并发 180fps 子帧 tmix 动态模糊渲染输出 1080p 60fps MP4

# 示例 B:复现 MiniMax 三模态有声大片(需配置 MINIMAX_API_KEY)
cd cases/tokenuse-minimax
export MINIMAX_API_KEY="your_api_key_here"
python3 build-voiceover.py # 调用 speech-2.8-hd 合成旁白干声并更新毫秒时间轴(已内置 timeline.js 可跳过生图)
python3 audio_mix.py       # 生成 -7.5dB 包络闪避混音母带 (audio.wav)
node render.mjs --full     # 合成最终 44.03s 有声产品大片

3. 为你自己的新项目拍一支代码视频(一键安装 Skill 或复制 prompts/)

  • Agent Skill 一键安装(推荐,支持 Claude Code / OpenClaw / Cursor / Antigravity 及小红书 RED Skill):
    # 安装总控主 Skill(自动按环境路由)或按需选择指定模型子 Skill
    npx -y skills add zhangsubo/code-video --skill code-video-director
  • 追求 20 分钟极速出片(无旁白):加载 skills/code-video-gemini 或复制 prompts/gemini-video-playbook.md 交给 Gemini。
  • 追求高对比度瑞士杂志感大字报(无旁白):加载 skills/code-video-kimi 或使用 kimi --yolo --agent-file prompts/kimi-video-director.md 配合 prompts/kimi-video-playbook.md。
  • 追求发布会级真人配音 + 摄影底板商业大片:加载 skills/code-video-minimax 或使用 mcode exec --permission full --model minimax/MiniMax-M3 --append-system-prompt-file prompts/minimax-video-director.md 配合 prompts/minimax-video-playbook.md。

四、Roadmap(后续探索更新预告)

  • 跨模型合体编排工作流:串联 Gemini(百万上下文源码穿透与本地 .mp4 视听终审)+ Kimi(凝练中文分镜金句与瑞士昼夜版式)+ MiniMax(发布会人声主时钟与 AI 摄影光学底板),探索各取所长的混合制片上限。
  • Google 原生多模态全家桶实测:结合 Google AI 套餐附赠的 Cloud Credits 与 Flow / Whisk 生态,横向对比纯血多模态管线的成本与成片表现。

五、开源协议

本项目基于 MIT License 开源。


六、致谢

本项目的工程方法论拆解与提示词体系设计,深受开源仓库 joeseesun/opus-video-prompts 的启发:

  • 感谢仓库维护者 @joeseesun 对社区代码生成视频案例、原版提示词与多技术栈路线的系统性收集、分类与开源归档;
  • 感谢该仓库中所收录提示词与代表性案例的各位原作者——包括 @twoclipping (zero)、Danny Stuart、WY、Deedy,以及所有在 GitHub、X、B 站、Linux.do 等社区无私公开原版 Prompt、源码工程与实战经验的创作者们。正是这些开放共享的一手沉淀,让跨模型确定性代码拍片的探索得以站在坚实的肩膀上继续向前。

About

用代码拍视频:面向 Gemini、Kimi 与 MiniMax 三模态的零外部 npm 依赖商业级代码视频方案、可复用提示词套件与真实 Token 评测

Topics

Resources

Stars

2 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages