无真人讲解视频制作器

视觉语法只保留少数规则，确保画面丰富但不混乱。

5. 把旁白变成场景

按“一个信息动作一个场景”拆分。每个场景必须写清：

• 这段要让观众明白什么
• 画面主体是什么
• 元素如何出现和变化
• 屏幕文字保留哪些词
• 旁白、字幕和音效如何同步
• 场景持续时间

不要把整段旁白原样放到屏幕上。

6. 选择画面表达

优先顺序如下：

1. 用空间关系表达结构 2. 用变化表达过程 3. 用图表表达数量 4. 用类比画面解释抽象概念 5. 最后才使用大段文字

每 8–15 秒安排一次明显的视觉变化，但不要让每个元素都持续运动。

7. 制作声音层

先锁定旁白，再安排音乐和音效。音乐负责情绪连续性，音效只强调关键动作。

• 旁白必须始终清楚
• 音乐在重要数字和结论处适当降低
• 不为每次文字出现都添加音效
• 无旁白版本也要能通过字幕理解

8. 制作与渲染

根据环境选择动画工具、视频编辑器或程序化视频方案。先制作 10–15 秒风格样片，确认排版、运动和声音，再扩展到全片。

输出前检查字体、素材许可、画布尺寸、帧率、码率和音量。

9. 三轮审片

分别进行：

1. **静音看画面**：信息是否仍能理解 2. **闭眼听声音**：旁白是否独立成立 3. **完整播放**：画面、旁白和字幕是否同步

发现节奏慢时，优先删掉重复信息，而不是单纯加速全部镜头。

输出格式

项目名/
├── brief.md               # 目标、观众和规格
├── narration.md           # 带时长的旁白稿
├── scene-sheet.md         # 分镜与运动说明
├── assets/                # 字体、图标、图片和音频
├── project/               # 可编辑工程
└── exports/
    ├── master.mp4
    ├── captioned.mp4
    └── subtitles.srt

根据发布平台补充竖版、横版或方形版本，不用同一裁切覆盖全部渠道。

完整示例

用户提供一篇关于“为什么模型会产生幻觉”的科普文章，希望制作 75 秒竖版视频。

合理分镜：

1. **0–5 秒**：答案看似流畅，但一个关键词突然变成问号 2. **5–18 秒**：用“接词游戏”动态图解释生成机制 3. **18–35 秒**：三条路径展示信息缺失、问题含糊和过度推断 4. **35–55 秒**：用对照卡展示检索、引用和人工核验 5. **55–68 秒**：给出用户可执行的三个提问方法 6. **68–75 秒**：一句结论收束，并回到开场问号

屏幕只显示关键词和关键数字，完整解释交给旁白与画面关系。

质量检查清单

• [ ] 视频只围绕一个核心问题
• [ ] 前五秒给出明确观看理由
• [ ] 每个场景都有独立的信息任务
• [ ] 屏幕文字不是旁白全文复制
• [ ] 数据、引用和专业术语准确
• [ ] 字幕在手机尺寸下清楚可读
• [ ] 动画有开始、变化和结束状态
• [ ] 场景转场服务于逻辑，不随机炫技
• [ ] 旁白、音乐和音效音量平衡
• [ ] 静音观看仍能理解主要信息
• [ ] 完整播放没有黑帧、跳帧或字幕截断
• [ ] 导出规格符合目标平台要求

信息不足时怎么处理

• 未给时长：根据内容量提出一个建议时长，并说明取舍
• 未给画面素材：使用排版、图形、图表和原创示意画面
• 未给风格：从主题气质推导一套克制的视觉语法
• 内容存在争议：标记需要核实的事实，不把推测包装成结论
• 旁白暂时无法生成：先交付带时间轴的字幕版分镜
• 制作环境未知：先交付工具无关的旁白、分镜和资产清单