Creative Space
讲解视频

内容

你给我: 一个想讲清楚的知识点或问题;给谁看(年级、专业程度);时长和画幅;想要的画风。有教材页、讲义、文章或考纲时一起给,我按它来讲。

你拿到: 一支 1–3 分钟的讲解视频(默认 90 秒,横版 16:9,可加竖版),附讲稿、分镜表和事实出处表。

讲解视频的目标是让观众听完能用自己的话说出来,不是罗列知识点。所以它的写法和广告不同:开头不卖东西,而是抛出一个让人想知道答案的问题;中间一次只讲一件事,先给具体例子再给概念;结尾用一句话收住。

画风

画风是选项,整支视频只用一种。每种的统一设定和写法见 。

画风适合
手绘插画(默认)大多数科普、人文、生活知识
扁平插画科技、商业、流程类,信息密度高
火柴人抽象概念、思想实验、轻松口吻
白板推导、步骤、需要「边画边讲」的内容
拼贴观点类、历史和文化话题,风格感强
纯图文动效数据、公式、对比为主,不需要插画

工具与分工

  • 宿主读取能力: 读用户给的教材、网页、文档,取出要讲的事实。
  • 联网搜索(可选): 用户没给资料时,查权威来源核实事实。
  • 分镜设计: 按讲稿出分镜;讲解视频不用营销片结构,按本 Studio 的讲解结构。
  • Flova: 每个镜头的插画或场景、需要轻微运动的镜头视频、讲解配音、背景音乐。必需。
  • HyperFrames: 按讲解内容制作公式、数字、图表和标注,渲染成透明片段。按需。
  • FFmpeg: 组装镜头、图层、配音和音乐,用 overlay 叠图层。必需。不依赖 drawtext、subtitles,不少 FFmpeg 没有编进这两个滤镜。
  • 字幕(按需): 用户需要时,提供 HyperFrames、Remotion 或 FFmpeg 等后期方案。

分项方法索引

  • :开头怎么抛问题、怎样处理误解、一个概念怎么讲、语速与时长、小结和小测、事实出处表。第 2–3 步读。
  • :六种画风的统一设定、提示词要点和一致性检查。第 4–6 步读。
  • :哪些内容走代码图层、怎样做图示和数据动画。第 4、7 步读。

先说清楚的边界

  • 事实有出处: 每个事实、数字、公式、日期都记在出处表里;核实不了的不写成事实,或明确说「一种说法是」。用户给了教材或考纲时,以它为准,表述和它一致。
  • 准确内容走代码图层: 公式、单位、数字、专有名词、图表标签不让模型画进画面;模型生成的画面里请求写明不要文字。
  • 不过度简化成错的: 为了好懂可以省略细节,但不能说错。用类比时说清楚类比在哪里不成立。
  • 面向学生时: 用词符合年级;不引入考纲外的概念,除非用户要求。
  • 素材权利: 用户给的图片、音乐须有权使用;不模仿在世画师的个人画风。有 AI 生成内容时,提醒用户按平台规则标注。

工作流程

确认主题和观众(确认点)→ 核实事实 → 讲稿(确认点)→ 分镜(确认点)→ 试做一段(确认点)→ 批量生成 → 图示与信息层 → 组装与验收

1. 确认主题和观众(确认点)

  • 问清:讲什么(一句话能说出的一个问题)、给谁看、时长、画幅、画风、语言、有没有教材或考纲。
  • 主题太大时(例如「讲讲量子力学」),收窄成一个问题再做,例如「为什么电子不会掉进原子核」,给用户两三个收窄的选项。
  • 一支视频只回答一个问题。用户要讲的内容多,建议拆成系列,每支一个问题。

2. 核实事实

  • 用户给了资料:用宿主可用的文件、浏览器或连接器读取,列出要讲的事实。没给:联网查教材、百科以外的权威来源(教科书、学会、官方机构)。
  • 写进出处表 docs/facts.md:事实、来源、原文摘录。格式见 。
  • 同时列出这个主题最常见的一两个误解,讲稿会用到。

3. 讲稿(确认点)

按 写:问题开头 → 常见误解或直觉 → 一个具体例子 → 概念 → 再回到问题 → 一句话小结(可加一道小测)。按语速估算时长,超时就删内容,不加快语速。给用户确认。

4. 分镜(确认点)

用 分镜设计,按讲稿逐句排镜头。每个镜头写:讲稿原句、画面(谁、在做什么、表达哪个意思)、哪些内容走图层(公式、数字、标注)、时长、静帧还是动态。

  • 一个镜头只表达一个意思;画面要演示正在讲的东西,不只是配图。
  • 抽象概念用同一个视觉隐喻贯穿,例如电流始终画成水流,不中途换比喻。
  • 写一段统一设定(画风、配色、线条、角色样貌、背景),后面每个请求逐字复用。

5. 试做一段(确认点)

挑开头加一个最难表达的镜头,按 Flova Skill 选模式和模型,一般用快速生成,生成画面和这一段配音,叠上图层,做成 15–20 秒试片。确认画风、声音、节奏都对了再批量。

6. 批量生成

  • 画面: 每个镜头带上统一设定;需要同一角色时,先出一张角色设定图作参考传入。请求里写明不要文字、Logo、水印。
  • 动态: 默认静帧加轻微推拉;需要演示过程的镜头(水流、生长、运动)用图生视频,以静帧作首帧。
  • 配音: 整篇一次生成,再按句切;写清声音特点、语速和语气(耐心、清楚,不夸张)。
  • 音乐: 一条轻的背景音乐,音量以人声清楚为准。
  • 逐个检查:画风和角色一致、画面没有乱码文字、表达的意思和讲稿对得上。不合格只重做这个镜头。

7. 图示与信息层

按 制作分镜实际需要的公式、数字、图表和标注,文字以讲稿和出处表为准,渲染成透明片段。

8. 组装与验收

  • FFmpeg 以配音为时间轴组装,生成视频一律静音,切点落在句子结束处。
  • 完整看一遍,逐项核对:
    • 每个公式、数字、单位和出处表一致;
    • 每个镜头的画面在演示它正在讲的内容;
    • 观众不暂停也读得完画面上的字;
    • 小结那一句真的回答了开头的问题。
  • 交付成片、讲稿、分镜表、docs/facts.md 和实际使用的工程目录。改一句讲稿时,只重做对应镜头、配音和受影响的信息层。

工程目录

explainer-<主题>/
├── docs/      brief.md、facts.md(事实出处表)、script.md(讲稿)、分镜表
├── frames/    每个镜头的静帧,style.md(统一设定)
├── shots/     需要运动的镜头视频
├── audio/     配音(整篇和按句切)、音乐
├── layers/    公式、数字、图表的 HyperFrames 工程和渲染片段
└── output/    成片、组装脚本

画风配方

整支视频只用一种画风。选定后写一段统一设定,保存在 frames/style.md,每个画面请求逐字复用;只改「这个镜头画什么」。

统一设定包含:画风和媒介、线条(粗细、颜色)、配色(3–5 个色,写色号)、背景、角色样貌(如有)、光线、构图习惯、不要什么(文字、Logo、水印、写实照片质感)。

六种画风

手绘插画(默认)
  • 写法: 手绘水彩或彩铅质感,可见笔触和纸张纹理,柔和配色,留白多。
  • 适合: 科普、人文、生活知识。
  • 注意: 写明「同一位插画师的一组插图」;角色要固定时先出一张角色设定图作参考。
扁平插画
  • 写法: 扁平矢量风格,几何化造型,纯色块无渐变或轻渐变,统一圆角,信息图感。
  • 适合: 科技、商业、流程和系统类内容,信息密度高。
  • 注意: 配色严格限定在设定的色号内;图标化的物体要和图层里的图示风格一致。
火柴人
  • 写法: 白底或纯色底,黑色单线火柴人,圆头,线条粗细一致,表情用最简单的点和线,少量强调色。
  • 适合: 抽象概念、思想实验、对比和反差、轻松口吻。
  • 注意: 动作要夸张清楚;同一个角色用同一种标记区分(帽子、颜色),不靠脸。
白板
  • 写法: 白板或白纸背景,黑色马克笔线条,少量红蓝强调,像边讲边画。
  • 适合: 推导、步骤、需要一步步搭出来的内容。
  • 做法: 同一个画面分几步出现:先出完整画面,再用图层遮罩按讲稿逐块露出,比让模型逐帧画更稳定。手绘出现的笔触动画可以用图生视频,但要检查画面有没有变形。
拼贴
  • 写法: 手作纸拼贴,半调网点印刷图片剪下来的元素,粗黑轮廓和手撕毛边,每层纸下有投影,平涂纯色背景,一个画面只表达一个想法。
  • 适合: 观点类、历史和文化话题。
  • 注意: 拼贴里常有短标签文字,准确内容仍走图层;模型画出的标签写错两次就改后期叠加。
纯图文动效
  • 写法: 不出插画,全部由图层完成:大字、图标、图表、数字动画,配纯色或轻纹理背景(背景可以用 Flova 生成)。
  • 适合: 数据、公式、对比为主的内容。
  • 做法: 主要看 。

一致性检查

每批画面出来后对照统一设定看:

  • 画风、线条、配色和第一张定稿一致,没有突然变写实或变 3D;
  • 同一角色的样貌、服装、标记前后一致;
  • 画面里没有乱码文字、假公式、水印;
  • 每张图表达的意思和分镜对得上,不是泛泛的「相关配图」。

不一致的只重做那一张,把第一张定稿作为参考图一起传入。

图示、公式与数字

画面分两层:Flova 生成的插画或场景是画面层;公式、数字、图表、标注是信息层,用 HyperFrames 渲染成带透明通道的片段,FFmpeg overlay 叠上去。信息层的文字一律来自讲稿和出处表,改一个数字只重渲染这一层。

哪些内容走信息层

  • 公式、单位、化学式、数字、日期、专有名词;
  • 图表、流程、步骤编号;
  • 指向画面某处的箭头、圈注、标签;

画面层的请求里写明不要文字;模型画出的文字一律不用。

先查用户本机的组件库

组件库会更新,各人装的版本也不同,所以不预设组件名。开工前在用户本机按用途搜一遍,记下可用的组件和它们的变量,写进 layers/components.md:

npx hyperframes catalog --query <关键词> --json
用途搜什么关键词挑选标准
柱状图、折线图chart、graph能按阅读顺序逐步出现,最后停在给定数值上
数字number、counter滚动后准确停在出处表里的值
流程、因果、步骤diagram、flowchart、pipeline节点能按讲稿顺序出现
分层结构layer、stack、exploded能拆开再合上
箭头和圈注arrow、annotate、marker手绘、白板画风选手绘系列
强调一句话或一个词highlight、callout小结那一句常用
标题卡title、titlecard开头的问题、章节标题
地图map讲地理、迁徙时用;地图数据要核对
  • 选的组件要和画风一致:同一支视频里手绘系列和干净的扁平系列不混用。
  • 某个用途搜不到合适的组件时,在工程里自己写一个 HTML 或 SVG 块,样式跟已选组件对齐。
  • 命令、参数和变量以本机 HyperFrames 的帮助和组件说明为准。

公式

先在本机组件库搜 formula、equation;搜不到时(通常没有)在 HyperFrames 工程里自己写一个 HTML 块:

  • 用 KaTeX 或 MathJax 渲染(排版准确),或直接写成 SVG;
  • 逐项出现: 先出整式,再按讲稿依次高亮每个字母,并在旁边标出它的含义和单位;
  • 推导分步时,每一步一个画面,上一步变淡留在上方,不一次性堆满;
  • 公式和出处表里的写法完全一致,包括符号和单位。

图示的原则

  • 一张图只说一件事,标注不超过三四个;
  • 出现顺序跟讲稿走:讲到哪里,图示画到哪里;
  • 数值停住后至少留 1.5–2 秒让观众读完;
  • 颜色有含义时全片统一(例如热始终是橙色),和画风配方里的配色一致;
  • 竖版底部约五分之一和右侧会被平台按钮挡住,信息放在外面。

跑不起来时

HyperFrames 需要 Node 和 Chrome,字体在线加载。不能运行时告诉用户,退而:公式、数字、标注用浏览器或 Python 渲染成透明 PNG,用 FFmpeg overlay 叠加。

讲解结构与讲稿

讲解视频的讲稿不是把知识点念一遍。观众要在没法暂停、没法提问的情况下跟上,所以每一句都要回答「为什么要听下一句」。

结构

段落占比(90 秒为例)做什么
问题约 10%(8–10 秒)抛出一个具体、让人想知道答案的问题。不说「今天我们来讲……」
直觉或误解约 15%说出大多数人的第一反应,或一个常见误解,并指出它哪里不对
例子约 25%一个具体、能画出来的例子,先看现象
概念约 30%从例子里提炼出概念,给出名字、定义、必要时的公式
回到问题约 10%用刚讲的概念回答开头的问题
小结约 10%一句话说完核心;可加一道小测或「下次你看到……就会想到……」

不是每支都要六段齐全,但问题、例子、回到问题三段不能少:没有问题,观众不知道为什么听;没有例子,概念是空的;不回到问题,观众听完不知道答案是什么。

开头的问题

  • 具体: 「为什么飞机那么重却能飞」比「我们来了解升力」好。
  • 观众自己会好奇: 从日常现象、反直觉的事实、一个数字出发。
  • 不剧透答案,也不卖关子太久: 问题抛出后 10 秒内要开始给线索。
  • 主题是一个定义(例如「什么是通货膨胀」)时,换成它解释的现象:「为什么十年前的 100 块现在买不到同样的东西」。

误解

  • 选这个主题最常见的一个误解,不要列一串。来源:教材里「易错点」、教师经验、搜索结果里的常见问题。
  • 先承认它「听起来很合理」,再用例子说明它在哪里出问题。不嘲笑观众。
  • 找不到确定的常见误解时,用「直觉上我们会以为……」引出,不编造统计数字。

一个概念怎么讲

  • 一次只讲一件事。 一句话里只出现一个新词;新词第一次出现时紧跟着解释。
  • 先例子,后定义。 观众先看到现象,再听到名字。
  • 类比要说清边界: 用「电流像水流」这类类比时,在它不成立的地方补一句,不让观众带着错的理解离开。
  • 公式只在必要时出现: 出现时先说每个字母是什么,再说它们的关系;画面上用图层显示,并逐项高亮(见图示一节)。
  • 数字要有尺度感: 「1.5 亿公里」不如「光要走 8 分多钟」好懂;两者都要有出处。

写法

  • 口语,短句;一句话一个意思,适合念出来。
  • 少用「首先、其次、综上所述」;用问题和转折推进:「那为什么……?」「问题来了:……」。
  • 专有名词、人名、数字写成要念出来的样子,配音不会读错(例如写「二氧化碳」而不是 CO₂,图层上再显示 CO₂)。
  • 面向学生时,用词和教材一致,不用教材以外的叫法。

语速与时长

经验值,以实际配音为准:

语言清楚的讲解语速90 秒约多少
中文每分钟约 220–260 字330–390 字
英文每分钟约 140–160 词210–240 词

超时就删内容,不加快语速。复杂的地方留出停顿,让画面里的图示走完。

小结和小测

  • 小结一句话,能直接回答开头的问题。
  • 小测可选:一道选择题或「想一想」,答案在视频最后几秒或发布文案里给出。
  • 系列视频可以在结尾预告下一个问题。

事实出处表

docs/facts.md,每个讲稿里出现的事实一行:

编号事实(讲稿里的原话)来源(书名或网址)原文摘录核对状态
F01光从太阳到地球约 8 分 20 秒(来源)(摘录)已核对
  • 讲稿里在对应句子后标编号,分镜和图层引用同一个编号。
  • 核对状态写「已核对」「用户提供,未核对」「找不到可靠来源」;最后一种不能进成片。
  • 交付时一并给用户,方便老师或审核的人检查。

分镜与素材交接规则

需要新分镜时,由宿主 Agent 按本流程直接设计;已有清楚的镜头表或剪辑意见时只补缺口,不强制重做。每个 S01 镜头/片段写明:对应脚本、画面与信息目标、时长/时间段、主体动作、运镜或元素运动、准确文字与声音、衔接及制作方式。用 E01 关联目标元素、用户素材和实际资源,原片 REF-E01 单列;未取得的素材标待制作,不编造资源 ID。检查跨镜头外观、空间、动作和声音连续性;取得真实配音后再校时。营销内容按实际作用标 hook(吸引注意)、turn(需要时承接)、proof(有依据的演示或细节)、cta(明确下一步),说明每拍为观众增加什么;讲解、叙事等沿用本流程各自结构。表达不明确时找真实参考,记来源及借鉴/替换的部分。以上规则可直接执行,不需要用户另找 Storyboard 文件。

创作流程

  1. Flova

    Flova

    生成讲解画面

    根据讲稿生成插画、视频和配音。

  2. HyperFrames

    HyperFrames

    制作讲解图示

    按讲解内容需要,用动画展示公式、数字和图表。

  3. FFmpeg

    FFmpeg

    组装讲解视频

    按配音安排画面,同步声音并导出。