wallstreet-explainer

有一类财经视频，画面高级、简约，又有质感。这种风格怎么做呢？我做了一个 Skill，可以直接生成这种视频。

样片：《AI 到底有多烧钱》

这个就是用这个 Skill 打磨出来的样片《AI 到底有多烧钱》，77 秒，这里压成了没有声音的 GIF。片子里的实拍、人物和新闻截图都是引用的，出处在 CREDITS.md。

先说画面

这类财经视频，画面全是真实素材：新闻发布会、产品发布、企业官方画面，然后把数字和关系用可视化的方式表达出来。

所以最核心的就两件事：素材和数字表达。

素材的选择非常重要。这个 Skill 里面明确规定了素材的优先级，它会自己去各大主流视频网站上找到合适的片段，裁剪、处理。片子里的人也是真人，从发布会、采访里一帧一帧抠出来，站在大字前面讲。

数字表达就是 B-roll 的重点。数据怎么放、关系怎么画、图表怎么呈现，这些控制了整个片子的风格。

四个镜头动作的连续帧

上面是样片里四个镜头动作，从上往下：镜头沿着桌上的新闻滑过去；黄仁勋从发布会画面里抠出来，身后换成"5.2 万亿"；整组横推出去换成 Altman；新闻原文倒下去变成桌面，图表立起来。

镜头和转场

然后是镜头之间的连贯性和转场。

这种财经视频最重要的是克制。同一个对象可以挂镜头运动，不是每出现一个新东西就切一下。不要为了有变化就去换机位、换背景，也不要连续硬切好几次让观众重新找位置。所有 PPT 式的渐入渐出，全部排除。

背景的质感、字体、节奏，也都是风格的一部分。

整个片子是用代码一帧一帧画出来的，通过时间线编排，最后渲染成视频。配乐用平稳的底乐，人声出来的时候自动压低，再加一些经典的财经类音效。

这套风格是怎么来的

这套风格是参考这类财经视频提取出来的：一个问题就能撑起全篇，开头五到七秒抛出反差，结尾回答它，形成一句判断。

图形有自己的表达任务，实拍以直接切为主，新闻和报告给出具体截图，用高亮标出来。

色调、字体、节奏，都是复刻出来的。

每一镜都要回答

这个 Skill 在设计的时候，每一镜都要回答：内容有没有增量？镜头有没有承接？素材是不是真实、高清、官方的？数字有没有表达清楚？

交付前静音看一遍，画面本身就能讲清楚在说什么。

小字不要太多，太多就 AI 味了。

两档做法

这一版加了一个模板档。现在有两种做法，可以混着用：

模板档：一条片就是一张镜头表。每一镜先写清楚这一镜要让观众多懂什么，再从 33 个场景里挑一个意思对得上的：一个大数、一笔账、几个数比高低、新闻原文、人物关系……把字、数、图填进去就行。镜头怎么走、东西怎么出现、前后层、字号颜色，都由模板管。写完先跑 node scripts/render.mjs --dir <片子> --check，它用文字指出哪一镜有问题，不用渲染就能改。
手写档：原来的做法，强模型一镜一镜自己写。模板对不上的那一镜，也可以单独手写。

做模板档，是想让弱一些的模型也能稳定出片。这一点还没实测过。

下面是模板示例片里的三个场景。画面里的照片和新闻都是占位图，正式做片要换成真实素材。

新闻原文接图表

大数字滚出来

谁和谁之间的钱

场景的静帧总览在 kit/gallery/00_sheet.jpg。每个场景什么时候用、什么时候别用，见 kit/README.md 和 references/rules.md。

怎么用

用法很简单：把这个 Skill 的链接发给你的 AI 工具，让它下载、导入，然后直接生成视频就行了。

用 Claude Code 的话，自己装也就几行：

git clone https://github.com/HeyChengC/wallstreet-explainer.git ~/.claude/skills/wallstreet-explainer
cd ~/.claude/skills/wallstreet-explainer
pip install -r requirements.txt
npm install && npx playwright install chromium

再装一个 ffmpeg，放进 PATH。装完重启 Claude Code，跟它说"用 wallstreet-explainer 做一条 1 分钟的片子，讲 AI 到底有多烧钱"就行。

选题可以自己选，文案可以自己给，也可以让它来出。开头会让你选一个钩子，财经风格的钩子很重要，你可以自己描述想要什么，也可以让 AI 给你准备几个，自己挑。

配音一开始用免费的 edge-tts 临时配，先把时间线排出来。文案和画面都定了，再换成你自己的配音：每句存成 voice/<句子id>.final.wav，跑一下 python scripts/temp_voice.py film/script.json --asr，画面会跟着重新对齐。

几个可能会碰到的问题：

yt-dlp 和 edge-tts 隔一阵会被 403，pip install -U 一下就好。
抠人要装 onnxruntime-gpu（有 N 卡）或者 onnxruntime，再用 rembg 把模型下下来：python -c "from rembg import new_session; new_session('isnet-general-use')"。
换配音以后逐字对齐要 faster-whisper，有 N 卡快很多。
字体不随仓库给，要自己下：字幕 MiSans，标签和片名阿里妈妈数黑体，大数字 Bebas Neue，英文小标 Montserrat，兜底 Noto Sans SC。下好放进 skill 里的 fonts/ 文件夹（放在别处的话，在 scripts/local.json 里写 "fonts_dir": "<字体文件夹>"），文件名要和 kit/kit.css 里写的对上。字幕里的英文和数字用 Montserrat 斜体。
Playwright 装在别的地方，设个环境变量 PLAYWRIGHT_FROM 指过去就行。

里面有什么

SKILL.md 是 AI 读的入口，具体的东西都在 references/ 里：每一镜怎么想（thinking.md）、镜头怎么动才不像 PPT（motion.md）、画面和转场（style.md、grammar.md）、开头的钩子（opening.md）、找素材和声音（sourcing.md、audio.md）、交付前查什么、踩过哪些坑（review.md、lessons.md），还有模板档必须守的规则（rules.md）。

scripts/ 里是做片要用的工具：

脚本	干什么
`footage.py`	搜片、下片（可以只下一段）、拼联系表、找切点、抽帧、看原声剪口
`snap_news.mjs`	截新闻原文，量出关键词的位置，用来画高亮
`temp_voice.py`	临时配音和时间线，换正式配音后重新对齐
`matte.py`、`matte_clean.py`	把视频里的人一帧一帧抠出来
`matte_despill.py`	去掉抠像边上原片背景的色边（比如蓝幕反光）
`stage25d.js`	镜头、景深、运动模糊、大字这些小工具
`film_base.js`	底座：读时间线、按字取时刻、登记镜头、字幕，每条片都一样
`moves.js`	手法库：横推换人、人身后换背景、画框推满屏这些磨过的动作，只管怎么动，画面每条片自己写
`render.mjs`	一帧一帧渲染成视频；`--moves` 列出每一镜用了哪些手法；`--check` 查模板档的镜头表，不用渲染
`new_film.mjs`	新建一条片，底座和模板库都拷好；加 `--demo` 直接建出模板示例片
`timeline_stub.mjs`	还没配音时，按字数先估一条时间线，画面先挂上去
`strip.py`	把一个镜头动作拼成连续帧，看有没有穿帮
`motion_check.py`	量一下画面是不是太"死"
`mix.py`	配音、原声、音效、配乐混在一起

starter/ 是新片的起点：底座，加一张带 3 镜示例的镜头表。

examples/ai-burn-money/ 是样片的文案、导演表、画面代码，还有每一段为什么这么拍。

examples/google-apple-20b/ 是用手写档做的一条 28 秒短片《谷歌给苹果的两百亿》的文案和画面代码。素材有版权，没放进来。

kit/ 是模板库：33 个场景、两条示例片、场景图库。

素材和版权

这类片子一定会用到别人的素材：企业宣传片、新闻画面、网页截图、当事人原声。只拿来做评论和解读，每条片都在简介里写清楚出处，写法可以参考 CREDITS.md。有没有风险，你自己判断。

新闻网页截不到的时候，可以用核实过的文字自己排一张图，但别仿真实网站的 logo 和版式，也别编数据。别拿真实博主、电影、品牌的名字给自己的片子起名。

License

代码和文档是 MIT，见 LICENSE。样片里的第三方画面、截图、logo 和人物不在 MIT 范围内，归各自的所有者。

联系

微信号 Yangdavee，备注来意。

友情链接

https://linux.do/