article2media 是一组开源的 Claude Code / Codex Skill，同时也是一个 Claude Code 插件。它把一篇文章或一条视频做成可以直接发布的中文视觉内容。

从 2.0 起，它由 10 个独立能力组成：文章抓取、视频转文字、改写（总结）、全文翻译、长图、卡片、公众号排版、口播视频、白板论证、漫画。每个能力都是一个 skill，可以单独用（比如只把自己写的文章排成公众号，或者只把视频转成文字），也可以自由组合。总入口 /article2media 提供常用的一键组合。

• 输入：
  • 文章：X（Twitter）长文、网页、微信公众号文章，或本地 Markdown；
  • 视频：抖音、YouTube、B 站链接，本地视频或音频，.srt / .vtt 字幕。视频先转成逐字稿文章。
• 产出：
  • 杂志风长图、小红书 3:4 图文卡片、可直接粘贴的公众号排版；
  • 带本地 AI 配音和逐字字幕的竖屏口播视频；
  • 一字不改的原文长图、原文卡片和原文公众号排版；
  • 中文全文译文、白板论证图和黑白漫画。
• 验收：每种产出都自动检查，不合格就报错。
• 依赖：只需要 Node.js 22 和 Chrome。

_{示例：Dan Koe 的 X 长文《The most lucrative AI business to start in 2027》。七种产出各用了一套主题，口播视频用的是「资讯播报男声」。看示例视频 · 听 6 款音色}

---

为什么做这个

好文章在信息流里很难被读完。把它做成图文或视频，通常要截图、排版、配图、配音、剪辑，几个小时才做完一个平台，换个平台还得从头再来。

article2media 把这件事交给 AI。你给一个链接，流程分三步：

1. Claude 先把文章读懂：要总结时重组成一份和风格无关的结构化内容，要原文时一字不动，要翻译时逐段译出；
2. 脚本把它渲染成各平台需要的格式；
3. 交付前自动验收，有问题直接报错，不靠人眼去找。

并不是每次都需要总结。自己写的文章只想排成公众号，或者想把全文做成小红书卡片，就直接排版，不经过改写。所以每一步都做成了独立的能力，按需要拼起来。

核心特性

能力独立，组合自由	抓取、视频转文字、改写、翻译、长图、卡片、公众号、口播、白板、漫画各是一个 skill，只靠工作目录里的文件交接。总入口给出常用组合，也可以说"先翻译，再出原文卡片"这样自己组装。
原文、总结、翻译三条路	原文路径一字不改，逐块读回比对；总结路径重组结构、配图表；翻译路径全文不删，脚本检查结构是否逐块对应。三条路都能接到长图、卡片和公众号。
文章和视频都能当原文	视频先转成逐字稿文章：人工字幕优先，其次平台的原语言自动字幕，都没有时用本地 Whisper 识别。繁体转简体、专有名词纠错、时间轴都会处理好，后面的流程和文章完全一样。
先读懂，再排版	不是截图，也不是机械摘要。Claude 规划结构、改写标题、挑选图表、核对数字，产出只含内容的 content.json。版式和主题由脚本负责，换风格不用重写内容。
一份内容，多种产出	一次改写，同时出长图、卡片（3:4 / 4:5 / 1:1 / 9:16）和公众号；口播视频、白板、漫画另有专门的脚本。21 套主题对所有图文产出通用，口播视频沿用主题的配色、字体和卡片样式。
每种产出都有验收	版面检查溢出、截断和重叠。原文长图、原文卡片、公众号排版都逐块读回比对，改一个字就失败。翻译检查块数、结构、漏译和数字。白板要求每段原文都有去向。视频审片检查首句时长、画面静止、语速、字幕闪断、成片逐帧的字幕丢帧和响度。不合格就以非零码退出。
视频质量达到能发布的水准	本地 VoxCPM2 生成 48 kHz 配音，Whisper 逐字对齐，数字和要点在说到的那一刻出现。语速按从容讲解控制在约 4.5 字/秒。字幕不闪烁，样式跟随主题。
版权与合规写进流程	随包 6 款音色全部只凭文字描述设计，不模仿任何真人。克隆音色只留在本机，使用时会提醒。成片首帧和 MP4 元数据都带 AI 生成标识，产出都署原文出处。
零依赖，本地优先	只需要 Node 22 和一个 Chrome。出图、本地配音、逐字对齐都是可选能力，会自动探测。缺了就降级或明确提示，不会自动下载或安装任何东西。

快速开始

1. 安装（推荐 Claude Code 插件，一次装好全部 11 个 skill；其他方式见安装）

claude plugin marketplace add threerocks/article2media
claude plugin install article2media@article2media

2. 检查环境

bash scripts/install.sh      # 在仓库里：Node、Chrome、字体，以及做视频要的配音、对齐、出图、ffmpeg

装成插件后，第一次使用时 skill 会自己跑环境检查。

3. 在 Claude Code 里调用

一键组合用总入口：

/article2media https://x.com/thedankoe/status/2117664712532123680       # 总结长图（默认）
/article2media https://example.com/post 小红书                           # 小红书总结
/article2media ./my-essay.md 公众号                                      # 原文排版成公众号
/article2media https://x.com/… 翻译成中文发公众号                        # 外文搬运
/article2media https://x.com/… 长图、小红书、公众号都要                  # 一稿多发：改写一次，三种产出
/article2media https://www.bilibili.com/video/BV… 小红书                 # 视频进，图文出

也可以直接用单个能力（插件里名字带 article2media: 前缀）：

/article2media:wechat-layout ./my-essay.md            # 只排版，不总结
/article2media:image-cards ./my-essay.md 原文卡片      # 全文分页成 3:4 卡片
/article2media:video-transcript https://www.bilibili.com/video/BV…     # 只要逐字稿
/article2media:article-translate article2media-out/x-…/article.md      # 只翻译

产出写在当前目录的 article2media-out/<slug>/ 下。Codex 里用 $article2media、$wechat-layout 这样调用。

十个能力，自由组合

skill	能力	输入 → 产出
article-fetch	文章抓取	X 长文 / 帖子 / 线程、网页、公众号、本地文件 → article.md
video-transcript	视频转文字	抖音、YouTube、B 站、本地视频 / 音频、.srt / .vtt → 逐字稿 article.md
article-rewrite	改写（总结）	article.md → 改写稿 content.json，可导出成文章 rewrite.md
article-translate	全文翻译	article.md → article.zh.md，结构逐块对应
long-image	长图	改写稿 → 杂志长图；文章 → 一字不改的原文长图
image-cards	卡片	改写稿 → 总结卡片；文章 → 原文卡片（3:4 / 4:5 / 1:1 / 9:16）
wechat-layout	公众号排版	文章（原文、译文或 rewrite.md）→ 可粘贴的图文 + 头图 + 封面
explainer-video	口播视频	文章 → 1080×1920 竖屏讲解视频
logic-whiteboard	白板论证	文章 → 纵向推理主干长图
article-comic	漫画	文章 → 黑白漫画 + 3:4 卡片

能力之间只靠同一个工作目录里的文件交接：article.md（原文）、article.zh.md（译文）、content.json（改写稿）、rewrite.md（改写稿的文章形态）。

推荐组合

组合	链路
总结长图（默认）	取原文 → 改写 → 长图
小红书总结	取原文 → 改写 → 3:4 卡片
公众号排版	取原文 → 公众号排版
公众号总结	取原文 → 改写 → 导出 rewrite.md → 公众号排版
外文搬运	取原文 → 翻译 → 公众号排版
原文长图 / 原文卡片	取原文 →（外文先翻译）→ 长图 / 卡片
视频转图文	视频转文字 → 改写 → 长图或卡片
视频转文字	视频转文字
一稿多发	取原文 → 改写一次 → 长图 + 卡片 + 公众号
文章转口播	取原文 → 口播视频
白板 / 漫画	取原文 → 白板 / 漫画

没说要原文还是总结时：长图和卡片默认总结，公众号默认原文排版，外文走原文路径时先翻译。说了"排版 / 原文 / 一字不改"就走原文，说了"总结 / 提炼"就走改写。完整规则见 pipeline.md。

产出一览

产出	规格	适合	触发方式	示例里的主题
杂志长图（默认）	1200 宽，2 倍图，1–4 页；每节有标题、要点、两张图表和一个数据面板，结尾附执行清单	把长文读成一份可收藏的拆解	不加参数	editorial
卡片组	小红书 3:4（1080×1440）、IG 4:5、1:1、9:16；封面 + 每节一卡 + 要点，附发帖文案	信息流平台	提到比例或平台，或 --ratio 3:4	brutal
公众号排版	任何文章（原文、译文、改写稿导出的文章）排成内联样式、图片内嵌的图文，可直接粘贴进编辑器；另出 2.35:1 头图和 1:1 封面	公众号	提到「公众号」	swiss
口播视频	1080×1920 竖屏：封面 → 5 秒内说完的钩子 → 逐字同步的动画、配音和字幕	抖音、视频号、小红书视频	提到「视频 / 口播」	midnight
原文长图	原文一字不改，白底阅读面，正文 40 px / 1.9；逐块校验，过长时在块与块之间分页	完整保留原文，只做排版	-f、「原文长图」	白底阅读面
原文卡片	整篇按顺序分页成固定比例卡片，段落在行间断开、下一张接上；逐块校验	把全文发成小红书图文	「原文卡片」「全文做成小红书」	白底阅读面
全文译文	外文原文逐段译成中文，结构逐块对应，可以接原文长图、原文卡片和公众号	搬运外文文章	「翻译」	—
白板论证	一条纵向推理主干：问题、前提、证据、矛盾、转折、结论；每段原文都有去向	看清作者怎么得出结论	-w	白板
漫画	黑白分镜，角色前后一致，对白全部用 HTML 排版；附 3:4 卡片	用一个故事讲清一个机制	-c	黑白漫画

可以输入 X 长文、帖子或线程，任意网页，微信公众号文章，本地 Markdown 或文本文件，也可以直接粘贴正文；视频见下一节。英文原文改写时默认写成中文，需要英文产出时加 --lang en；要全文中文就走翻译。没有提比例或平台时出长图；没有指定风格时，Claude 按内容选一个主题，交付时说明理由。

/article2media https://example.com/post --style midnight     # 指定主题
/article2media ./notes.md --style all --pages 2              # 全部主题各出一份
/article2media https://x.com/… 小红书 --illustrate           # 加 AI 插画（封面 + 配图）
/article2media https://x.com/… --verify                      # 联网核对文中的数字
/article2media ./essay.md -f                                 # 原文长图
/article2media ./essay.md 原文卡片 1:1                        # 原文分页成方图卡片
/article2media https://x.com/… -w                            # 白板论证
/article2media https://x.com/… -c                            # 漫画（需要出图能力）

视频当原文

给一个视频链接或视频文件，video-transcript 会先把它转成逐字稿文章 article.md，时间轴另存在 transcript/segments.md。只要文字就到此为止；要长图、卡片、公众号、口播视频还是漫画，后面和文章一模一样。

/article2media https://www.bilibili.com/video/BV1NprhBPEtR 小红书
/article2media "7.94 复制打开抖音，看看【…】 https://v.douyin.com/…/"     # 整段分享口令也行
/article2media ./访谈录音.m4a 公众号
/article2media ./talk.srt -f

来源	文字从哪来
YouTube	人工字幕 → 原语言自动字幕（不用机器翻译的字幕轨）→ 本地语音识别
B 站	人工字幕 / AI 字幕 → 本地语音识别
抖音	下载视频（优先无水印地址）→ 本地语音识别
本地视频 / 音频	本地语音识别
.srt / .vtt	直接解析

• 本地语音识别：用 mlx-whisper 和 whisper-large-v3-turbo，在 Apple Silicon 上运行。实测 6 分钟的 B 站视频 16 秒转完，14 分钟的视频 29 秒转完。
• 清理：
  • 繁体转简体（内置 OpenCC 字表）；
  • 半角标点改全角；
  • 去掉 Whisper 在静音处编出的套话和重复循环；
  • YouTube 自动字幕的滚动重复会去掉。
• 分段：在句末停顿处分自然段，只补标点，不改字。
• 专有名词：识别前用 --prompt "人名 术语" 提示，识别后用 --terms 词表.txt 替换，词表每行写 错词=>正词。
• 浏览器 cookie：有的网络下 YouTube 要求登录确认，抖音也会要求浏览器 cookie。这时脚本会提示两个办法：
  • 你同意复用本机浏览器状态时，加 --cookies-from-browser chrome；
  • 把视频保存到本地，直接传文件。

细节见 video-input.md。

工作原理

flowchart LR
  IN["文章链接 / 文件 / 正文"] --> F["article-fetch<br/>→ article.md"]
  VIN["视频链接 / 音视频 / 字幕"] --> T["video-transcript<br/>→ article.md（逐字稿）"]
  F & T --> A["article.md"]
  A --> TR["article-translate<br/>→ article.zh.md"]
  A --> RW["article-rewrite<br/>→ content.json"]
  RW --> EX["export.mjs<br/>→ rewrite.md"]
  RW --> LI["long-image · image-cards<br/>杂志长图 · 总结卡片"]
  A & TR --> OR["long-image · image-cards<br/>原文长图 · 原文卡片"]
  A & TR & EX --> WX["wechat-layout<br/>公众号排版"]
  A --> V["explainer-video · logic-whiteboard · article-comic<br/>口播视频 · 白板 · 漫画"]
  LI & OR & WX & V --> QA["自动验收<br/>不合格即非零退出"]

• 抓取：
  • X 走 FxTwitter API，不用登录；
  • 网页依次尝试 r.jina.ai、defuddle.md、本地 Chrome；
  • 公众号用本地 Chrome；
  • 视频：字幕用 yt-dlp 获取，没有字幕时用本地 Whisper 识别。
• 分工：Claude 负责理解和写作（改写稿、译文、口播脚本、白板账本、分镜）；脚本负责一切确定性的工作：抓取、排版、截图、配音、对齐、混音和验收。
• 交接：每个能力都是独立的 skill，只靠工作目录里的文件交接，共用 skills/article2media/engine/ 里的脚本、版式和主题。
• 渲染：内容、版式 CSS 和主题 CSS 合成 HTML，再通过 DevTools 协议驱动无头 Chrome 截图，输出 2 倍分辨率。
• 图表：15 种参数化图表，包括柱状、条形、堆叠、流程、矩阵、合流、树、数据、等式、路径、对比、循环、金句、图片和手写 SVG，颜色全部取自主题。另有可选的 AI 插画。

设计原则

• 内容与风格分离：主题只是一组 CSS 变量加少量结构覆盖，换主题只需重新渲染。
• 零 npm 依赖：只用 Node 22 内置的 WebSocket 和 fetch，直接驱动本机已有的 Chrome。
• 能力探测，不强求：出图（Codex CLI → OpenAI → Gemini）、本地配音（VoxCPM2 → edge-tts → 系统语音）、逐字对齐和视频转写（Whisper）、视频字幕（yt-dlp）都是先探测再选用。
• 图里不放字：生成的图片不含文字，所有文字都由 HTML 排版，所以可校验、可修改、不会出现乱码。

主题

21 套主题，同一份内容可以用任意主题渲染。没有指定时，Claude 依次按「明确偏好 → 题材 → 投放场景」选一个，规则见 references/styles.md。

21 套主题一览

主题	气质	首选场景
editorial	商业杂志：暖白纸面、宋体、沉稳主色	商业、创业、行业分析、人物观点
swiss	瑞士极简：纯白、粗黑分割线、红黑双色	数据、研究、财经、严肃议题
midnight	深色科技：近黑底、霓虹色、等宽标签	AI、编程、开发者工具
glass	液态玻璃：彩色柔光、磨砂玻璃卡片、大圆角	面向普通用户的 AI 应用、数码与汽车新品
bento	便当格：灰底白色大圆角卡片、撞色	产品与工具的测评、横评、盘点
cloud	云舞白（Pantone 2026 年度色）：柔白大留白、莫兰迪色	情绪、成长、人文随笔
earth	暖色大地：奶咖米色、陶土、焦糖、橄榄	个人经历与复盘、旅行、健康养生
notebook	格纹手帐：方格纸、霞鹜文楷、荧光笔	学习方法、读书笔记
memo	备忘录：仿手机备忘录、黄色导航、圆形勾选框	职场技巧、效率方法、生活小技巧
collage	拼贴手账：牛皮纸、胶带图卡、手写便利贴	生活记录、vlog、校园、兴趣爱好
brutal	新粗野大字报：粗黑描边、硬投影、高饱和色块	小红书和 IG 上的教程、攻略、清单
pop	波普漫画：网点、粗黑描边、三原色、对白气泡	品牌营销、广告创意、流行文化
dopamine	多巴胺：彩色光斑、糖果撞色、大圆角	好物种草、美食探店、自媒体成长
y2k	千禧液态铬：镭射彩光、得意黑斜体、果冻按钮	美妆、娱乐、追星、二次元
prosperity	繁荣主义：波尔多红、喜悦粉、金色双线、扇贝花边	时尚穿搭、节日送礼、品牌联名
riso	孔版印刷：纸张颗粒、荧光粉加孔版蓝、错位套色	设计、艺术、展览、摄影
pixel	像素复古：像素字体、窗口标题栏、硬投影	游戏、互联网文化与怀旧
film	电影感：暗角、胶片颗粒、宽银幕黑边、字幕式金句	影视评论、人物特写、深度访谈
guochao	国潮：朱红明黄、粗宋、印章标签、回纹祥云	节庆民俗、国货品牌、城市文旅
shanshui	新中式：宣纸、京华老宋体、石青石绿远山、朱砂印	古典历史、诗词国学、茶与器物
quiet	静线：暖纸底、暖黑字、只有一种暗朱红、细线与留白	哲思、单一观念、书与论文的深度解读

部分标题字体从 Google Fonts 和 jsDelivr 在线加载。离线时会退回系统字体，版式不变，只是风格感弱一些。新建一个主题只需要写一个 CSS 变量文件，见 references/styles.md。

口播视频

node skills/explainer-video/scripts/video.mjs make <目录>/video/video.json

Claude 先当导演写 video.json，内容包括受众、开场策略、封面、每一镜的口播和画面；脚本完成其余全部工作。示例视频用的是 midnight 主题和「资讯播报男声」。

配音

• 三档后端，按顺序选用：本地 VoxCPM2（Apple Silicon，48 kHz）、edge-tts（免费，需联网）、macOS 系统语音。
• 逐句生成并质检，检查项包括错字率、语速、截断、削波、音色漂移和英文漏读。不合格就换种子重试；仍然偏快的段落在保持音高的前提下放慢。结果按句缓存。
• 语气和方言可以用口播行首的括号控制，例如「(极度愤怒，东北话)注意看！」，括号内容不进字幕。

画面

• 逐字同步：Whisper 给出字级时间戳，数字滚动、清单、对比、打勾和高亮都在口播说到那个字时出现。
• 镜头类型：共 10 种，包括数字滚动、清单、时间线、合流、对比、并列数字、逐字点亮的金句、回顾清单、标题和图片。
• 停留时间：每镜最后一个元素出现后至少停留 1.1 秒，不够时自动加长停顿。
• 开场：第一帧是封面，静止 0.5 秒，可以配 AI 插画；接着是首句钩子，要求 5 秒内说完。

随包音色

6 款公开音色，全部由 VoxCPM2 只凭文字描述设计，不对应任何具体的人，参考语速都在 4.2–5 字/秒之间。试听里每款音色读的都是同一段话。

音色	ID	适合	试听
甜美知性女声	sweet-woman	生活方式、情感成长、知识分享	mp3
活力种草女声	lively-promo	好物种草、美食探店、带货	mp3
资讯播报男声（默认）	news-man	资讯、财经、科技数码、自媒体干货	mp3
纪录片旁白男声	documentary-man	历史人文、深度解读	mp3
东北热情大哥	northeast-guy	搞笑、接地气、生活吐槽	mp3
台湾口音温柔女声	gentle-tw-accent	情感、生活、轻松闲聊	mp3

管理音色的命令：

命令	作用
video.mjs voice-design	用文字描述设计新音色；--from <音色> 保留原音色，只改语气或语速
video.mjs voice-import	把本人或已获授权的声音导入本机个人音色库
video.mjs voices	列出全部音色

本机个人音色库在 ~/.local/share/article2media/voices/，不随项目分发，用于成片时审片会提醒确认授权。

字幕

单行显示，同一句里的短语合并，换字幕时硬切，短停顿里字幕一直保留，所以不会闪烁。7 种样式预设分配给 21 套主题，关键词用主题色。

审片与交付

• 审片：每次成片都输出 review.json，检查首句时长、首个画面出现的时间、最长画面静止、旁白语速、字幕停留与闪断、字幕丢帧（逐帧检查成片里该有字幕的帧）、配音质检和响度（-14 LUFS）。
• 交付物：video.mp4、两张封面（cover.png 和 3:4 的 cover-3x4.jpg）、captions.srt、带 AI 生成声明的发布文案 post.md，以及审片总览图 contact-sheet.jpg。
• 背景音乐：这一版不带，需要时在平台 App 里添加。

写法和镜头类型详见 video-guide.md。

原文、翻译与其他产出

公众号排版（wechat-layout）

• 只吃文章：原文 article.md、译文 article.zh.md，或改写稿导出的 rewrite.md（公众号总结）。正文一字不改，逐块读回校验；文章标题进公众号标题栏，不在正文里重复。
• 为什么全部内联：公众号编辑器会丢掉 class、外部 CSS 和网络字体，所以样式全部从主题算好后写成内联样式，列表写成带标记的段落，换行写成 <br>，图片以 base64 内嵌，不需要图床。
• 怎么发布：打开 article.html，点「复制到公众号」，粘贴进编辑器即可；wechat.md 里有标题、摘要和两张封面。
• 详细说明：见 wechat-guide.md。

原文长图（long-image，-f）与原文卡片（image-cards）

• 原文块账本：每个可见文本块都登记进账本，渲染后在浏览器里逐块读回比对。改一个字、调一次顺序、漏一块或重复一块，都会失败。
• 卡片怎么分页：放不下的段落在行与行之间断开、下一张接上，列表在项间断开，表格在行间断开并重复表头；小标题不落单，续页不会只剩一行。跨卡的两截拼起来比对。
• 附加检查：解析器有没有漏掉原文，来源文件在渲染期间有没有被改动；同时报告浏览器实际用上的字体。
• 详细说明：见 verbatim.md、original-long.md、original-cards.md。

全文翻译（article-translate）

• 做法：Claude 逐块翻译，块的种类和顺序不变；代码和图片原样保留，front matter 记下原文出处。
• 检查：translate.mjs check 核对块数和结构是否一致，提示像是没翻译的段落、比其他段短很多的段落（可能漏译）和丢掉的数字。
• 详细说明：见 translate-guide.md。

白板论证（-w）

• 做法：先从原文生成来源清单，每段有编号和哈希。Claude 再写出一条推理主干，每段原文要么进入某一步，要么写明省略理由。
• 箭头：只有真正改变阅读方向的地方才画箭头。
• 详细说明：见 mode-whiteboard.md。

漫画（-c）

• 分镜结构：最小案例 → 旧做法试一次 → 可观察的缺口 → 一个概念补位 → 同案重跑。
• 角色一致：先生成锚点格，其余格以它为参考图并行生成。
• 详细说明：见 mode-comic.md。

AI 插画（--illustrate，可选）

• 画风：按主题画风（engine/themes/illustration-styles.json）和主题配色生成封面插画和配图，边缘淡出，和底色融在一起。
• 服务商：优先用 Codex CLI（ChatGPT 登录即可，不需要 key），也支持 OpenAI 和 Gemini 的付费 key。

自动验收

产出	检查项
杂志长图、总结卡片	溢出、截断、重叠、单字成行、页面过高、图片或字体加载失败、卡片溢出、图表过小
原文长图、原文卡片、公众号排版	原文块账本逐块比对（卡片跨卡拼接）、解析覆盖、来源 SHA-256 锁定、实际字体；卡片溢出、张数上限；公众号残留样式、标题长度、封面标题
全文翻译	块数与结构逐块对应、代码与图片原样、疑似未翻译或漏译、数字是否丢失
白板论证	论证账本：每段原文都要进入某一步，或写明省略理由
漫画	对白、旁白和音效字不越出分格
口播视频	安全区、首句 ≤ 5 秒、首个画面 ≤ 2.5 秒、画面静止 ≤ 5 秒、旁白语速、字幕停留与闪断、成片逐帧字幕丢帧、逐句配音质检、响度

每个脚本都以 ✓ / ⚠ / ✗ 逐行报告，最后汇总为 版面检查：N 个错误，M 个提示（翻译是 翻译检查）。只要有错误，脚本就以非零码退出。

常见问题

article2media 是什么？

一组开源的 Claude Code / Codex Skill，也是一个 Claude Code 插件。你给它一篇文章或一条视频，它产出能直接发布的中文视觉内容：

• 杂志长图；
• 小红书图文卡片；
• 公众号排版；
• 口播短视频；
• 原文排版、全文翻译、白板论证和漫画。

2.0 起拆成 10 个可以单独使用的能力和一个提供一键组合的总入口。它在 1.5.0 之前叫 article2img。

只想排版、不想被总结，可以吗？

可以。说「排版」「原文」「一字不改」就走原文路径：/article2media ./my-essay.md 公众号 把你的文章原样排成公众号，原文卡片 把全文分页成小红书卡片，-f 出原文长图。也可以直接调用 wechat-layout、image-cards、long-image。没说的时候，公众号默认原文排版，长图和卡片默认先总结。

怎么把一篇公众号文章或 X 长文做成小红书图文？

1. 安装后，在 Claude Code 里输入 /article2media <链接> 小红书。
2. 它会抓取原文，改写成 3:4 卡片组：封面、每节一张卡、要点总结。
3. 同时附一份可直接复制的发帖文案 caption.md。

需要其他比例时说 4:5、1:1 或 9:16。

能把文章自动做成口播视频吗？需要自己配音吗？

能，不需要自己配音。说「做成口播视频」，Claude 会先写分镜脚本，然后由脚本完成配音、逐字对齐、动画、字幕、封面和审片。

• 配音后端：Apple Silicon 上用本地 VoxCPM2 生成 48 kHz 配音；其他机器用免费的 edge-tts 或系统语音。
• 音色：随包 6 款，见随包音色。

需要付费 API 或 GPU 吗？

图文产出不需要，只要 Node.js 22 和 Chrome。

• 插画和漫画：需要出图能力。Codex CLI 用 ChatGPT 账号登录即可，或者使用 OpenAI、Gemini 的付费 key。
• 本地配音：最好的效果需要 Apple Silicon。

生成的配音可以商用吗？版权怎么处理？

• 随包音色：6 款都由 VoxCPM2 只凭文字描述生成，不模仿任何真人，可以随项目使用。
• 克隆音色：用国民音色、平台 TTS 等作参考克隆的声音，只能导入本机个人音色库，不随项目分发；使用时审片会提醒你确认授权。
• AI 标识：成片首帧和元数据都带 AI 生成标识。

和 AI 直接出图、剪映「图文成片」这类工具有什么不同？

• AI 直接出图：经常把中文字画错。article2media 的图片里不放文字，所有文字都由 HTML 排版。
• 素材匹配类视频工具：按文案从素材库配画面。article2media 的画面来自原文本身的结构，包括数字、清单、对比和金句，并且在口播说到时出现。
• 多种产出：一次理解，同时得到长图、卡片、公众号和视频，每种都有自动验收。

能把抖音、B 站、YouTube 视频做成小红书图文吗？

能。直接给链接，比如 /article2media https://www.bilibili.com/video/BV… 小红书；抖音整段分享口令也可以。

1. 视频先转成逐字稿文章：有字幕用字幕，没有就用本地 Whisper 识别。
2. 之后和文章一样，改写成卡片、长图、公众号或口播视频，来源署原视频作者。

视频没有字幕怎么办？

• 有本地 Whisper（Apple Silicon 上装 mlx-whisper 和 whisper-large-v3-turbo 模型）：自动识别。实测 14 分钟的视频 29 秒转完。
• 没有本地 Whisper：可以提供 .srt / .vtt 字幕文件。
• 人名、术语识别错了：用 --prompt 提示，或用 --terms 替换。

支持英文文章吗？

支持，有两种用法：

• 总结：英文原文默认改写成中文产出（示例用的就是一篇英文 X 长文），需要英文产出时加 --lang en。
• 全文翻译：说「翻译成中文」，先逐段译成 article.zh.md（脚本检查有没有漏译），再排成公众号、原文长图或原文卡片。

原文排版碰到外文原文、而读者是中文时，会先翻译再排。

安装

11 个 skill 要装在同一个 skills 目录里：各能力的脚本都在 article2media/engine/，所以至少装 article2media 加上你要用的能力，最省事是全部装上。

Claude Code 插件（推荐，一次装好全部）

claude plugin marketplace add threerocks/article2media
claude plugin install article2media@article2media

插件里的 skill 名字带前缀：/article2media（总入口）、/article2media:wechat-layout、/article2media:image-cards……

skills CLI（同时支持 Claude Code 和 Codex）

npx skills add threerocks/article2media -g -a claude-code -a codex -y   # 全局安装仓库里的全部 skill
npx skills add threerocks/article2media -a claude-code -y               # 只装进当前项目

参数	作用
-a claude-code / -a codex	装给哪个宿主，可重复
-g	全局安装（Claude Code 装到 ~/.claude/skills/，Codex 装到 ~/.agents/skills/）；不加则装进当前项目
-y / -l	跳过确认 / 只列出不安装

手动安装（仓库根目录不是 skill 目录，需要同步整个 skills/）

git clone --depth 1 https://github.com/threerocks/article2media.git ~/code/article2media
rsync -a ~/code/article2media/skills/ ~/.claude/skills/     # Claude Code
rsync -a ~/code/article2media/skills/ ~/.agents/skills/     # Codex

只拷了某个能力、旁边没有 article2media 时，脚本会提示"找不到共享引擎"；也可以用环境变量 ARTICLE2MEDIA_ENGINE=/path/to/skills/article2media/engine 指过去。

在本仓库里打开 Claude Code 时，.claude/skills/ 下 11 个 skill 都已经软链接好，可以直接使用。

从 1.x 升级：插件更新即可。手动或 skills CLI 安装的，把新增的 10 个 skill 一起装上；以前直接调用的 skills/article2media/scripts/*.mjs 现在在 skills/article2media/engine/scripts/，或用各 skill 自己的入口（见下）。

依赖

需要	用途
Node 22+，任意 Chrome 或 Chromium	全部能力
ffmpeg	口播视频
可选：Codex CLI（codex login），或 OpenAI / Gemini 付费 key	AI 插画、视频封面插画、漫画
可选：Apple Silicon + mlx-audio + VoxCPM2	最自然的本地配音；没有时用 edge-tts 或系统语音
可选：mlx-whisper	逐字对齐，以及没有字幕的视频转写；对齐缺它时用 edge-tts 的词边界或按字数估算
可选：yt-dlp	YouTube、B 站的字幕和音频；抖音的兜底

bash scripts/install.sh 会逐项检查，只告诉你缺什么、怎么装，不会自动下载。找不到 Chrome 时，可以安装 Google Chrome、运行 npx playwright install chromium，或者设置 ARTICLE2MEDIA_CHROME=/path/to/chrome。

单独使用脚本

每个能力的 scripts/ 下都有自己的入口，不经过 Claude 也能直接跑：

K=skills
node $K/article-fetch/scripts/fetch.mjs "https://x.com/…/status/…"               # → article2media-out/<slug>/article.md
node $K/video-transcript/scripts/transcribe.mjs "https://www.bilibili.com/video/BV…"   # 视频 → 逐字稿（抖音、YouTube、本地视频 / 音频、.srt 同理）
node $K/video-transcript/scripts/transcribe.mjs ./talk.mp4 --prompt "人名 术语" --terms terms.txt
node $K/article-rewrite/scripts/check.mjs <slug>/content.json                   # 只校验改写稿（加 --ratio 3:4 连卡片一起查）
node $K/article-rewrite/scripts/export.mjs <slug>/content.json                  # 改写稿 → rewrite.md + 图表图片
node $K/article-rewrite/scripts/illustrate.mjs <slug>/content.json              # AI 插画
node $K/article-translate/scripts/translate.mjs check <slug>/article.md <slug>/article.zh.md   # 翻译检查
node $K/long-image/scripts/long.mjs <slug>/content.json --theme all             # 杂志长图，全部主题
node $K/long-image/scripts/long.mjs <slug>/article.md                           # 原文长图
node $K/image-cards/scripts/cards.mjs <slug>/content.json --ratio 3:4           # 总结卡片：3:4 / 4:5 / 1:1 / 9:16
node $K/image-cards/scripts/cards.mjs <slug>/article.md --ratio 3:4             # 原文卡片
node $K/wechat-layout/scripts/wechat.mjs <slug>/article.md --theme quiet        # 公众号排版（原文、译文或 rewrite.md）
node $K/logic-whiteboard/scripts/whiteboard.mjs <slug>/article.md               # 白板：先生成来源清单
node $K/logic-whiteboard/scripts/whiteboard.mjs <slug>/whiteboard.json          # 白板：再渲染
node $K/article-comic/scripts/comic.mjs make <slug>/comic.json                  # 漫画
node $K/explainer-video/scripts/video.mjs make <slug>/video/video.json          # 口播视频（check / voice / render 可分步）
node $K/long-image/scripts/long.mjs --list                                      # 列出主题

长图和卡片的其他参数：--out 目录、--page 1,3、--scale 2、--format jpeg --quality 90、--max-height 4400、--brand brand.json、--html-only。公众号另有 --title、--digest、--cover-title、--kicker、--hero。

页脚的品牌名、@handle 和栏目名从 brand.json 读取：

{ "name": "Founder Notes", "handle": "@you", "series": "实战手册", "editor": "编者" }

目录结构

skills/
├── article2media/               # 总入口：推荐组合 + 共享引擎
│   ├── SKILL.md
│   ├── references/              # pipeline.md（交接文件、原文还是改写、怎么调用其他能力）、verbatim.md、styles.md
│   └── engine/
│       ├── scripts/             # fetch / render / export / translate / illustrate / video / comic / doctor
│       │   └── lib/             # chrome（CDP 驱动）、各版式与原文账本、校验、出图；media/（视频转逐字稿）；video/（配音、对齐、镜头、渲染、字幕）
│       ├── layouts/             # 各版式的结构 CSS
│       ├── themes/              # 21 个主题 CSS；illustration-styles.json、caption-styles.json
│       └── assets/voices/       # 6 款公开音色（catalog.json）
├── article-fetch/               # 每个能力：SKILL.md、agents/openai.yaml、references/、scripts/（指向引擎的入口）
├── video-transcript/
├── article-rewrite/             # 另有 examples/：content.json 示例（测试也用）
├── article-translate/
├── long-image/
├── image-cards/
├── wechat-layout/
├── explainer-video/
├── logic-whiteboard/
└── article-comic/
tests/                           # run-all.mjs（自测矩阵）、theme-sheet.mjs
docs/                            # README 用图、示例视频与音色试听、介绍文章
scripts/install.sh               # 依赖检查（只提示，不下载）
.claude-plugin/                  # plugin.json、marketplace.json

开发与自测

node tests/run-all.mjs --quick                  # 约 4 分钟：11 个 skill 的结构、CLI 行为、各能力检查、每个示例 × 6 种版式
node tests/run-all.mjs                          # 约 20 分钟：4 个示例 × 6 种版式 × 21 个主题
node tests/run-all.mjs --themes pop,dopamine    # 只测指定主题
node tests/theme-sheet.mjs                      # 重新生成 docs/themes.jpg
claude plugin validate .

通过标准是所有检查都显示 ✓，且每次渲染 0 个版面错误。在本仓库开发时的约定见 CLAUDE.md，版本历史见 CHANGELOG.md，设计取舍和踩过的坑见《article2media：给它一篇文章或一条视频，拿回一整套能发的图文和视频》。

路线图

• 杂志长图、卡片组、21 套主题、模型自动选主题
• 公众号图文、AI 插画
• 口播视频：本地配音、逐字同步、语速与字幕质检
• 原文全文排版、白板论证、漫画
• 按版权分层的音色库
• 视频当原文：抖音、YouTube、B 站、本地视频 / 音频、字幕文件 → 逐字稿文章
• 拆成 10 个独立能力 + 一键组合；原文卡片、原文公众号排版、全文翻译
• 视频背景音乐（本地 AI 作曲目前太重，暂缓）
• 超长页自动拆图
• X 登录态兜底（FxTwitter 不可用时）

English

article2media (formerly article2img) is a set of open-source Claude Code / Codex skills, also packaged as a Claude Code plugin, that turns one article or video into publish-ready Chinese visual content. Since 2.0 it is ten independent capabilities — fetch, video transcript, rewrite (summary), full translation, long image, cards, WeChat layout, explainer video, whiteboard, comic — that can be used alone or chained, plus an entry skill with one-step combos (article → rewrite → long image, article → WeChat layout, foreign article → translation → WeChat, video → transcript → Xiaohongshu cards, …).

• Input: an X/Twitter post or thread, a web page, a WeChat article, a Markdown file, or a video: Douyin, YouTube or Bilibili links, local video and audio files, .srt / .vtt subtitles. A video is first turned into a verbatim transcript article, from platform subtitles when available and local Whisper otherwise.
• Output:
  • magazine-style long images;
  • Xiaohongshu (RedNote) 3:4 carousel cards;
  • paste-ready WeChat Official Account layouts;
  • 9:16 narrated short videos with local AI voice-over (VoxCPM2) and word-synced captions (Whisper);
  • verbatim layouts that never change a word (long image, cards, WeChat), each read back block by block;
  • a full Chinese translation checked block for block against the source;
  • an argument whiteboard and a comic.
• Themes: 21.
• Verification: every output is checked automatically, and a failed check exits non-zero.
• Requirements: zero npm dependencies, only Node.js 22 and Chrome.
• Install: claude plugin marketplace add threerocks/article2media && claude plugin install article2media@article2media, or npx skills add threerocks/article2media -g -a claude-code -a codex -y (install all skills: they share article2media/engine).

致谢

• ljg-skills（MIT）：-f、-w、-c 三种模式和它们的校验纪律都来自这里，本项目在自己的架构上重写了实现。
• 主题灵感：aps 主题库、lanshu-html-ppt-templates 的版式手法，以及 Canva、Pinterest Predicts、小红书 2026 年的趋势报告。这些都只借鉴思路，CSS 全部重新编写。
• 模型与服务：VoxCPM2、mlx-audio、Whisper（mlx-whisper）、edge-tts、yt-dlp、FxTwitter、r.jina.ai、defuddle。
• 繁简转换：字表取自 OpenCC（Apache License 2.0）。
• 字体：思源宋体与思源黑体、站酷系列、霞鹜文楷、京华老宋体、得意黑、缝合像素、龙藏体。

许可

代码采用 MIT 许可。

• 随包音色：6 款音色由 VoxCPM2 只凭文字描述生成，可以随项目使用和分发。
• 本机音色：用户自己导入的音色不随项目分发，权利由导入者负责。
• 示例内容：skills/article-rewrite/examples/ 和 docs/ 里的示例整理自公开文章，版权归原作者，只用于测试和演示；示例图和示例视频来自 Dan Koe 的 X 长文。