Skillget

vibe-knowledge-interactive

agent
Security Audit
Warn
Health Warn
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 6 days ago
  • Low visibility — Only 5 GitHub stars
Code Pass
  • Code scan — Scanned 12 files during light audit, no dangerous patterns found
Permissions Pass
  • Permissions — No dangerous permissions requested

No AI report is available for this listing yet.

SUMMARY

Vibe 知识大赏（vibe knowledge）风格知识科普短片 Skill：Canvas 逐帧 + Playwright + ffmpeg，一键出 134 秒无旁白双语字幕视频。含互动式反常识开场模板、100 条爆款样本与 25 个选题。

README.md

vibe-knowledge-interactive

你一定刷到过这种视频：黑底、没有人说话、中英双语字幕一行行往上走，最后停在一句能截图的话上。抖音上叫「Vibe 知识大赏」，看完确实有收获。

这个仓库是一个 Agent Skill，把这类视频从选题做到成片 MP4 —— 全程代码，不打开任何剪辑软件。

下面这条 8 秒，是它做出来的开头。注意看 0.8 秒：它没有报结论，而是先让你下注。

生日悖论 · 互动式开场

41 个头像铺满右侧 → 抛出「5% 还是 90%」二选一 → 停 2 秒倒计时，让你用手指选 → 翻答案、红线穿人群。下注之后，正确答案才有冲击力。

换一个题材，是另一种视觉骨架——四层同心圆，圈上按真实人数排点：

邓巴数 · 同心圆

它跟别的「vibe 知识大赏 skill」差在哪

GitHub 上同题材仓库已经二十来个，大多在比谁的动效更花。这个仓库的差别是选题有数据支撑，不是拍脑袋：

  • 抓了 100 条真实爆款样本（总播放 1220 万），带播放量、点赞、分类、可点击原片链接 → data/top100.csv
  • 按题材统计单条效率，得出一个反直觉结论：条数最多的题材往往不跑量。认知心理 11 条、单条均值 11.4 万；社会经济 8 条、单条均值只有 1.4 万
  • 由此得出 6 条被数据验证的选题策略 + 25 个避开已爆题目的新选题（每个带钩子、结论、可视化支点）→ docs/选题策略与25个选题.md

采集脚本和分类口径都在，数据可以重新跑、可以质疑。别家写「深度拆解爆款」，这里给的是能被核对的表。

成片规格

  • 1920×1080 · 30fps · 168 拍 = 134.4 秒（75 BPM，1 拍 = 0.8 秒）· 无旁白 · 中英双语字幕
  • Canvas 2D 逐帧绘制 + Playwright 截图 + ffmpeg 编码，没有模板文件，每一帧都是代码算出来的
  • 产出：成片 + 封面 + 发布文案，每期两版音轨（配乐版 / 只音效版，后者发布时叠抖音曲库）

目录结构

.
├── assets/                          # README 里那两条 GIF
├── data/top100.csv                  # 100 条爆款样本（播放/点赞/分类/链接）
├── docs/选题策略与25个选题.md         # 策略推导 + 25 个选题
├── skill/vibe-explainer-video/      # 技能本体（整目录丢进 skills/ 即可）
│   ├── SKILL.md                     # 168 拍时间表、每段怎么写、验收标准
│   ├── kit/                         # lib.js / render / sheet / synth / vibe_audio / bgm / encode
│   ├── docs/                        # ep07–ep10 分镜与文案格式
│   └── examples/                    # ep07–ep10 可运行源文件
└── samples/                         # 4 条样片 + 源码 + 联系表

仓库名是 vibe-knowledge-interactive，技能目录名仍是 vibe-explainer-video。装的时候保持目录名不变，否则 Agent 找不到技能。

安装

git clone https://github.com/wchhywizd/vibe-knowledge-interactive.git
cp -r vibe-knowledge-interactive/skill/vibe-explainer-video ~/.workbuddy/skills/
# 或：~/.claude/skills/

装好后对 Agent 说「按 vibe 大赏风格做一期讲 XX 的」，技能会被触发。

依赖

python 3.11+ · playwright（Chromium）· numpy · scipy · ffmpeg

pip install numpy scipy playwright && playwright install chromium

快速开始（渲一条样片）

cd samples/src
# 1. 出联系表，先看静态帧有没有版式问题
python ../../skill/vibe-explainer-video/kit/sheet.py "[0.1,2.0,4.6,6.6,8.9]" sheet.png 5 pilotC-birthday.html

# 2. 逐帧渲染（2 路并行，中断可续）
PYTHON=python bash ../../skill/vibe-explainer-video/kit/render.sh pilotC-birthday.html frames/

# 3. 合成音轨 + 编码
python ../../skill/vibe-explainer-video/kit/vibe_audio.py events.py audio.wav
bash ../../skill/vibe-explainer-video/kit/encode.sh frames/ audio.wav out.mp4

样片

文件 题材 时长 核心结论 可视化支点
试片C-v2-同一天生日.mp4 概率 15.2s 41 人 90.3%；只要 23 人就过半 41 人头像 + 5%/90% 二选一 + 2 秒倒计时
试片C-同一天生日.mp4 概率 14.4s 23 人同生日概率 50.7% 23 人点阵，撞日连线
试片B-一百五十.mp4 关系 14.4s 稳定社交上限约 150 人（邓巴数） 四层同心圆，圈上按人数排点
试片A-看不见的学会.mp4 认知 14.4s 读得越顺，越容易高估自己学会了多少 同内容两份排版 + 自评/实测四柱反差

C 的 v2 和 v1 建议对比着看：v1 开口就报「23 人」，v2 先让你在 5% / 90% 之间下注、留 2 秒让你选、再翻答案。同一个知识点，停留时长完全不是一回事——这就是这个仓库最想让你拿走的东西。

数值均可复核：41 人 90.32%（820 对）· 23 人 50.73%（253 对）· 41/365 = 11.2%。

两个容易踩的坑

  1. 时间单位不统一：lib.js 里 scene()、titleCard() 的起止，以及 SUBS / TOPLABELS / NOTES 数组，单位都是「拍」（B(n) = n × 0.8s）；只有自己写的 seg() / txtIn() 用秒。按秒写会得到「开场在 8.1 秒被切断」「字幕整体错位」这类灵异现象。
  2. 音频不像视频那样能逐帧校对：vibe_audio.py 默认音乐床约 113 BPM，拍网格是 75 BPM，音效用的是重音/转场类、不卡音乐拍。要做「音效严格卡鼓点」的期，用 NO_BGM=1 回合成配乐。

关于样本数据的边界（请先读这段再引用）

  • 样本来自 B 站，不是抖音。 抖音搜索页与话题页均需登录态渲染，取不到全量；本仓库的 100 条是同标签 B 站公开数据（创作者普遍双平台分发）。看结构配比可信，绝对播放量不要跨平台对标抖音。
  • 100 条是「有多少算多少」的 top 切片，不是随机抽样，头部集中度（Top3 占 54.5%）会因此被放大。
  • 分类由规则 + 人工修正得出，口径写在 docs/ 里，有异议欢迎提 issue 改。

版权与免责

  • BGM：kit/bgm-default.mp3 是《千年之后(氛围版)》，音源来自 B 站他人上传的视频，版权不在本仓库作者手里。保留它是为了样片可复现；商用或公开发布前请自行取得授权，或替换成你有权使用的曲子（BGM_FILE=path）。
  • 样片数据：A 片柱高是示意值不是真实实验数据；B 片的 150 有争议，不同人群差异大，不要讲成硬定律；C 片 41 人 90.3% 与 23 人 50.7% 是 365 天均匀分布下的精确值。
  • 5% / 90% 是刻意的二选一：真实直觉区间在 5%–12%，给 5% 是为了让 90% 显得离谱、制造下注欲。片中只说「答案是 90.3%」，不说「正确答案是 90%」——数字精确，框选是剪辑手段。
  • 所有事实类内容在 SKILL.md 里都要求先核验再上片，查不到就不放，不编数字、不编文献原话。

License

  • 代码（kit/、samples/src/ 下的 .js .py .sh .html）：MIT，见 LICENSE
  • 文档与文案（SKILL.md、README.md、docs/）：CC BY 4.0，见 LICENSE-docs
  • 数据 data/top100.csv：样本本身版权归各原作者，播放量等元数据可自由引用，请注明来源
  • 音频 kit/bgm-default.mp3：不在以上任何授权范围内，版权归原权利人，仅作可复现素材保留

Reviews (0)

No results found