Vox Director

1. 基本信息

项目	内容
名称	Vox Director
作者/维护者	Alisa（GitHub: Alisa0808 / X: @alisaqqt），另有 1 位协作者 kiana-liang
来源链接	https://github.com/Alisa0808/vox-director
许可证	MIT（GitHub API）
GitHub Stars	942（GitHub API）
Forks	138（GitHub API）
最新版本	未发布正式 GitHub Release，随默认分支 main 最新提交（2026-07-30）更新
安装方式	git clone 到本地 skills 目录，或下载打包的 `.skill` 文件安装

2. 功能介绍与亮点

Vox Director 把“一句话主题”变成一支成片的 Vox 风格拼贴解说/广告视频：脚本分镜、拼贴关键帧、动效、配音、配乐、字幕全部自动化，最终输出一个 mp4 文件。

核心能力：

端到端流水线：主题 → 分镜脚本（beats.json）→ 拼贴海报关键帧（nano-banana-2）→ 动效（gemini-omni-flash / kling-video，真实人物走后者）→ 配音（xai/tts，可选声音克隆）→ 配乐（minimax/music）→ 本地 ffmpeg 合成成片
三种输入形态：B-roll（纯主题文字生成全新内容）、A-roll（把已有人物口播视频改造成拼贴风格，保留原始唇形与动作）、C-roll（把一张静态照片锚定进拼贴画面，人物旁白可克隆成本人声音）
两道人工确认关卡：分镜草稿需用户批准；同一分镜会渲染 3–4 种风格供用户挑选后才继续生成，不是全自动黑箱产出
9 套策展风格预设（美式复古、瑞士现代、朋克 zine、苏联构成主义、WPA 宣传画、70 年代律动、水墨、原子时代、报纸排版）+ 可自由组合的自定义风格
14 种叙事结构模板（时间线、痛点-解决方案、转折点等），覆盖历史科普、产品广告、教育解说等不同题材
进阶本地关键帧引擎：可将整张海报拆成局部逐帧驱动，实现“分块拼贴动起来”的效果，对真实人物友好（无内容审查限制、逐像素精确）
中英双语文档（README、SKILL.md 均有中文版）

3. 适用场景

所属分类：内容创作与知识管理

适合不具备视频剪辑或多模型 prompt 调试经验的用户：内容创作者/自媒体从业者制作短视频解说或广告；教育者把历史、科普类主题转成叙事清晰的拼贴解说片；个人或小品牌用一张产品图/自拍（C-roll 模式）快速产出风格化宣传视频；把已有的口播录像改造成统一视觉风格的拼贴短片（A-roll 模式）。

4. 跨 Agent 兼容性

Claude Code：原生支持——SKILL.md 含标准 frontmatter，Claude Code 自动发现加载
Codex：原生支持——仓库另附 AGENTS.md 作为非 Claude agent 的入口文档，明确指向同一份 SKILL.md 工作流
OpenClaw：未验证——README 仅泛称“任意能读取指令并执行脚本的 coding agent”，未点名 OpenClaw
Hermes Agent：未验证——同上，文档未提及

5. 推荐理由

把一条完整的视频生产链路——分镜写作、多模型图像生成、动效、配音、配乐、剪辑合成——压缩进一个技能里，只需两次轻量人工确认，让不熟悉视频制作或逐模型 prompt 调优的用户也能产出风格统一、观感专业的解说/广告短片。

6. 评分

维度	分数	说明
受欢迎程度	6	GitHub 942 星，仓库创建仅 3 周多即达到该量级，138 forks 显示真实二次开发意愿；目前尚无第三方具名讨论可查证
可用性	8	SKILL.md 与配套 references/ 文档详尽、含示例；近期持续维护；但需配置 Atlas Cloud 付费 API Key，并预装 ffmpeg 与 Python Pillow，非零配置一键即用
安全性	8	见下方检查清单

安全检查清单： ① 权限范围：本地脚本（Python + ffmpeg）操作限定在项目输出目录内，无越权系统操作 ② 联网外发：调用 Atlas Cloud 生成式 AI 接口（api.atlascloud.ai），目标透明、文档中明确说明 ③ 凭据处理：通过环境变量 ATLASCLOUD_API_KEY 传入，未见写入文件或日志 ④ 可疑指令：SKILL.md 全文与脚本目录结构未发现提示词注入或隐蔽指令迹象 ⑤ 作者信誉：独立开发者出品（2 位贡献者），未见刷星等信誉造假迹象 ⑥ License：MIT，明确 ⑦ 最近维护：最近一次提交于 2026-07-30，维护活跃

综合评分 = 三项均值 ≈ 7.3

7. 跟同类 Skills 相比的优势

项目	定位	与 Vox Director 的差异
CK42BB/vox-explainer-skill（72★，MIT）	同样面向“Vox 风格解说视频”的独立实现	只支持纯主题文字驱动单一生成路径，未见文档化的多风格预设库、真人视频改造（A-roll）或单张照片锚定（C-roll）等输入形态
ai-shortfilm-prompts 类工具（311★）	把创意转成可直接喂给第三方视频模型的 cinematic prompt	只产出 prompt 文本，仍需用户手动拿去跑外部生成工具并自行剪辑；Vox Director 是从主题到成片、含本地 ffmpeg 合成的完整一条龙流水线

8. 用户评价

该技能已被第三方 Agent Skill 目录（如 OpenAgentSkill）收录展示，但尚无可验证的具名用户评价。

9. 其他补充

仓库同时提供中英文双语文档（README.zh.md、SKILL.zh.md），并额外打包了可直接安装的 .skill 文件作为 git clone 之外的备选安装方式。

10. 安装使用方式

方式一：克隆仓库

git clone https://github.com/Alisa0808/vox-director.git ~/.claude/skills/vox-director

方式二：下载打包文件 从仓库根目录下载 vox-director.skill，通过 Claude 技能安装界面导入。

安装后配置：

export ATLASCLOUD_API_KEY="sk-..."   # 在 atlascloud.ai/console/api-keys 获取
brew install ffmpeg                   # 需要 ffmpeg + ffprobe
pip install pillow                    # 字幕/水印叠加需要

安装并配置完成后，直接用自然语言向已安装该技能的 coding agent 描述需求即可触发，例如：“帮我做一个介绍墨西哥街头小吃的 Vox 风格拼贴视频，英文，16:9，15 秒”。Agent 会先给出分镜草稿供确认，再跑一次风格试渲染供挑选，最后自动生成 out/<项目名>/final.mp4。

11. 注意事项

依赖付费第三方 API（Atlas Cloud），实际生成图像/视频/语音/音乐会产生真实费用，并非零成本工具
本地需预装 ffmpeg/ffprobe 与 Python Pillow，属于需要一定环境配置能力的技能，不是纯托管式一键运行
仓库未打 GitHub Release、无正式版本号，更新节奏以默认分支的提交记录为准
C-roll 模式允许用一张真实人物照片生成动态视频并克隆其声音，使用他人肖像或声音素材时需自行确认已获得当事人同意，避免肖像权/版权纠纷
OpenClaw、Hermes Agent 的兼容性尚未有官方文档或实测验证