AIAI 工具图鉴
← 返回全部文章
·约 14 分钟PPT

一条提示词=成片！Claude Skill 自动化做出 Vox 风格拼贴视频

视频生成Agent技能插件
下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

vox-director-recommend.mp4
PPT
vox-director-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../vox-director-recommend.pptx
视频../../vox-director-recommend.mp4
本文目录
  1. title: "一条提示词=成片！Claude Skill 自动化做出 Vox 风格拼贴视频" date: 2026-07-14 tags: [AI Agent, Vox, Claude Skill, 自动自媒体, 视频生成, Atlas Cloud] tool: vox-director repo: Alisa0808/vox-director stars: 119 license: MIT
  2. 一句话定位
  3. 为什么这玩意儿值得装？
  4. 视觉风格：Vox 杂志风的纸质拼贴
  5. 6 步流水线（一条 beats.json 走到底）
  6. 步骤详解
  7. 30 秒安装与使用
  8. 安装
  9. 配置 API Key
  10. 安装系统依赖
  11. 启动 Claude Code 一句话开拍
  12. 它用的模型全家福
  13. 谁该用？怎么用最划算？
  14. ✅ 推荐场景
  15. ⚠️ 不推荐场景
  16. 与同类工具的对比
  17. 项目活跃度 & 社区
  18. 资源链接
  19. 总结

title: "一条提示词=成片！Claude Skill 自动化做出 Vox 风格拼贴视频" date: 2026-07-14 tags: [AI Agent, Vox, Claude Skill, 自动自媒体, 视频生成, Atlas Cloud] tool: vox-director repo: Alisa0808/vox-director stars: 119 license: MIT

一条提示词=成片！Claude Skill 自动化做出 Vox 风格拼贴视频

一个主题就能跑出 Vox 风格纸质拼贴解说视频，从脚本到 MP4 全自动。 这不是单点工具，而是给 Claude Code / Codex 等编码智能体装的视频导演技能。

足球历史拼贴视频缩略图

一句话定位

vox-director 是 Alisa0808 开源的 Claude Agent Skill：把"一个主题"扔给它，自动跑完 节拍图 → 风格对比 → 关键帧 → 动态化 → 旁白 → 音乐 → 字幕烧入 整个流水线，输出一个 Vox 风格的纸质拼贴解说/广告视频。

  • ⭐ 119 stars / 🍴 12 forks（截至 2026-07-14，开源 4 天）
  • 📜 MIT License（© 2026 Atlas Cloud）
  • 🤖 19 commits / 4 个展示视频 / EN+ZH 双语 SKILL.md

为什么这玩意儿值得装？

做短视频自媒体最痛的 3 个点：

  1. 风格难统一：自己剪一次跟剪一次像换了一个频道
  2. 镜头难调动：要么静态截图要么卡顿特效
  3. 工序太零碎：脚本/分镜/动态/旁白/字幕/音乐每一步都要换一个工具

vox-director 把这 6 步焊死成一条流水线，并且全程只让你做两个决策关卡：

  • 关卡 1：批准节拍图（要不要走"惊奇—困惑—揭秘—颠覆"这条弧线？）
  • 关卡 2：从 3-4 种风格里用眼睛挑一个（复古报纸 / 鲜艳杂志 / 工业蓝图 / 卡通贴纸……）

剩下的全部自动跑，跑完得到一个带字幕、带水印、带背景音乐的成片 MP4。

视觉风格：Vox 杂志风的纸质拼贴

先看几张实际产物截图——这是它生成的 3 个 60 秒 Vox 风拼贴视频封面：

主题 风格描述 时长
足球征服世界 足球历史（从蹴鞠到 2026 世界杯） 复古报纸 + 球衣剪报 + 球场手绘 60s / 16:9
墨西哥街头小吃 墨西哥街头小吃 鲜亮杂志色 + 玉米饼特写 + 半色调点 60s / 16:9
货币简史 货币简史 牛皮纸质感 + 古币拓片 + 数字荧光 60s / 16:9

特征一览：

  • 手剪纸片：边缘是手工撕裂的锯齿，不是干净矢量
  • 胶带粘贴：很多元素用半透明胶带贴在画面上
  • 半色调点：模仿印刷品的网点质感
  • 粗体平涂色彩：避免复杂渐变，整体扁平化
  • 巨型剪贴标题：像剪报一样从报纸上抠出来贴上去

这套视觉语言直接致敬 Vox 杂志解说视频（创始人 Stav Zilber / rom1trs / Higgsfield 的风格），是当今科普自媒体里点击率最高的一类风格。

6 步流水线（一条 beats.json 走到底）

整个工程的核心是一个**beats.json** 文件，它描述了"每节拍该拍什么"。

topic
  │
  ├─ 1. beat map        pick a narrative arc → write beats.json      ◀── GATE 1
  ├─ 2. style bake-off  render the same beat in 3–4 themes           ◀── GATE 2
  ├─ 3. keyframes       one collage poster per beat  (nano-banana-2)
  ├─ 4. motion          animate each poster          (gemini-omni-flash i2v)
  ├─ 5. voice + music   one narrator (xai/tts) + BGM (minimax/music)
  ├─ 6. assemble        ffmpeg: concat, duck music under VO, burn captions + watermark
  └─ final.mp4

每一步对应 scripts/ 下的一支脚本，由你的编码智能体（Claude Code / Codex）依次调用。

步骤详解

1️⃣ beat map（叙事节拍图）

从内置的 14 种叙事弧线里选一条，比如：

  • 惊奇—困惑—揭秘—颠覆（科普经典）
  • 倒叙：从"现在"回溯到"起源"
  • 三幕剧：铺垫 / 冲突 / 解决

然后写出 beats.json，每个节拍包含 text（旁白）+ prompt（关键帧描述）。

2️⃣ style bake-off（风格对比）

同一个节拍用 3-4 种主题预设（8 种内置主题）渲染对比图，让你"用眼睛挑一个"。

预设主题举例：

  • newsprint-collage（复古报纸）
  • pop-poster（鲜艳杂志）
  • blueprint-tech（工业蓝图）
  • risograph（印刷网点）

3️⃣ keyframes（关键帧）

用 Atlas Cloud 的 google/nano-banana-2/text-to-image 模型生成拼贴海报，每节拍一张。

4️⃣ motion（动态化）

两条路径可选：

  • "活海报"路径（默认）：用 google/gemini-omni-flash/image-to-video 把整张海报动起来
  • "逐片拼装"路径（高级）：用本地关键帧引擎把海报切割成部件，每个部件独立驱动（无内容过滤、像素级精确，适合真人/品牌素材）

5️⃣ voice + music（旁白 + 音乐）

  • 旁白：xai/tts-v1（71 种音色，覆盖 5 种多语种 + 按语言分类的母语音色）
  • 背景音乐：minimax/music-2.6（带情绪标签的音乐生成）

6️⃣ assemble（最终组装）

ffmpeg 一条龙：拼接、混音（在旁白时压低 BGM）、烧字幕水印。

30 秒安装与使用

安装

# 方式 A：克隆仓库到 Claude skills 目录
git clone https://github.com/Alisa0808/vox-director.git ~/.claude/skills/vox-director

# 方式 B：下载打包好的 .skill 文件，通过 Claude 技能 UI 安装

配置 API Key

去 atlascloud.ai/console/api-keys 拿一个 key：

export ATLASCLOUD_API_KEY="sk-..."

安装系统依赖

brew install ffmpeg     # macOS
pip install pillow      # Python 图像库

启动 Claude Code 一句话开拍

"Make me a Vox-style collage video introducing Mexican street food — English, 16:9, 15 seconds."

（"给我做一个 Vox 风格拼贴视频，介绍墨西哥街头小吃——英语，16:9，15 秒。"）

剩下的事情 Claude 会自己完成：

  1. 起草节拍图 → 等你批
  2. 跑风格对比 → 等你挑
  3. 自动跑后续 4 步
  4. 在 out/<project>/final.mp4 输出成片

它用的模型全家福

vox-director 通过 Atlas Cloud 一个 API Key 即可调用所有底层模型：

阶段 任务 默认模型
关键帧 拼贴海报生成 google/nano-banana-2/text-to-image
动态化（非真人） 海报整体动画化 google/gemini-omni-flash/image-to-video
动态化（真人/品牌） 海报切割部件驱动 kwaivgi/kling-video-o3-pro/image-to-video
旁白 TTS 合成 xai/tts-v1（71 音色）
背景音乐 BGM 生成 minimax/music-2.6
抠图（高级路径） 海报元素拆件 youchuan/v8.1/remove-background

模型 ID 可能会更新，技能运行时会从 GET https://api.atlascloud.ai/api/v1/models 拉取最新列表。

谁该用？怎么用最划算？

✅ 推荐场景

你是谁 怎么用它
知识区 UP 主 选题 → 30 秒生成初稿 → 自己后期调整风格/文案
公众号矩阵运营 一篇长文 → 自动拆成 5 个 60s 短视频
教育博主 历史/地理/生物题材 → Vox 风格秒出科普短片
跨境电商 产品介绍 → 多语言 TTS 自动生成 9:16 短视频广告
AI 自媒体 一句话跑通整套"开箱即用"工作流，省下 90% 试错时间

⚠️ 不推荐场景

  • 真人出镜内容：风格偏拼贴，纯真人向选题会违和
  • 强实时性新闻：节拍图要人工审批，不适合 5 分钟内出片
  • 超长视频：默认 TTS 音色 + BGM 适合 60s 内，超过 3 分钟需要分段重审

与同类工具的对比

维度 vox-director 手动剪辑（PR/FCP） 即梦/可灵单点工具 AI 视频生成（Sora/Veo）
风格统一性 ⭐⭐⭐⭐⭐ 强制走主题预设 ⭐⭐ 靠人 ⭐ 随机 ⭐⭐⭐ 模型风格漂移
一致性（角色/物体） ⭐⭐⭐⭐ 主题+词典约束 ⭐⭐⭐⭐⭐ 完全可控 ⭐⭐⭐ 单段可控 ⭐⭐ 跨段容易漂移
工序自动化 ⭐⭐⭐⭐⭐ 6 步一气呵成 ⭐ 完全手动 ⭐⭐ 单点 ⭐⭐⭐ 部分自动
真人素材 ⭐⭐⭐ 高级路径需额外 ⭐⭐⭐⭐⭐ 原生 ⭐⭐⭐ 单段可 ⭐ 容易翻车
上手成本 ⭐⭐⭐⭐ 装 skill 即可 ⭐ 学软件 ⭐⭐⭐ 网页点点 ⭐⭐ 写提示词
单条成本 中（多模型混合） 低 低 高（云端推理贵）

项目活跃度 & 社区

  • 最近提交：2026-07-14（仍在密集迭代）
  • PR #1 已合并：hero video + 缩略图展示优化
  • 提交者：Alisa0808 + claude（Claude Opus 4.8 Co-Author）
  • 灵感致谢：Stav Zilber / rom1trs / Higgsfield / Vox

资源链接

资源 地址
GitHub 仓库 https://github.com/Alisa0808/vox-director
技能文件（英文） https://github.com/Alisa0808/vox-director/blob/main/SKILL.md
技能文件（中文） https://github.com/Alisa0808/vox-director/blob/main/SKILL.zh.md
提示词 + 主题预设 https://github.com/Alisa0808/vox-director/blob/main/references/prompt-guide.md
14 种叙事弧线模板 https://github.com/Alisa0808/vox-director/blob/main/references/beat-layer.md
71 种 TTS 音色名册 https://github.com/Alisa0808/vox-director/blob/main/references/voices.md
Atlas Cloud 控制台 https://www.atlascloud.ai/console/api-keys

总结

vox-director 不是"又一个大模型视频生成工具"，而是把已经成熟的视频模型们焊成一条工业流水线，并以 Agent Skill 的形式塞进 Claude Code / Codex。

它真正解决的问题：

让任何会写提示词的人，都能在 30 分钟内稳定地产出风格统一、节奏统一、配音统一的 Vox 风短视频。

如果你正在做自媒体、跨境短视频、知识科普、品牌内容矩阵，它值得你花 30 分钟装上跑一遍。