不用团队，一个技能让AI画出华尔街级财经片

先说结论：如果你做财经或科技类短视频，被"画面太土、素材难找、转场像 PPT"卡住过，这个开源技能值得花一晚上试。 它叫 wallstreet-explainer，MIT 协议，GitHub 上三天拿到 391 颗星。

作者用自己做的一条 77 秒样片《AI 到底有多烧钱》把风格演示清楚了：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表达出来。整条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。

它给了你 10 个脚本和 9 篇方法论文档，从找素材、抠人、排时间线，到混音、自检，一条链路全包。

一句诚实的话：它不帮你免责。片子里一定会用到别人的素材，作者在 README 里写得很直白——"有没有风险，你自己判断"。

它到底在解决什么问题

这类财经视频有个共同点：看起来贵，但其实不靠设备贵。

画面全是真实素材，靠的是"素材选得准"和"数字讲得清"两件事。作者把这两件事拆开了：

• 素材：技能里明确规定了素材优先级，它会自己去主流视频网站找合适片段，裁剪、处理。片子里的人是真人，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：数据怎么放、关系怎么画、图表怎么呈现——这些决定了整条片子的风格。

真正难的不是技术，是克制。作者反复强调：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。

四个镜头，看懂它的路数

样片里有四个连续的镜头动作，从上往下看：

图源：仓库 examples/ai-burn-money/moves_v6.jpg，README 第 19 行引用，原图注为「四个镜头动作的连续帧」

1. 镜头沿着桌上的新闻滑过去
2. 黄仁勋从发布会画面里抠出来，身后换成"5.2 万亿"
3. 整组横推出去，换成 Altman
4. 新闻原文倒下去变成桌面，图表立起来

这四个动作串起来，就是这类片子最核心的语言：不是切镜头，是让画面里的东西自己动起来完成转场。

整条样片压成了一个无声 GIF：

图源：仓库 examples/ai-burn-money/sample.gif，README 第 5 行引用；原片 77 秒，GIF 为无声压缩版

十个脚本，各管一段

这是它最实在的部分。不是"一键生成"的黑盒，而是十个各管一段的工具：

自制图。数据来源：README「里面有什么」一节的脚本表，逐条转录

拆开看是四段活：

• 找素材：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，还会量出关键词的位置，用来画高亮
• 处理人：matte.py / matte_clean.py 把视频里的人一帧一帧抠出来
• 做画面：stage25d.js 管镜头、景深、运动模糊、大字；render.mjs 一帧一帧渲染成视频；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"
• 出声：temp_voice.py 做临时配音和时间线；mix.py 把配音、原声、音效、配乐混在一起

注意 strip.py 和 motion_check.py 这两个——它们是给作者自己挑错的，不是给观众看的。这说明这套东西是按"能反复修改"设计的，而不是"生成一次就完事"。

每一镜都要回答四个问题

这是我觉得最值钱的部分，也是它区别于普通模板的地方。

作者在设计时，给每一镜定了四条硬标准：

自制图。数据来源：README「每一镜都要回答」一节，四条标准逐条转录

还有一个更狠的验收方式：交付前静音看一遍，画面本身就能讲清楚在说什么。

如果静音看不懂，说明你在靠旁白硬撑。另外作者提了一句很实用的：小字不要太多，太多就 AI 味了。

怎么装、怎么用

用 Claude Code 的话，四行装完：

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，重启 Claude Code。

然后一句话就行："用 wallstreet-explainer 做一条 1 分钟的片子，讲 AI 到底有多烧钱"。

选题、文案可以自己给，也可以让它出。开头会让你选一个钩子——财经风格的钩子很重要，你可以描述想要的，也可以让 AI 准备几个自己挑。

配音是两段式的：先用免费的 edge-tts 临时配，把时间线排出来；等文案和画面都定了，再换成你自己的配音，每句存成 voice/<句子id>.final.wav，跑一下对齐脚本，画面会自动跟着重新对齐。

三个坑，先知道

1. 字体不随仓库给

字幕用 MiSans，标签和片名用阿里妈妈数黑体，大数字用 Bebas Neue，兜底 Noto Sans SC。字幕里的英文和数字作者用的是 Century Gothic Italic——这是商业字体，要换成 URW Gothic 或 Questrial。

2. yt-dlp 和 edge-tts 会隔一阵 403

pip install -U 一下就好。这两个工具被平台限制是常态。

3. 抠人要额外装东西

有 N 卡装 onnxruntime-gpu，没有就装 onnxruntime，再用 rembg 下模型。换配音后逐字对齐要 faster-whisper，有 N 卡快很多。

它不适合谁

• 想"一键出片、完全不管"的：不行。它给的是流水线和标准，不是自动生产线，每一镜的判断还得你做
• 不做财经/科技解读的：这套风格是专门为"一个问题撑全篇、开头抛反差、结尾给判断"的题材复刻的，用在别的内容上会别扭
• 在意素材版权风险的：作者自己都说"有没有风险，你自己判断"。他只给了一条底线——别仿真实网站的 logo 和版式，别编数据，别拿真实博主、品牌的名字给自己片子起名
• 没有 Claude Code 或同类工具的：它是 Skill 形态，得有能读 SKILL.md 的 agent 环境

值不值得用

对照这四条，中两条以上就值得：

• 你在做财经、科技解读类短视频，卡在"画面不像样"
• 你能接受"AI 出草稿 + 自己精修"的工作方式
• 你愿意花一晚上装环境（Python、Node、ffmpeg、Playwright、抠人模型）
• 你本来就在用 Claude Code

它的价值不在"省掉团队"，而在于把一套成片方法论写成了 AI 能执行的流程。 那 9 篇 references 里写的是"每一镜怎么想""镜头怎么动才不像 PPT""开头怎么抛钩子"——这些是经验的沉淀，比脚本本身更难复制。

快速参考

• 项目：HeyChengC/wallstreet-explainer
• 协议：代码和文档 MIT（样片里的第三方画面不在 MIT 范围）
• 热度：391 星 / 81 fork（2026-10-23 数据）
• 创建：2026-10-18
• 语言：Python（配 Node、Playwright、ffmpeg）
• 样片：《AI 到底有多烧钱》，77 秒
• 内容：9 篇 references（thinking / motion / style / grammar / opening / sourcing / audio / review / lessons）+ 10 个脚本
• 安装：clone 到 ~/.claude/skills/ → pip → npm + playwright → 装 ffmpeg
• 用法：跟 agent 说"用 wallstreet-explainer 做一条 1 分钟的片子，讲 XXX"
• 注意：字体需自备（Century Gothic Italic 是商业字体）；素材版权自行判断