SRT 白板动画 Skill
将 SRT 字幕转为按叙事顺序绘制的白板手绘视频Skill。它结合了分区遮罩编排与流式笔迹绘制：每个元素跟随字幕依次出场，笔尖在区域内连续落墨，再逐步添彩，最终导出 MP4。
适合把知识讲解、故事口播、课程字幕或短视频文案制作成暖米黄色纸张底的手绘动画。
效果示例
场景：猴子山抢香蕉 —— 随着字幕的叙事顺序，依次绘制假山与小猴、抢香蕉的大猴，以及围观小朋友。
原始线稿：查看 PNG。
核心能力
- 解析 SRT 字幕，并按建议的 25–35 秒时长拆分场景
- 先输出分镜与配图策略，确保每一幕只表达一个核心意思
- 按字幕事件而非画面坐标，为元素建立语义化的绘制顺序
- 用
annotation.json管理区域、时序、字幕关联和重叠保护区 - 每个区域采用连续流式笔迹：先
ink铺线稿，再color添彩 - 支持浏览器预览台调整区域、顺序、时间和字幕关联
- 支持逐幕渲染与多幕合并，输出完整 MP4
工作方式
该 Skill 的关键在于“字幕驱动、逐步确认”。每一步完成后都等待确认，避免在分镜、线稿或标注尚未定稿时浪费渲染成本：
- 解析 SRT，输出分镜与配图策略。
- 确认后生成统一风格的线稿。
- 确认线稿后，结合字幕和原图创建标注，并载入预览台。
- 确认标注后，生成分区与方向检查图。
- 在预览台调整区域、叙事顺序、时序和字幕关联并保存。
- 确认最终标注后，逐幕渲染 MP4。
- 多幕项目在确认各幕成片后合并。
视觉规范
- 暖米黄色纸张背景：建议
#F5EBD7 - 深灰色素描线条，红、橙、蓝仅作少量概念性点缀
- 极简手绘、干净背景与充足留白
- 不使用场景文字、标签、摄影感、3D 效果或复杂纹理
安装与环境
Skill 自带独立的 Python 虚拟环境准备脚本。首次运行时执行：
python scripts/prepare_env.py --check python scripts/prepare_env.py
成功后第一条命令会输出 ENV_PY=<路径>；后续渲染请使用该解释器，确保依赖隔离。
项目素材结构
assets/whiteboard/<项目名>/
├── scene-01-<名称>.png
├── scene-01-<名称>.annotation.json
├── scene-01-<名称>-whiteboard.mp4
└── scene-01-<名称>-preview.mp4
图片与标注必须同名，例如 scene-01-demo.png 对应 scene-01-demo.annotation.json。
标注格式
每个元素使用原图的整数像素坐标，并通过 sequence、subtitle 与 narrativeRole 关联字幕中的事件。区域应按“场景铺垫 → 关键人物/物体 → 动作或变化 → 反应/结果”排序。
{
"sceneId": "scene-01",
"canvas": { "width": 1672, "height": 941 },
"storyBasis": "小猴在猴子山上拿着香蕉，大猴抢走香蕉，孩子们在旁观看。",
"sceneDurationMs": 9000,
"elements": [
{
"id": "rockery",
"label": "猴子山场景",
"sequence": 1,
"narrativeRole": "故事的场景铺垫",
"subtitle": "小猴子坐在猴子山顶，手里拿着香蕉。",
"type": "structure",
"region": { "x": 20, "y": 120, "width": 540, "height": 780 },
"reveal": {
"direction": "top_to_bottom",
"startMs": 300,
"durationMs": 2600,
"maskPaddingPx": 22,
"protectedRegions": []
},
"handPath": { "start": [290, 130], "end": [290, 890], "easing": "easeInOut" }
}
]
}direction 和 handPath 用于预览台的矩形代理；最终成片的真实笔迹由流式绘制器自动生成。对于相互遮挡的对象，在较早元素的 protectedRegions 中标出需要延后显示的区域，避免后续内容提前露出。
常用命令
解析字幕并生成建议分镜：
python scripts/parse_srt.py <字幕.srt> --target-sec 30 --min-sec 25 --max-sec 35
生成区域检查图：
python scripts/render_annotation_preview.py <图片路径> <标注路径> <预览图输出路径>
打开 assets/preview.html，使用“打开文件夹”载入场景目录，即可编辑区域、顺序、时间与字幕关联。
渲染单幕：
<ENV_PY> scripts/render_stream_whiteboard.py <图片路径> <标注路径> <输出.mp4> assets/drawing-hand.png \ --ink-path grid --color-fill contour-wipe
合并多幕：
<ENV_PY> scripts/merge_scenes.py --inputs 幕1.mp4 幕2.mp4 幕3.mp4 --output final.mp4
质量检查
- 首帧是干净的暖米黄纸张底色，没有提前露出的线条
canvas与原图尺寸一致，所有区域都是画布内的整数像素坐标sequence、startMs与字幕的叙事顺序一致- 中段帧中，未开始区域和保护区不会提前出现
- 笔尖贴近当前流式笔迹；线稿清晰时可选择
--ink-path skeleton - 每幕结束后至少停留 0.5 秒完整画面；多幕合并顺序与字幕分镜一致
仓库内容
srt-whiteboard-animation/
├── SKILL.md # 完整工作流与约束
├── assets/
│ ├── drawing-hand.png # 手部素材
│ ├── preview.html # 本地编辑预览台
├── examples/ # README 案例素材
├── scripts/
│ ├── parse_srt.py # 字幕解析与分镜建议
│ ├── render_annotation_preview.py # 标注检查图
│ ├── render_stream_whiteboard.py # 流式笔迹 MP4 渲染器
│ ├── merge_scenes.py # 多幕合并
│ └── prepare_env.py # 依赖环境准备
└── agents/openai.yaml # Codex 元数据
贡献
欢迎提交 Issue 或 Pull Request。任何涉及绘制逻辑的改动，都应使用真实的字幕、标注和成片检查遮罩保护、时序与最终画面。
许可证
本项目基于 MIT License 开源，详见 LICENSE。
关于作者
一个爱养鱼的老登 / AI Builder / 用 AI 团队打造一人公司。
抖音、B站、公众号：江哥是老登啊