Motion Skill — 不出镜，用文案或录音把想法做成视频

Motion Skill 是 Codex、Claude Code 这类编码 Agent 可以安装的一项开源技能，由开发者 derek-zhuolin 发布在 GitHub，做的是 voice-to-video 这件事：给它一段文案或一段录音，Agent 会理解内容、编排镜头，最后输出带字幕、实拍与 MG 动效混合的可编辑视频工程。作为开源软件，它的代码与模板编排层以 MIT 协议发布，仓库里同时放着一支 48 秒有声参考片和一份动效研究目录，目前处于 Beta 内测阶段，是 AI应用里一条仍在迭代的真实案例，对实用软件目录里的 Agent 玩法感兴趣的人，可以先翻参考片再决定要不要上手。

场景痛点

有些创作者有观点、有观察，却卡在要不要露脸这一步：架灯、对镜、重拍，成本压过了表达欲。另一条路是把素材丢给视频生成模型，可一条 prompt 出片后拆不开、改不动，字幕错一个词就得整条重跑。视频剪辑需要的其实是既不用出镜、又能逐句调整的工作方式——真人讲述的质感和工程文件的可修改性，在影音编辑类工具里很少同时出现。

主要功能特点

文稿与录音，两种输入任选

不录音也能做：script 文稿模式按文案、目标时长编排文字、图形、流程和片尾，没有音源时输出静音画面。录了音就走 voice 模式，原声保持 1 倍速，不加速不截断，默认配上与原话对齐的底部字幕。一段观点或一段核对过的语音都能开工，最后导出有声 MP4 与可修改的 Remotion 工程。

Agent 编排镜头，Remotion 负责出片

工程内部三层分工：Agent 读文案或转写稿，把内容拆成镜头，决定哪里用实拍、哪里用动效；Python 脚本做时间与约束检查，核对字幕断句与素材到位；Remotion 在本机 Chrome 里预览、抽帧并渲染，不上传云端。AI编程这条视频处理链路的产物不是黑盒视频，而是一个 React 工程，时间轴和配色都能打开改。

96 项动效研究与五类语义结构

仓库还有研究目录：96 项动效研究分 19 类，studies.html 可播放；渲染器按 collect、connect、compare、evidence、conclusion 五类语义结构组织画面。作者写明这是近似研究，参考过 Oreo UI、Codrops 等并逐项署名，创意灵感与前端开发方向的人可对照源码。

默认横屏，竖版要在提示词里重排

不写画幅要求时，成片按 1920×1080 横屏 16:9 输出。想要 9:16 竖屏或 3:4 竖版，要在提示词里写明目标比例，最好连像素尺寸一起给，Agent 据此把标题、实拍、动效、字幕和片尾上下重排，核对竖屏字幕安全区。它不是改一个比例数字就能自动适配的开关，其余画幅要调整工程后再验证。

没有实拍素材，让 Agent 找有许可的

提示词里可以直接说明：没有现成实拍，请 Codex 按口播场景联网搜索并下载有明确使用许可的照片和短视频，记录作者与许可证，再静音接入工程。Skill 本身不带素材搜索 API，来源不清要如实说明缺口，不把示意图或 AI 生成画面冒充实拍。音效与背景音乐也不自动添加，需在提示词里写清并另行接入音源。

装进 Agent 的技能目录就能调用

环境要自备：Node.js 22+、Python 3、FFmpeg 和本机 Chrome；不内置模型密钥，转写用本地 Whisper。把仓库放进 Agent 的技能目录（Codex 常见 ~/.codex/skills/motion-video），用 /motion-video 调用；效率工具与工具推荐读者先跑通官方参考片。

MIT 编排层，授权范围有明确边界

代码与模板编排层以 MIT 授权，但历史研究档案、字体、第三方依赖、实拍素材与示范片另有排除范围，见 LICENSE_SCOPE。它是 Beta 内测的真实案例，不是 prompt 全自动成片的承诺：内容判断在人手里，不出镜也不等于匿名。开源项目的透明之处在于连制作记录都放在GitHub上，发布前按提示脱敏即可。

项目地址

GitHub https://github.com/derek-zhuolin/motion-skill

下载地址

https://pan.quark.cn/s/2a2a358ceab8

Motion Skill — 不出镜，用文案或录音把想法做成视频

场景痛点