做科普动画怎么选？9 个 Agent Skill 从图解、结构演示到视频渲染
来源与口径：本文整理自 Haosen（@Haosen9527）于 2026 年 11 月 3 日发布的 X 帖及 X Article《想做科普动画？这 9 个 Skill 项目，先看用途再选》。原作者逐项核对了仓库说明和部分代码。文中按各项目的主要交付物重新归纳；具体功能、依赖和模型服务可能随仓库版本变化，使用前应查看当前 README、Skill 文件和许可证。
讲清一个技术原理，有时需要把结构拆开，有时需要演示公式变化，有时要让白板画面跟着旁白逐步出现。Agent Skill 可以帮助组织这些制作步骤，但“安装 Skill”并不意味着会自动得到完整视频：有的主要输出图片或 HTML，有的负责生成分镜和代码，另一些才带有 MP4 渲染流程。
先按最终交付物选择
| 项目 | 更适合的内容 | 主要交付物 | 关键依赖或限制 |
|---|---|---|---|
| Anatomy | 机器结构、工程原理、复杂系统 | 等距 SVG、交互 HTML 或组件 | Node.js；3D 模式仍可能处于 beta；视频需另行录制或渲染 |
| Visual Explainer | 已有文稿需要配图、信息图或关系图 | 静态图片或一组逐步展开的图片 | 图像生成服务和命令行依赖；图片还要另行编排成视频 |
| Knowledge Explainer | 按 Markdown 场景文稿制作讲解片 | Remotion 渲染的 MP4 | 输入须符合项目文稿格式；旁白和字幕需另行安排 |
| Vox Explainer | 有叙事线的科技、历史或社会议题 | 从脚本到配音、动画和合成的解释短片 | 依赖 Atlas Cloud 等外部服务与本地视频工具；费用需按当前服务核对 |
| AI-Animation-Skill | 课堂和技术分享中的逐页演示 | 单页 HTML 演示 | “PPT”指网页演示效果；转视频仍需录屏或渲染 |
| Manim Skill | 数学推导、几何和科学过程 | Manim 场景代码与渲染动画 | 需选择 Manim CE 或 ManimGL，并安装相应运行环境和视频工具 |
| iart Explainer Video Skills | 已确定类型的解释视频或动画图解 | 制作流程、代码示例，配合渲染工具生成视频 | 技能包包含多个模块；MP4 仍需配置 Remotion、配音和渲染环境 |
| Animated Explainer Skills | 扁平插画、多层视差和角色动画 | 自包含 HTML 动画播放器 | MP4 需录屏或另接渲染；配音流程需要外部 TTS 服务 |
| Whiteboard Explainer | 白板培训和流程讲解 | 跟随词级时间戳逐步显现的动画 | 依赖 HyperFrames、Whisper、Python/Pillow，并需准备图像与 TTS 工具 |
如果目标只是给文章配一张解释图，就不必先搭建完整视频流水线。若目标是 3Blue1Brown 风格的数学推导，Manim 的程序化场景更容易控制公式和变换；若重点是读者能拖动观察一个装置，Anatomy 更合适；若已经有口播稿、想输出 MP4，则应优先检查 Knowledge Explainer、Vox 或 iart 的实际渲染链路。
1. Anatomy：让结构与机制可以被观察
Anatomy 面向精细等距插画和交互式演示，可以用拆解、标注和动作来解释机器或抽象系统。仓库提供火箭发动机、波纹水槽和仪表等示例。
它适合希望读者能拖动、悬停、检查结构的内容。入门时先运行仓库里的 HTML 示例，再为 Agent 描述要解释的机制、关键参数和目标交付格式，例如独立 HTML、SVG 或网页组件。Node.js 是基本依赖；如果要做视频，还需要另外接入录制或渲染、旁白与字幕。
博客已有一篇Anatomy Skill 的详细介绍，包括交互模型、讲解视频和事实核验边界。
2. Visual Explainer：把材料转成讲解图
Visual Explainer Skill 把主题、文档或 Mermaid 图转换成白板草图、信息图、技术图解和思维导图，也可以生成逐步展开的图片组。
如果已经有文章或口播稿，只缺一张说明概念关系的视觉素材，可以从这里开始。它的主要产物是图片；多帧输出也不等于已经完成视频，还需要按旁白节奏编排、转场和配音。
项目 README 与 Skill 文档中的 Gemini 型号写法可能不一致，接入前应以当前可用 API 和项目最新说明为准。图像生成后的中文、标签和技术关系需要逐项检查。
3. Knowledge Explainer：从 Markdown 场景稿渲染 MP4
Knowledge Explainer 带有 CLI，可以解析有规定结构的 Markdown 场景稿，生成 React 组合并调用 Remotion 输出 MP4。内置版式包括标题、内容卡片、双栏和三角形；双摆、纸张对折和推荐算法等更复杂动画则通过自定义组件实现。
它适合愿意把文稿整理成场景结构，或能让 Agent 协助修改 React 组件的创作者。建议先按 examples/script.md 完成一个短样片，再增加定制画面。普通文章不能直接视作现成分镜；配音和字幕仍要另行安排，并准备 Node.js、项目依赖和 FFmpeg 等环境。
4. Vox Explainer：从主题推进到拼贴风解释短片
Vox Explainer 围绕编辑拼贴式视觉设计，使用剪贴纸片、纹理、网点和醒目标题，适合有叙事线的历史、社会议题和科技解释。
仓库说明覆盖脚本、旁白、关键帧、动画、音乐和本地合成。流程会先处理旁白时长，再按声音长度规划画面，并用风格参考保持一致。使用前先检查脚本与视觉方向，再进入图像和视频生成；仓库文档中的克隆命令还可能留有用户名占位符，应按实际仓库地址修正。
它依赖外部 Atlas Cloud 服务及 Python、FFmpeg 等本地工具。服务可用性、模型列表和费用都会变化，原文里的预算只能视作当时估算。准备付费生成前应核实当前服务条款和实际输出能力。
5. AI-Animation-Skill：生成网页演示动画
AI-Animation-Skill 把科普文本组织成类似幻灯片的单页 HTML 演示，也可以将已有演示改成流程图风格。
它适合课堂讲解、技术分享和录屏素材。可以先给一小段文本生成网页，再检查内容顺序和模板。项目所说的“PPT”是浏览器中的演示效果，主要交付物仍是 HTML；要交付 MP4，还需要录屏或接入渲染工具。README 与 Skill 对部分模板数量的说法有差异，实际功能以当前文件目录为准。
6. Manim Skill：用代码控制数学与科学推导
Manim Skill 提供面向 Manim Community Edition 和 ManimGL 的两套实践说明，帮助 Agent 编写公式、图形、变换和镜头。
适合数学教师、理工科创作者，以及想精确控制动画时序的人。开始前要选定 Manim 版本，先渲染基础示例；两套框架的导入路径和 API 并不相同，代码不能随意混用。运行环境还需 Python、相应 Manim 引擎和视频编码工具；公式排版可能需要 LaTeX。
Skill 可以协助写场景，但每一步推导为何出现、应停留多久、观众要注意哪个变化，仍需由创作者决定。
7. iart Explainer Video Skills：按动画类型组合流程
iart Explainer Video Skills 是一个包含多个 Skill 的工具包，README 列出的方向包括通用讲解短片、年度回顾、图表动画、白板动画和等距场景。
它适合已经确定内容类型、希望 Agent 按脚本、分镜、画面、配音字幕和检查步骤推进的人。可从对应模块的 SKILL.md 了解限制，再提供主题、受众、时长和交付格式。Skill 包含流程和代码示例，但 MP4 仍需 Remotion 等渲染工具；配音和渲染环境需要单独配置。在线服务与 GitHub 技能包的使用条件也要分开核对。
8. Animated Explainer Skills：把扁平插画编排成 HTML 动画
Animated Explainer Skills 以扁平插画为视觉方向，提供多层视差、角色动作、图形变换和可拖动进度的播放器，也包含编排方法、文字重叠检查和逐场景配音流程。
可以从 explainer-studio 流程或 scaffold.html 示例开始。项目的主要交付物是自包含 HTML；要得到 MP4，需要录屏或另接渲染。GSAP 内联脚本会从公共 CDN 下载依赖，配音流程使用 ElevenLabs，需自行准备账号和 API Key。仓库对“频道级质量”的描述是项目目标，不能替代实际成片验收。
9. Whiteboard Explainer：让画面跟随旁白逐步出现
Whiteboard Explainer 使用手部照片与遮罩，让插画逐步显现，再通过 Whisper 词级时间戳安排绘制、标签和镜头动作。
它适合白板讲解、培训和流程说明，特别是需要画面跟着口播逐步出现的内容。建议先用一句短旁白和少量图像做一个场景，检查手的位置、图像显现范围和语音节奏，再扩成完整视频。
运行依赖包括 HyperFrames、Python、Whisper 和 Pillow，并需要图像生成与 TTS 工具。服务商和费用由实际选择决定；仓库的质量类描述仍需用实际输出验证。
第一次使用，先做一个可验收的短片段
选择工具时，可以先回答三个问题：
- 观众要看懂什么？ 是物体结构、公式推导、流程因果，还是观点叙事？
- 最终交付什么？ 图片、交互 HTML，还是带旁白的 MP4？
- 团队能维护哪些依赖？ 是否有 Node/Python 环境、Remotion/Manim/FFmpeg、图像生成额度、TTS 和外部服务账号？
第一次先挑一个能在短时间讲完的机制，只做一段。提供给 Agent 的需求至少要包括：
主题：解释一次 HTTP 请求如何经过浏览器、DNS、服务器并返回页面
观众：没有网络基础的高中生
目标：看完能按顺序说出请求的四个阶段
时长：60 秒
交付：自包含 HTML 动画，不需要配音
事实约束：不省略 DNS 缓存；每个阶段显示关键输入和输出
验收：在手机宽度可读，暂停和重播正常，画面与说明一致
先审核原理和结构，再扩充视觉效果。渲染通过只说明技术流程成功，仍要检查事实是否正确、文字是否可读、旁白和画面是否对应，以及依赖能否在目标环境运行。
许可证与服务边界
截至 2026 年 11 月 3 日，GitHub API 对这 9 个仓库均返回 MIT 许可证，且未报告仓库已归档。这是仓库元数据快照，不代表其引用的字体、图片、外部模型、TTS 服务或第三方依赖都自动适用 MIT。商业或再分发使用前，应检查各仓库的 LICENSE、NOTICE 和资源来源。
外部图像、视频、语音服务可能另有账号、费用、数据处理和使用条款。Skill 文档里出现的模型型号、价格或质量目标也可能过期，不应当作当前兼容性、报价或成片质量保证。