convez.ai
PluginEscrita & ConteúdoAvançado
Johnson-Jia

ClipForge - Gerador Automático de Vídeos Curtos com IA

Johnson-Jia/video-clipforge

Do conceito ao vídeo pronto: roteiro, narração, animação e trilha automática

Ver no GitHub
BomPluginScore · de 0 a 100

Sistema de produção de vídeos curtos acionado por IA que transforma ideias, textos, PDFs ou URLs em vídeos finalizados. Automatiza roteiros, narração, design visual, trilha sonora e renderização através de um pipeline DAG de 9 estágios com avaliação auto-evolutiva e execução diária agendada.

Instalação

$npx convez-ai Johnson-Jia/video-clipforge

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
49
Forks
11
Acompanhando
0
Saúde
57%
Último commit
há 2 meses
Versão
—
Issues abertas
0
Contribuidores
2

Casos de uso

  • Produção diária de vídeos sobre tendências de tecnologia e open source
  • Síntese automática de relatórios, PDFs e dados em vídeos explicativos
  • Criação em massa de conteúdo para redes sociais (TikTok, YouTube Shorts, Reels)
  • Vídeos educacionais e científicos para divulgação de conhecimento
  • Análise de tópicos e tendências de mercado em formato visual

Veredito

Sistema robusto de automação para produção em escala de vídeos curtos, especialmente eficaz para conteúdo baseado em dados e tendências. Requer setup técnico significativo (Node.js, FFmpeg, edge-tts), mas oferece retorno alto em velocidade de publicação e consistência qualitativa uma vez configurado.

README

A tradução para o português deste README ainda está na fila.

ClipForge · 把知识变成短视频

告诉它你想讲什么,它帮你写稿、配音、做画面、出成片。 License: Apache 2.0

GitHub 星探每日热门开源亮点单项目深度科技速递行业趋势互联网报告深度解读周度汇总一周精选

它做了什么

三个真实案例。每一行左边的输入,是你给 ClipForge 的话;右边,是它返回给你的成片。

案例 1:每日 GitHub 趋势盘点(45 秒)

你说的: 「今天 GitHub 上涨星最快的项目」

它做的: 自动抓取趋势数据 → 筛选涨星最快的项目 → 编写文案 → 配音配乐 → 渲染竖屏视频 → 生成封面和抖音文案

结果: 一条 45 秒视频,直接能发。每天 7 点自动执行,全程无需人工介入。

案例 2:AI 对企业培训的冲击(55 秒)

你说的: 上传一份 30 页的行业报告 PDF

它做的: 提炼核心数据点(4175 亿市场规模、75% 无效培训、AI 增速 4 倍)→ 编写旁白 → 配音 → 配乐 → 渲染成片

结果: 55 秒深度分析视频,5 个数据点讲清行业变革。

案例 3:「服务即软件」趋势深度长视频(10 分钟)

你说的: 「帮我做一个『服务即软件』趋势的深度解读长视频」

它做的: 提炼核心论点 → 拆解成 18 个场景 → 编写长文案 → 分段配音配乐 → 单次渲染合成 10 分钟成片

结果: 一条 10 分钟长视频,从概念定义到落地案例层层递进 — ClipForge 不只能做 1 分钟短视频。

看完这三个例子,你是不是在想:如果我把我的专业领域喂给它,是不是也能做出这样的视频?

答案是:能。


你能做什么

ClipForge 不限于技术视频。它的核心能力是把信息变成视频 — 你熟悉什么领域,就做什么领域的视频。

如果你研究...你可以这样做视频...
医学 / 健康科普每周一条医学新知,用数据讲清每个结论
财经 / 投资每日市场异动速报,用数字说话
读书 / 知识把一本书的核心观点变成 1 分钟视频
AI / 科技前沿论文速读、产品测评、趋势预测
教育 / 考研考证知识点拆解,把难懂的概念讲明白
管理 / 职场方法论拆解、案例复盘、行业分析
设计 / 审美设计趋势、灵感集、案例分析
法律 / 政策新法规解读、案例分析

你不需要会剪辑、不需要出镜、不需要配音。你只需要懂一个领域,并且愿意讲出来。

给 ClipForge 一个想法、一段文字、一份报告、一个 URL — 它都能变成视频。


这个项目是怎么来的

Linus 写了 Linux,没有收费,世界因此多了无数可能。无数开发者提交 PR,不求回报,只因为"这个问题我解决了,别人就不用再踩一遍坑"。

这就是开源精神——本质上是一种信仰:我贡献,不是因为能得到什么,而是因为世界会因此好一点点。

那些真正改变效率的开源项目,每天在 GitHub Trending 上冲榜、拿星,但大多数人根本不知道它们的存在。我一直觉得,好的代码不该只待在 GitHub 的角落里无人知晓。于是我想做一件事:每天把最火的开源项目,用最短的时间告诉所有人。

一个人分享,帮助十个人;十个人分享,帮助一百个人。当分享成为潮流,进步的速度就不是加法,而是乘法。

想法很纯粹,执行却走了很多弯路。我尝试了各种视频制作工具,自己上手剪了半个多月,才发现视频创作、脚本设计、分镜节奏这些专业知识远没有想象中简单。

转折出现在几个月后。我发现了开源项目 HyperFrames——通过写 HTML 代码就能生成视频。代码我懂,但实际用下来,它的排版布局不完全符合竖屏短视频的需求,每个视频都要反复调整,根本不可能做到每天一期。

所以——ClipForge 诞生了。

它把"写 HTML 生成视频"这个能力,包装成了一套完整的自动化管线:内容采集 → 场景设计 → 旁白配音 → BGM 配乐 → 视频渲染 → 封面生成 → 机器评分。指定一个分类,剩下的全自动完成。

每一行开源代码是一颗星火,每一次无私分享是一颗星火,每一个愿意贡献的人也是一颗星火。星火不灭,燎原不止。


它是怎么做到的

整个过程可以理解成三步:

你说话 → 它创作 → 出成片

第一步:你说话 — 告诉 ClipForge 你想讲什么。一句话、一段文字、一个 URL、一份 PDF 都行。

第二步:它创作 — 自动写旁白文案 → 选配音 → 配音乐 → 设计画面 → 编排动画。每个环节都有质量门禁,不达标自动重来。

第三步:出成片 — 生成竖屏视频 + 封面 + 抖音文案,直接能发。

就是这么简单。你负责想,它负责做。


以下为技术细节,面向开发者和贡献者。 如果你是内容创作者,看到这里就够了 — 找一个懂技术的朋友帮你装好环境,然后你只需要和 ClipForge 对话。


快速开始

git clone https://github.com/Johnson-Jia/video-clipforge.git
cd video-clipforge
claude          # 启动 Claude Code,技能自动加载
/clipforge 制作一个关于 XXX 的视频

前置依赖: Node.js >= 22、FFmpeg、edge-tts、yt-dlp。详见 安装指南。

使用方式

命令用途
/clipforge交互式视频制作 — 告诉它你想做什么
/clipforge-category-setup引导创建新分类配置 + 可选定时任务 — 只需回答几个问题
/clipforge-feedback分析播放数据,校准机器评分 — 进入自进化

定时任务(如每日/每周自动执行)由 /clipforge-category-setup 引导生成,属于个人配置,不入 git。

自进化反馈

ClipForge 不是一个固定输出的工具 — 它会从播放数据中学习,持续进化。

工作原理:

制作视频 → 机器评分 → 发布 → 你导入播放数据 → 机器对比预测 vs 实际 → 自动调整规则
  1. 每条视频制作完成后,ClipForge 自动生成机器预测评分(score_report.json)
  2. 视频发布 1-2 天后,你从各平台导出播放数据
  3. ClipForge 对比「机器预测」vs「实际播放表现」,发现偏差并产出校准信号
  4. 校准信号经人工确认后写入规则库,让下一次预测更准确

如何导入数据:

将平台导出文件放到 workspace/sources/视频数据/YYYY-MM-DD/ 目录:

平台导出路径
抖音创作者中心 → 数据中心 → 作品分析 → 投稿作品 → 投稿列表 → 选择全部 → 导出
B站创作中心 → 数据概览 → 近期稿件对比 → 导出(每次10条,多次导出)
视频号视频号助手 → 数据中心 → 视频数据 → 单篇视频 → 下载表格
小红书创作服务平台 → 数据看板 → 内容分析 → 笔记数据 → 全部 → 导出

三种触发方式:

  • 自动:每次制作完视频,ClipForge 自动检测是否有新数据,提示你分析
  • 手动:运行 /clipforge-feedback,选择项目进行评分校准
  • 引导:直接告诉 ClipForge「分析一下最近的播放数据」,它会自动走完流程

自进化已升级为完整动态闭环——相对大盘衰减(过时模式按"跑赢大盘的程度"自动降权/淘汰,不被大盘涨跌误导)、回归归因(控制其他变量后的边际净效应,分离题材×话术的真实贡献)、探索-利用(85% 用最强经验 / 15% 主动采集冷门维度数据,打破"只追不探"的死锁)。机制细节见架构文档。

最新一次进化:从"合规"到"爆款预测"。 一个反直觉的发现驱动了这次重构——机器评分和真实播放量曾出现负相关:6 月一批评分逼近满分的视频,播放量反而崩了 99.7%。根因是评分只衡量"符合既有规则的程度",越合规越像过去的自己,越同质越疲劳。于是评分被重构成多维——不再只看合规,还量化"这条和近期内容有多像"(新鲜度)和"播放潜力有多大"(预测)。满分不再是目标:与近期高度相似的视频会被新鲜度主动拉低。配合选题阶段的题材轮换与新鲜度约束,以及每日回流的真实播放数据训练预测模型(启发式→回归,样本够了自动升级),系统从"自我参照的合规优化"转向"对齐真实爆款的进化"。每日 /evolve-daily 自动跑完整个闭环,无需人工介入。

可视化仪表盘: 自进化数据可视化 + 手动调权重干预:

cd evolution-dashboard && python server.py    # 浏览器打开 http://127.0.0.1:8765

查看每个维度的受众广度 / 留存质量 / 回归净效应 + 历史视频表现,拖动维度权重滑块(题材/话术/封面/旁白)或调整单个经验模式权重,下次制作视频立即按"维度权重 × 模式权重"排序注入。

管线

内容获取 → 导演设计 → 旁白文案 → 音频制备 → 素材制备 → 视频渲染 → 交付输出 → 机器评分 → 自动清理
                                                                       └→ 反馈校准(可选)
阶段产出说明
Stage 0env-check依赖检测与自动安装
Stage 1content文字 / URL / PDF / GitHub 数据 / 任何你能提供的素材
Stage 2design情感内核 → 配色 → 沉浸模式 → 故事板
Stage 3narration场景拆解 + 分段旁白文案
Stage 4audio分段 TTS + BGM 选取 + 音量校准
Stage 5assets视觉素材制备(可选)
Stage 6videoHTML + 三层组件(bg / fx / content)+ 动画 → HyperFrames 渲染
Stage 7delivery封面 + 文案 + 双版本输出(含 BGM / 纯旁白)
—machine-scoring交付后自动运行 gate 全量校验,记录机器预测评分
Stage 8feedback播放数据 + 人类评分 → 机器评分校准(发布后手动触发,可选)
—cleanup按保留策略删除中间产物

DAG 定义在 schema.yaml。中断后重新运行自动跳过已完成阶段。

设计哲学

  • 不教怎么做,只定边界 — 把创造空间留给 Agent,从 58 条真实播放数据中持续进化
  • Schema 即真相 — schema.yaml 定义所有 artifact 依赖和状态,状态即文件存在
  • 委托不重写 — HTML 渲染和混音委托 HyperFrames
  • 双域分离 — 流程层零自由度(LETTER),内容层最大自由度(SPIRIT)
  • 双闭环反馈 — 失败归因收紧规则 + 成功分析沉淀模式

引擎层完整设计参见 自进化架构设计。

在你的领域启动

ClipForge 内置了分类配置(GitHub 趋势、频道置顶等)。覆盖新领域只需一个命令:

/clipforge-category-setup

它会引导你回答几个问题(领域名称、数据来源、风格偏好、标签),然后自动生成完整的分类配置文件。大部分字段有合理默认值,你只需要提供你熟悉的那部分。

如果后续需要全自动化,/clipforge-category-setup 可以同时生成定时任务编排文件。

详见 CONTRIBUTING.md 和 架构文档。

项目结构

.claude/commands/
├── clipforge.md                   # 主控制器(DAG、模式选择、错误恢复)
├── github-*.md                    # 定时任务编排(个人配置,不入 git)
└── clipforge/                     # 技能包(静态定义,入库复用)
    ├── schema.yaml                # Artifact DAG(唯一真相源)
    ├── stages/                    # 阶段执行指南(stage0 ~ stage8)
    ├── shared/                    # 共享技能(渲染安全、清理规则等)
    ├── categories/                # 分类配置(GitHub、漫画等)
    ├── components/                # 视觉组件库(65 个三层组件)
    │   ├── bg/                    # 背景层(27 个:极光、星云、光束…)
    │   ├── fx/                    # 特效层(14 个:粒子、光带、代码雨、星座…)
    │   └── content/               # 内容层(24 个:数据卡、时间线、电影特效…)
    ├── scripts/                   # 工具脚本(自进化/迁移/回填)
    ├── engine/                    # 自进化引擎(门禁/归因/Trace/治理/可观测性)
    │   └── lib/data_paths.py      # 数据路径统一收口
    ├── rules/                     # 约束规则库(静态)
    ├── skills/                    # 技能声明(四原子模型)
    └── patterns/seed/             # 人工经验模式(静态,入库)

evolution-dashboard/               # 可视化仪表盘(独立服务)
workspace/evolution/               # 自进化运行数据(gitignore:经验模式/轨迹/规则演化/阈值)

扩展点

  • 新内容源: 运行 /clipforge-category-setup,引导生成分类配置 + 定时任务
  • 新分类: 运行 /clipforge-category-setup 引导生成,或手动在 categories/ 下创建配置文件
  • 新规则: 在 rules/ 下添加 YAML,引擎自动加载
  • 新阶段: 更新 schema.yaml + 创建 stage 文件

组件库扩展

ClipForge 的视觉画面由三层组件构成,每层都可以自由添加新组件:

层级目录现有作用示例
背景层 (bg)components/bg/27奠定画面氛围底色 — 渐变、光晕、粒子、网格极光流动、星云漂移、能量脉冲、钻石网格
特效层 (fx)components/fx/14叠加动态视觉反馈 — 扫描线、光带、粒子爆发代码雨、脉冲光球、对角光带、星座网络、分形闪电
内容层 (content)components/content/24承载信息呈现 — 数据卡、时间线、对比面板英雄卡片、星级计数、数据可视化、结论框

三层组合方式: 每个场景 = 1 个背景 + 0~2 个特效 + 1 个内容组件。AI 根据场景情感(兴奋、沉稳、悬念…)自动选配组合。

添加新组件只需三步:

  1. 在对应层级目录下创建 HTML 文件(含 @ComponentMeta 元数据头)
  2. 在 registry.yaml 中追加一条索引
  3. 完成 — AI 下次创作视频时自动发现并引用

组件格式要求:纯 CSS 动画(bg 层)或 CSS + GSAP/Canvas(fx/content 层),深色底色,所有元素默认可见(opacity ≥ 0.15)。详见 components/ 目录下任意现有组件作为参考模板。

依赖

依赖用途安装
HyperFramesHTML 转视频渲染首次运行自动安装
Node.js >= 22HyperFrames CLIwinget install OpenJS.NodeJS.LTS
FFmpeg音视频处理winget install Gyan.FFmpeg
edge-tts中文 TTS 旁白pip install edge-tts
yt-dlpYouTube 免版税音乐pip install yt-dlp

支持这个项目

ClipForge 是我个人利用业余时间开发的免费开源项目。如果你觉得它有用,可以请我喝杯咖啡 — 这完全是自愿的。

你的支持能帮我:

  • 🤖 抵消大模型 API 调用成本,让我能更自由地迭代和测试
  • ✨ 开发更多视觉特效组件和内容分类模板
  • ☕ 腾出更多业余时间完善功能和修复 bug

感谢每一位支持者 ❤️

支付宝微信

许可证

Apache License 2.0

Ver o original no GitHub

Bom para

Relacionados