家里有小孩的朋友应该都有这样的体验：孩子总会问一些奇怪的问题。
例如，飞机为什么会飞上天？地球为什么是圆的？太阳为什么会发光.......
用文字解释吧，孩子听着很枯燥，我们讲起来也费劲。有时候想找一些科普视频，但网上的要么太专业，要么质量参差不齐。最关键的是，孩子的问题千奇百怪，不一定能找到合适的视频。
所以我就想，能否让AI帮我生成一个教育视频？说清楚原理，画面还得好看，最好还能自动配音。
我最近做了一个 Agent Skill 叫 educational-video-creator，就是干这个事的。从输入一个主题，到生成一个完整的教育视频，全程自动化。视觉风格参考了 Kurzgesagt 和回形针，那种扁平化、色彩鲜艳的动画风格，小朋友很喜欢。
这个 Skill 不是简单地把文字转成视频。它会自动写脚本、设计分镜、画动画、生成配音，还会自动检查质量。说白了，就是把一个专业视频团队的工作流程，用AI跑了一遍。
项目已开源：github.com/skindhu/ski…
一、为什么要做这个？
传统的科普视频制作，门槛其实挺高的。你得会写脚本、懂设计、会动画、能配音,还得有专业的视频编辑软件。对于普通家长来说，这基本不可能。
就算找现成的视频，也有问题。孩子问的问题太个性化了，网上不一定有。而且很多科普视频要么太浅显，要么太专业，很难找到刚好适合的。
其实核心痛点就是：个性化的教育内容，制作成本太高。
但如果有 AI 帮你自动生成呢？你只需要说一个主题，比如"为什么飞机能飞"，剩下的全交给 AI。它自动写脚本、画动画、配音，十几分钟后给你一个成品视频。
这就是 educational-video-creator 要解决的问题。
二、技术选型：为什么选 Remotion？
做视频有很多方案，我最终选了 Remotion。
Remotion 是一个开源的视频创作框架，核心理念挺简单：用 React 写视频。你用 HTML、CSS、TypeScript 来描述画面和动画，Remotion 负责把它渲染成真正的视频文件。
选它的原因也简单：代码生成的视频，天然适合 AI 来写。传统视频编辑软件靠手动拖时间线、调参数，AI 没法操作。但 Remotion 不一样，所有画面、动画、时间控制都是代码，而AI写代码是强项。
Remotion 官方最近还把最佳实践封装成了 Claude Code 的 Skill（https://github.com/remotion-dev/skills）。装上这个 Skill 后，Claude Code 就掌握了 Remotion 的动画技巧、组件模式、音视频处理等几十条最佳实践，写出来的视频代码质量直接拉满。
说白了，Remotion 把视频制作变成了软件工程问题，而 Remotion 官方又把软件工程的最佳实践喂给了AI。如此一来，AI 生成视频这件事就变得靠谱了。
三、从主题到成品：完整的创作流程
educational-video-creator 把视频制作拆成了几个阶段。下面一个一个说。
需求收集
第一步是明确需求。AI 会跟你确认五类信息：主题和范围（讲什么、不讲什么、有没有常见误区要纠正）、目标观众（年龄段、知识水平、语言）、视频规格（时长、分辨率、帧率）、内容要求（学习目标、必须包含的元素、视觉偏好）、旁白和音频（是配音还是纯字幕、语气风格、要不要背景音乐）。
这些问题不是随便问的。它们直接决定了后面每个阶段的产出。
比如，给5岁小孩讲飞机，你得用"翅膀拍打空气"这种简单类比，语气要活泼。给中学生讲，就得提伯努利原理和升力公式，语气可以正式一些。确认完所有需求后，AI 会做一次校验，确保主题、观众、学习目标都明确了，才进入下一阶段。
脚本创作
有了需求，AI 开始写脚本。
这个阶段只关注"讲什么"。脚本包括四个部分：核心信息（一句话总结和学习目标）、叙事策略（用什么角度切入、核心比喻是什么、情感弧线怎么走、知识点按什么顺序递进）、完整旁白文字稿、节奏标注（哪里加速、哪里放慢、哪里停顿让观众消化）。
脚本里也会写简短的"视觉意图"，比如"从侧面展示飞机，四个箭头表示四种力"。但不会写任何技术参数，坐标、帧号、动画配置这些都是分镜阶段的事。
刚开始我是让AI直接设计视频分镜，经过尝试后还是决定先写脚本。因为写故事和设计画面是两个完全不同的思维模式。如果你让 AI 同时想"说什么"和"画什么"，它很容易顾此失彼。分开之后，AI 可以专注于把故事讲好。而且纯文本脚本很容易修改，如果我们觉得某段话不对，直接改文字就行。等脚本定稿了，再进入下一阶段。
分镜设计
脚本定稿后，AI 开始设计分镜。这个阶段要把文字转换成视觉。
具体来说，就是把脚本拆成 5-15 个场景，给每个场景分配旁白，设计视觉图层（背景、中景、前景、UI），定义动画参数，设计旁白和画面的同步点，列出需要的 SVG 组件和配色。
这个阶段的产物是一个详细的分镜文档。有了这个文档，后面的编码就是纯执行了。
视觉设计
视觉风格参考了 Kurzgesagt 和回形针：扁平化设计、高饱和度配色、几何图形、无衬线字体。
这种风格简单、清晰，很视频教育类主题。而且扁平化设计用代码很好实现，不需要复杂的 3D 渲染，SVG 就够了。
动画编码
有了分镜和视觉规范，开始编码。
Remotion 的动画原理其实很简单：通过 useCurrentFrame() 拿到当前帧号，然后用 interpolate() 把帧号映射成各种视觉属性，比如位置、透明度、缩放。所有动画都是这个逻辑：帧号进去，属性值出来。想要更自然的效果，还可以用 spring() 函数模拟弹簧动画。
因为 Remotion 基于 React，所以可以把常用的视觉元素封装成组件，比如字幕、图标库、配色方案、字体预设。这些组件做一次就能反复用，AI 生成代码时也不容易出错。
音频生成
动画做完，就到配音阶段。
配音用的是 Edge TTS，微软提供的免费 TTS 服务，无需 API Key。中文音色推荐 zh-CN-XiaoxiaoNeural（女声，清晰自然）或 zh-CN-YunxiNeural（男声，温暖亲切）。还可以调语速，比如减慢 10% 更适合教学场景。对比 OpenAI TTS 或 Azure TTS，Edge TTS 音质不差，而且完全免费，个人项目用起来没负担。
这里有个关键问题：旁白时长和动画时长怎么匹配？
一开始设计分镜时，只能估计每段话要说多久。实际生成音频后，肯定有偏差。所以我做了一个时间线重建功能：先测量所有 TTS 音频的实际时长，然后按算法重新计算每个场景的帧范围，每段音频之间留 0.2 秒间隙，每个场景首尾留 0.5 秒填充，节奏感很好。如果新旧时长偏差超过 20%，还会自动警告。
这样就能保证音频和动画同步（有些场景还是没有完全同步，不过问题不大）。
质量检查
最后是自动质量检查：代码扫描（检查字号、颜色、安全区域是否合规）、关键帧截图（渲染几个关键帧做视觉检查）、自动修复、启动预览。
这个流程可以循环。如果检查不通过，AI 会根据报告修复代码，然后再检查，直到通过。
四、实际效果
我用这个Skill生成了几个视频，主题包括"为什么飞机能飞"、"为什么太阳会发光"、"为什么地球是圆的"。
从输入主题到生成成品，大概需要 5-10 分钟，包括写脚本、设计分镜、编码、生成 TTS、渲染视频。
视觉风格确实很接近 Kurzgesagt，扁平化、色彩鲜艳、动画流畅。配音也挺自然，听不太出是机器合成的。
不足也有。动画目前还比较基础，主要是淡入淡出、移动、缩放，复杂的流体或粒子效果不好做。视觉风格也比较单一，目前只做了 Kurzgesagt 风格。
但对于"快速生成一个能看的教育视频"这个目标，够用了。
视频部分预览如下：
写在最后
做这个 Skill 的过程中，我一直在想一个问题：以前做一个科普视频，需要编剧、动画师、配音师、剪辑师，一个团队协作好几天。现在一个 AI Agent，几分钟就能跑完整个流程。
这个东西不只能回答孩子的问题。在线教育、企业培训、产品演示，任何需要把知识可视化的场景，都能用。
如果你也有兴趣，这个 Skill 作为 Claude Code 的 Agent Skill 使用，技术栈是 Remotion + React + TypeScript + Edge TTS。