一句话生成“边讲边画”视频：handdrawn Skill把脚本、配音、分镜和手绘时序全串起来了

真正难的不是画出白板插画，而是让每一笔都跟着旁白出现，并且能在成片前看见、定位和修改问题。

导读：把一个知识点交给Agent，它先写稿、做分镜、生成配音，再让一支铅笔按旁白节奏把物体、箭头和文字逐步画出来。handdrawn把这套流程整理成了可复用Skill。它最有价值的地方不是“自动画图”，而是把内容理解、视觉顺序和时间轴放进同一套可审阅流程。

为什么“边讲边画”比普通AI视频更适合知识内容？

知识视频真正要解决的是理解顺序。讲介词时，球先出现在盒子里；讲工业流程时，平台、管线、分离设备和地下剖面按因果关系出现；讲数学题时，辅助线必须跟着推导步骤增加。

如果一开始就把完整画面扔给观众，信息会同时争夺注意力。白板动画则把复杂概念拆成一连串视觉动作，让观众知道此刻应该看哪里。

从一个主题到成片，handdrawn做了什么？

制作时只需要先交代主题、受众、时长和画幅。Agent会生成能讲清楚的短稿，再为每一句旁白安排对应的视觉元素和出现时刻。

完整工作流可以拆成六步：

1. 确定目标：受众是谁、要讲清什么、成片多长。
2. 编写旁白：一支短片只解决一个核心问题，控制句子长度。
3. 拆分场景：把人物、物体、公式、箭头和文字分配到对应段落。
4. 生成可视分镜：先看静态构图和台词，不急着渲染整片。
5. 对齐时间轴：以配音时间点为基准安排绘制和镜头切换。
6. 检查并导出：修正重叠、停顿、错字和画面密度，再合成视频。

第一个测试：20秒讲清in、on、at

英语样片选择了最容易辨认的物体：球在盒子里对应in the box，杯子在桌面对应on the table，人物位于门口这个点位对应at the door。画面简单，正好用来观察绘制动作能否跟上旁白。

第一次生成很快暴露问题：多个物体同时开画，几支笔在同一画面里抢着移动。虽然每个元素都完成了，但观众不知道该跟哪一支笔。

关键改法：同一时刻只保留一个主要绘制动作。文字、排线和上色都要计入耗时，即使某个元素不显示画笔，也不能悄悄与主动作重叠。

课堂纠错也可以做成动画：先用橡皮擦除错误介词，再写入正确答案，或切换红笔标记问题。相比简单淡入文字，这种过程更接近真实板书。

第二个测试：人物新闻为什么更容易“画不完”？

人物新闻样片采用“先准备插画、再提取轮廓”的办法。五官、发型和服饰先在原图里确定，再由脚本生成适合逐笔动画的描线路径，同时保留墨线和原色图层。

画面元素增加后，新问题出现了：旁白已经说完，铅笔还在继续补线，下一句迟迟不开始。短视频里哪怕两三秒无声等待，也会让节奏突然塌下来。

解决办法是让配音成为主时间轴。先生成完整音频，标出关键词和句尾时间，再反推每个物体能分到多少绘制时间。来不及画完时，应减少细节、缩短路径或提前出现，不能让旁白停下来等画笔。

先出审阅稿，避免一个错字让整片重做

生成式视频最让人头疼的地方，是渲染完成后才发现标题太长、标签偏位或某个物体太小。handdrawn要求正式导出前先生成可视分镜，每一幕展示完整静态构图，并列出对应旁白和画面文字。

场景、物体和配音段都有稳定标识。修改时可以明确指出“第三幕标题下移”“第二个箭头延后0.8秒”，而不是让Agent猜整条视频哪里不对。

Skill里到底装了什么？

• SKILL.md：定义制作时必须做出的判断，例如受众、时长、事实核验、默认单笔绘制和导出前审阅。
• scripts：保存素材编排、路径处理、动画渲染和音画合成等重复操作。
• references：保存绘画技法、版式规范和示例，Agent只在相关任务需要时读取。

运行环境需要Python、FFmpeg和兼容Chromium的浏览器。配音可以导入已有录音，也可以调用环境中可用的语音服务；图片生成能力同样取决于Agent可以使用的工具。

数学和物理测试：真正适合它的是“过程”

在高中数学题中，题干会被拆成若干推导段。讲到辅助线时才画线，讲到角度和边长时再补符号，不会一开始就把完整答案铺满画面。

物理与空间几何同样适合这种方式。正视图、俯视图、投影关系和辅助线可以按推导顺序出现，让最终答案看起来像课堂上的板书过程，而不是一张静态答案截图。

教程：第一次使用，建议这样写任务

请使用 handdrawn Skill 制作一条 30 秒横版手绘知识视频。

主题：为什么近大远小
受众：没有美术基础的短视频创作者
目标：用一个人、两棵树和道路辅助线解释透视关系
要求：
1. 先输出旁白和可视分镜，等我确认后再渲染
2. 默认只出现一支画笔，绘制顺序跟随旁白
3. 每幕只保留一个重点，不要同时画多个主体
4. 标出每句旁白的开始时间和结束时间
5. 输出前检查错别字、重叠、静音空档和画面安全区
6. 导出 1920×1080、30fps 的 MP4

第一次不要直接做两分钟长片。先做20至30秒样片，确认字体、画笔速度、旁白语速和画面密度，再扩展到完整内容。

和同类方案相比，handdrawn适合谁？

做视频网观点

这套Skill最值得借鉴的，不是某种固定的手绘风格，而是“先把视频变成可检查的数据，再把数据渲染成成片”。旁白、场景、物体、绘制动作和时间点都能被定位，Agent才有机会真正修改，而不是每次重新抽卡。

它也没有消灭人工。事实核验、教学逻辑、视觉重点和最终节奏仍要由人决定。对知识创作者来说，理想用法不是“一键交差”，而是让Agent完成重复制作，人把精力放在讲什么、先讲什么以及哪里必须讲准确。

相关站内内容

handdrawn站内导航：https://www.zuoshipin.com/link/48370.html

ClawHub站内导航：https://www.zuoshipin.com/link/851.html

SkillHub站内导航：https://www.zuoshipin.com/link/4777.html

story-to-handdrawn-video：https://www.zuoshipin.com/link/24863.html

handdraw-story-video：https://www.zuoshipin.com/link/24864.html

WorkBuddy站内导航：https://www.zuoshipin.com/link/919.html

豆包工作站内导航：https://www.zuoshipin.com/link/45530.html

官方资源

handdrawn官方Skill页面