Explainroo — 让 Coding Agent 自己做出解释视频的开源 Skill

技能简介

Explainroo 是一个开源 Claude Code / Codex Agent Skill，让任意编程 Agent 在收到「给我做一个解释视频」这类需求时，能自动写脚本、生成语音、渲染画面并最终导出一个完整 MP4。整套流程跑在用户本地电脑上（语音 Kokoro、字幕 Whisper、渲染 ffmpeg），没有云端调用、没有月度订阅，仓库自带 MIT 协议与详细 AGENTS.md。Claude Code + Opus 5.5 是目前效果最佳的搭配。

核心能力

• 一句话触发：把「用 explainroo 做一个关于 XX 的解释视频」丢给 Agent，它会按 AGENTS.md 自动完成全部步骤
• 本地语音合成：内置 Kokoro TTS，语音跑在用户电脑，不上传文案
• 时间轴对齐：用 Whisper 给语音打时间戳，画面与口播逐字同步
• 双文件渲染：Agent 写两个文件——script.md（口播文案）+ scenes.js（用 canvas / ffmpeg 画面的脚本），自动拼接成 MP4
• 完整管线：文案 → 画面脚本 → 渲染 → 校验，一条命令搞定
• 开源可定制：脚本与模板全部在仓库里，用户可改 TTS、改画面风格、改分辨率

安装配置

• 系统需求：Node.js、ffmpeg、Whisper CLI（可选，用于时间轴对齐）
• 安装命令：git clone https://github.com/vincentsch/explainroo，把仓库路径告诉 Agent
• Claude Code 配置：把仓库 clone 到本地后，对 Claude Code 说「读 AGENTS.md 并按流程做」
• Codex 配置：Codex 也能用，但官方推荐 Claude Code + Opus 5.5 效果最好

使用步骤

1. Agent clone 仓库到本地项目目录
2. Agent 阅读 AGENTS.md 并按其中的工作流执行
3. Agent 写出 script.md（口播文案）和 scenes.js（画面脚本）
4. Agent 调用 Kokoro 跑语音合成，生成音频轨
5. Agent 用 Whisper 给音频打时间戳
6. Agent 用 canvas + ffmpeg 渲染并拼接画面与音频
7. Agent 输出最终 MP4 文件供用户验收

适用场景

• 给 SaaS 产品做 60 秒解释视频，无需求助视频团队
• 给开源项目写一段 README 配套演示视频
• 把博客文章自动转成短视频上传 B 站、YouTube Shorts
• 教学场景：把课件脚本自动转成讲解视频
• 营销场景：批量为不同客户做定制化产品演示

适用人群

• 独立开发者：让 Claude Code 一键生成产品介绍视频
• 内容创作者：把文章转视频，省去录音与剪辑
• 营销人员：批量生成不同客户的定制 demo
• 教育工作者：自动把讲稿变成可视化讲解视频

工作原理

Explainroo 把"做一个解释视频"这件事拆成 Agent 可执行的步骤：(1) 文案阶段——script.md 写出口播文字；(2) 画面阶段——scenes.js 用 JavaScript 描述每一帧的画布动画；(3) 音频阶段——调用本地 Kokoro TTS 生成语音；(4) 对齐阶段——用 Whisper 给语音打时间戳，把口播和画面按时间轴对齐；(5) 渲染阶段——ffmpeg 把画面与音频合成成 MP4。整个流程都被写进 AGENTS.md，让 Agent 能一步步跟着做。

官方链接

• GitHub 仓库：https://github.com/vincentsch/explainroo
• 官方网站：https://www.explainroo.com
• 示例视频：https://www.explainroo.com/videos/
• 使用文档：https://www.explainroo.com/docs/