video-clipforge

KO | EN

gitlite — search

#hacktoberfest #typescript #go #android #deep-learning #docker #macos #nodejs #awesome-list #vue #pytorch #openai #ios #open-source

video-clipforge

(★ 30)

AI 驱动的短视频制作系统。给它一个想法，它帮你写稿、配音、做画面、出成片。9 阶段 DAG 管线 + 自进化评分，支持每日自动执行。基于 Claude Code + HyperFrames。

video-clipforge 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# 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](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](https://raw.githubusercontent.com/Johnson-Jia/video-clipforge/main/LICENSE)

</div>

---

## 它做了什么

四个真实案例。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。

### 案例 4：创业失败案例淘教训（创业淘金者专栏）

> **你说的：** 「从创业失败残骸里淘教训 + 可复用点子」
>
> **它做的：** 从 loot-drop.io 抓真实失败案例（如微贷网 P2P 烧光 $110M）→ 剖析死因（监管清退 + 期限错配庞氏死亡螺旋）→ 淘可复用点子（CreditOS：不做放贷，给银行卖 AI 风控铲子）→ 渲染暖金风复盘视频
>
> **结果：** 一条第一人称「淘金者」复盘视频 — 从「这家怎么死的」到「能偷什么点子」。每周二/四/六自动执行，从中国公司起步逐步覆盖全球。

看完这四个例子，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

```bash
git clone https://github.com/Johnson-Jia/video-clipforge.git
cd video-clipforge
bash install.sh          # 项目级安装（默认，装到 .claude/commands/）
# bash install.sh --global   # 或用户级（跨项目共享，装到 ~/.claude/commands/）
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](docs/快速开始.md)。

> 技能可装到项目级或用户级，两种方式功能等价。工作目录（视频输出）落当前 git 项目根，cd 到不同项目即切换。

## 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](docs/Agent自进化架构设计.md)。

**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：

```bash
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 0 | env-check | 依赖检测与自动安装 |
| Stage 1 | content | 文字 / URL / PDF / GitHub 数据 / 任何你能提供的素材 |
| Stage 2 | design | 情感内核 → 配色 → 沉浸模式 → 故事板 |
| Stage 3 | narration | 场景拆解 + 分段旁白文案 |
| Stage 4 | audio | 分段 TTS + BGM 选取 + 音量校准 |
| Stage 5 | assets | 视觉素材制备（可选） |
| Stage 6 | video | HTML + 三层组件（bg / fx / content）+ 动画 → HyperFrames 渲染 |
| Stage 7 | delivery | 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 8 | feedback | 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`](.claude/commands/clipforge/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](docs/Agent自进化架构设计.md)。

## 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](CONTRIBUTING.md) 和 [架构文档](docs/架构设计.md)。

## 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 |
|------|------|------|
| HyperFrames | HTML 转视频渲染 | 首次运行自动安装 |
| Node.js >= 22 | HyperFrames CLI | `winget 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-dlp | YouTube 免版税音乐 | `pip install yt-dlp` |

### 字体（可选环境配置）

视频标题字体（如 Ma Shan Zheng 毛笔体）由 `build_font_faces` **三级回退**获取，字体文件不入 git（仓库不膨胀）：

1. `assets/fonts/`（项目内置，默认空）
2. 字体目录（env `CLIPFORGE_FONTS_DIR` > `~/.claude/clipforge-config.json` 的 `fonts_dir`，**参照工作目录回退**）——设了直接用本地、不下载：
   ```bash
   # 持久（写 config.json，推荐）：编辑 ~/.claude/clipforge-config.json 加 "fonts_dir": "E:\\字体"
   # 临时：export CLIPFORGE_FONTS_DIR="/path/to/your/fonts"
   ```
3. 自动下载到 `~/.cache/hyperframes/fonts/`（克隆者首次渲染从 Google Fonts 自动下载，无需配置）

**克隆者**无需配置，首次渲染自动下载。**本地有字体库**配 `CLIPFORGE_FONTS_DIR` 复用，不重复下载。

## 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 |
|:---:|:---:|
| <img src="docs/images/ali_pay_qrcode.jpg" width="200" alt="支付宝"> | <img src="docs/images/wechat_pay_qrcode.png" width="200" alt="微信"> |

</div>

## 许可证

[Apache License 2.0](LICENSE)

video-clipforge

video-clipforge 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

video-clipforge

video-clipforge 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README