handdraw-video 重磅更新，运镜、动画、转场来袭，字幕、画面全面升级

sweety-handdraw-video（又称 handdraw-video，中文名“手绘口播”）是一个开源（MIT 许可）的 AI 手绘视频生成 Skill，运行在 Claude Code 和 Codex 中。输入一个主题、一篇文章或一个完整故事，它会写口播稿、设计分镜、生成插画，再在本地逐笔描线、上色、按笔顺手写中文、配音并对齐字幕，导出边画边讲的 MP4 视频。2.0 是 1.x 之后的首个大版本，当前安装包版本为 v2.0.2（2026 年 10 月 28 日发布）。2.0 更新要点运镜：10 种命名运镜，最高 3 倍推近，支持视差和希区柯克变焦；渲染前自动做取景检查，书写过程不会跑出画面。 转场：从 4 种增至 22 种，包括翻页、撕纸、橡皮擦、墨晕、立方体等。 动效层：14 种，包括大字、手绘图表、地图航线、物理、三维和手写公式。 字幕：按词换行、默认单行。同一部 11 分钟的片子里，被平台底部界面遮挡的字幕从 247 条降到 0 条。 绘制：同样 6 幅插画，最短绘制时间平均从 16.9 秒降到 8.2 秒；上色从整块“盖章”变成逐笔涂上。 声音：加入笔声和转场音效，配音句尾不再被截断或带杂音。 安装：npx skills add threerocks/sweety-handdraw-video --skill sweety-handdraw-video --agent claude-code codex --global --copy --yes

非常感谢大家对 handdraw-video 这个项目的喜欢，v1.0 发布以后，在很多地方都看到了它的身影和由它产出的作品。

做这个项目的契机是，随着 opus5.5 的发布，整个 AI 届迎来了基于建模和代码创作视频的热潮，opus5.5 以其强大的代码、建模能力，配合极低的价格、推理的速度，很快就成为了这个领域最火热的全明星，没有之一。

与此同时，国内外四大自媒体平台，正在同时把海量流量和真金白银砸向这个赛道，用 AI 讲知识的视频。

在这样的背景下，诞生了很多优秀的制作开源仓库，如：lemo-opuscar、huashu-art-motion 等，同时 ChatGPT(CodeX) 因为一些原因则逐渐失去信任。但，毕竟用上 Claude 对很多人来说并不容易，那能不能有一款对 CodeX 友好的视频生产工具也可以达到很好的效果呢，如果它存在，它就可以服务更多的人。

答案是肯定的，CodeX 有它独有的优势，即出图和绘制，基于此我决定做手绘 + 口播这个方向的视频生成，经过一段时间的调试开发，很快迎来它的 v1.0 版本。

给它一个主题、一篇文章或完整故事，它就可以一键帮你做成边画边讲的有声视频。它由 Agent 规划内容、设计分镜和生成插画，再通过本地工具完成逐笔描线、填色、声画对齐与 MP4 导出。

它的核心特点是：

• 自研绘制引擎，拥有无限接近真实人类绘制的过程；

• AI 导演，帮你搞定剧本、台词设计，5s 黄金开头等；

• 极致听感，借助强大的 VoiceStudio + VoxCPM 2 的组合，我们实现了高度拟人化的配音；

• CodeX 友好，在 CodeX 中的效果极佳。

嵌入推文（联网查看）

嵌入推文（联网查看）

如今，很高兴的宣布，这个项目迎来了它的 2.0 版本，不仅解决大家使用过程中遇到的大部分问题，还对内容表现进行了全方位的升级，让整个视频更加的专业，主要包含以下更新：

• 增加了运镜、转场、动效、音效等等特效，内容表达能力全面提升；

• 字幕全面升级，如今的字幕达到专业级别，视觉做了提升，节奏进行了校准；

• 画面太空、笔划毛边、中英文混编发音不准等等 bug 修复；

• 正式支持 WorkBuddy，并针对性的做了特殊优化；

• codex 效果调试最佳，支持一键直出，不再依赖选项；

• opus5.5 版本支持（目前依赖 codex cli 的生图），opus5.5 版本将会产出更加惊艳、丝滑的效果。

效果概览，同一部片子的 1.0 和 2.0

《天涯 2027》是我用 1.4 做的一部 11 分钟的片子。下面左边是当时的成片，右边是用 2.0 重建的版本：同一套插画、同一条配音、同一份分镜内容。

《天涯 2027》1.42.0第一个看得清的画面出现在5.0 秒2.4 秒镜头23 页都不动，固定 1.3 倍23 页都有推、拉、平移、跳切换页转场22 次全是同一种横移用了 11 种：撕纸、翻页、马克笔扫过、立方体、穿越……字幕被平台底部界面挡住247 条全部0 条（共 407 条）单行字幕62%100%整片渲染（11 分钟成片，同一台 Mac）约 12 分钟3 分 42 秒

一、画：干净、有条理，像人在上色

1.0 的问题

• 线条有毛刺：深色区域的边缘会被当成墨线描出来，衣服和头发周围满是小墨点。

• 笔尖乱跳：画完左边画右边，再跳回左边。

• 颜色一块一块地出现：模型给每个部位画的范围是方框，上色又按部位来，一整块连续的颜色被切成好几个矩形，一个矩形一个矩形地"盖"上去。

• 图越大画得越慢：为了赶上口播，只好把图画小。

2.0 怎么做

• 线条：只描真正的线条，比旁边更暗、又接近整幅画的墨色；零散的小墨点留给上色阶段处理。

• 顺序：先画完一个物体，再画下一个；物体内部先画外轮廓，再画从已有线条上长出来的线。

• 上色像人：墨线围住的一整块颜色，整块交给一个部位，不再按方框切开； 先沿内侧描一圈边，再斜着排笔； 刚涂上去的颜色带马克笔的纹理，半透明，随后才"干透"成最终颜色。

• 大小和时间脱钩：笔画和时间在不超过 720 像素的尺寸上规划，再按屏幕上的大小清晰重绘。图可以画得很大，而不会因此画得更慢。

同一幅图，左边用 1.4 的引擎画，右边用 2.0（1.5 倍速播放）：

我拿《天涯》里的 6 幅插画，在同样 540 像素宽度下，分别用 1.4 和 2.0 的引擎画一遍：

6 幅插画合计 / 范围1.42.0最短绘制时间（平均）16.9 秒8.2 秒笔尖长距离跳动76 次24 次散落的小墨点187 处81 处颜色一出现就是最终色（"盖章"式上色）76%–92%1%–12%

二、运镜升级

镜头有了名字和节奏

1.0 的镜头最多推近 1.3 倍，而且基本不动。2.0 的镜头：

• 10 种运镜：推、拉、平移、慢漂、跳、甩、急推、砸入、切，还有希区柯克变焦；

• 推近最高 3 倍，画面素材按最大倍数生成，推近也是清晰的；

• 自动导演：模型没写镜头的地方，内置导演角色会帮忙补上。每幅图画之前推近框住，远距离先拉远再过去，翻页前拉远看全页，每页轮流换一种拿图的方式；

• 视差：前景和背景分层移动；

• 希区柯克变焦：主体大小不变，背景冲过来或退远。

同时保证移动和内容不被裁切

镜头会动以后，出现了一个 1.x 没有的问题，镜头按句子设计，画笔按画面复杂度排时间，两者对不上时，笔还在画，镜头已经走了。观众看到的是一支笔在画面边缘外面写字。

所以 2.0 在渲染前加了一道取景检查：

• 每个正在写或画的东西，每 0.25 秒查一次在不在画面里、有没有和字幕重叠；

• 不在画面时，自动试几种修法，留下效果最好的那个：让镜头等笔画完再动； 补一个镜头：平移一点、居中，或者拉远到两样都装得下；

• 修不了的，在构建时也会明确通过输出报告出来。

下面是对比图：

三、转场动画：从 4 种到 22 种

1.0 只有横移、平移、淡化、直切 4 种转场，大多数片子从头到尾用一种。

2.0 有 22 种：

• 纸张类：翻页（四个方向）、撕纸、卡片翻面、立方体、拼砖、碎片；

• 擦除类：板擦、橡皮擦；

• 墨与笔：毛刷、马克笔扫过、墨晕、墨渍光圈；

• 镜头类：穿越、甩镜、闪白；

• 还有原来的轻转场。

自动导演会在章节处用"招牌"转场，其他页用轻转场，相邻两页不重复。

同一处换页，1.4 和 2.0：

四、核心升级 - 动效层

针对 1.0 只有绘制这一个动作的单一表现，2.0 加了一层网页动效，由于动效天然就是代码和 AI 的特长区域，在动效加入后，整个画面的丰满成都迎来了质的飞跃，甚至可以说它的效果已经不输那些当红动画视频。本次新增动效共 14 种：

• 大字：逐词出现、砸入、乱码收敛成字；

• 手绘图表和地图：柱、线、饼、时间线，画面上的数据只用真实数据；转动的地球上画出航线。

• 物理和三维：硬币真的会落进罐子里，宝石和硬币可以立体地转起来；

• 手写公式：逐字描出来，写完还能圈出其中一部分；

• 圈注、气泡、落下的照片：

五、字幕：不再被平台挡住

1.0 的字幕按字数换行，常把一个词、一句话切成两半，标点掉到下一行；位置也太低，竖屏发到平台上，正好被底部的账号、文案和按钮盖住；质感也不如专业字幕给用户的体感舒适。

2.0 的字幕：

• 按词换行，不切开词、数字和单位；

• 默认单行，放在平台底部界面之上；

• 关键词和数字可以高亮；

• 吸收优秀作品的字幕样式，不再固定，而是由模型自动学习推理给出，质感大幅度提升。

在《天涯》的全部字幕上：被平台底部界面挡住的从 247 条降到 0 条，单行比例从 62% 升到 100%。

六、声音/音效升级

• 笔声：手写文字时，有一层和笔尖同步的轻微擦纸声。

• 转场音效：翻页是纸声，甩镜是风声，橡皮擦是摩擦声，全部由程序合成，人声出现时自动让开。

• 句尾干净：1.x 判断"一句话说完了"靠的是声音能量，会被两种声音骗过：句尾的气声：裁剪点落在气声中间，硬切，听起来像断了一下； 模型在句子说完后多冒出来的一个音，被当成语音留下。 2.0 改成用最后一个字之后的第一段安静来定结尾：后面多出来的声音直接删掉，结尾平滑淡出；句子本身被截断的，重新生成。

同一段 34 句的配音，1.x 的处理方式下：

• 8 句硬切在气声上；

• 2 句后面多出一小段声音，其中一句的结尾停在 -11 dBFS，几乎是正常说话的音量。

用 2.0 处理后，全部 34 句的结尾都低于 -74.5 dBFS，多出来的声音也都删掉了。

七、做片子更省心

• 生图后几秒内自检：透明窟窿、光晕、线稿太复杂、画不完。不通过时直接给出一句可以加进提示词的修改。

• 部位写方框就行，不用手描多边形。

• 改镜头不用重画：画好的素材按内容缓存，只改镜头、转场或动效时，重建只要几秒。

• 多进程渲染：11 分钟的片子，从约 12 分钟降到 3 分多钟。

• 交付前把关：每一步都有检查，交付前还有成片校验（声音、字幕同步、逐笔绘制）。没做的人工验收（连续观看、真人试听）会明确标成"未完成"，不会混进"通过"。

两部 2.0 样片

两部都用 2.0 制作，2:3 竖屏，逼真男声。

《用一天，重启你的人生》 · 3 分 08 秒

讲读 Dan Koe 的文章《How to fix your entire life in 1 day》：

• 为什么新年计划总是失败；

• 身份怎样决定行为；

• 怎么用一天时间重新设定方向：上午挖掘，白天打断自动驾驶，晚上收拢成两句话；

• 最后把人生变成一场游戏。

《错话，该不该翻译？》 · 1 分 33 秒

讲读知乎答主公子重耳的一篇回答：外国球星说了错话，该不该照原话翻译、登出来？作者的回答是：

• 照译，摆出来才讲得清；

• 批评要有根据，改正要留余地；

• 争取一个人，要拿出事实，也要有耐心。

两部片子都是讲读，不是搬运：

• 用自己的话转述论证，口播和封面都写明作者和出处，原文只引用了几个短语；

• 原文没写到的内容，片子里一个字也不编；

• 片中的人物都是原创形象，与任何真人无关。

怎么用

安装

装好 Node.js 后，一条命令装到 Claude Code 和 Codex：

npx skills add threerocks/sweety-handdraw-video --skill sweety-handdraw-video --agent claude-code codex --global --copy --yes bash ~/.claude/skills/sweety-handdraw-video/scripts/setup.sh

• 需要大字、图表、地图、物理、三维这些动效层时，再运行一次 setup.sh --web-motion，它会装好浏览器渲染环境。

• 目前支持 macOS 和 Linux。

• 想固定在这个版本，可以直接下载 v2.0.2 安装包，用同页的 SHA256SUMS.txt 校验。

开始做一部片子

在 Claude Code 里直接说：

用 sweety-handdraw-video 把这篇文章做成手绘视频：（贴链接或全文）

也可以输入 /sweety-handdraw-video；在 Codex 里用 $sweety-handdraw-video。它会先和你确认比例、画风、声音这些选项，再写口播、出图、绘制、配音、导出。

从 1.x 升级

• 整个 Skill 目录替换掉，不要只拷 SKILL.md。装好后看一眼目录里的 VERSION，应该是 2.0.2。

• 默认比例从 9:16 改成了 2:3。要全屏短视频，仍然可以选 9:16。

• 旧工程要先过一遍新的检查：2.0 对节奏的检查更严。我拿《天涯 2027》的 1.4 工程直接构建，被拦下 4 处：一段 12.9 秒没有新画面； 两张图各自连讲了太多句； 一张图超出了绘制时间。 按提示改完就能出片。想要大图和新镜头，还要按新版式重新排一下。

常见问题（FAQ）

sweety-handdraw-video 是什么？

一个开源的 AI 手绘视频生成工具，以 Agent Skill 的形式运行在 Claude Code 和 Codex 中。给它一个主题、一篇文章或一个完整故事，它会：

• 写口播稿、设计分镜、生成插画；

• 在本地逐笔描线、上色、按笔顺手写中文；

• 配音、对齐字幕，导出边画边讲的手绘讲解视频（MP4）。

handdraw-video、手绘口播和 sweety-handdraw-video 是同一个项目吗？

是。仓库和 Skill 的正式名称是 sweety-handdraw-video，handdraw-video 和“手绘口播”是它的简称。

支持哪些 Agent 和系统？

• Agent：Claude Code 和 Codex。

• 系统：macOS 和 Linux，暂不支持 Windows。

• 生成新插画需要宿主有生图能力：Codex 内置生图；Claude Code 需要接入生图工具，或者由你提供插画。

怎么安装？

装好 Node.js 后运行：

npx skills add threerocks/sweety-handdraw-video --skill sweety-handdraw-video --agent claude-code codex --global --copy --yes bash ~/.claude/skills/sweety-handdraw-video/scripts/setup.sh

需要大字、图表、地图、物理、三维这些动效层时，再运行 setup.sh --web-motion。想固定版本，可以下载 v2.0.2 安装包。

怎么用它把一篇文章做成视频？

在 Claude Code 里说“用 sweety-handdraw-video 把这篇文章做成手绘视频”，再贴上链接或全文；也可以输入 /sweety-handdraw-video。在 Codex 里用 $sweety-handdraw-video。

2.0 相比 1.x 更新了什么？

• 运镜：10 种运镜，最高 3 倍推近，视差和希区柯克变焦，渲染前做取景检查。

• 转场：从 4 种增至 22 种。

• 动效层：新增 14 种动效。

• 字幕：按词换行、单行显示，避开平台底部界面。

• 绘制：线条更干净，上色像人一样逐笔涂，速度约快一倍。

• 声音：新增笔声和转场音效，配音句尾更干净。

支持哪些视频比例？

支持 2:3、9:16、3:4、16:9 和 4:3，默认 2:3（1280×1920）。

配音用什么？

• 本地：VoxCPM2（Apple Silicon Mac），或者兼容的本机 VoiceStudio 服务。

• 云端（可选）：火山豆包、Gemini TTS，需要使用你自己的密钥。

• 也可以用你自己的录音，工具会自动对齐字幕。

是免费、开源的吗？

是。项目以 MIT 许可证开源，代码在 GitHub。

1.x 的项目怎么升级到 2.0？

1. 替换整个 Skill 目录，然后确认 VERSION 为 2.0.2。

2. 注意默认比例已从 9:16 改为 2:3。

3. 旧工程需要先通过 2.0 更严格的节奏检查，按提示修改后即可重新出片。

发布生成的视频时要注意什么？

成片已经写入 AI 生成的隐式标识，发布时仍需要在平台上声明“AI 生成”。

English summary

sweety-handdraw-video (also called handdraw-video) is an open-source (MIT) Agent Skill for Claude Code and Codex. It turns a topic, an article or a story into a narrated, hand-drawn explainer video (whiteboard animation):

• the agent writes the script, plans the storyboard and generates the illustrations;

• local tools draw every stroke, colour the pictures, hand-write Chinese in stroke order, add the voiceover and captions, and export an MP4.

Version 2.0 (installable package v2.0.2, released 28 October 2026) adds:

• 10 named camera moves, with a framing check that keeps the pen's work on screen;

• 22 transitions, up from 4;

• 14 web-motion effects: kinetic titles, hand-drawn charts, map routes, physics, 3D and formulas;

• word-aware, single-line captions placed above the platform UI;

• cleaner, faster and more human-like drawing and colouring;

• pen and transition sound effects, and cleaner voice-line endings.

Install: npx skills add threerocks/sweety-handdraw-video --skill sweety-handdraw-video --agent claude-code codex --global --copy --yes. Source: https://github.com/threerocks/sweety-handdraw-video

最后

使用过程中有任何问题

欢迎在 GitHub 提 issue，或者在评论区留言告诉我。

了解博主其他信息请点击：https://threerocks.xyz/me