返回资讯中心
外部精选
软件工程
#开发者实时流

motigenjs 发布开源工具:用代码把网页渲染成视频

来源标题:Show HN: I'm build open-souce video as code

开发者发布开源项目 motigenjs,让编码代理通过代码生成视频:把网页当胶片逐帧渲染后交给 ffmpeg 合成,每次运行输出相同的 MP4。项目支持录制真实终端和浏览器、按时间线混音并生成字幕,通过 npm 安装,用 motigen 命令完成配音、构建和预览。

Hacker News 最新crocone2026/11/21 · 今天30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

这个仓库背后的 coding-agent 会话:包括 prompt、agent 在哪里出错,以及人类如何处理。

Video as code,面向开发者及其 coding agent。

网页就是影片:它按需绘制第 t 帧,用纯 HTML、Canvas 或浏览器能运行的任何其他方式。

motigen 以 headless 方式打开它,按顺序渲染每一帧并送入 ffmpeg,因此同一个项目每次运行都能产出相同的 MP4。真实终端和真实浏览器在同一页面内被录制和回放;旁白、音效和音乐根据页面导出的时间线混音;字幕来自同一批提示点。所有内容都是 git 中的一个文件,每一步都是一条命令,这正是 coding agent 独立制作产品视频所需要的东西。

npm i -g motigenjs && npx playwright install chromium # Node 22+,ffmpeg 在 PATH 中;命令是 `motigen`
motigen init scenes my-launch && cd my-launch
# 编辑 film.js(场景)和 audio/lines.txt(人声);把 ELEVENLABS_API_KEY=… 放进 .env
motigen vo # 从 audio/lines.txt 生成旁白(ElevenLabs),每行一个文件
motigen build # 事件 → 混音 → 渲染 16:9 和 9:16 → 字幕,输出到 out/
motigen preview # 拖动预览、带声音播放、一键渲染

如果要录制真实产品的 screencast:先 motigen init guide my-guide,然后 motigen record take.mjs 把真实浏览器和真实终端录制到 take/,再用 edit.js 剪辑。

四种影片,一个约定。一个页面注册 window.__film = { ready, dur, renderAt(t) }。scenes 模板根据场景列表生成发布视频(动态标题、带标记的陈述、数字滚动、图表、对比表、带通知的手机、功能卡片、带推近和标注的产品窗口、打字终端、前后分屏、引用、结尾卡),配有多种转场和三个主题;guide 模板是一个 screencast 播放器(浏览器窗口、终端窗口、章节、按键徽标、卡片),由一个编辑列表驱动;canvas 模板是一个手绘 2D 引擎(纸张、活字印刷字体、墨迹、线绳、卡片、铅笔),带有自己的离线混音;dom 模板是 80 行代码实现的最简约定。

针对真实内容的录制器。Term 通过 pty 录制 shell,采用 script 风格的时序,因此播放器通过 xterm.js 回放真实的字节;Browser 录制 CDP screencast,包含鼠标轨迹、点击、按键和 URL,并且可以在其真实域名下提供本地文件夹或你站点的本地实例。

声音来自时间线。motigen events 询问页面人声台词、点击和按键落在何处;motigen vo 生成旁白(一次 ElevenLabs 调用带时间戳,按行拆分,或使用你自己的录音);motigen mix 安排一切,在人声下压低音乐,并母带处理到 −14 LUFS / −1 dBTP;motigen srt 写出字幕。

确定性、并行渲染。每一帧只依赖于 t,因此 -j 4 可以同时渲染四个切片并无损拼接,预览可以瞬间拖动到任意时刻。

为 agent 而做。skill/SKILL.md 告诉 coding agent 如何用这些命令把脚本变成完成的视频;整个项目都是它可以阅读和修改的文本。

安装

Node 22 或更新版本,以及 PATH 中的 ffmpeg。Playwright 会下载一次它的 Chromium;--channel chrome 则改用已安装的 Chrome。

npm i -g motigenjs
npx playwright install chromium

npm 包是 motigenjs;它安装的命令是 motigen。作为项目依赖使用时,npx motigen … 效果相同。

终端录制器使用 node-pty(可选依赖,带有 Windows、macOS 和 Linux 的预编译二进制)。没有它的话,就在容器中录制:backend: 'docker'。

命令 作用
`motigen init <scenes guide
motigen preview [--port 4310] [--open] 项目上的播放器:拖动、带音频/mix.wav 播放、切换格式、通过按钮渲染和导出事件。
motigen frames -t 1,2.5,10 静帧输出到 shots/(--png、--every 5、--element '#terminal' 带透明背景、--scale 2)。
motigen render 视频输出到 out/<name>.mp4:-j N 并行页面数(默认:核心数的一半,最多 4)、--range 10-20、--audio file.wav 或项目的 audio/mix.wav、--crf、--preset。
motigen stability -t 3,10 在这些时刻渲染连续帧并报告它们之间的变化(--every 2、--frames 3、--still 在任何变化时报错、--replay 还会再次渲染每个时刻并在不同时报错)。
motigen events 页面的 events() 写入 audio/events.json:人声提示点、点击、按键、回车、效果。
motigen record [take.mjs] 运行 take 脚本;它从 motigenjs/record 导入 { Term, Browser, sleep }。
motigen vo [lines.txt] 旁白:对整个脚本进行一次 ElevenLabs 调用,按行拆分到 audio/vo/ 并生成 vo.json。vo voices 列出你的声音及其 id,vo split 使用已保存的响应,vo import 导入你自己的录音,vo check 标记气声或含糊的台词。
motigen mix 从 events.json、vo/、sfx/ 和 bed.* 生成 audio/mix.wav;当 "mix": {"engine": "page"} 时使用 canvas 套件自己的混音。
motigen srt 根据人声提示点生成字幕,使用 "spellings" 中的书写形式。
motigen build events → mix → render(所有格式)→ srt。
motigen skill [dir] 把 skill/SKILL.md 安装到 .claude/skills/motigen/,这样该文件夹中的 coding agent 就知道工作流程。

常用选项:-C dir(项目)、-p page、--fmt name、--size WxH、--query "fmt=v"、--channel chrome、--no-gpu、--ffmpeg path、--timeout s。motigen help 列出全部内容。

window.__film = {
  ready: true, // 字体和资源已加载
  dur: 38, // 秒
  fps: 30, // 可选
  renderAt(t) {}, // 绘制 t 秒处的帧;同步或异步;t 的纯函数
  events() {}, // 可选:{ dur, vo: [{id, t}], clicks: [t], keys: [t], enters: [t], sfx: [{id, t, db}] }
  canvas, // 可选:要从中读取帧的 HTMLCanvasElement,使用其自身尺寸
};

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →