huashu-motion

简体中文 | English

huashu-motion

「一键直出商业级产品宣传片。」

让你的agent做动画、作曲，指着画面改。

跟Claude Code、Codex这些agent说一句「给我的产品做个30秒的发布片」， 它会先读你的产品，给你三个方向挑，写出整支片子，自己写谱配乐， 然后在浏览器里打开一个编辑器等你。哪里不满意，在画面上点一下，写下要改什么，它就只改那一处。

npx skills add alchaincyf/huashu-motion

看效果 · 安装 · 能做什么 · 怎么做到的 · 背后的故事

---

看效果

这篇README里的每一段动画都是huashu-motion做的。上面那段取自它给自己做的53秒发布片，👉 下载完整发布片（MP4，带声音），下面Grok Bot、huashu-design、DeepSeek这几支的完整版也在同一个页面。

指着画面改

按C，在画面上点一下，写下要改什么。评论发过去的时候带着时间点、场景、点中的元素和它在源码里的位置，agent先把那一帧和你点的那一小块截图放大看一眼，再只改那一处，改完回一句人话，预览停在原来的位置刷新。每一版都留着，⌘Z随时撤回；标题、数字、颜色、停留时长这些会变成编辑器右边的输入框，自己改，不用等agent。

（这段里的编辑器和终端是照真实界面重建的，代码细节是示意；评论是真实提过的意见。）

先写谱，再拍片

做发布片用的是作曲家模式：agent按节奏单先写一份谱（ABC记谱法，纯文本的乐谱），谱里的标记对齐每个场景，再由三角钢琴、弦乐和鼓组的采样演奏出来（真乐器采样要先跑一次om samples build，不跑就用合成音色）；画面上每个东西落地的那一帧，再配一个音效。配乐全部在本机现场生成，不调用任何收费接口。

一天，二十支

16个镜头，来自同一天做的七支片子，按拍子切。

Grok Bot（粉丝自制，非官方）· 30秒：傍晚交代任务，夜里几个agent各干各的，早上7点手机上收到汇报。这段是汇报一张张送往Chief of Staff的那几拍。

不依赖Opus：DeepSeek V4.1 Flash也能做

这支22秒的动效片，是把Claude Code背后的模型换成DeepSeek V4.1 Flash（1017版）做的。中间我给了三轮意见（比如加上DeepSeek的鲸鱼logo、删掉几个镜头），带配乐和音效，前后不到半小时，按当时的价格花了1块9毛5（缓存命中率99.4%）。统一的配色、贯穿全片的那颗圆点、卡在124BPM上的配乐，是skill带出来的，我一句都没提过。方法写进了skill，便宜的模型也能拍出像样的片子。

---

安装

方式一：跟你的agent说（推荐）

帮我安装huashu-motion这个skill（github.com/alchaincyf/huashu-motion），装好后跑一遍demo

方式二：一行命令

npx skills add alchaincyf/huashu-motion

skills会认出你在用的agent，把skill放进对应目录；要指定的话加-a claude-code、-a codex等参数。

Claude Code、Codex、WorkBuddy、Grok Bot、Muse、Dots等产品都能跑；它遵循Agent Skills协议，支持skill的agent都能装。

方式三：克隆整个仓库

git clone https://github.com/alchaincyf/huashu-motion.git
ln -s "$PWD/huashu-motion/skills/huashu-motion" ~/.claude/skills/huashu-motion   # Codex换成~/.codex/skills/

skill里的bin/om会直接调用仓库里的命令行工具，改仓库就是改skill，本机只有一份。

需要什么

• Node 22以上。
• Chrome（或Chromium、Edge）：截帧、检查、导出都用你电脑上已经装好的浏览器，不额外下载渲染器。
• FFmpeg：导出视频、合成配乐要用。
• 真乐器音色（可选）：想要三角钢琴、弦乐、鼓组，让agent跑一次om samples build，下载约55MB的免费采样（CC0和CC-BY授权）；不跑就用合成音色。
• 口播（可选）：macOS的系统音色不用装；想用Kokoro念中文稿，第一次用时会给出一行安装命令（要uv和Python 3.12，模型约325MB）；逐字对齐要装whisper-cli（brew install whisper-cpp）。

缺什么跑om doctor就知道，这些都可以直接让agent帮你装。目前只在macOS上实测过。Codex的沙箱会拦本地预览和浏览器，遇到时手动批准一下。

---

能做什么

装好以后，直接跟agent说：

开工前，它会先读你以前的偏好和过去片子留下的经验；每支片子做完，再把你这次说过的话、在编辑器里提的评论收一遍，值得留下的记下来。你的偏好只存在你自己电脑上。

---

怎么做到的

一支片子就是一个index.html

画面用代码写，GSAP、Canvas、Three.js、SVG，浏览器能画的都能用；不调用视频生成模型，每一帧只由代码和时间决定。没有私有格式，片子就是一个网页，带走就能用。

你的agent ──写──▶ my-film/index.html ◀──盯着── om studio（浏览器里的编辑器）
    ▲                                              │
    └── om inbox --wait ◀── .om/inbox.jsonl ◀── 你在画面上点一下、写一句

导演规则，不是模板

skill最大的一块是导演方法：先读产品、找出它的气质，再选片子的结构和运动语言。这些规则来自实测，不是拍脑袋：

• 拿21支真实的发布片（Apple、Nothing、GoPro、Google、Vercel、Linear、Anthropic等），用FFmpeg逐支量切点、节拍、响度和能量曲线；
• 拆了142支高互动的发布片和动效片，按产品类型整理出20种运动语言，每种写清楚它在说什么、适合什么产品；
• 每支片子开工前先写一张节奏单：3秒内要有钩子，中段要有一次爆发，最响的那一下前面先停一拍。

颜色也量过：顶级发布片的颜色几乎都是找来的（品牌色、产品外壳和界面、实拍里的光），所以三个方向先从产品里找颜色，om swatch把色板和对比度摆出来看。

声音是片子的一半

• 作曲家模式：agent写谱，程序用真乐器采样演奏，谱里的场景标记对齐画面；仓库里带了三份有注释的示范谱。
• 兜底配乐：不想作曲，内置12类产品、每类3种配乐方向，按片子的种子挑，不喜欢可以重抽。
• 23种音效：落地、甩镜、打字、盖章、故障……写在动画落地的那一行代码上，导出时自动对上。
• 口播：系统音色念稿，或者用你自己的录音；逐字对齐，画面可以落在某个词上。

自己的渲染引擎

渲染、截帧、检查都直接驱动你电脑上的Chrome：按CPU核数开几个浏览器同时渲染（默认最多8个），配乐和画面并行编码，配乐没改就直接复用。一支30秒的片子，在我这台14核的Mac上大约12–15秒渲完；加运动模糊大约1到1.5分钟。

交付前有人挑错

• om check：渲染前查脚本、缺失的文件、违反规则的动画写法，再抽帧查被裁切、被盖住、对比度不够的字；
• om qa：查成片里一闪而过的单帧、没东西在动的空档、硬切和整片的运动曲线；
• skill要求agent交付前真的看帧、按正常速度看一遍，能派独立的agent冷审就派。

常用命令

平时都是agent在敲，想自己动手也可以：

---

里面有什么

huashu-motion/
├── skills/huashu-motion/   # skill本体：SKILL.md、方法文档、运动语言库、示范谱、经验
├── cli/                    # om命令行：新建、编辑器、收件箱、配乐、口播、检查、渲染、导出
├── runtime/                # 片子里用的OM.*小工具，和逐帧渲染的引擎
├── studio/                 # 浏览器里的编辑器
├── templates/              # 10个起步模板
├── fonts/                  # 随附的开源字体
├── examples/               # 样片（om demo打开的那支）
└── test/                   # 测试

---

诚实边界

• 它听不见。agent靠谱面、能量曲线和频谱图检查配乐，最后一耳朵还得是你的。
• 它不会凭空生成真人和实拍。画面全是代码画的；要真人、实拍，用你自己的素材，它负责合成和包装。
• 效果跟模型有关。我主要在Claude Code里用Opus 5.5；DeepSeek V4.1 Flash也能做得不错，但不同模型的品味差别是真实存在的。
• 要能跑命令的环境。预览和导出在本机跑，需要Node、Chrome和FFmpeg。

---

背后的故事

2026年10月8号，Anthropic发布了Claude Motion，让Claude用代码把报告、图表、产品讲解做成短动画，可以指着画面改，发布时只在Team和Enterprise上beta。

今年4月Claude Design出来的时候，我把它的核心能力逆向成了skill，就是后来的huashu-design。Motion发布以后，我让Claude Code开工，要求就一句：

我们的skill需要能够完整复刻claude motion的能力，并且要强很多！

第一天做出来的东西，我看着都很无聊：编辑器、版本管理、一百多项测试都有了，一个19秒的3D城市样片，运镜很平稳，也就代表着很平庸。让Claude自己把项目审一遍，它的结论是：做出了一个很会证明自己没撒谎的工程，却还没有一个让人想转发的作品。当天推倒重来。

后来真正花时间的，是让片子好看：去量真实的发布片，给配乐提「电影级别」的要求，把每一次「不酷」「无聊」「字体难看」都变成规则写回skill。最后它给自己做了一支发布片，就是这篇README最上面那段。

---

致谢

• 动画库GSAP（GSAP Standard License），随附字体均为SIL OFL 1.1开源字体，清单见fonts/LICENSES.md。
• 真乐器采样来自CC0和CC-BY授权的开源采样库，om samples build时从原处下载，不随仓库分发；口播用到Kokoro和whisper.cpp，第一次用时下载模型。详见THIRD_PARTY.md。
• 导演规则里量过、拆过的发布片和动效片，仓库只记测量出来的参数，不含它们的画面。
• om demo打开的样片用的是huashu-art-motion的绘画引擎。

---

关于作者

**花