知识区视频有个经久不衰的形态：白板手绘动画——一只手在纸上边画边讲， Salvador Dali 画风先不谈，这种形式的信息密度和完播率一直很能打。但传统做法要么请画师逐帧画，要么买 Videoscribe 这类软件套模板，又贵又套路。最近看到 geeklee/srt-whiteboard-animation（近 4k star，MIT 协议），思路很对胃口：拿现成的 SRT 字幕，直接生成暖米黄纸张底的手绘动画视频，还是以 Claude Code Skill 的形态交付的。
先看效果：不是“图片擦除”，是真的在画
市面上很多“白板动画”本质是整图 reveal——一块遮罩唰地移开，底下是完整图片，跟“画”没关系。这个项目用的是流式笔迹：笔尖沿着骨架或网格连续滑行落墨，先铺线稿（ink），再添彩（color，时长权重 ink:color = 2:1），一只手跟着笔尖走。视觉上就是有人在纸上画画，而不是图片在变魔术。
纸张底是暖米黄旧纸色（#F5EBD7，渲染时从原图取样染底，禁用纯白），配上线稿+淡彩，成品自带一种讲故事的质感。去仓库 examples 目录能看到完整案例：一幕大概 25–35 秒，讲一个完整的小意思，节奏跟字幕走。
核心设计：分区遮罩编排 + 按字幕叙事排序
它的聪明之处不在渲染，而在编排。一张图不会整体画完，而是先拆成若干区域，每个区域绑定字幕里的一个叙事事件，按“场景铺垫 → 关键人物/物体 → 动作变化 → 反应结果”的语义顺序依次出场。排序依据是字幕事件，不是画面坐标——这是全套 workflow 里反复强调的一条。
区域之间用允许掩码隔离：每个区域的绘制范围 = 自己的矩形扣除后续区域和保护区。什么意思呢？后面的内容在轮到它之前，一个像素都不会提前露出来。相互遮挡的物体再在 protectedRegions 里标出来，双保险。遮罩不变量是硬约束，不是建议。
所有这些信息存在一个 annotation.json 里：区域坐标（原图整数像素）、顺序、起止毫秒、字幕文本、叙事角色、手部路径。文件即时间线，改文件就是改片子。
完整工作流：7 步，每步都要你点头
这是个 Skill，不是全自动脚本，流程里塞满了确认点：
1. 读字幕出策略：parse_srt.py 把 SRT 按 25–35 秒一幕拆分镜，每幕只表达一个核心意思。停，等确认。
2. 生成统一风格线稿：按策略配图。停，等确认。
3. 标注：先读字幕再看图，把图中主体对应到叙事事件，写 annotation.json，顺手打开浏览器预览台。停，等确认。
4. 检查图：render_annotation_preview.py 出带编号和方向的分区图，核对顺序和重叠保护。停，等确认。
5. 预览台微调：拖区域、改顺序、调时间轴，保存写回。停，等确认。
6. 逐幕渲染 MP4，抽查开头、中段、结尾三帧。停，等确认。
7. 多幕合并成完整成片。
嫌啰嗦？做过视频的都知道，返工的成本全在“画完了才发现顺序错了”。七个确认点看着多，每一个都在帮你省渲染时间和 token。
上手：三条命令
环境准备有 prepare_env.py，编码用的是纯 pip 的 PyAV，不用装系统 ffmpeg，这点对 Windows 和新手很友好。核心就三条：
# 解析字幕，给分镜建议
python scripts/parse_srt.py 字幕.srt --target-sec 30 --min-sec 25 --max-sec 35
# 渲染单幕（grid 稳，线稿干净可换 skeleton；contour-wipe 是轮廓扫描上色）
<ENV_PY> scripts/render_stream_whiteboard.py 图片.png 标注.json 输出.mp4 assets/drawing-hand.png \
--ink-path grid --color-fill contour-wipe
# 多幕合并
<ENV_PY> scripts/merge_scenes.py --inputs 幕1.mp4 幕2.mp4 --output final.mp4预览台是纯前端 preview.html，Chrome/Edge 直接打开， File System Access API 写回文件，不用起服务器。渲染走命令行，分工清楚。
什么内容最适合做成这样
知识讲解（概念拆解、历史故事）、课程字幕（把网课文案转手绘版，完播率一般会涨）、故事口播、短视频文案（读书博主、商业故事号直接套）。共同点：强叙事、弱实拍——内容靠讲不靠拍，画面是辅助理解的，白板动画就是最优解之一。
不适合的：颜值向内容（美妆穿搭探店）、强实拍的内容（评测开箱）、节奏极快的卡点视频。笔在纸上画画，天然是慢 medium，别拿它去卷信息流前三秒。
调参指南：两个关键选项
--ink-path 选 grid 还是 skeleton：grid 是网格扫描，稳，什么图都不翻车，默认用它；skeleton 是骨架追踪，笔尖贴着线稿走，更像人手，但只适合线稿干净的插画，照片级原图用了反而乱。
--color-fill 选 contour-wipe 还是 brush：前者轮廓扫描上色，干净；后者沿轨迹刷，大面积色块更有手绘感。我的建议是默认组合先出成片，不满意再单换一个变量重渲，别两个一起换，定位问题快。
还有个小细节：每幕结束后至少停留 0.5 秒完整画面，给观众一个“看全了”的凝视时间，也给合并留呼吸感。时序上同一幕内各区域串行作画，startMs 别重叠，重叠了渲染器也按顺序处理，但就不是“一支笔”的感觉了。
作者的姊妹项目
geeklee 围绕白板动画做了三个仓库，正好是三档需求：whiteboard-mask-animation 是最轻的，静态线稿做遮罩动画；whiteboard-stream-animation 是单图版，拿一张插图直接渲染流式笔迹 MP4，支持批量队列；srt-whiteboard-animation 是满配版，字幕驱动+分幕+合并。如果只是想试试笔迹效果，从单图版开始，五分钟出第一条片子。
常见问题
需要显卡吗？不需要。笔迹渲染是 OpenCV + PyAV 的 CPU 活，瓶颈在图片生成（走你自己的生图 key）和 agent 跑流程的 token，不在算力。
中文字幕可以吗？可以。标注里的 narrativeRole、字幕文本、分镜说明全用中文，纸张底+线稿对中文排版也很友好。注意预览台写回文件要用 Chrome/Edge。
一幕多长合适？官方建议 25–35 秒，这是注意力+信息量的 sweet spot。太短了笔刚落墨就切，太长了观众会忘前面画了什么。长字幕用 parse_srt.py 自动拆，别手拆。
跟 Videoscribe / Doodly 比呢？那类工具是模板库+拖拽，胜在零门槛，输在千篇一律且素材库要钱。这个项目是 skill+脚本，胜在每一帧都按你的字幕定制、可进 git 版本管理，输在要跑环境和过确认点。走量的营销号用前者，做知识 IP 的用后者。
支持哪些 AI 助手？仓库是标准 skill 结构，Claude Code 直接用，Codex 走了 agents/openai.yaml 元数据。Cursor、Windsurf 这些认 SKILL.md 的理论上都行。
结语
AI 视频现在两极分化：一头是 prompt 直出 clip，爽但不可控；一头是重型管线，强但笨重。这个项目走的是中间路线：用确定的程序保证下限（遮罩不变量、时序模型、质量检查清单），用 agent 负责需要理解的部分（分镜、语义排序、标注）。确定性+理解力各干各的，成品率才高。
做知识内容的、囤了一堆字幕没时间剪的、想给课程加个手绘版的，都值得去跑一遍 examples。仓库：github.com/geeklee/srt-whiteboard-animation。
