Andy Manim Video

Andy Manim Video - 程序化动画视频制作系统

一键生成 3Blue1Brown 风格的教育动画视频

核心价值

• ✅ 10倍迭代速度：程序化动画 vs 手动 After Effects
• ✅ 数学精度：代码控制每一帧，零手动错误
• ✅ 可复现性：Git 版本控制，团队协作
• ✅ 顶级视觉风格：复刻 23.8M 浏览量的 3Blue1Brown 美学
• ✅ 完整工作流：从脚本到发布的端到端自动化

使用场景

1. AI/ML 概念讲解

• Attention Mechanism（已验证）
• Transformer Architecture
• Backpropagation
• Neural Network Basics

2. 数学可视化

• 线性代数
• 微积分
• 概率论
• 数值优化

3. 算法演示

• 排序算法
• 图算法
• 动态规划
• 递归可视化

4. 系统架构

• 分布式系统
• 数据流图
• 网络协议
• 并发模型

快速开始

安装依赖

# 安装 Manim Community
pip install manim

# （可选）安装 LaTeX（用于复杂数学公式，需要 4GB 空间）
# brew install mactex-no-gui

一键生成视频

# 调用技能
/andy-manim-video "主题：Attention Mechanism" "风格：3Blue1Brown" "时长：2分钟"

# 或在 Claude Code 中：
Skill("andy-manim-video", args="Attention Mechanism, 3Blue1Brown style, 2 minutes")

手动执行（高级用户）

# 1. 生成动画脚本
cd ~/Documents/AICode/ai-video-production
# Claude 会生成 {topic}_animation.py

# 2. 渲染预览（低质量，快速迭代）
manim -pql {topic}_animation.py {SceneName}

# 3. 渲染高质量（发布版本）
manim -pqh {topic}_animation.py --format=mp4 {SceneName}

# 4. 渲染所有场景（生产级）
./render_all.sh high

工作流程

Phase 1: 脚本生成（5-10分钟）

输入：

• 主题关键词（如 "Attention Mechanism"）
• 目标时长（如 "2 分钟"）
• 视觉风格（默认：3Blue1Brown）

处理：

1. 分析主题核心概念
2. 设计 3-7 个场景结构
3. 生成 Python Manim 代码
4. 定义配色方案（青/洋红/黄）
5. 创建渲染脚本

输出：

• {topic}_animation.py - Manim 脚本
• render_all.sh - 自动化渲染脚本
• README.md - 项目文档

技术栈：

• Manim Community v0.19.0+
• Python 3.9+

Phase 2: 动画渲染（10-20分钟）

输入：Phase 1 生成的 Python 脚本

处理：

1. 低质量预览渲染（480p15）- 快速验证
2. 发现问题 → 修改代码 → 重新渲染
3. 高质量最终渲染（1080p60）- 发布版本

输出：

• 低质量预览：media/videos/{topic}/480p15/*.mp4
• 高质量成品：media/videos/{topic}/1080p60/*.mp4

渲染时间：

• 480p15：每场景 30-60 秒
• 1080p60：每场景 2-5 分钟

Phase 3: 配音制作（1-2小时）

选项 A：AI 配音（推荐）

工具：

• ElevenLabs（英文，最自然）
• 飞书妙记（中文）
• Azure Speech（多语言）

流程：

1. 读取 Python 注释中的配音脚本
2. 调用 TTS API 生成音频
3. 分段或整体导出 WAV

选项 B：自己录音

工具：

• Audacity（免费音频编辑器）
• Blue Yeti / Rode NT-USB（麦克风推荐）

技巧：

• 参考 3Blue1Brown 的平静叙述风格
• 语速：每分钟 140-160 词
• 环境：安静房间 + 降噪处理

Phase 4: 视频合成（1-2小时）

工具选择：

DaVinci Resolve（推荐，免费）

• 专业级调色和音频混音
• GPU 加速渲染
• 下载：https://www.blackmagicdesign.com/products/davinciresolve

iMovie（Mac 内置，简单）

• 零学习成本
• 基础剪辑功能完善

合成步骤：

1. 导入所有场景视频（按顺序）
2. 添加配音音轨（同步到画面）
3. 添加背景音乐（-25dB 音量）
4. 场景间添加 0.5 秒淡入淡出
5. 导出设置：H.264, 1080p60, 10-15 Mbps

Phase 5: 缩略图设计（30分钟-1小时）

工具：

Figma（推荐，专业）

• 画布：1280x720px
• 模板：YouTube Thumbnail
• 免费使用

DALL-E 3 / Midjourney（AI 生成）

提示词模板：

YouTube thumbnail for AI educational video.
Dark background (#1a1a1a), glowing neural network,
cyan/magenta/yellow gradient. Bold text: "ATTENTION".
Minimalist, high contrast, tech aesthetic. 1280x720.

设计要素：

• 背景色：暗色 (#1a1a1a 或 #171717)
• 主标题：粗体、高对比度、易读
• 配色：青色 + 洋红 + 黄色（与视频统一）
• 视觉焦点：中心对称、发光效果

A/B 测试 3 个变体：

1. 疑问式："But what is Attention?"
2. 时间限定："Attention in 100 Seconds"
3. 震撼性："Attention: The Algorithm That Changed AI"

Phase 6: 发布准备（30分钟）

标题公式（基于研究验证）：

✅ 疑问式（最高点击率）

• "But what is {Topic} in AI?"
• "What is {Concept}?"
• 示例：3Blue1Brown "But what is a neural network?" - 23.8M 浏览量

时间限定（吸引忙碌观众）

• "{Topic} in 100 Seconds"
• "{Topic} Explained in 5 Minutes"
• 示例：Fireship 系列 - 平均 3M+ 浏览量

震撼性（算法推荐友好）

• "{Concept}: The {Adjective} That Changed {Domain}"
• "The Secret Behind {Topic}"

描述模板：

{概念} is the core mechanism behind {应用列表}. 
This video explains how it works from first principles using visual animations.

⏱️ Timestamps:
0:00 - Introduction
0:10 - The Problem
0:45 - Core Concepts
1:25 - Why It Matters
1:55 - Conclusion

📚 Resources:
- Paper: {论文链接}
- Code: {GitHub 链接}
- Manim: https://www.manim.community/

🛠️ Tools used:
- Animation: Manim (Python)
- Style: 3Blue1Brown inspired
- Created with: Claude Code

#AI #MachineLearning #{标签列表}

标签策略（15-20 个）：

• 核心概念（Attention, Transformer）
• 技术栈（AI, MachineLearning, DeepLearning）
• 应用场景（ChatGPT, GPT-4, Claude）
• 风格标签（Explained, Tutorial, Animation）
• 对标创作者（3Blue1Brown, Fireship）

核心配置

配色系统（3Blue1Brown 风格）

# 标准配色常量
QUERY_COLOR = "#00FFFF"      # 青色 - Query
KEY_COLOR = "#FF00FF"        # 洋红 - Key
VALUE_COLOR = "#FFFF00"      # 黄色 - Value
BG_COLOR = "#171717"         # 深色背景
HIGHLIGHT_COLOR = "#58C4DD"  # 强调色（蓝绿）
ACCENT_COLOR = "#FC6255"     # 重点色（红）

# 应用到 Manim 配置
config.background_color = BG_COLOR

渲染质量档位

# 预览（快速迭代）
manim -pql scene.py SceneName  # 480p15fps

# 中等（测试）
manim -pqm scene.py SceneName  # 720p30fps

# 高质量（发布）
manim -pqh scene.py SceneName  # 1080p60fps

# 4K（专业）
manim -pqk scene.py SceneName  # 2160p60fps

字体系统

# 系统字体（无需 LaTeX）
Text("Content", font="Helvetica Neue", font_size=36)

# LaTeX 字体（需要安装 LaTeX）
MathTex(r"\text{Content}", font_size=36)

场景模板库

1. 开场钩子（Intro Hook）

class IntroScene(Scene):
    def construct(self):
        # 疑问式标题
        title_part1 = Text("But what is", font_size=48)
        keyword = Text("Attention", font_size=64, color=YELLOW)
        title_part2 = Text("in AI?", font_size=48)
        
        title = VGroup(title_part1, keyword, title_part2).arrange(RIGHT, buff=0.3)
        
        self.play(FadeIn(title_part1), FadeIn(title_part2))
        self.play(Write(keyword))
        self.wait()
        
        # 副标题
        subtitle = Text(
            "The mechanism behind ChatGPT, GPT-4, and Claude",
            font_size=24
        ).next_to(title, DOWN, buff=0.5)
        
        self.play(FadeIn(subtitle))
        self.wait(2)
        self.play(*[FadeOut(mob) for mob in self.mobjects])

2. 问题设定（Problem Setup）

class ProblemScene(Scene):
    def construct(self):
        # 问题标题
        problem_title = Text("The Problem:", font_size=40)
        self.play(Write(problem_title))
        self.wait()
        
        # 示例句子
        sentence = Text(
            '"The animal didn't cross the street because it was too tired"',
            font_size=28
        ).next_to(problem_title, DOWN, buff=0.8)
        
        self.play(FadeIn(sentence))
        self.wait()
        
        # 高亮歧义词
        ambiguous_word = Text("it", font_size=28, color=YELLOW)
        ambiguous_word.move_to(sentence[...])  # 定位到 "it" 位置
        
        self.play(
            sentence[...].animate.set_color(YELLOW),
            Circumscribe(sentence[...], color=YELLOW)
        )
        self.wait()

3. 概念讲解（Concept Explanation）

class ConceptScene(Scene):
    def construct(self):
        # 三要素标题
        title = Text("Three Key Ingredients", font_size=44)
        self.play(Write(title))
        self.wait()
        
        # Query
        query_label = Text("Query (Q)", font_size=32, color=QUERY_COLOR)
        query_desc = Text('"What am I looking for?"', font_size=24)
        query_group = VGroup(query_label, query_desc).arrange(DOWN, buff=0.3)
        
        # Key
        key_label = Text("Key (K)", font_size=32, color=KEY_COLOR)
        key_desc = Text('"What do I contain?"', font_size=24)
        key_group = VGroup(key_label, key_desc).arrange(DOWN, buff=0.3)
        
        # Value
        value_label = Text("Value (V)", font_size=32, color=VALUE_COLOR)
        value_desc = Text('"What do I communicate?"', font_size=24)
        value_group = VGroup(value_label, value_desc).arrange(DOWN, buff=0.3)
        
        # 排列
        all_groups = VGroup(query_group, key_group, value_group).arrange(DOWN, buff=0.8)
        
        # 动画
        self.play(FadeIn(query_group))
        self.wait()
        self.play(FadeIn(key_group))
        self.wait()
        self.play(FadeIn(value_group))
        self.wait(2)

4. 总结收尾（Conclusion）

class ConclusionScene(Scene):
    def construct(self):
        # 主要观点
        title = Text("Why Attention Changed Everything", font_size=40)
        self.play(Write(title))
        self.wait()
        
        # 三大优势
        points = [
            "1. Dynamic Context Selection",
            "2. Parallelizable Computation",
            "3. Long-Range Dependencies"
        ]
        
        point_group = VGroup(*[Text(p, font_size=28) for p in points])
        point_group.arrange(DOWN, buff=0.5, aligned_edge=LEFT)
        
        for point in point_group:
            self.play(FadeIn(point))
            self.wait()
        
        self.wait()
        self.play(FadeOut(VGroup(*self.mobjects)))
        
        # 名言结尾
        quote = Text("Attention is all you need", font_size=48, color=YELLOW)
        author = Text("— Vaswani et al., 2017", font_size=24).next_to(quote, DOWN)
        
        self.play(Write(quote))
        self.play(FadeIn(author))
        self.wait(3)

技术细节

避免 LaTeX 依赖（快速迭代）

问题：LaTeX 安装需要 4GB 空间 + 30 分钟

解决方案：使用 Text + Unicode 替代 MathTex

# ❌ 需要 LaTeX
formula = MathTex(r"\text{Attention}(Q,K,V) = \text{softmax}(\frac{QK^T}{\sqrt{d_k}})V")

# ✅ 无需 LaTeX
formula = Text(
    "Attention(Q,K,V) = softmax(QK^T / √d_k) V",
    font_size=28
)

自定义矩阵显示：

# ❌ 需要 LaTeX
matrix = Matrix([[1, 2], [3, 4]])

# ✅ 无需 LaTeX
def create_vector(label, color, values):
    """创建向量显示（无 LaTeX）"""
    vec = VGroup(
        Text("[", font_size=60, color=color),
        VGroup(*[Text(v, font_size=24, color=color) for v in values]).arrange(DOWN, buff=0.3),
        Text("]", font_size=60, color=color)
    ).arrange(RIGHT, buff=0.2)
    
    label_text = Text(label, font_size=32, color=color).next_to(vec, UP)
    return VGroup(label_text, vec)

# 使用
query_vec = create_vector("Query", QUERY_COLOR, ["q1", "q2", "q3"])

性能优化

渲染加速

# 使用多核渲染
manim -pqh scene.py --workers 4

# 只渲染变更的场景
manim -pqh scene.py Scene3  # 只渲染 Scene3

# 缓存部分动画
# 在 Scene 类中使用 self.add() 而不是 self.play() 可跳过动画

文件大小优化

# 使用 FFmpeg 二次压缩（几乎无损）
ffmpeg -i input.mp4 -c:v libx264 -crf 23 -preset slow -c:a aac -b:a 128k output.mp4

# 批量压缩
for f in *.mp4; do
  ffmpeg -i "$f" -c:v libx264 -crf 23 -preset slow "${f%.mp4}_compressed.mp4"
done

故障排查

问题 1：ModuleNotFoundError: No module named 'manim'

# 解决：安装 Manim Community
pip install manim

# 验证安装
manim --version

问题 2：LaTeX 相关错误（FileNotFoundError: 'latex'）

原因：使用了 MathTex / Matrix 但未安装 LaTeX

解决方案 A：安装 LaTeX（需要 4GB）

brew install mactex-no-gui

解决方案 B：使用无 LaTeX 版本（推荐）

• 替换 MathTex → Text
• 替换 Matrix → 自定义 VGroup
• 参考上方"避免 LaTeX 依赖"章节

问题 3：TypeError: Only VMobject can be added to VGroup

原因：尝试将 list 或其他类型对象添加到 VGroup

解决：

# ❌ 错误
self.play(FadeOut(VGroup(*self.mobjects)))

# ✅ 正确
self.play(*[FadeOut(mob) for mob in self.mobjects])

问题 4：Font not found 警告

原因：指定的字体系统中不存在

解决：

# 使用 macOS 自带字体
Text("Content", font="Helvetica Neue")  # ✅
Text("Content", font="Helvetica")       # ✅
Text("Content", font="Arial")           # ✅

# 避免使用的字体
Text("Content", font="CMU Serif")       # ❌ 需要 LaTeX

成功案例

Attention Mechanism 视频

时间投入：

• 脚本生成：10 分钟
• 迭代调试：30 分钟
• 渲染输出：15 分钟
• 总计：55 分钟（vs 手动制作 8-10 小时）

技术指标：

• 场景数：4 个
• 总时长：100 秒
• 文件大小：3MB（1080p60）
• 渲染速度：10 倍提升

预期效果（基于对标）：

• 第一周：1,000+ 浏览量
• 第一月：10,000+ 浏览量
• 3 个月：100,000+ 浏览量

API 接口（供其他技能调用）

生成动画脚本

// 从其他 Skill 调用
const result = await skillCall('andy-manim-video', {
  action: 'generate_script',
  topic: 'Attention Mechanism',
  duration: '2 minutes',
  style: '3blue1brown',
  color_scheme: {
    primary: '#00FFFF',
    secondary: '#FF00FF',
    accent: '#FFFF00'
  }
});
// 返回：{ scriptPath: '/path/to/animation.py', sceneCount: 4 }

渲染视频

const result = await skillCall('andy-manim-video', {
  action: 'render',
  scriptPath: '/path/to/animation.py',
  quality: 'high',  // low, medium, high, production
  scenes: ['Scene1', 'Scene2']  // 可选，不指定则渲染全部
});
// 返回：{ videoFiles: ['/path/to/Scene1.mp4', '/path/to/Scene2.mp4'] }

完整工作流

const result = await skillCall('andy-manim-video', {
  action: 'full_workflow',
  topic: 'Backpropagation',
  duration: '3 minutes',
  output_dir: '~/Desktop/videos',
  include_voiceover: true,
  voiceover_provider: 'elevenlabs'
});
// 返回：{ finalVideo: '/path/to/final.mp4', thumbnail: '/path/to/thumb.png' }

项目结构

andy-manim-video/
├── SKILL.md                    # 本文档
├── index.mjs                   # 主入口（Node.js）
├── config.json                 # 配置文件
├── templates/                  # 场景模板
│   ├── intro_hook.py
│   ├── problem_setup.py
│   ├── concept_explanation.py
│   └── conclusion.py
├── examples/                   # 示例项目
│   ├── attention_mechanism/
│   ├── backpropagation/
│   └── transformer/
├── utils/                      # 工具函数
│   ├── color_schemes.py
│   ├── render_manager.py
│   └── video_composer.py
└── tests/                      # 测试用例
    ├── test_script_generation.py
    └── test_rendering.py

依赖项

Python 包

pip install manim               # 动画引擎
pip install pillow              # 图像处理
pip install numpy               # 数值计算

系统工具

brew install ffmpeg             # 视频处理
brew install cairo              # 图形渲染
brew install pango              # 文字渲染

可选依赖

brew install mactex-no-gui      # LaTeX（复杂数学公式）
pip install openai-whisper      # 字幕生成

未来优化

• 支持自动生成配音脚本
• 集成 ElevenLabs TTS API
• 支持自动生成缩略图
• 支持批量渲染多个主题
• 集成 YouTube 自动发布
• 支持实时预览（Web UI）
• 支持协作编辑（多人同时修改）
• 支持 AI 辅助场景设计

开源计划

仓库信息

• 名称：andy-manim-video
• License：MIT
• GitHub：https://github.com/AIPMAndy/andy-manim-video
• 文档：https://andy-manim-video.readthedocs.io/

贡献指南

欢迎提交：

• 新的场景模板
• 配色方案
• Bug 修复
• 性能优化
• 文档改进

维护者：Andy
创建时间：2026-07-31
最后更新：2026-07-31
优先级：P0