AI让铅笔边讲边画，知识点秒变手绘视频

给AI一个讲解主题，它就能让一支铅笔跟着配音画出整段故事。小编选了一条注碳增气平台的新闻，做成三十秒手绘视频：画面先出现带吊机和管道的平台，再引出分离设备，接着用地层剖面解释二氧化碳如何回注地下，颜色标记帮助区分封存的碳和采出的气。这类白板视频特别适配边讲边画的知识讲解场景，比如讲英语介词，用球和盒子的位置就能帮人看懂句子；讲工业设备，靠管道连接展示物质流动。

制作时只需交代主题和受众，AI就能先写出讲得清楚的稿子，并规划每个画面何时出现。制作者可先核对内容和台词，再决定哪些画面需要细化。一支短片只讲一个知识点，便于老师观看后提问或补充。

为搭建可复用流程，小编先用AI生成一段二十秒英语教学样片，主题为in、on、at，只讲解这三个介词的空间用法，方便观察画笔动画与配音的配合。输入给能读取文件、调用工具并运行脚本的agent，比如workbuddy、豆包工作，根据任务安排素材和动作，脚本按确定时刻画图，最后把配音与动画合成视频。样片选用学生熟悉的物件：球在盒子内部对应in the box，杯子在桌面对应on the table，讲到at the door时借助门口这个点位阐释含义。

样片刚生成时有个明显毛病：同一张画面好几支笔一起快速画，物体自顾自绘制，动作堆在一起，观众很难跟上配音。要修好这点，得调整每个元素何时开始画，还要把控笔尖画多长，文字、排线、上色都算进耗时，即使有些元素不显示画笔，也不能与其他绘制动作重叠。这套工具还能适配课堂交互演示：介词书写出错时，可用橡皮擦除原有文字再写正确版本，学生能直观看到修改位置；更换红笔可标记错误，钢笔、记号笔也能带来不同线条质感。

英语课堂验证了简单物件和例句的搭配效果，后面接着测试人物更多的新闻讲解短片，这支20秒片子讲特朗普、马斯克，围绕SI超级智能事件展开。绘制名人形象时，先准备插画、再提取轮廓：先在原图敲定五官、发型与服饰，再通过编译脚本提取适配手绘动画的描线路径，同时保留墨线和原色图层。画面元素变多后，试听发现新问题：旁白一句话说完了，铅笔还在继续画剩下的内容，中间空出好几秒没有配音，观众只能干等下一句。这种情况容易打断节奏，短片看着也拖沓。后续只好拿配音当时间基准，先录好完整音频、算出时长，标出关键语句时间点，再调整画面切换和手绘动作，把画画造成的空白空档去掉。

不过AI生成视频都有同一个麻烦：一旦渲染好成片，改动基本要全部重做。标题太长、标签位置不对这类细节，最好导出之前就能预览检查。成片之后才发现问题，修改起来很麻烦。于是让脚本生成可视分镜，每一幕都呈现完整静态构图，旁边列出对应的画面文字与旁白。审阅时可一起判断物体大小和文字摆放，说明某处需要调整，agent再根据这份稿子修改。每个场景、物体和配音段都有稳定标识，修改请求可以对应到具体对象。

经过这些测试，制作方法已有适合保存的部分，小编把它整理成handdrawn-explainer这个Skill，供agent下次读取。SKILL.md写的是制作时需要做出的决定：要求先确认受众和时长，新闻要核实日期与阶段限定，主要讲解对象需要有可辨认的图形；默认使用一支铅笔，绘画时序跟随配音，并在完整导出前生成审阅稿。经常重复的操作交给scripts文件夹里的代码；绘画技法等较长说明保存在references，agent需要处理对应任务时再读取。运行环境需要Python、FFmpeg和兼容Chromium的浏览器，随包的检查脚本会检查依赖。配音可导入已有录音，图片生成与语音服务需要使用环境里可用的工具。

小编又拿它放在新的agent里连续做了几轮测试。第一轮是一道高中数学题：输入题目后会先识别题干条件，再将解题步骤拆解为多个段落；遇到需要绘制辅助线的环节，线条随推导过程逐步出现；需要标注角度、边长时，再添加对应符号。最终生成的视频不会一次性展示完整解题图形，讲解到某一条件时，画面仅展示当下需要用到的信息，辅助线、公式与结论随解说依次呈现，观看体验贴近教师在黑板上边分析、边书写推导的现场授课。第二轮换成高中物理，只给一个教学概念，让它自己决定怎样讲。第三轮又让它讲一段新闻稿，关于诺贝尔生理学或医学奖公布，三位科学家因光控离子通道和光遗传学相关发现获奖。agent会先把故事里真正影响理解的节点挑出来，再决定哪些地方需要人物形象，哪些地方更适合用图像、时间、箭头或者简单场景。讲到某个人，就先把人物和当时的场景画出来，事件继续发展，再补上后面发生的变化。

连续跑完这几组测试后，这套东西才算真正有了一点可复用的感觉。手绘视频本身并不复杂，麻烦的是把内容、旁白、画面和绘制节奏全部对齐。目前handdrawn-explainer已经上传到SkillHub，有需要的也可以拿去试试。