大头拼贴（bighead-collage）

# 大头拼贴（bighead-collage）

把一个选题和一份文案做成大头拼贴视频，自带配音、生成的图片、动画和音效，适合做故事类账号的创作者。

由 HeyChengC 在 GitHub 上制作。这些说明是 Mindket 根据其 README 写的，项目自己的文件和许可证在它的仓库里。

## 简介

它是什么：bighead-collage 是一个给 Claude Code、Codex 这类智能体用的技能。给它一个选题和一份文案，它就做出一条竖屏拼贴视频，画面里是一张放大了头的真人照片剪纸，站在一个小舞台上。你不用自己剪辑、抠图，也不用会 After Effects。

适合谁：它适合做讲人物、创业或公司历史的故事类账号的创作者，他们想稳定地做一系列竖屏短视频，又不会剪辑。

```table
行业 | 谁在用 | 怎么用 | 例子
社交媒体 | 故事类账号创作者 | 把一个人的人生故事做成 15 到 60 秒的竖屏视频 | 一条讲查理·芒格一生的短视频
商业媒体 | 讲商业和创业故事的人 | 把创始人和公司历史故事做成系列 | 一条讲西尔斯如何在亚马逊之前一百年就做了网购的视频
视频制作 | 不会剪辑的个人创作者 | 把抠图、动画和声音交给这个技能 | 一条 30 秒的样片，等你提意见
内容系列 | 专注同一主题的创作者 | 在很多条视频里沿用同一种风格，不用每次从零开始 | 一个带编号的商业人物图鉴
```

想要其他视频风格，或者想亲手控制每一处剪辑的人可以跳过它。

用在哪里：它在你自己电脑上的智能体工具里运行，做出来的视频面向竖屏平台。

- Claude Code：克隆到 ~/.claude/skills/ 文件夹里
- Codex 和其他智能体工具：同样支持
- 你自己的电脑：由 Python、Node.js 和 ffmpeg 来干活，不需要 NVIDIA 显卡
- 竖屏视频：输出是 9:16，内置平台安全区

```table
使用场景 | 适合谁 | 他们能得到什么
人物短片 | 故事类账号创作者 | 一条 15 到 60 秒的竖屏视频，带配音、动画和音效
同一风格的系列 | 专注同一主题的创作者 | 风格一致的视频，每次不用再想新的画面思路
用你自己的文案做视频 | 写作者 | 根据你已经写好的文案做出的样片
用你自己的录音做视频 | 配音者 | 你的 mp3 或 wav，被切成句子并逐字对齐
```

如何设置：你需要先装好几样工具，再准备一个智能体和一种出图方式。

- Python 3.10+、Node.js 18+ 和 ffmpeg
- Claude Code 或 Codex 这类智能体
- 一种图片来源：codex CLI、需要密钥的 OpenAI 风格图像接口、你自己的命令，或者手动提示词
- 首次运行时，默认语音识别模型要下载约 3GB

1. 把仓库克隆到你的智能体的技能文件夹里。Claude Code 的是 ~/.claude/skills/。
2. 在终端里打开项目文件夹。
3. 安装 Python 和 Node 依赖，以及 Playwright 用的 Chromium 浏览器。
4. 运行自检，它会告诉你缺什么、怎么装。

```bash
cd ~/.claude/skills/bighead-collage
pip install -r requirements.txt
npm install
npx playwright install chromium
python scripts/doctor.py
```

没有 NVIDIA 显卡时，语音识别会跑在 CPU 上，速度更慢。换一个比默认 large-v3 小的模型会有帮助：

```bash
WHISPER_MODEL=small
```

如何使用：用平常的话告诉你的智能体你想要什么视频，或者直接把写好的文案交给它。第一次它会问你配音怎么来、图怎么生成，然后记住你的回答。

配音选项：

- edge-tts：免费的默认选项，不用注册，音色可以换
- 你自己的录音：给它一个 mp3 或 wav，它会切句并给每个字对齐
- 你自己的 TTS：豆包、ElevenLabs、MiniMax 或本地模型，通过你提供的一条命令接入

图片选项：

- codex：本机 codex CLI 自带的生图，用你的 ChatGPT 订阅额度
- OpenAI 图像接口：官方的或兼容的服务，需要密钥
- 你自己的命令：任何能接收提示词并输出图片的命令
- 手动：它写出一份提示词清单，你自己生成图片，再按文件名放回来

以后想换，可以告诉智能体，也可以运行配置脚本：

```bash
python scripts/config.py
python scripts/config.py set image.provider codex
python scripts/config.py set voice.edge_voice zh-CN-YunyangNeural
```

```table
工具 | 作用
edge-tts | 做出免费的默认配音，不用注册
codex | 通过本机 codex CLI 生成图片，用你的 ChatGPT 订阅
scripts/doctor.py | 检查安装情况，并说明缺的东西怎么补
scripts/config.py | 查看或修改你保存的配音和出图设置
```

示例：你让智能体做一条大约 40 秒、讲芒格一生的竖屏大头拼贴视频。它会起草文案让你确认，然后交回一条样片让你提意见。

新手与专家：如果你从没做过这样的视频，只需要一个选题。装好技能，运行自检，然后让智能体做一条你感兴趣的人物视频。看看样片，告诉它哪里要改。

在底层，每条视频要经过六个阶段。配音逐字对齐，导演表规划每一镜。生成的素材会自动抠图，网页引擎再逐帧渲染它们。声音环节混音到 -14 LUFS，交片前再跑十项自查。代价是时间，因为生成图片占了大部分。

```flow
你给出选题或文案，并确认文案
配音做好，并逐字对齐
根据主角的照片生成图片和抠图
网页引擎逐帧渲染画面
混入音效和配乐，再做十项自查
```

注意事项：

- 耗时：一条 30 秒的样片大约 25 到 35 分钟，大部分时间花在生成图片上
- 额度：用 Claude Pro 时，一条视频大约用掉五小时限额的 20% 到 30%，随内容和修改次数而变
- 语音模型：默认是 large-v3，没有 NVIDIA 显卡时跑在 CPU 上
- 真人形象：人脸是 AI 照着照片生成的，所以发布时请注明是 AI 生成，并遵守平台规定
- Windows：如果中文打印成乱码，先设 PYTHONIOENCODING=utf-8，因为文件本身没坏
- 风格来源：这个风格学自 earn.edits 的两条短片，它们的截帧只用来说明风格
- 许可证：代码和文档是 MIT，字体和模型按各自的许可证

## GitHub 上的数据（2026年11月7日）

- 星标：64
- 复刻：11
- 未关闭的议题和拉取请求：0
- 语言：Python
- 许可证：见仓库
- 话题：agent-skills, ai-video, claude-code, claude-skills, codex, collage, douyin, short-video, skill, text-to-video, video-generation

## 链接

- 代码：https://github.com/HeyChengC/bighead-collage
- 发布版本：https://github.com/HeyChengC/bighead-collage/releases
- 议题：https://github.com/HeyChengC/bighead-collage/issues
- 星标历史：https://www.star-history.com/#HeyChengC/bighead-collage&Date

## 获取代码

```
git clone https://github.com/HeyChengC/bighead-collage.git
```

然后按它的 README 完成设置。这个工具包里没有会自己运行的东西。

README.md  7 KB