想把一个技术概念讲明白，最省事的路是丢给 AI 视频模型：画面很唬人，可图上那几个字全是糊的，数字一个都不敢用。第二省事的路是自己开剪辑软件，四分钟的一条片要摆一晚上。
9 月 12 日本号实测过一个叫 anything2explainer 的开源项目：给它一个话题，它产出一条带配音、带逐字字幕、带章节进度条的黑底讲解片，每一帧都由代码画出来。当时它上线三天多，954 星。
两个月过去，这个数字变成 3,319 星、423 个 fork，星数涨了 3.5 倍。而从 9 月 17 日到 11 月 9 日这两个月里，仓库只落了 11 次提交：全部 31 个 commit，零个 release、零个 tag。一个讲「怎么把活干好」的方法型仓库，两个月不打一个版本号，星数却翻了 3.5 倍，这个反差本身就是这篇要写的东西。
这篇是上次那篇实测的续集，旧文讲过的功能介绍（四层交付物、九个阶段、样片档案怎么读）这里一句都不重复，只写这两个月新长出来的东西，以及我这次在沙箱里逐个重新核过的数字。
跟 9 月那版比，改了什么
先说结论：这两个月它没加功能，全在改「怎么判断一条片好不好看」。这 11 次提交分成两批，一批在 9 月 17 到 18 日，一批在 11 月 9 日，中间隔了快两个月，一次都没动。
第一批是审美与节奏规则。9 月 17 日一天落了 6 次提交，18 日又补 2 次。改动摊在主入口、八个规范文档和一个检测脚本上：
| 改了什么 | 落到了哪里 | 读者的实际感受 |
|---|---|---|
| 片尾默认署名「built by Anything2Explainer skill」 | 片尾配置里一行开关，设成空字符串就去掉 | 用它的模板出的片，收尾会自己带一行署名 |
| 章与章之间要有起承转合 | 章末解说留钩子、章首先回指上一章的成果再开题、章首画面承接上一章的主角 | 不再出现「讲完就切一张标题卡」的断裂感 |
| 章名与顶部小节名定位为导航标签 | 写进分镜规范：名词短语、中文不超过 6 字、各章结构平行 | 看一眼进度条就知道这段讲什么，而不是看一句俏皮话猜 |
| 配音默认语音不加速 | 语速参数从加 8% 改回原速，字数预算按每秒 5.5 字重算 | 听着不赶了，代价是同长度文案的成片变长 |
| 停顿只放在段末 | 段内句间留 10 帧、段末留 30 帧 | 小句之间不再一顿一顿，只有讲完一段、画面切换时才停 |
| 紫光扫光全片不超过 2 处，并加一份「扫光白名单」 | 分镜里多一列白名单，自检脚本按文件计数 | 那种三条紫光横扫的炫技镜头，从「每章都有」压到整片最多两次 |
| 落位停留规则 | 静止上限 3 秒、末拍停 1 到 1.5 秒再离场、镜头不等于句子、句间空白 20 帧 | 元素落地后不许立刻消失，也不许站着不动太久 |
这批改动里最值得说的是最后两条。它们不是「让画面更好看」的形容词，而是把「看起来赶」「看起来空」这两种主观感受，翻译成了秒数和帧数：一个元素入场之后不许完全静止超过 3 秒，一个镜头最后一个元素落位后必须停够 30 帧（1 秒）再离场。
换句话说，它把「审美」这件事切成了能被程序逐帧数出来的指标，有了这两个数，才能写脚本去量。
第二批在 11 月 9 日，一天落了 3 次提交，性质完全不同：不是审美，是让模板脚本能在别人的机器上跑起来。三件事：把五个 shell 脚本的入口统一成 bash（之前有写死 zsh 的，Linux 机器上第一步就中止）；Python 读取文件时强制按 UTF-8 编码（避免 Windows 中文环境默认按 GBK 读取导致乱码）；找不到 python 命令时回退到 python3（或反过来）。
同一天还补了一份口播写作规范的简体中文译本，76 行。
跟着这批改动一起进来的还有一个自测文件，166 行，8 个用例——这是全仓库唯一能真跑起来的测试，下面实证段细说。
实证：三个判据脚本、一份能跑的自测
旧文里我夸过它「把审美写成了可判定的数字」。当时那句话靠的是规范文档里的阈值。这次我把三个判据脚本逐个读完了，才发现阈值和脚本是两回事：阈值可以写在文档里糊弄人，脚本不能。
| 脚本 | 行数 | 它到底检查什么 | 判据写在哪 |
|---|---|---|---|
| 静态自检 | 106 | 每个镜头源码里写的起止帧和分镜表对账，报空洞与重叠；每个镜头的闪烁动效次数和白名单比；用了紫光扫光类效果的文件和白名单比，白名单超过 2 条直接判问题；从源码里抠出所有会上屏幕的字符串，比对事实清单 | 白名单列在分镜表里，脚本按正则抓 |
| 节奏体检 | 138 | 每 3 帧抽一张，裁掉顶部信息条和底部字幕带，量中间内容区的逐帧变化：最长静止多少秒、最后一个元素落位后停了多少帧 | 三个常量写死在文件头：静止阈值 0.35、静止上限 3.0 秒、停留下限 30 帧 |
| 构图与光 | 159 | 逐镜头量最大物体高度、主角区柔光面积、紫色碎片数量、空场持续帧数；主角区柔光面积低于 800 就报「主角无光」 | 主体小于 170 像素报「主角不够大」，小主体持续 45 帧报空场 |
这三份东西的分工很有意思：第一份不需要渲染，读源码和分镜表就能跑，几秒钟出结果，所以能在派活给 AI 之前拦住「帧没排满」「闪烁多了一处」这类硬错；第二份和第三份要渲染出来的帧，所以只能在渲完之后查，而且作者自己写明「成片复测才算判据，分组预览的读数偏松」。
第二个脚本里有个细节很能说明作者的较真程度：它量「变化」时不是看整帧像素动不动，而是先把顶部信息条和底部字幕带裁掉，只看中间内容区。判断「静止」的阈值是 0.35，判断「大面积变化」的阈值是 1.5，中间那段 0.4 到 1.2 的变化被明确归为「落位之后还在跑的动词动作」。
翻译成人话：元素停稳之后，画面上那条还在流动的数据线不算「动」，只有整块版面在变才算动。这样量出来的停留，才是观众眼里的停留。
至于那份自测，我在沙箱里跑了：
| 项 | 结果 |
|---|---|
| 跑法 | 用系统自带的 Python 3.13 直接执行，不装任何依赖 |
| 结果 | Ran 8 tests / OK，用时 0.5 秒，8 个用例全过 |
| 它怎么绕开环境 | 用假命令顶替打包工具、渲染器和视频转码工具，不真装；另模拟 GBK 默认编码，测 UTF-8 回归 |
| 覆盖什么 | 五个入口脚本的入口格式与可执行位、python3 坏掉时回退、缺 rsync 时改用安全暂存、指定帧全部输出、不经 zsh 直接运行 |
这台机器上没装 Node，也没装视频转码工具，这份自测照样全绿——因为它压根不需要那些东西，它测的是「脚本在别人的机器上会不会因为路径带空格、编码不同、命令名不一样而崩」。一台没有 Node 的机器上，一个 Remotion 项目的测试全过，这件事本身就是 11 月 9 日那批改动的目的。
没跑成的部分一并说清楚：静态自检对着样片档案跑到一半报错退出，因为样片目录里没带时间轴文件；构图脚本因为沙箱里没有数值与图像处理库，直接退出；整条渲染流程要装 Node、Remotion 全家桶和转码工具，本机按规矩不装。
所以这篇不评价它成片的实际观感，只评它把判据写成脚本这件事。
顺手把仓库规模过了一遍。211 个文件、39MB 的仓库，两个月的增量全在规范和判据上，不在代码量上。
| 项 | 数字 |
|---|---|
| 仓库文件数（不含版本库目录） | 211 |
| 组件文件 / 其他脚本文件 | 85 个 / 29 个，合计 8,041 行 |
| Python 工具 | 7 个、1,143 行，最大的一个是配音工具 523 行 |
| 规范文档 | 11 份、913 行 |
| 主入口 / 中英两份说明 | 92 / 234 / 234 行 |
| 样片镜头源码 | 44 个镜头组件，加每组的预览与索引文件共 62 个，分 9 个构建组 |
| 样片质检报告 | 4 章各一份加 1 份终检，583 行 |
| 提交 / 发行版 / 版本标签 | 31 / 0 / 0 |
31 个提交里有 5 个来自四位外部贡献者，作者自己 26 个。13 个合并请求里还有 2 个挂着没合：一个让渲染并发（也就是同时开几个进程一起渲）按机器核数自适应，一个让构建脚本能在 Windows 的 Git Bash 里跑。所以「零版本号」不是没人管，是作者把版本号这件事整个略过了。
许可这块也得更新。旧文写的是「作者对商用咨询没有回复」，现在不成立了：仓库里累计有 4 个人问商用授权（教育自媒体、律所、带付费课程的频道），作者每条都回了，回法是「请发邮件说明使用场景、规模、是否再分发，我们私下谈范围与费用」。
所以现状是：有授权通道，但没有公开条款、没有公开价格。
许可证本身是 PolyForm 非商业许可 1.0.0 加一段自定义声明。原文两句是关键：用它产出的视频归创作者所有；本许可只约束工具本身，非商业使用免费，任何商业使用需事先获得作者授权。GitHub 的接口把这份许可读成「其他」（无法识别为标准许可证），所以它也不会被自动当成开源许可收录。
它和自动剪片工具不是一条路
要理解它的位置，得先看另一条路。
MoneyPrinterTurbo（11 月 2 日那篇，13.7 万星）和 OpenMontage（10 月 17 日那篇，6.89 万星）走的是同一条路：把现成的素材、配音、字幕拼成一条片。素材从哪来？图库里搜、模型生成、或者干脆用免版权片段。强项是快和全自动，弱项也在这里——画面是找来的不是画出来的，所以每一帧的构图你管不了，一个错误数字也没法在画面层面改。
anything2explainer 走的是另一条：每一帧都由代码画。代价和收益都很极端。
代价三条。第一，你要会写代码，或者至少让 AI agent（也就是能自己多步干活的 AI 程序）会写——它的每一帧都是一个组件文件，一条四分钟的片有 44 个镜头，光镜头源码就 62 个文件。
第二，agent 必须带着审美判据干活，否则它画出来的东西在技术上完全正确、在观感上一塌糊涂。这正是那三份脚本存在的理由：不给判据，你只能靠「我觉得不好看」这种话返工。
第三，硬件和时间要付：样片档（3 到 5 分钟）约 2 小时、每片磁盘约 2GB，并行构建镜头时建议留 5GB 以上。
收益也是三条。画面完全原创，不用为素材授权发愁；可复现，同一份解说词和分镜改一个字号重跑一遍，其余帧不会自己漂移；可 lint，这是最稀缺的一条——它的质量判据能当机器检查跑，不是文档里的形容词。
顺带把旧文那句「8 个 Agent 并行 40 分钟出一条片」对齐一下，免得读者误读成「40 分钟全自动」。40 分钟指的是 8 个构建组并行画镜头那一段。
整条流水线从建项目、调研、写解说词、定分镜，到打样、并行构建、渲染、质检修复，样片档合计约 2 小时。中间还有四个确认点会停下来等人回话：时长与语言、解说词定稿、配音方案、前 30 秒样片。最后那个尤其关键——风格、字号、语速在这种地方改一次，成本是一个组；等整片渲完再改，成本是全部组。
所以它从来不是无人值守的东西。这也和零版本号的性格一致：作者显然把它当成一套要人盯的手艺，而不是一个该自动升级的产品。
判断
如果你要的是「一句话出片」，这篇可以直接跳过，它给不了，也不打算给。
如果你要的是「把一篇稿子讲成四分钟、画面上每个数字都能追到出处」，而且手上有一个愿意读规范的 AI agent，那它是目前我见过路径最完整的一个：流程、规范、图例、判据、样片五样齐全，判据还能跑。
真正稀缺的不是模板——模板谁都能搭——而是它把「嫌赶」「嫌空」「嫌乱」这些话，说成了 3 秒、30 帧、2 处、170 像素。规则可判定，才谈得上验收；验收能自动化，才谈得上批量。
风险照实写：非商业许可，商用要单独谈，目前只有邮件通道、没有公开价格；四个确认点决定了它必须有人盯；模板没有提交锁文件，也没有 Python 依赖清单（5 个生产依赖倒是全部写死精确版本，所以 Node 那一侧风险不大，Python 那一侧要自己锁）；跑通一条片要装 Node、Remotion 全家桶和视频转码工具，约 2 小时和 2GB 磁盘起步。
以及本次的局限：本机没跑成它自己的渲染流程，所以成片观感我不评价。
两个月涨 3.5 倍星、一个版本号都不发，说明有一批人认的正是这个：他们要的不是又一个自动剪片工具，而是一套能验收的做法。它值得放进观察清单，也值得当成一面镜子——如果你也在让 AI 干活，你的验收标准是写在文档里的形容词，还是能跑起来的脚本。
关注 AI商业快讯，每天一篇 AI 热点深度解读。