huashu-motion：GitHub 2 天 1000 星的 AI 宣传片神器，对 agent 说一句就出商业级成片，开源免费

做过产品的人都懂这个痛：想给自家产品做一支像样的发布片，找外包公司报价动不动几万起；用模板网站套出来的，土得自己都看不下去；咬牙学 PR、AE，学完黄花菜都凉了。去年 AI 视频生成火了一阵，可 Sora、可灵这类工具本质是”抽卡”——改一个字、换一个镜头，就得整片重跑，根本没法当生产工具用。

最近 GitHub 上冒出来一个项目，思路完全不一样：huashu-motion，上线 2 天就拿了 1000+ 星。它不搞视频生成那一套，而是让你的 AI 编程助手（Claude Code、Codex 这些）直接用代码写动画、用真乐器采样现场作曲，一支商业级的产品宣传片，跟 agent 说一句话就出来了，改起来像改文档一样。MIT 开源，免费。

它能做什么

• 说一句话就出片：装好之后，跟 agent 说”用 huashu-motion 给我的产品做一支 30 秒的发布片，官网是 xxx.com”，它会先去读你的产品，给你三个方向的关键帧挑，写好整支片子的节奏单，自己作曲配乐，最后在浏览器里打开一个编辑器等你验收；
• 指着画面改：这是全场最佳功能。编辑器里按 C，在画面上点一下不满意的地方，写下要改什么——评论会带着时间点、场景、点中的元素一起发给 agent，它先把那一帧截图放大看一眼，只改那一处，改完回你一句人话，预览停在原处刷新。每一版都留着，⌘Z 随时撤回。标题、数字、颜色、停留时长这些常用项还会变成编辑器右边的输入框，自己动手改，不用等 agent；
• 自己作曲，一分钱 API 费不花：做发布片用的是”作曲家模式”——agent 先按节奏单写一份谱（ABC 记谱法，纯文本的乐谱），谱里的场景标记对齐每个画面，再由三角钢琴、弦乐、鼓组的真乐器采样演奏出来。配乐全部在本机现场生成，不调用任何收费接口。另外还有 23 种音效（落地、甩镜、打字、盖章……），写在动画落地的那一行代码上，导出时自动对上；
• 导演规则，不是套模板：skill 里最大的一块是导演方法论，而且是实测出来的——拿 21 支真实的发布片（Apple、Nothing、GoPro、Google、Vercel、Linear、Anthropic 这些），用 FFmpeg 逐支量切点、节拍、响度和能量曲线；又拆了 142 支高互动的发布片和动效片，按产品类型整理出 20 种运动语言。每支片子开工前先写一张节奏单：3 秒内要有钩子，中段要有一次爆发，最响的那一下前面先停一拍；
• 片子就是一个网页：画面用代码写（GSAP、Canvas、Three.js、SVG，浏览器能画的都能用），不调用视频生成模型，每一帧都由代码和时间决定。没有私有格式，一支片子就是一个 index.html，带走就能用。导出支持 MP4、透明底 MOV、WebM、GIF，还能导出一个带播放器和源码的分享页；
• 便宜模型也能拍：作者自己拿 DeepSeek V4.1 Flash 做过一支 22 秒的动效片，中间给了三轮修改意见，带配乐和音效，前后不到半小时，按当时的价格只花了 1 块 9 毛 5。方法都写进了 skill 里，便宜的模型也能出像样的片子；
• 渲染快、交付前有人挑错：渲染直接驱动你电脑上的 Chrome，按 CPU 核数并行，一支 30 秒的片子在 14 核的 Mac 上大约 12–15 秒渲完。交付前 om check 查脚本和缺文件、抽帧查被裁切被盖住的字，om qa 查一闪而过的单帧和空档，skill 还要求 agent 真的把成片按正常速度看一遍。

使用方法

• 第一步：准备环境。需要 Node 22 以上、Chrome（或 Chromium、Edge）、FFmpeg。缺什么跑 om doctor 就知道，都可以直接让 agent 帮你装。注意目前只在 macOS 上实测过；
• 第二步：安装 skill。最省事的是直接跟你的 agent 说：”帮我安装 huashu-motion 这个 skill（github.com/alchaincyf/huashu-motion），装好后跑一遍 demo”。或者一行命令：npx skills add alchaincyf/huashu-motion。Claude Code、Codex、WorkBuddy、Grok Bot、Muse、Dots 这些支持 Agent Skills 协议的产品都能装；
• 第三步：开工。直接跟 agent 提需求就行：”用 huashu-motion 给我的产品做一支 30 秒的发布片”、”把 data/funnel.csv 做成 30 秒解说，讲清楚为什么注册率翻倍了”、”这条口播视频加个包装”，它都接得住。口播可以用 macOS 系统音色，也可以用你自己的录音（voice.m4a），逐字对齐、画面落在说到的那个词上，自动出字幕；
• 第四步：改片。在编辑器里按 C 点画面提意见，或者直接在右侧输入框改标题数字颜色，满意了 om render 导出。

注意事项

• 目前只在 macOS 上实测过，Windows / Linux 用户建议先跑 demo 验证再深度使用；
• 想要三角钢琴、弦乐、鼓组的真乐器音色，第一次要让 agent 跑 om samples build，下载约 55MB 的免费采样（CC0 和 CC-BY 授权）；不跑就用合成音色，也完全可用；
• 口播想用 Kokoro 念中文稿，第一次用时会给出一行安装命令（需要 uv 和 Python 3.12，模型约 325MB）；逐字对齐要装 whisper-cli（brew install whisper-cpp）；
• Codex 的沙箱会拦本地预览和浏览器调用，遇到时手动批准一下即可；
• 项目 MIT 开源，代码全公开；你的使用偏好只存在你自己电脑上，不会上传。

下载地址

开源免费，GitHub 仓库：alchaincyf/huashu-motion。README 里每一段动画演示都是它自己做的，强烈建议先看一遍效果再动手。

站长点评

AI 视频工具我看了不少，大多停留在”玩具”阶段：生成 5 秒惊艳，超过 30 秒就没法看，更别提交付。huashu-motion 聪明在它压根不跟生成模型死磕——动画用代码写，音乐用采样演，改片用”指着画面说”这种最符合人直觉的方式，处处都是可控的。2 天 1000 星，说明大家苦”AI 视频不可控”久矣。做产品、做自媒体、接商单的朋友，这个工具值得装一个先跑 demo，效果自己看 README 里的片子就明白了。