【免费下载链接】manimgxThe animation engine for agents: blazingly fast math and 3D videos with Manims Python API, on a Rust GPU core.项目地址https://gitcode.com/gh_mirrors/man/manimgx点击查看免费下载ManimGX 是运行在 Rust GPU 引擎上的数学动画引擎它提供了self.say()语音同步功能你用一行 Python 就能让 AI 旁白逐字对齐画面自动把动画卡进每一个单词说出的瞬间并自动生成字幕是制作带配音讲解的动画视频的完整方案。 为什么手动卡点很难做讲解类视频时最痛苦的一步是卡点先录旁白再逐帧把动画挪到对应词句出现的位置改一句台词就要重调一遍时间轴。ManimGX 的思路完全反过来——让语音驱动动画语音合成时同时返回每个单词的起止时间逐字时间轴self.say()用方括号把台词和动画一一对应渲染时每个动画自动在它对应单词开口的瞬间开始时长随语音时长自适应。你只管写台词时间轴由引擎自动算好改词即改点。⚙️ 安装与准备3 步到位第 1 步安装 ManimGX需要 Python 3.13pip install manimgx第 2 步配置语音服务密钥。默认语音来自 fal.ai 平台的 ElevenLabs Eleven v3 模型需要把 fal.ai 的 API key 设为环境变量FAL_KEY在 fal.ai 控制台创建。第 3 步写一个最小场景。完整的语音指南见 sound-and-voice.md核心示例如下。 核心用法方括号脚本 逐字对齐self.say()的签名是say(script, *animations, voiceNone)实现见 scene.py。规则只有一条台词里用[...]框住的片段按顺序依次对应一个动画方括号本身不会被读出来。import manimgx as m class Derivative(m.Scene): def construct(self) - None: square m.MathTex(x^2, font_size96).shift(2 * m.LEFT) derivative m.MathTex(2x, font_size96).shift(2 * m.RIGHT) self.add(square) self.say( The derivative of [x squared] is [two x]., m.Indicate(square), # 说到 x squared 时高亮 x² m.Write(derivative), # 说到 two x 时写出 2x )几个关键行为动画随词开始m.Indicate(square)会在 x squared 第一个词开口的瞬间启动并持续约等于说这两个词的长度若动画本身run_time更长则以动画为准自动等待整个场景会等到这句旁白说完才继续construct台词之间永远不会互相叠音台词改动自适应换词后动画自动跟随新词的起止时间重新对齐无需手动改时间轴不写方括号动画会横跨整句旁白播放空方括号[]表示动画在句中该位置立即开始。⚠️ 常见报错方括号段数与动画数量不一致会直接抛出ValueError例如2 bracketed spans for 1 animations这其实是在帮你少卡点。 逐字对齐是怎么做到的say()背后返回一个Speech对象——一种知道自己说了什么、每个词何时说的声音。每个词是一个Word(text, start, end)元组比如仓库里缓存的这个真实样例 the-derivative-of-x-squared-is-two-x-5d32e55fc7.jsonwords: [ [The, 0.0, 0.08], [derivative, 0.131, 0.64], [two, 2.08, 2.32], [x., 2.56, 2.8] ]这正是逐字对齐的时间数据来源动画的播放窗口直接取自这些start/end。如果某个模型不返回单词时间引擎还会用音量包络 字符权重估算每个词的位置见 estimate所以换模型也不失同步能力。缓存机制让迭代成本几乎为零每句旁白合成后音频和时间轴会存到场景文件旁的voice/目录音频 上面的 JSON。之后每次重新渲染直接读缓存离线也能渲染只有改动的台词才会再次调用语音服务。想用真人录音用同名的音频文件替换缓存里的音频即可时间轴会自动重新测算cached 实现。️ 选择与更换语音整场换音色在场景类里设置voice属性例如class Narrated(m.Scene): voice m.voices.Fal( fal-ai/minimax/speech-2.8-hd, voice_setting{voice_id: Calm_Woman, emotion: happy}, )单句换音色对白self.say(Hello!, voiceother)只为这一句指定说话人支持的模型fal.ai 上的 5 个 TTS 模型ElevenLabs Eleven v3、MiniMax、Gemini、Inworld、Qwen配置项全部有类型提示编辑器会提示合法参数详见 fal.py。另外self.speech(text)可以只合成为播放方便你先试听某句话再决定怎么安排动画。 旁白下铺背景音乐的完整配方self.play()里的声音会阻塞时间轴而self.add_sound()是立即起播、不占时间的正是背景音乐该用的方式。配合duck()闪避让音乐在有人说话时自动压低音量# 音乐垫底音量 -18dB2 秒淡入循环播放 self.add_sound(m.Sound(theme.mp3).gain(-18).fade_in(2).loop().duck()) self.say(Here is [a circle]., m.Create(circle))duck()会在旁白开始前 0.15 秒平滑下压、结束后 0.5 秒回升mix 混音逻辑听感像专业节目混音里的闪避效果。 自动字幕与补充说明manimgx render scene.py渲染视频时会把旁白自动写成.srt字幕文件放在视频旁边主流播放器与视频平台都能直接识别——逐字时间轴复用的就是同一份词级数据字幕零成本白送。需要手动插入不来自语音的字幕比如章节标题、引用文字时用self.add_subcaption(content, duration, offset)例如self.add_subcaption(Chapter 2: The Proof, duration2)✅ 新手常见疑问速查问题解答动画数量和方括号段数不一致怎么办必须一一对应否则抛ValueError整句配动画就别写方括号渲染时要联网吗要但仅限新台词已缓存的旁白离线可重复渲染能换成自己的录音吗能同名替换voice/缓存音频时间轴自动重算竖屏视频怎么出manimgx render -r 1080x1920 scene.py想快速看效果manimgx preview scene.py保存即热重载小结ManimGX 的self.say()把配音 卡点 字幕三件事压缩成一段带方括号的台词语音服务负责逐字时间轴引擎负责让动画随词起舞manimgx render负责产出视频与.srt字幕。加上voice/目录缓存与duck()混音一套流程即可产出可发布的讲解视频。更多场景代码见 examples/ 与 用户指南。赞分享【免费下载链接】manimgxThe animation engine for agents: blazingly fast math and 3D videos with Manims Python API, on a Rust GPU core.项目地址https://gitcode.com/gh_mirrors/man/manimgx点击查看免费下载相关推荐Stagewise Remotion 视频配音实战用 ElevenLabs 逐场景生成语音并动态对齐画面时长Stagewise Remotion 视频配音实战用 ElevenLabs 逐场景生成语音并动态对齐画面时长 本文基于仓库内 create remotio人工智能AI 应用AI Agent代码智能体IDE开发工具浏览器控制PPT Master 音频旁白全流程指南从逐页 TTS 配音、SRT 字幕到 PowerPoint 原生视频导出PPT Master 音频旁白全流程指南从逐页 TTS 配音、SRT 字幕到 PowerPoint 原生视频导出 PPT Master 的旁白Audio NAI 技能人工智能AI 应用终极字幕同步指南3步搞定音频自动对齐终极字幕同步指南3步搞定音频自动对齐 还在为字幕不同步而烦恼吗Sushi是一款基于音频流的 自动字幕同步工具 能够快速精确地将SRT和ASS字幕与不同视频音视频创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考