开发者在Linux.do社区发布开源项目whiteboard-teacher-video-motion，这是一个独立可用的手绘讲解视频生成工具，核心思路是借助GPT Image 2.6模型制作科普类MG动画视频。该项目是作者此前发布的whiteboard-teacher-video skill的升级版，针对社区用户对更生动效果的需求，利用GPT Image 2.6的强规划能力及其对GIF动图、SVG矢量图的输出支持来实现动画制作。工作流程分为五个环节：视频规划、生图规划、严格生图、严格GIF/SVG生成、多个GIF合成为完整视频。技术上采用AI原生SVG矢量图解逐笔生长的呈现效果，配合GIF拆帧微动效，并接入确定性时间轴，保证成片节奏可控。项目自带安装器、文档和离线样板，代码完整开源在GitHub仓库liangdabiao/whiteboard-teacher-video-motion，作者同时在B站发布了效果演示视频。成本方面，作者称一次制作仅需几毛钱人民币，若已有GPT API则接近零成本，使用第三方API服务价格同样低廉。作者按照Linux.do社区开源推广规范发布了完整声明，承诺完整开源无保留部分，并截图披露了AI生成与润色的内容。该项目展示了以图像生成模型为核心、低成本批量生产科普讲解视频的可行路径，面向科普与教育类短视频创作者。
事件分析
该项目的看点在于对GPT Image 2.6能力边界的挖掘：不再停留在单张生图，而是利用其规划性输出多帧GIF和SVG矢量素材，再通过确定性时间轴将AI素材编排成片，形成「模型生成内容+程序化合成」的混合管线。这种skill化封装体现了当前AI应用开发的典型路径——把大模型能力沉淀为可复用的工作流，而非追求端到端黑盒。产业层面，MG动画长期依赖After Effects等工具与专业人力，单条制作成本高昂，此方案将门槛压至几分钱级别，对科普、教育、营销类短视频供给端是明显利好，但也可能加剧平台低质AIGC内容的泛滥。后续走向上，随着原生视频生成模型持续迭代，此类「图像模型+工程化拼接」方案可能被逐步替代，但其确定性时间轴控制思路对需要精确节奏与讲解同步的场景仍有留存价值，也提示了API成本敏感型创作者的实际需求。
核心观点：当生图模型的规划能力被工程化封装成视频生产线，几分钱成本的AIGC动画将重构科普内容的供给格局。
原文链接：Linux.do
评论前必须登录！
立即登录 注册