同一段观点，做出了两条约 32 秒的竖屏解说视频：一条是手绘卡片，一条是白板图解。配音和文案相同，画面却有两种讲法。
这次用的是 rayskills 仓库里的 ray-explainer。它把文章或观点拆成解说稿，再让画面跟着讲述展开，最后合成视频。更关心的是，这套流程能不能装进自己的表达方式：固定一个人物，保留自己的观点，持续做成能看懂的视频。
01｜先把一段观点，做成看得见的结果
这次的主题是："为什么 AI 工具越多，反而越忙？"制作要求很具体：同一份文案、同一份配音，分别用手绘和白板画法，做两段竖屏预览。底部沿用固定头像。
把内容拆成四幕：工具之间反复切换；发现缺的是流程；约定输入、交付和检查；最后落到一个行动建议。实际得到的是两份 1080×1920、24 帧的视频文件，每条约 32 秒，包含旁白和字幕。
手绘版会依次展开路径、交换卡片位置，再对正在讲的内容圈注和推近；白板版则用一支笔，把图标、箭头和要点逐步画出来。这里值得看的，是一句观点怎样变成几个有先后关系的画面。
02｜它为什么能让画面跟着话走
普通的配视频方式，经常是先写稿，再找几张图，最后把图片放到时间轴上。ray-explainer 多做了一层：每幕要说明"讲什么""依次出现什么"，以及"哪句话触发哪个动作"。
例如，说到"写稿、生图、剪辑"，对应的几个节点依次出现；讲到"其实缺的是流程"，画面里的重点也随之变化。按照项目文档，配音经过校对后会生成文字时间信息，字幕和画面事件据此对齐。
画面主要由代码绘制，浏览器逐帧渲染，再用视频工具合成。内容可以是手绘图形、关系箭头和图表，也可以走 HyperFrames 模式，加入真实截图、录屏和照片。这也说明了它的边界：它擅长把一件事讲清楚，并不是让代码替代所有实拍或角色表演。
03｜固定个人 IP，不必每次重新生成整个人
它对自媒体比较有用的一点，是把固定部分与每期内容分开了。固定部分可以是人物形象、声音、主色和字幕习惯；每期变化的，则是观点、素材与画面关系。
项目提供的小主持人方案，会使用同一套人物图层，按文字时间切换嘴型，并加入眨眼和轻微摆动。需要更明显的手势和表情时，还有另外调用视频模型的大机位方案。
如果你准备做观点号，可以先想清三个问题：
- 观众每次靠什么认出你：人物、声音，还是稳定的视觉习惯？
- 这段话最需要表现什么：因果、对比、步骤，还是一次认知反转？
- 哪些内容必须用真实材料证明，哪些适合画成图解？
把这些定下来，再选画法，比每次重新挑一套漂亮模板更容易形成自己的系列。
04｜值得试，但先跑一小段
这次两段样片已经能看画法和节奏，但还不是最终发布片。系统配音、动作幅度和画面密度，都有继续打磨的空间。
环境也有门槛。原版的一些路径、语音校对和本地声音方案偏向 macOS；在 Windows 上跑通了画面渲染，不能因此说原版所有功能都已验证。如果想尝试，建议先拿一段已有观点，控制在半分钟左右。先检查画面能否解释内容，再考虑复刻音色、人物嘴型和更复杂的镜头。
先把一段话讲顺，再把这套做法变成自己的内容流程。
