1. 我开源了一套 Skill，可以运营全部自媒体：文章、视频丢进去，图文、口播视频做出来

[!abstract] 速览
把「跨平台重做的苦力活」做成开源工具 article2media：任意文章/视频丢给它，一条命令就能同时拿到杂志长图与 3:4 图文卡片，还能直接导出免图床公众号 HTML 和 48kHz 逐字同步的竖屏口播视频。
输入：X（Twitter）长文、网页、微信公众号文章、本地 Markdown；抖音、YouTube、B 站链接，本地视频或音频，.srt / .vtt 字幕（视频先转成逐字稿文章）。
产出：杂志风长图、小红书 3:4 图文卡片、公众号排版、竖屏口播视频、原文长图与原文卡片、中文全文译文、白板论证图、黑白漫画，一共九种成品；内置 21 套主题。

[!quote]
感谢诸位老板的喜欢，这套 Skill 本来是我自己使用的一些工具集，过程中一些小伙伴说很喜欢，所以，今天正式把他开源。

写一篇深度长文花两小时，改成小红书卡片、公众号排版和抖音口播视频，却要耗掉一整天。

过去四天，我把这套跨平台重做的苦力活做成了开源工具 article2media，任意文章/视频丢给它，一条命令就能同时拿到杂志长图与 3:4 图文卡片，还能直接导出免图床公众号 HTML 和 48kHz 逐字同步的竖屏口播视频。

它的核心能力如下：

内置支持 20+ 主题，可指定，可模型自动推理；支持任意比例，会根据不同比例智能出图，而不是机械裁切；还支持一键出微信公众号排好版的文章（注意不是原文，而是讲解版本，同样支持主题）；支持一键转换为讲解视频；其他小功能包括自动插画、黄金 5s 设计等等细节。

上图来自 Dan Koe 的英文 X 长文《The most lucrative AI business to start in 2027》。给一个链接，article2media 直接生成了这套中文杂志长图与小红书卡片，同时产出了公众号排版、口播视频，以及原文长图、白板论证和黑白漫画。

不管是完全不懂代码的创作者和运营，还是想搭建多模态工作流的开发者，都能拿来即用。

1.1. 为什么做这件事：内容分发的四个真卡点

市面上有很多 AI 总结工具和海报工具，但落到真实的内容分发里，大家还是卡在四件事上。

第一件是跨平台重做的苦力活。

不同平台的版式规矩完全不相通。公众号编辑器会吞掉外部 CSS 和 class 属性，粘贴进去的 Markdown 格式经常全乱。小红书得拆成 3:4 的多图卡片。短视频又讲究前 5 秒黄金钩子，还得录配音、对齐字级字幕。

人工在几个软件之间来回倒腾，半天就过去了。最后很多人只能妥协，要么只发一个平台，要么拿手机截几张长图应付。

第二件是 AI 工具「一刀切」的毛病。

绝大多数 AI 工具拿到文章，默认就往「摘要总结」里压。可遇到一篇万字外文长文或 20 分钟的访谈视频，我们需要的是带图表的结构化拆解，或者是逐段对应的全文精译。

反过来，要是自己辛辛苦苦写完一篇原创随笔想发公众号，诉求就变成了一字不改、只做排版。AI 要是擅自把原文改写成干瘪的「一二三点干货」，这工具就彻底废了。

第三件是 AI 直接画图的硬伤。

让生图模型直接画带字的信息图，中文字体经常笔画粘连，图表里的数字也是瞎编的。一旦发现图里错了一个词，你根本改不动，只能重新抽卡。

视频端也一样，常见的「图文成片」拿素材库画面硬凑，再配一段毫无波澜的机器朗读，观众两秒就划走了。

第四件是质量只能靠人眼兜底。

AI 生成的东西经常初看像模像样，细看全是漏洞。比如卡片最后一行被截断了半截，深色底压了深色字，翻译漏掉了一整段，或者视频字幕每秒闪三次。没有自动化验收，人就得给 AI 当全职校对。

1.2. article2media 能干什么：从链接到九种成品

为了解决这四个卡点，article2media 2.0 把输入源和文字处理路径拆开，再接到底层的视觉版式模块上。

1.2.1. 输入：文章和视频都能直接当原文

你可以把常见的文章链接或本地文件直接丢给它，包括免登录抓取的 X 长文与线程，以及普通网页、微信公众号文章和本地 Markdown。

视频和音频同样能直接当原文输入。它支持抖音短链与整段分享口令，也支持 B 站、YouTube 链接，以及本地音视频文件和 .srt 字幕。

收到视频后，video-transcript 会先把视频转成干净的逐字稿文章 article.md，同时把带时间戳的分段存进 transcript/segments.md。

它取文字的顺序很严格，优先用人工字幕，其次是平台原语言自动字幕，严禁采用机器翻译字幕轨，也会自动过滤 B 站弹幕。前两者都没有时，再调用本地 Whisper 识别。

在 Apple Silicon 设备上，它用本地 mlx-whisper 跑转写，实测 6 分钟的 B 站视频 16 秒转完，14 分钟的视频只要 29 秒。

转写时会自动用内置 OpenCC 字表完成繁简转换，把半角标点改成全角，删掉静音段的幻觉套话，并在句末停顿处分段。全程死守只补标点、不改原字的规矩，遇到人名和专业术语还能用 --prompt 和 --terms 词表精准替换。

1.2.2. 路径与产出：三条处理路径，接九种交付物

文字处理和视觉排版在 2.0 里彻底分开，提供三条清晰路径：

1. 原文路径（一字不改）：正文逐字保留，直接进原文长图、原文卡片或公众号排版，浏览器渲染后逐块读回比对，改一个字或漏一段都会直接报错退出。
2. 总结路径（深度重组 + 15 种图表）：Claude 先读透长文，重组成结构化的 content.json，剔除广告寒暄并核对数字，给每节配上两张互补的参数化图表和结尾执行清单。
3. 翻译路径（全文逐段对应）：把外文逐块译成中文 article.zh.md，保留代码与配图，由脚本核查块数、漏译段落和数字，译完直接接公众号排版或原文卡片。

[!important] 「一字不改」是硬指标
原文路径下正文逐字保留，浏览器渲染后逐块读回比对，改一个字或漏一段都会直接报错退出。

三条路径往下接，一共能生成九种直接可用的成品：

视觉上内置了 21 套主题，既有商业杂志 editorial、瑞士极简 swiss 与深色科技 midnight，也有液态玻璃 glass、新粗野 brutal 与多巴胺 dopamine，以及国潮 guochao、新中式 shanshui 和静线 quiet。不指定时，AI 会按「明确偏好 → 内容题材 → 投放场景」自动挑一套，并在交付时说明理由。

口播视频随包内置了 7 款完全凭文字描述设计的公开音色，包含阳光解说男声、资讯播报男声与纪录片旁白男声，以及甜美知性女声、东北热情大哥和台湾口音温柔女声等。语速全部调校在 4.2–4.95 字/秒区间，支持在台词行首加括号控制情绪与方言（如 (极度愤怒，东北话)注意看！），21 套主题还各自配了专属的字幕样式。

1.3. 对非技术人：不懂代码，怎么拿来就用？

不管你是写作者、公众号主理人还是小红书博主，或者做日常内容运营与行业研究，都不用管背后的脚本怎么跑。装好插件后，像平时跟助理说话一样发一句话，就能直接拿走成品。

1.3.1. 自己写的文章发公众号与小红书，30 秒搞定排版

写完一篇 Markdown 文档，最烦去排版网站调格式、一张张传图床。现在你只需要输入一句：

/article2media ./我的文章.md 公众号

它会一字不改地排好全文，生成 article.html 预览页与写好摘要的发布清单，同时配齐 2.35:1 头图和 1:1 次条封面。

你在浏览器里打开 article.html，点顶部的**「复制到公众号」**按钮，去公众号后台直接粘贴就行。所有样式已经算成内联属性，配图也转成 base64 自动上传，连图床都省了。

想把同一篇原创文章原样发到小红书，就说一句 /article2media ./我的文章.md 原文卡片，它会自动流式分页成 3:4 卡片，连跨页表格的表头都会自动补齐。

1.3.2. 海外长文与 B 站、抖音视频，一键变中文图文或口播视频

刷到高价值的英文 X 长文，或者看到 15 分钟的 B 站、YouTube 与抖音视频，你可以按需求选下面四条路：

1.4. 对技术人员：它为什么这么稳？四个工程设计启发

如果你是工程师或 Agent 开发者，article2media 展示了怎么让大模型在多模态生产管线里做到高确定性、零幻觉和自动验收。下面四个工程取舍，可以直接复用到你的 Agent 架构里。

1.4.1. 个正交 Skill，只靠文件交接的 Unix 哲学

1.x 版本把所有能力塞在一个 Skill 里，任何输入默认都要先跑一遍「改写总结」。到了 2.0，我们按正交原则把它拆成了 10 个独立能力 + 1 个路由总入口：

这些 Skill 之间绝不互相 import 代码，只靠工作目录里的 4 个标准文件交接（article.md、article.zh.md、content.json、rewrite.md）。

渲染引擎根据输入文件的后缀直接决定管线。它看见 .md 就走一字不改的原文管线，看见 content.json 就走带图表设计的视觉管线。公众号排版只收 .md 文章，总结稿只要先用 export.mjs 把图表截成 3 倍高清 PNG 导出成 rewrite.md，就能无缝复用同一套公众号排版代码。

1.4.2. 模型做判断，脚本做测量，图里绝不放一个字

很多 AI 图文工具没法商用，是因为把像素级排版、中文字体渲染和音频时长计算也交给了大模型。

[!note] 分工边界
article2media 的分工边界很明确：模型只管理解与写作，脚本包揽一切确定性的测量与合成。

哪怕开启了 --illustrate（AI 插画）或 -c（黑白漫画），生图模型画出来的图里也绝不放一个字。所有标题、正文与 15 种数据图表，包括漫画对白气泡和视频字幕，全部用 HTML + CSS 排版，再通过无头 Chrome 的 DevTools 协议（CDP）按 2 倍或 3 倍分辨率截图。

模型输出的 content.json 只有纯内容语义，不含任何颜色或字号。每套主题只是一个独立的 CSS 变量文件，换风格只需重新截一次图，不用重跑大模型。

1.4.3. 不信「看起来差不多」，用刚性账本和机器审片拦截次品

没有自动化验证的 Agent 管线没法进生产环境。我们给全部 10 个能力都加了验收门禁，只要出现一项错误（✗），脚本直接以非零状态码退出。

在原文长图、原文卡片和公众号排版里，我们建了一套原文块账本（Verbatim Block Ledger）。解析器先锁死源文件 SHA-256 哈希，给每个文本块打上 data-source-block 登记入账。等 Chrome 完成排版（包括原文卡片在页面内流式断行、跨卡分页），脚本从真实 DOM 里把文字逐块读回比对。

换 Dan Koe 那篇英文长文做测试时，原文有一处斜体紧挨粗斜体（***…***），解析器漏掉了一个星号。原文块账本立刻报错拦下，没让一张「肉眼看着没问题」的图混过去。

白板模式要求原文每一段都在账本里交代去向，全文翻译模式会自动核对块数、未翻译段落和数字丢失，长图和卡片还会检查溢出、元素重叠与孤字，并核验 WCAG 4.5:1 正文对比度。口播视频每次成片都会跑出下面这份量化审片报告：

审片：video/midnight/contact-sheet.jpg
  ✓ 首句说完：4.83s
  ✓ 第一个画面信息：0.75s
  ✓ 最长画面静止：4.7s
  ✓ 字幕停留过短（<0.55s）：0 条
  ✓ 旁白语速：4.37 字/秒（约 262 字/分钟，宜 ≤ 5.2）
  ✓ 字幕闪断（<0.6s 的空档）：0 处
  ✓ 字幕平均停留：2.07s（33 条，pill）
  ✓ 配音质检：18 段，0 段有问题
  ✓ 成片响度：-16.2 → -14 LUFS（48 kHz）

1.4.4. 把主观体感翻译成代码阈值，零 npm 依赖与合规前置

收到「配音太急」「字幕老闪」这类主观反馈时，只改 Prompt 下次还会犯。我们把它们全部拆成了代码里的硬指标。

比如解决「解说太急」，我们测出早期默认音色的参考音频高达 6.6 字/秒，而 VoxCPM2 会照着参考音频的节奏读，提示词写「放慢」根本没用。于是我们先用可控克隆把参考音频降到 4.2–4.95 字/秒，再在代码里定下全片目标约 4.5 字/秒、单句超 5.2 字/秒即判偏快（自动换种子重生成，仍偏快就保音高放慢最多 15%），并把开场首句卡死在 19 字以内。

同样，我们把「字幕闪烁」拆成四个物理原因逐个击破。切换动画全部改成硬切，字幕强制单行并自动微缩字号，1.4 秒内的短停顿保留字幕不消失，同句短语合并为 13 字以内的一行。改完后字幕切换减少近三分之一，平均停留拉长到 2 秒以上，闪断彻底归零。

整个底层引擎只用 Node.js 22 原生内置的 fetch 和 WebSocket 直连本机 Chrome，做到了真正的 0 npm 依赖。本地配音、Whisper 转写以及 yt-dlp 和出图能力全部先探测后选用，缺了就优雅降级，绝不在后台偷偷下载几个 G 的模型。

针对《民法典》第 1023 条与北京互联网法院 AI 声音权判例，我们把音色库做成了两层。随包分发的 7 款公开音色全部只凭文字描述生成，不模仿任何真人。克隆音色只能留在本机个人目录并在成片时提醒确认授权，视频首帧与 MP4 元数据也自动写入了 AIGC 标识。

1.5. 三分钟开箱即用：对话调用与命令行集成

[!tip] 开箱只需两样东西
项目以 MIT 协议开源，基础环境只需要 Node.js 22+ 和本机已有的 Chrome 浏览器。

1.5.1. 作为 Claude Code / Codex 插件安装（推荐所有人）

Claude Code 用户只需执行两行命令，就能把全部 11 个 Skill 一次装好：

claude plugin marketplace add threerocks/article2media
claude plugin install article2media@article2media

同时用 Claude Code 和 Codex 的用户，可以用 skills CLI 一键全局安装：

npx skills add threerocks/article2media -g -a claude-code -a codex -y

装好后，直接在对话框里调用 /article2media（Codex 里用 $article2media）：

/article2media https://x.com/thedankoe/status/2117664712532123680       # 默认：提炼生成杂志长图
/article2media https://example.com/post 小红书                           # 提炼生成 3:4 小红书卡片组 + 文案
/article2media ./my-essay.md 公众号                                      # 原文一字不改，排成可粘贴的公众号图文
/article2media ./my-essay.md 原文卡片                                    # 原文一字不改，流式分页成 3:4 卡片
/article2media https://x.com/… 翻译成中文发公众号                        # 外文全文精译 + 公众号排版
/article2media https://www.bilibili.com/video/BV… 小红书                 # B 站视频转逐字稿 + 小红书卡片
/article2media https://x.com/… 长图、小红书、公众号都要                  # 一稿多发：改写一次，同时出三种产物
/article2media https://example.com/post 做成口播视频 --style midnight    # 指定深色科技主题生成竖屏口播视频

也可以随时单独调用某一个独立能力：

/article2media:wechat-layout ./my-essay.md                              # 只做公众号排版
/article2media:video-transcript https://www.bilibili.com/video/BV…      # 只把视频转成逐字稿文章
/article2media:article-translate article2media-out/x-…/article.md       # 只做全文翻译与结构校验

1.5.2. 作为独立命令行工具集成（适合开发者）

每个能力的 scripts/ 目录下都有独立的 CLI 入口，不经过大模型也能直接在自动化脚本或自定义 Agent 管线里调用：

K=skills
# 1. 抓取文章或将视频转写为逐字稿
node $K/article-fetch/scripts/fetch.mjs "https://x.com/…/status/…"
node $K/video-transcript/scripts/transcribe.mjs "https://www.bilibili.com/video/BV…" --prompt "人名 术语"

# 2. 原文直接排版（公众号 / 原文卡片 / 原文长图）
node $K/wechat-layout/scripts/wechat.mjs <slug>/article.md --theme quiet
node $K/image-cards/scripts/cards.mjs <slug>/article.md --ratio 3:4
node $K/long-image/scripts/long.mjs <slug>/article.md

# 3. 结构化改写稿渲染（杂志长图 / 总结卡片 / 导出公众号文章）
node $K/long-image/scripts/long.mjs <slug>/content.json --theme editorial
node $K/image-cards/scripts/cards.mjs <slug>/content.json --ratio 3:4
node $K/article-rewrite/scripts/export.mjs <slug>/content.json

# 4. 翻译检查、白板论证、黑白漫画与口播视频合成
node $K/article-translate/scripts/translate.mjs check <slug>/article.md <slug>/article.zh.md
node $K/logic-whiteboard/scripts/whiteboard.mjs <slug>/whiteboard.json
node $K/article-comic/scripts/comic.mjs make <slug>/comic.json
node $K/explainer-video/scripts/video.mjs make <slug>/video/video.json

要在所有产出页脚署上自己的品牌名，只需在 ~/.config/article2media/brand.json 放一行配置：

{ "name": "Founder Notes", "handle": "@you", "series": "实战手册", "editor": "编者" }

1.6. 现在的客观边界与开源地址

最后坦诚交代一下当前版本的四个客观边界。

花两小时写出的好内容，不该再被四个小时的截图、排版和剪辑拖慢脚步。

项目已在 GitHub 完全开源（MIT 协议）：https://github.com/threerocks/article2media

欢迎直接安装试用、提 Issue，或者只写一个 CSS 文件，一起来贡献第 22 套主题。