Codex + Excalidraw 从零开始详细教程：一句话出一条手绘白板视频，不露脸、不剪辑

whiteboard-video 是开源合集 simon-skills 里的一条 Skill，作者 Simon 拿它跑一个真实在更新的视频号。你大概刷过这种片子：一块白板、一支铅笔，字和图跟着旁白一笔一笔长出来，两三分钟讲完一件事，全程没人出镜。

过去这种视频得一帧一帧排，现在它可以是 AI 按一行文字画出来的。下面按「它是什么 → 装它 → 用它 → 它的规矩 → 换成你的账号 → 它做不到什么」走一遍，参数以仓库当前版本为准。

一、它不是「生成视频」，是一条能拆开的 7 步流水线

现在挂「AI 做视频」名头的产品大多是黑盒：你给提示词，它还你一段画面，中间发生了什么看不见，想改一个细节只能重新抽卡。

这条 Skill 正好相反——每一步都能单独跑、单独看、单独改。真正决定「画面长什么样」的只有三步，其余是纪律性的工序：

整条链跑完约 40 秒（配音命中缓存时），其中渲染整期只占 35 秒。

二、它交回的是「四件套」，不是一段画面

很多人只盯着成片，其实后两样对做内容的人更值钱：

发布稿相当于把一个内容团队里「运营岗」的活固化成了模板，你拿到手只要挑个标题。

三、装它：三步命令，然后先把官方示例跑一遍

全链路本地：配音走火山引擎（凭证放在仓库的 .env），贴纸走本地 codex CLI，真实标识走 Wikimedia Commons，配乐自己放一首 mp3。不需要剪辑软件，也不把素材传到别人服务器。

# 1. 克隆
git clone https://github.com/trustfuture/simon-skills.git
cd simon-skills/skills/whiteboard-video
npm install

# 2. 填配音凭证
cp .env.example .env

# 3. 先跑官方示例，确认环境没问题（约一分钟）
mkdir -p episodes && cp -R examples/* episodes/
bin/wb build 懂很多道理

四、五条写死在代码里的规矩

这个 Skill 最值得抄的一点：它没写《内容规范手册》，而是把规矩变成了会报错的代码。

1. 先写旁白，再决定画什么

旁白写在 scenes.js 里，用竖线 | 切成小段（beat），每段三四句配一组元素。一期 6～8 个场景、五六百字，1.2 倍语速下成片约 2 分半。

还有一句更狠的：每个 beat 都要有能画出来的东西，抽象句并入相邻 beat。结果是这类视频里不会出现「综上所述」——因为它画不出来。内容是画面倒逼出来的。

2. 禁区是坐标，不是建议

画布固定 1920×1080，两块地方元素不许进：底部 y ≥ 960 是字幕区，右上角 320×130 是水印区。压进去就报警告，而警告必须清零才算过关。

3. 一处为主，生成物不手改

scenes.js 是唯一手写源；旁白稿.md、字幕.srt、封面-*.png 全是生成物，不手改。只有 README.md（资料来源）和 发布.md（文案）是人写的。这条解决的是自动化流程最经典的死法：改了生成物，下次重跑就覆盖，然后没人知道哪份是真的。

4. 数字先查再写

数字、日期、价格必须有来源，出处写进当期 README.md；估算值都标「据报道」。而且旁白、字幕、封面、文案里的数字从同一处取。

5. 讲公司用官方标识，讲人用漫画像

理由很直白：AI 画的拟人机器人和通用小人，观众认不出是谁。所以讲到具体公司时主角用官方 SVG，讲到公众人物时用真人照片参考生成的漫画像（只借脸型、发型、眼镜和标志性服装，不丑化）。剩下那些没有真实原型的物件，才交给贴纸——因为 Excalidraw 画人很丑，这是手绘线条库的天然短板。

五、换成你自己的账号：改三行就够

右上角的手写水印、片尾品牌卡（5.5 秒、静音）、封面上的品牌标，都由工具自动生成，不用每期写。名字、品牌色、slogan 全在 config.json 的 brand 字段里：

"brand": {
  "name":   "Your Brand",          // 水印与片尾的手写名
  "slogan": "一句话说清你的账号给观众什么。",
  "accent": "#2f9e44",             // 品牌绿，水印下划线、星标都用它
  "logo":   ""                     // 有透明底 png 就填
}

• 换声音：.env 的 VOLC_TTS_VOICE。官方 2.0 音色配 seed-tts-2.0，声音复刻音色（S_ 开头）配 volc.megatts.default。
• 换配乐：仓库不带音乐，放一首无版权音乐到 assets/bgm.mp3；不放就出无配乐成片。
• 接进笔记库：dirs.projects 可以指到你的笔记仓库，每期文件夹直接在笔记软件里改场景图——这一步刚好能和 Obsidian 那篇教程接上，装上 Excalidraw 插件就能像普通笔记一样拖。

六、边界：它做不到什么

做不了长视频和复杂叙事。规矩里写着「一屏 10～20 个元素」，还有一句更直白的：一个 beat 塞不下就删元素，别指望笔画得完。2 分钟是这个工具的设计上限，不是参数上限——它靠删掉画面元素来保节奏，你想做 10 分钟的纪录片，它会一路删到你把论点删没。

另外三个现实门槛：

• 要两个外部账号。出贴纸用本地 codex CLI（走你自己的额度），配音要开通火山引擎语音合成并填凭证。
• 仓库不附带音乐。自己放一首无版权音乐，或者接受无配乐成片。
• 素材版权有边界。用 wb logo 取到的公司标识版权归各自所有者，只适合在评论和报道语境里原样使用，别拿去做产品宣传物料。

一句话总结：它省下的不是「剪辑时间」，而是把导演的每一个决策，固化成了配置和代码——先把不变的抽成配置，把判断标准写成会报错的规则，剩下的才交给 AI。你无法自动化的东西，往往不是因为它复杂，而是因为你从没把它写下来过。

参考来源：github.com/trustfuture/simon-skills。本文的功能、参数、授权与已知坑说明，均以该仓库当前版本为准；样片、封面与贴纸截图取自该仓库（MIT 协议）。