新闻详情

新闻详情

首页 / 资讯中心 / 详情

关键帧动画入门:jianying-editor-skill 做出电影级运镜和缩放效果

发布时间:2026/11/13 0:36:21来源:尧图网络
关键帧动画入门:jianying-editor-skill 做出电影级运镜和缩放效果
关键帧动画入门jianying-editor-skill 做出电影级运镜和缩放效果【免费下载链接】jianying-editor-skillSkill for Agent automating JianYing (CapCut Chinese version) video editing.项目地址: https://gitcode.com/gh_mirrors/ji/jianying-editor-skilljianying-editor-skill是一个让 AI 全自动操作剪映JianYing Pro的开源剪辑技能而本文要讲的关键帧动画是其中最出彩的能力你只需要用一句话告诉 AI从第 1 秒开始把画面放大到 1.5 倍它就能自动生成缩放、位移、淡入淡出等关键帧做出电影级的运镜和推近效果全程不用手动画一条曲线。30 秒搞懂关键帧动画能做什么关键帧Keyframe的本质是在两个时间点各定一个值中间自动插值。在剪映里它对应的就是画面上的小黄点而这个 Skill 让你用自然语言甚至代码直接生成这些小黄点效果关键帧属性一句话示例 推近/拉远Ken Burns 运镜uniform_scale这段素材 4 秒内从 1.0 放大到 1.5️ 镜头横移Panposition_x/position_y画面从左侧平移到右侧 淡入淡出alpha最后 1 秒让画面透明度降到 0 旋转rotation图片顺时针缓慢旋转 5 度 画中画游走uniform_scaleposition_x小窗从左下角移动到右下角这些属性都定义在内置库 keyframe.py 的KeyframeProperty枚举中还内置了Ease-In / Ease-Out / Ease-In-Out三种贝塞尔缓动预设——加上缓动推近镜头就会有先慢后快再慢的电影质感而不是生硬的线性滑动。快速上手一句话让 AI 加上缩放关键帧新手不需要背 API直接用自然语言即可。完整的自然语言用法参考 usage.md关键帧规则说明见 rules/keyframes.md。如果你愿意动手核心调用只有两行时间单位是微秒1 秒 1,000,000from pyJianYingDraft import KeyframeProperty as KP # 片段 0~4 秒均匀缩放从 1.0 平滑推到 1.5带缓动曲线 segment.add_keyframe(KP.uniform_scale, 0, 1.0, **Keyframe.EASE_IN_OUT) segment.add_keyframe(KP.uniform_scale, 4_000_000, 1.5, **Keyframe.EASE_IN_OUT)一个画中画从左侧飘到右侧 逐渐变大的完整可运行案例可以见 all_elements_regen.py更多接口速查在 docs/api.md。智能变焦让镜头自动盯住你的鼠标 对于做教程、软件演示的同学手工调关键帧太慢——所以这个项目内置了Smart Zoom 智能变焦录制屏幕时自动记录每次鼠标点击的位置回放时镜头会像电影特写一样推到点击点 → 停留 → 平滑恢复全景还会顺手加一个红圈标记重点。核心逻辑在 smart_zoomer.py按点击事件分组自动生成放大-停留-恢复三阶段关键帧并做坐标钳制防止出现黑边录屏工具在 recorder.py录完点自动生成智能草稿即可已有录屏和事件文件时一条命令就能补关键帧python scripts/jy_wrapper.py apply-zoom --name 我的演示项目 --video recording.mp4 --json events.json --scale 150详细流程见 rules/recording.md。避坑指南3 个新手最容易踩的坑 ⚠️时间单位是微秒关键帧的时间戳必须用微秒4_000_000 4 秒而高层 API 接受4s字符串——两者不要混用这是 rules/keyframes.md 里强调的第一条约束。坐标是归一化的position_x的单位是半个画布宽0.0是中心0.5是画面右边缘不是像素。草稿不会实时刷新project.save()后重启剪映或点进旧草稿再退出才能看到新工程。从安装到出片最短路径如果还没装过一条命令克隆即可然后告诉 AI帮我给这段视频加一个推近关键帧git clone https://gitcode.com/gh_mirrors/ji/jianying-editor-skill关键资料索引方便按需查阅资料路径关键帧规则rules/keyframes.md关键帧底层实现scripts/vendor/pyJianYingDraft/keyframe.py智能变焦源码scripts/smart_zoomer.py画中画关键帧示例examples/all_elements_regen.py录屏与变焦规则rules/recording.md主封装 APIscripts/jy_wrapper.pyAPI 速查文档docs/api.md把关键帧交给代码和 AI你只需要负责描述镜头想怎么走——剩下的推、拉、摇、移jianying-editor-skill 替你一键完成。【免费下载链接】jianying-editor-skillSkill for Agent automating JianYing (CapCut Chinese version) video editing.项目地址: https://gitcode.com/gh_mirrors/ji/jianying-editor-skill创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉