Manim Animation: 动画 + 配音 + 字幕 生成器#

Author: ericksun（孙自翔）

概述#

本技能使用 Manim Community 生成数学/教育动画，并通过 manim-voiceover 插件集成 TTS 语音旁白和同步字幕。所有处理均在本地运行，无需付费 API。

核心能力：

• 🎬 动画生成：使用 Manim 创建数学公式、几何图形、图表等动画
• 🎙️ 语音旁白：通过 manim-voiceover 插件集成 TTS，动画与语音自动同步
• 📝 字幕系统：画面内字幕（Manim Text）+ SRT 外挂字幕（ffmpeg 烧录）
• 🔄 一键流水线：描述需求 → 生成代码 → 渲染视频 → 烧录字幕

TTS 引擎（优先 gTTS）：

• gTTS（推荐）：Google 免费 TTS，支持中文，无需 API Key
• pyttsx3（备选）：离线 TTS，无需网络
• Azure/OpenAI/ElevenLabs（高质量）：需付费 API Key

前置条件#

🔍 一键环境检查#

首次使用前，运行环境检查脚本确认所有依赖已就绪：

bash

python3 {SKILL_DIR}/scripts/check_environment.py

该脚本检查：

• ✅ Manim Community 安装（ manim 命令）
• ✅ manim-voiceover + gTTS 插件
• ✅ FFmpeg + libx264 编码器（Manim 硬编码依赖， 必需）
• ✅ FFmpeg + libass（用于 SRT 字幕烧录）
• ✅ Python 依赖
• ✅ 中文字体可用性

必需的系统工具#

• Manim Community： pip install manim
• FFmpeg（含 libx264 + libass）：Manim 硬编码使用 libx264 编码器渲染视频，字幕烧录需要 libass
  • macOS（Homebrew）： brew install ffmpeg（默认包含 x264 和 libass）
  • macOS（Conda）： conda install x264 -c conda-forge（ ⚠️ conda 的 ffmpeg 默认不含 libx264）
  • Linux： sudo apt install ffmpeg libx264-dev libass-dev
• Python 3.9+ 及 pip

必需的 Python 包#

bash

# Core
pip install manim

# Voiceover + TTS
pip install "manim-voiceover[gtts]"

可选（增强功能）#

• pyttsx3：离线 TTS（ pip install "manim-voiceover[pyttsx3]"）

⚡ 快速安装#

bash

pip install manim "manim-voiceover[gtts]"

# macOS (Homebrew) — 推荐，自带 libx264 + libass
brew install ffmpeg

# macOS (Conda) — 需额外安装 x264，否则 Manim 渲染会报错 UnknownCodecError: libx264
conda install x264 -c conda-forge

# 验证 ffmpeg 支持 libx264 和 libass
ffmpeg -codecs 2>&1 | grep libx264     # 应显示 encoders: libx264
ffmpeg -filters 2>&1 | grep subtitles  # 应显示 subtitles filter

工作流程#

快速开始 — 一键运行#

用户描述需求后，使用流水线脚本一键完成：

bash

python3 {SKILL_DIR}/scripts/run_pipeline.py \
    --scene_file <场景文件.py> \
    --scene_name <SceneName> \
    --quality high \
    --burn_subtitles

常用选项：

选项默认值说明--scene_file必需Manim 场景 Python 文件--scene_name必需场景类名--quality``high渲染质量： low/ medium/ high/ production``--burn_subtitlesFalse是否用 ffmpeg 烧录 SRT 字幕--speed``1.35播放倍速（如 1.35 表示加速到 1.35 倍，设为 1.0 则不加速）--previewFalse渲染后自动打开预览--output_dir``./output输出目录

完整工作流程（4 步）#

步骤 1：理解用户需求并生成 Manim 场景代码

根据用户描述，生成 Manim 场景 Python 文件。场景代码需遵循以下模式：

无配音模式（纯动画）：

python

from manim import *

class MyScene(Scene):
    def construct(self):
        title = Text("标题", font_size=48, color=BLUE)
        self.play(Write(title))
        self.wait(1)

配音模式（动画 + 语音 + 字幕）：

python

from manim import *
from manim_voiceover import VoiceoverScene
from manim_voiceover.services.gtts import GTTSService

class MyScene(VoiceoverScene):
    def _make_subtitle(self, text_str):
        """Create subtitle with dark background at bottom of screen."""
        sub = Text(text_str, font_size=22, color=WHITE, weight=BOLD)
        # Prevent subtitle from overflowing left/right edges
        max_width = config.frame_width - 1.0  # 0.5 margin each side
        if sub.width > max_width:
            sub.scale_to_fit_width(max_width)
        sub.to_edge(DOWN, buff=0.4)
        bg = BackgroundRectangle(sub, color=BLACK, fill_opacity=0.6, buff=0.15)
        return VGroup(bg, sub)

    def construct(self):
        self.set_speech_service(GTTSService(lang="zh"))

        sub_text = "欢迎来到演示"
        with self.voiceover(text=sub_text) as tracker:
            sub = self._make_subtitle(sub_text)
            title = Text("演示", font_size=48)
            self.play(Write(title), FadeIn(sub), run_time=tracker.duration)

        self.play(FadeOut(sub))
        self.wait(0.3)

关键模式 — voiceover 上下文管理器：

python

with self.voiceover(text="语音文本") as tracker:
    # tracker.duration = TTS 语音时长（秒）
    # 在此块内的动画会与语音自动同步
    self.play(SomeAnimation(), run_time=tracker.duration)

with self.voiceover(text=...) as tracker 做了三件事：

1. 调用 TTS 引擎生成语音
2. 自动计算语音时长
3. 提供 tracker.duration 让动画与语音同步

字幕最佳实践：

• 画面内字幕：使用 _make_subtitle() 辅助函数，在屏幕底部显示带暗背景的白色粗体文字
• 防止溢出： _make_subtitle() 会自动检测字幕宽度，超出画面时等比缩放（ scale_to_fit_width），使用 font_size=22 以适配长文本
• 字幕同步：在 voiceover 块内的 第一个 self.play() 中就 FadeIn(sub)，确保字幕与声音同步出现，不要延后
• 每个 voiceover 块开始时 FadeIn 字幕，结束后 FadeOut
• 字幕文本应与 voiceover text 相同

⚠️ 避免双字幕： 如果场景代码中已使用 _make_subtitle() 渲染了画面内字幕，则 不要 再用 --burn_subtitles 烧录 SRT 字幕，否则画面上会出现两层重叠的字幕。两种字幕方案只能选其一：

• 方案 A（推荐）：代码内使用 _make_subtitle() 渲染字幕，不烧录 SRT
• 方案 B：代码内不渲染字幕，通过 --burn_subtitles 烧录 SRT

步骤 2：配置渲染参数

在场景文件同目录创建 manim.cfg：

ini

[CLI]
quality = high_quality
preview = False

[ffmpeg]
video_codec = h264

质量对照表：

质量标志分辨率FPSmanim.cfg 值Low-ql480p15low_qualityMedium-qm720p30medium_qualityHigh-qh1080p60high_qualityProduction-qp2160p60production_quality

步骤 3：渲染视频

bash

manim render <scene_file.py> <SceneName>

输出路径模式： media/videos/<file>/<resolution>/<SceneName>.mp4

步骤 4：烧录 SRT 字幕（可选）

manim-voiceover 会自动在视频同目录生成 .srt 字幕文件。使用 ffmpeg 烧录：

bash

ffmpeg -y -i <video.mp4> \
    -vf "subtitles=<subtitle.srt>:force_style='FontSize=22,PrimaryColour=&H00FFFFFF,OutlineColour=&H00000000,Outline=2,BackColour=&H80000000,BorderStyle=4,MarginV=30'" \
    -c:a copy \
    <output_subtitled.mp4>

⚠️ 双字幕陷阱：如果场景 Python 代码中已经用 _make_subtitle() 渲染了画面内字幕，就 不要 再烧录 SRT 字幕，否则会出现两层重叠字幕。

注意：ffmpeg 需要 libass 支持。macOS 用 brew install ffmpeg 通常已包含。Conda 环境需额外安装 conda install x264 -c conda-forge。

步骤 5：加速视频（可选）

使用 ffmpeg 对视频进行倍速处理，默认加速到 1.35 倍：

bash

SPEED=1.35
ffmpeg -y -i <input.mp4> \
    -filter_complex "[0:v]setpts=PTS/${SPEED}[v];[0:a]atempo=${SPEED}[a]" \
    -map "[v]" -map "[a]" \
    <output_fast.mp4>

注意：加速应在最终输出步骤执行。如果场景代码已有画面内字幕（ _make_subtitle），加速输入应使用原始视频（非 SRT 烧录版），避免双字幕。 run_pipeline.py 的 --speed 参数已自动处理此逻辑。

Manim 常用动画速查#

创建/显示动画#

• Write(text) — 书写文字
• Create(mobject) — 绘制形状
• FadeIn(mobject) / FadeOut(mobject) — 淡入淡出
• DrawBorderThenFill(mobject) — 先画边框再填充

变换动画#

• Transform(source, target) — 变形
• ReplacementTransform(source, target) — 替换变形
• TransformMatchingShapes(source, target) — 形状匹配变形

移动/缩放#

• mobject.animate.to_edge(UP) — 移动到边缘
• mobject.animate.shift(RIGHT * 2) — 平移
• mobject.animate.scale(2) — 缩放
• Rotate(mobject, angle=PI) — 旋转

常用对象#

• Text("文字", font_size=48, color=BLUE) — 文字
• MathTex(r"e^{i\pi}+1=0") — LaTeX 公式
• Circle(radius=1, color=RED) — 圆
• Square(side_length=2, color=GREEN) — 正方形
• Arrow(start, end) — 箭头
• NumberPlane() — 坐标平面
• Axes(x_range, y_range) — 坐标轴

分组与排列#

• VGroup(obj1, obj2) — 垂直分组
• group.arrange(RIGHT, buff=0.5) — 水平排列
• BackgroundRectangle(obj, color=BLACK, fill_opacity=0.6) — 背景矩形

已知问题与解决方案#

⚠️ libx264 编解码器缺失（最常见问题）#

症状： UnknownCodecError: libx264

根因：Manim 在 scene_file_writer.py 中 硬编码 使用 libx264 编码器（无法通过 config/cfg 覆盖），但 conda 环境的 ffmpeg 编译时 --disable-gpl，不包含 GPL 许可的 libx264。

解决：

bash

# Conda 环境（最常见场景）
conda install x264 -c conda-forge
# 安装后 conda-forge 的 ffmpeg 会自动重新链接 x264 库

# 验证
ffmpeg -codecs 2>&1 | grep libx264
# 应输出包含: encoders: libx264 libx264rgb

注意： brew install ffmpeg 安装的 ffmpeg 自带 x264，但 conda 环境优先使用自己安装的 ffmpeg，不会使用 Homebrew 版本。

setuptools 兼容性#

manim-voiceover 依赖 pkg_resources，Python 3.12+ 可能报错：

bash

pip install "setuptools>=69.0,<72.0"

ffmpeg 缺少 libass#

SRT 字幕烧录需要 libass。macOS：

bash

brew install ffmpeg
# 验证
ffmpeg -filters 2>&1 | grep subtitles

Linux：

bash

sudo apt install libass-dev
# 可能需要重新编译 ffmpeg

gTTS 网络问题#

gTTS 需要访问 Google TTS 服务，如网络不通可切换为 pyttsx3 离线引擎：

python

from manim_voiceover.services.pyttsx3 import Pyttsx3Service
self.set_speech_service(Pyttsx3Service())

中文字体#

Manim 使用系统字体渲染 Text 对象，确保系统有中文字体：

• macOS：PingFang SC（系统自带）
• Linux： sudo apt install fonts-noto-cjk
• 指定字体： Text("文字", font="PingFang SC")

相关资源#

• GitHub 仓库： https://github.com/hzsunzixiang/manim-animation-skill
• Manim 技术指南： references/manim_guide.md — 详细的 Manim + voiceover + 字幕技术文档
• 环境检查脚本： scripts/check_environment.py — 一键检查所有依赖
• 渲染流水线脚本： scripts/run_pipeline.py — 一键渲染 + 字幕烧录