当"知识付费"被压缩进 60 秒，脚本就成了产品本身。本轮评测跳出已被反复拆解的人设写作、营销文案、SEO 与本地化赛道，聚焦一个尚未被专题覆盖的细分链路——口播短视频脚本与提词器文案生成引擎。这条链路一头连着长内容（电子书、论文、长视频、科普文章），一头连着竖屏 9:16 / 横屏 16:9 的成片，中间的"翻译器"决定了知识能否被算法留住。我们从本地仓库与开源社区抽取 7 款代表性 Skill，沿"素材采集 → 结构拆解 → 脚本生成 → 可视化 → 成片"五段管线逐一压测。
| Skill | 定位 | 输入 → 输出 | 开箱度 | 迭代版本 |
|---|---|---|---|---|
| da-v-koubo-copywriter | 大V风格口播文案 | 主题+风格 → 带时间轴脚本 | 极高 | 自包含 |
| book-to-short-videos | 电子书转知识短视频 | PDF/MD → N个知识点脚本 | 高 | v1.0.0 MIT |
| knowledge-card-pro | 动画知识卡片视频 | JSON → 动画MP4+TTS | 中 | V6增强版 |
| article-to-excalidraw | 文章转提词器脚本 | MD → Excalidraw+口播稿 | 中 | v2.1.0 |
| content-to-video | 全自动内容成片管线 | slides.json → 配音字幕视频 | 低 | v4.0 |
| content-creator | 通用内容创作 | 主题 → 博客/社交/邮件 | 极高 | v1.0.0 MIT |
| content-research-writer | 协作式研究写作 | 主题 → 引用级长文 | 高 | — |
加分项参考：
youtube-transcript作为上游素材采集（YouTube 字幕提取），GitHub 上的short-video-script-skill（口播稿+Remotion 分镜+发布素材）与chengfeng-videocut-skills（口播剪辑）作为生态竞品。
来源为本地自用 Skill，触发词覆盖"口播文案""抖音文案""大V风格"等十余种场景，零安装即可对话式调用。它最硬核的地方在于把六位顶流（郭德纲、李诞、张雪峰、罗翔、樊登、董宇辉）的说话方式反向工程成可量化的配方——例如李诞的核心配方被拆成"自嘲暴露弱点25% + 生活观察25% + 反转荒诞20% + 丧式哲理20% + 松弛互动10%"，并标注"基于《脱口秀工作手册》《候场》《冷场》三本书深度阅读验证"，可靠度自评五星。
功能完整度 ★★★★★ 上手难度 ★★★★★ 变现潜力 ★★★★☆ 训练营适用性 ★★★★★ 社区活跃度 ★★☆☆☆
它提供"定场诗开场""不一定排比""有…没有…反转"等句式武器库，三翻四抖、Callback、暴露式幽默等结构化技法，以及"人间不值得""方向比努力更重要"等已验证来源的金句库，甚至支持"郭德纲+罗翔=用相声讲道理"的跨风格混搭（主70%副30%）。训练营价值极高：每个风格就是一节可复用的文案结构课。变现上可封装为付费"文案风格化插件"，但需警惕人设模仿的肖像与版权边界——这是它变现潜力被压到四星的主要原因。相比同类人设 Skill（仓库里另有上百个单人物 skill），它是少有的"配方级"而非"样例级"实现。
来自"学通信自媒体"，MIT 协议开源，依赖 obsidian-mermaid 与 content-creator。它解决的是知识付费创作者最痛的问题——一本 300 页的技术书如何变成 60 条独立短视频。核心工作流是"智能分析确定 N 值 → 全文提取知识点去重 → 循环生成 slides+逐字稿"，知识点数量按书籍规模动态伸缩（500 页以上可拆 100-150 个）。
功能完整度 ★★★★★ 上手难度 ★★★★☆ 变现潜力 ★★★★★ 训练营适用性 ★★★★★ 社区活跃度 ★★★☆☆
四大视频结构（钩子型/问题解决型/知识科普型/认知反差型）+ 六大标题公式（How To/List/Question/Negative/Curiosity Gap/Before-After）+ 口语化逐字稿规范（时间标注[5-15秒]、情绪标注[放慢]、禁书面语）构成了完整的方法论。最值得称道的是它强制 README 含"书籍内容介绍+知识点提取推理过程+内容保证声明"，从源头压制幻觉——每个知识点都要求映射到原书页码。横竖屏建议规则、平台标签偏好、与 knowledge-to-slides 的差异化对比表都写得极清楚。变现潜力五星：这是真正能直接产出付费课程素材的"产能引擎"，适合做训练营压轴案例。唯一门槛是需 PDF 输入且依赖外部 Skill。
本地增强版（基于 ict-knowledge-card V6），定位 STEM 全领域的动画知识卡片视频。技术上它走的是"硬核渲染"路线——PIL RGBA 多帧渲染 + 管道直送 ffmpeg，零新增依赖实现逐帧动画：进度条延伸 0.6s、标签逐个弹出每帧 0.25s、逐行揭示每行 0.3s，30fps 下每个卡片约 150-300 帧，渲染速度约 150fps，5 秒卡片约 1 秒完成。
功能完整度 ★★★★☆ 上手难度 ★★★☆☆ 变现潜力 ★★★★☆ 训练营适用性 ★★★☆☆ 社区活跃度 ★★☆☆☆
输入是结构化 JSON（topic/title/items），输出是带 edge-tts 中文语音的 1920×1080 横屏 MP4，自动生成含三标签的"发布文档.txt"。四套配色（minimal_bw/tech_blue/tech_green/tech_orange）按领域适配。它适合 B 站硬核科普赛道，变现路径清晰——批量产出"一分钟讲清 XX 协议"系列。短板在于仅支持 16:9 横屏（错失竖屏流量），且需命令行 + Python 环境，对手作型创作者不友好；训练营适合作为"程序化视频"进阶课，而非入门。相比 content-to-video，它更轻、更专，但自动化程度更低。
来自"学通信自媒体"，v2.1.0（2026-03-11 更新）。核心理念是"一篇文章 = 一个垂直布局 Excalidraw 文件（封面+多内容区）+ 一个提词器脚本"。值得肯定的是它主动修正了一个技术认知误区——Excalidraw 并不支持真正的多页面，v2.1 改用"垂直布局+分区背景色"模拟分页，并在更新日志如实记录，这种工程诚实度在 Skill 生态里并不多见。
功能完整度 ★★★☆☆ 上手难度 ★★★★☆ 变现潜力 ★★★☆☆ 训练营适用性 ★★★★☆ 社区活跃度 ★★☆☆☆
它提供科技蓝/暗色双配色、分区 Y 坐标表、提词器软件推荐表（Teleprompter-O/PromptSmart/BigVu），以及双屏录制工作流（Excalidraw 展示 + 提词器念稿）。提词器脚本按页标注秒数与字数参考，节奏可控。短板在于仍是半自动——需真人出镜录制、手动滚屏切换，成片产能受限于人。变现上更适合做"手绘科普"个人 IP 的辅助工具而非批量生产线。与 content-to-video 的全自动成片相比，它牺牲了产能换取了手绘风的温度感，是"质感优先派"的选择。
本地 v4.0（2026-05-07 最新迭代），是本批工程化程度最高的 Skill。完整管线为 slides.json → PPTX(含mermaid/表格) → PNG导出 → TTS配音 → 视频合成 → 字幕烧录，依赖链涵盖 LibreOffice、pdftoppm、FFmpeg、edge-tts、Chromium + mermaid-cli。
功能完整度 ★★★★★ 上手难度 ★★☆☆☆ 变现潜力 ★★★★★ 训练营适用性 ★★★☆☆ 社区活跃度 ★★★☆☆
v4.0 的亮点是把 Mermaid 图表生成完全重写——batch_fix_mermaid_v4.py 基于标题关键词优先级自动在七种图表类型（definition/cause_effect/process/summary/solution/comparison/data）间分类，smart_label() 禁止在英文单词或未闭合括号中截断，消除了"需重试""技术持续进步"等伪节点，曾一次性批量修复 80 集科普视频的 382 处 Mermaid 问题。字幕严格限制 2 行、每行 20 字符，思源黑体白字黑边；PPTX 强制"51学通信原创制作"页脚单行显示；末页强制思考题互动（3-5 题，notes 串讲答案）。这是一条可 SaaS 化的工业流水线，迭代频率高（v3.1→v4.0 一个月内多次升级）。短板是依赖太重、调试门槛高，训练营只适合工程师向学员。
这两款均出自 awesome-llm-apps（MIT），是英文生态的通用写作框架，作为"对照组"纳入评测。content-creator 提供"Know Audience → Hook → Value → Scannable → CTA"五步法、六大标题公式与四种情绪触发器（Fear/Curiosity/Aspiration/Urgency），覆盖博客/Twitter/LinkedIn/邮件四大场景，附完整 LinkedIn 范例。content-research-writer 则是"协作式写作伙伴"，主打大纲共建、研究+引用管理、钩子改进、逐节反馈与"声音保留"（Learn their style / Suggest don't replace）。
content-creator：功能 ★★★☆☆ 上手 ★★★★★ 变现 ★★★☆☆ 训练 ★★★☆☆ 社区 ★★★☆☆ content-research-writer：功能 ★★★★☆ 上手 ★★★★★ 变现 ★★★☆☆ 训练 ★★★★☆ 社区 ★★★☆☆
两者的共同问题是泛而不垂直——它们教的是"如何写好内容"的元方法，而非"如何生成口播短视频脚本"的垂直产能。在中文短视频、知识付费场景下，它们更适合作为方法论底座（book-to-short-videos 的标题公式正是继承自 content-creator），而非直接变现工具。content-research-writer 的"逐节反馈+引用管理"在长文/论文场景价值更高，与口播赛道错位。
mindmap
root((口播短视频<br/>脚本引擎生态))
上游素材采集
youtube-transcript 字幕提取
PDF/MD 电子书
长视频总结
论文/科普文章
中游结构拆解
book-to-short-videos 知识点提取
content-research-writer 大纲共建
article-to-excalidraw 文章分区
脚本生成
da-v-koubo-copywriter 风格化配方
content-creator 通用框架
标题公式库
可视化渲染
Excalidraw 手绘风
Mermaid 七类图表
knowledge-card-pro 动画卡片
成片合成
content-to-video 全自动TTS
knowledge-card-pro PIL渲染
Remotion 分镜(竞品)
整条链路的成熟度分布并不均匀：中游脚本生成段最厚（da-v-koubo-copywriter 与 book-to-short-videos 已达"配方级"成熟），下游成片合成段最重（content-to-video 依赖链深、knowledge-card-pro 偏工程），上游采集段最薄（主要靠 youtube-transcript 这类单点工具，缺乏统一的"多源素材归一化"入口）。这意味着生态的下一个机会点在"上游采集 + 中游拆解"的衔接——一个能自动把 YouTube 字幕、电子书、论文喂给 book-to-short-videos 的编排层。
🥇 变现潜力榜（能否直接变成钱） 1. content-to-video —— 工业级成片管线，可 SaaS 化 2. book-to-short-videos —— 知识付费产能引擎，批量产出付费素材 3. da-v-koubo-copywriter —— 文案风格化插件，但有人设边界 4. knowledge-card-pro —— STEM 硬核科普系列化
🥇 训练营教学榜（结构化、可复用） 1. da-v-koubo-copywriter —— 每个风格即一节文案结构课 2. book-to-short-videos —— 完整流水线，含防幻觉规范 3. content-research-writer —— 写作方法论与协作范式 4. article-to-excalidraw —— 可视化+提词器双轨教学
🥇 开箱即用榜（学习曲线最平缓） 1. da-v-koubo-copywriter —— 纯对话触发，自包含 2. content-creator —— 纯文本框架，零依赖 3. content-research-writer —— 交互式，无需配置 4. book-to-short-videos —— 一句话指令启动
🥇 上手难度倒序（最需要技术基础） 1. content-to-video —— 依赖链最深（5+ 外部组件） 2. knowledge-card-pro —— 需 Python/PIL/ffmpeg 3. article-to-excalidraw —— 需理解垂直布局与双屏录制 4. book-to-short-videos —— 需 PDF 输入与外部 Skill
若目标是个人 IP 短视频量产，首选 book-to-short-videos（素材→脚本）+ content-to-video（脚本→成片）的组合，前者管创意与防幻觉，后者管工业级交付；若目标是风格化口播文案，da-v-koubo-copywriter 的配方库无可替代，但需在变现时剥离具体人设、抽象为通用风格引擎；若目标是STEM 科普动画，knowledge-card-pro 的逐帧渲染是质感最优解，代价是放弃竖屏。content-creator 与 content-research-writer 更适合作为方法论底座而非变现工具——它们的价值在于"教会框架"，真正的产能来自上层的垂直 Skill。这条赛道的共同特征是：越垂直、越工程化、越防幻觉的 Skill，变现天花板越高，泛化通才则留在训练营的方法论层。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。