返回作品列表
AI Animation Automation

AI 动画自动化生产提效合辑

动画制作环节内部提效 · 7 个月 11 项工具与作品

AI 产品经理实习生 · 主要负责该产品线2026.01 - 2026.07精准学
AI 动画自动化生产提效合辑

在精准学(阿里战投 · 准独角兽)面向动画制作各环节做内部提效,三条产品线并行——AI 动画生产辅助平台(流程整合)、数学 PPT / 动画自动化(结构化题型路线验证)、剪辑提效 V2(交付后处理);7 个月内推动多款工具落地推广,覆盖数学 / 理科 / 文科三大学科线,并为每条线设定可验证的效率与质量目标口径。

11 项
工具与作品 · 多款进真实生产
30→20 min
单剧本剪辑处理
30→3~5 min
单剧本资料整理
10 人
剪辑处理并行自助化

真实界面

AI 动画生产辅助平台的剧本解析界面,含角色卡与场景卡
动画生产辅助平台——剧本解析:角色 / 场景卡与 AI 生成参考图(真实部署环境)
AI 动画平台分集制作页:视频播放器与首帧图网格
分集制作页——切片视频 + 首帧图网格(鲁提辖项目,本地实测)
AI 动画平台角色设计页:鲁提辖、镇关西、金翠莲等 8 个角色卡与儿童绘本风 AI 立绘
角色设计页——鲁提辖项目 8 角色 AI 立绘、性格标签与逐卡重生成(儿童向画风)
手写 Badcase 打标工作台的单样本盲看复核界面
手写 Badcase 打标工作台——盲看-揭示两阶段复核(S121 样本)
剧本资料汇总导出浏览器插件弹窗
剧本资料导出插件弹窗——自动采集切片数据并导出 HTML / XLSX

01问题定义

公司教学视频生产分「教研 → 动画组制作 → 剪辑交付」三段:动画组制作环节(资料提取、PPT 静态/动态制作、AI 图像视频素材、录屏后处理)规则化重复劳动密集,是全链路可提效空间最大的一段;而教研打磨属隐性教学知识、一站式「剧本→成片」受素材可用率约束,均难以一步自动化——因此做面向动画制作各环节的内部提效工具:减少规则化重复劳动,保留教学判断、审美判断与最终人工审核,不以一键成片为目标。

02策略与路径

  1. 01

    以 Exit Criteria(准出条件)驱动 5 阶段路线图(静态布局 → 动态注入 → 全流程串联 → 多学科扩展 → 批量化),每阶段设明确的准出条件,不达标不进入下一阶段

  2. 02

    为每条产品线设定可验证的目标口径:单剧本制作周期 5 天→3.5 天以内、新人上手 1 天→半天、图片可用率 ≥70%、视频可用率 ≥50%、单剧本 API 成本可预估可追踪——阶段汇报中明确区分「已达成 / 目标 / 未解决」

  3. 03

    建立证据分级制度(实测 / 阶段性试测 / 估算 / 目标 / 待测,共五级),明确「产物门」与「项目价值门」分离,杜绝将目标值汇报为已达成——简历与汇报中只引用可复现口径的数字

  4. 04

    坚持「确定性环节优先产品化,AI 不确定环节先验证关键假设」——一站式平台实测首帧素材可用率仅约 40% 后主动收缩,结合抽卡率与成本分析输出「API 接入 ≠ 生产能力」关键复盘,资源转向确定性提效工具

  5. 05

    对「AI 生成 PPTX 课件」做底层技术选型判断:市面开源方案本质只有图片式(不可编辑)与 HTML 转换两种;对 PPT Master 等原生可编辑路线(DrawingML)逐项评估后判定其「逐页画 SVG、高度依赖模型、随机性大」与公司「限定模板、限定内容、产物须可被制作人员接手修改」的约束不契合——最终走「确定性脚本 + 模板槽位映射 + 以上游布局为准」路线,把 PPT Master 降为技术储备

  6. 06

    与数学 / 生物 / 文科 / 剪辑 4 类业务方代表深度对齐需求,输出项目主线、阶段 spec、技术附录与离职交接文档等完整 PM 文档

03工具与作品矩阵

Web 平台

AI 教育动画生产辅助平台

以剧本项目为单位整合全流程:剧本解析(自动提取标题/角色/场景/切片/分支)→ 角色 / 场景参考图约束跨切片一致性 → 切片制作(首帧图 + 视频提示词 + 视频片段,支持首帧 / 尾帧 / 中间帧 / 参考图多种约束)→ 统一导出;多模型接入并对接公司统一网关。设定可验证的阶段目标口径:单剧本周期 5 天→3.5 天以内、新人上手 1 天→半天、图片可用率 ≥70%(Next.js)

自动化流水线

数学动画自动渲染流水线

「剧本 + PPT 版面 + 动画指令」→ 可渲染视频切片:翻译层、执行层、全局状态归一化、切片渲染、正确 / 错误分支分别渲染并拼接为互动题视频;程序兜底跨切片坐标跳变、字体状态、排版碰撞;接入 Manim 图形包支持点线边高亮,单条视频生成到渲染约 20-30 分钟;完成 Manim vs PPT(ppt-master)双路线技术选型判断——批量提效走 Manim、精修质感走 PPT

GUI 工具

PPT 静态加工工具

4 层语义 pipeline(输入理解→页面规划→生产执行→校验反馈),跨学段 + 跨学科 + 跨输入格式验证,单 case 40-50 秒

网页应用

理科静态加工 Web 版

3 阶段加工:基础排版 / 图片重绘抠图 / 思维导图转原生对象;思维导图等矢量元素结构对齐原稿并转为可编辑对象,产出供制作老师接手精修的初稿

PPT 插件

动画注入插件(PPAM)

7 项动画功能,与静态工具文本框拆分协同;自动注入流程跑通 79 个动画动作,r10 播放基线验证通过

浏览器插件

浏览器插件(资料导出)

教研资料导出与进度评审自动化,实测单剧本节省约 30 分钟(约 50 切片资料导出 + 进度评审表);后因涉及数据合规主动叫停,沉淀「合规优先」判断复盘

AI Skill / CLI Harness

AI Skills 工具箱

定制 Photoshop CLI harness 与 dashi-ppt 生成 Skill,横向研究 ppt-master / dashi-ppt / baoyu-design 等开源方案并二次开发,为静态加工工具提供能力底座

GUI + Claude Code Skill

录屏后处理工具 V2

PPT 标记导出 → 视频切片 → S 编号重命名 → ZIP 打包四步串联,GUI 与 Claude Code Skill 双入口(主推 GUI);把「负责人集中代跑」转变为「实习生自助处理、负责人只处理异常」,10 剧本从 1 人串行 5h 提升至 10 人并行 20min/人

网页课件

HTML 交互课件

以「剧本 JSON + 基础 HTML + 学科模板」生成可播放、可互动、可在线编辑的网页课件;小学英语 POC 已在线发布,63 个原始 SID 规范化为 45 个正确分支播放步骤

数据分析

听写判错数据分析

基于近 8 万条真实判错数据完成归因分析:抽样 200 条人工复核建模、归纳 16 类问题模式 → 候选规则全量扫描定位问题分布 → 80 条定向盲验;区分学生真实写错与系统误判,输出判题规则 / 答案配置 / 识别 SDK 的 P0-P2 分级优化建议

打标工作台

手写 Badcase 打标工作台

W/T/R 三元判断框架(固定 R↔T → T↔W 顺序)、盲看-揭示两阶段流程防标注偏见、AI 预填 + 人工核查、B1–B5 分批抽样与检查点准入;判断规则随 mentor 会议迭代至 V2.3.2,新问题类型须 ≥3 条独立样本且覆盖 2 个班级才正式建立

04收获与反思

AI 产品的关键不是接通更多模型,而是明确不确定性出现在哪里、怎样被校验,以及业务愿意承担多少修正成本。先产品化确定性高、可验收的环节,再逐步引入生成能力。另一个内化的原则:一线业务信息是证据来源,不直接等于产品结论——「做一个平台 / 用 HTML / 全自动化 / 接某个模型」都是方案,不是问题。

数据口径:剪辑单剧本由 30-60 分钟专人操作转为约 20 分钟无人值守;剧本资料整理由约 30 分钟压缩至 3~5 分钟;40% 首帧可用率与「100 篇文献 / 3 秒」均为对应测试场景数据。不引用无测算记录的整体百分比,单点实测数据优先。