给一个主题、一篇文章或一个完整故事，就能做出边画边讲的有声视频：写口播稿、设计分镜、生成插画，再在本地逐笔描线、上色、按笔顺手写中文、配音对齐字幕，最后导出 MP4。开源手绘视频 Skill sweety-handdraw-video 迎来了 2.0，当前安装包版本 v2.0.2，运镜、转场、动效、字幕、声音一次性补齐。
运镜有了名字和节奏。10 种命名运镜：推、拉、平移、慢漂、跳、甩、急推、砸入、切，还有希区柯克变焦，推近最高 3 倍，素材按最大倍数生成，推近也是清晰的。模型没写镜头的地方，内置导演角色会帮忙补上。渲染前还会做取景检查，笔画每 0.25 秒查一次在不在画面里，镜头不会抢在笔前面跑出画面。
转场从 4 种增至 22 种。翻页、撕纸、立方体、拼砖、板擦、橡皮擦、毛刷、墨晕、穿越、甩镜、闪白都在其中，章节处用招牌转场，其他页用轻转场，相邻两页不重复。
动效层是这次的核心升级。新增 14 种：大字逐词出现、砸入、乱码收敛成字；手绘图表和地图，柱线饼、时间线、转动地球上的航线；硬币真的落进罐子、宝石立体旋转；手写公式逐字描出、写完还能圈注。
字幕不再被平台挡住。1.x 按字数换行，常把词切成两半，位置太低，竖屏发到平台上正好被底部按钮盖住。2.0 按词换行、默认单行、放在平台底部界面之上，关键词和数字可以高亮。同一部 11 分钟的片子，被遮挡的字幕从 247 条降到 0 条，单行比例从 62% 升到 100%。
画得更像人，画得也更快。线条只描真正的墨线，散落的小墨点留给上色处理；先画完一个物体再画下一个，物体内部先画外轮廓；上色不再按方框一块块盖章，而是沿内侧描一圈边再斜着排笔，带马克笔纹理、半透明，随后才干透。同一批 6 幅插画，最短绘制时间平均从 16.9 秒降到 8.2 秒。
声音也收拾干净了。手写时有笔尖同步的擦纸声，翻页是纸声、甩镜是风声，全部程序合成，人声出现时自动让开。句尾不再靠声音能量判断，改成用最后一个字之后的第一段安静定结尾，34 句配音的结尾全部低于 -74.5 dBFS，多出来的声音直接删掉。
安装一条命令。装好 Node.js 后运行：
npx skills add threerocks/sweety-handdraw-video --skill sweety-handdraw-video --agent claude-code codex --global --copy --yes
bash ~/.claude/skills/sweety-handdraw-video/scripts/setup.sh
需要大字、图表、地图、物理、三维这些动效层时，再运行一次 setup.sh --web-motion，它会装好浏览器渲染环境。支持 macOS 和 Linux，暂不支持 Windows。想固定在这个版本，可以直接下载 v2.0.2 安装包，用同页的 SHA256SUMS.txt 校验。
做片子直接说一句话。在 Claude Code 里说“用 sweety-handdraw-video 把这篇文章做成手绘视频”，贴上链接或全文；也可以输入 /sweety-handdraw-video；在 Codex 里用 $sweety-handdraw-video。它会先确认比例、画风、声音这些选项，再写口播、出图、绘制、配音、导出。默认比例从 9:16 改成了 2:3，要全屏短视频仍然可以选 9:16。
从 1.x 升级注意三点：整个 Skill 目录替换掉，不要只拷 SKILL.md，装好后看一眼目录里的 VERSION，应该是 2.0.2；旧工程要先过一遍新的节奏检查，按提示改完就能出片；多进程渲染后，11 分钟的片子从约 12 分钟降到 3 分多钟。
项目以 MIT 许可证开源，配音本地用 VoxCPM2 或本机 VoiceStudio，云端可选火山豆包、Gemini TTS，也可以用自己的录音自动对齐字幕。成片已写入 AI 生成的隐式标识，发布时仍需要在平台上声明“AI 生成”。
项目地址：https://github.com/threerocks/sweety-handdraw-video
v2.0.2 安装包：https://github.com/threerocks/sweety-handdraw-video/releases/tag/v2.0.2