RepoPicks Radar

每天约 23:30 UTC 更新

指南

Code2Video

showlab/Code2VideoAI 已审核

RepoPicks Radar 检查于

Code2Video 是什么?

Code2Video 是 Show Lab(新加坡国立大学)的研究代码,用来制作 3Blue1Brown 风格的教学视频。你输入一个主题,例如 "Linear transformations and matrices",三个 AI 智能体协同工作:一个规划分镜,一个编写 Manim 动画代码并调试,一个查看结果并修正排版。它附带 MMMC——一个包含 117 个学习主题的基准集,以及给视频打分的脚本。你需要在装好 Python 和 Manim 的终端里运行它,并自行支付它调用的 AI 服务费用。

Code2Video 安装有多容易?

D · 终端、多个工具或特定显卡 · Windows

  • Windows D
  • macOS D
  • Linux D

三个系统上的做法相同,这类代码通常跑在 Linux 上:没有下载包,也没有图形界面。你要克隆仓库、安装 Python 包、按照 Manim Community 0.19 官方安装指南配好 FFmpeg 和 LaTeX 组件,把密钥写进 api_config.json,然后编辑并运行一个 shell 脚本。

即将推出:用 RepoPicks 应用一键安装。

Code2Video 的 GitHub 数据

星标
2,3552026年11月10日
下载量
—所有发布版本
增长
+1146 天内新增星标

星标变化

2,3462,3482,3502,3522,3542,356 11月8日11月9日11月10日 2,3462,3482,3502,3522,3542,356 11月8日11月9日11月10日

事实

可运行于
Windows, macOS, Linux
需要安装
Python, FFmpeg, 其他工具
磁盘空间
未确定
账号或密钥
LLM API (Claude or another model, for the Planner and Coder), Gemini API (vision model, for the Critic that fixes layout), IconFinder
费用
免费,API 另行收费 · 代码采用 MIT 许可。每个视频都要调用付费 AI 服务;README 推荐用 Claude-4-Opus 生成代码、用 gemini-2.5-pro-preview 检查排版,并把 token 用量列为效率指标之一。
许可证
MIT (宽松型)
可以替代
Veo 3
GitHub 上的最近改动
2026年8月24日

Code2Video 的风险信号 (5)

  • 注意每个视频的花费不明

    README 的 Configure LLM API Keys:流程需要一个付费文本模型("Best Manim code quality achieved with Claude-4-Opus"),外加一个供 Critic 使用的付费视觉模型,run_agent.sh 里还有 PARALLEL_GROUP_NUM 设置可同时跑多个主题。仓库没有给出每个视频的价格,只把 "Token usage" 列为需要衡量的指标。

    AI 审核

  • 信息你的主题会发送给外部 AI 服务

    README 的 Run Agents:每个视频都通过调用 api_config.json 里配置的 LLM API 和 VLM API 生成,因此主题、生成的代码和渲染出的画面都会发送到这些公司的服务器。

    AI 审核

  • 信息图标来自素材图库

    README 的 Acknowledgements:"High-quality visual assets (icons) are provided by IconFinder and Icons8",更新说明里还提到 IconFinder 账号出了问题,于是把图标复制到一个 HuggingFace 数据集 "as a temporary alternative"。这些图标的许可条款同样适用于你发布的任何视频。

    AI 审核

  • 信息这是研究代码,不是打包好的软件

    该仓库是 ICML 2026 论文的配套代码:没有发布版本、没有安装程序、没有版本号,使用方式是修改 run_agent.sh 和 run_agent_single.sh 里的变量。最后一次提交是在本次检查的 78 天前。

    AI 审核

  • 信息质量只与自家基准做过比较

    README 的 Evaluation:质量结论建立在 MMMC 之上,而这个基准集由同一批作者构建,并用他们自己的脚本(eval_TQ.py、eval_AES.py)打分,以 3Blue1Brown 的课程作为优质视频的参照。

    AI 审核

证据以原始语言显示。

Radar 无法验证的 Code2Video 相关内容

  • 做成一个视频,AI 服务要收多少钱,以及运行中途失败、需要重新付费的概率有多高
  • 对于基准集 117 个主题之外的题目,生成的动画代码能否无错运行
  • 在普通电脑上做一个视频要多久,渲染出的帧和缓存的图标又会占多少磁盘空间
  • 在 Windows 和 macOS 上,这个指定版本的 Manim、LaTeX 和 FFmpeg 能否顺利装好
  • 如果你发布或出售这些视频,所下载图标的许可条款是否允许

类似项目

RepoPicks 应用

即将推出:用 RepoPicks 应用一键安装。

下载之前

在 GitHub 上查看版本页面