工具大全
亲手实测作者:Coocon2026年10月18日84 次阅读约 4 分钟阅读

四年级语文故事动画讲解合集(第一批 10 篇):王戎、囊萤、铁杵、盘古、女娲、纪昌、扁鹊、西门豹、周恩来、梅兰芳

延续《暮江吟》《精卫填海》两篇的做法,这一批把统编版四年级语文里的 10 个故事都做成了讲解动画。每支 1 分半左右,画风统一为水墨淡彩,结尾都有一句小结。

  • 小古文(3 篇):原文是公有领域。先范读,再逐句讲字词(字卡带拼音),最后全班齐读,当前句墨色加深。
  • 神话与历史故事(7 篇):课本里是改写过的现代文,所以这里不照搬课文,而是用自己的话把故事讲一遍,配上关键词语卡和道理。

小古文

王戎不取道旁李(《世说新语》)

字词:尝(cháng,曾经)、诸(许多)、子(果实)、折枝(zhé,把树枝压弯)、竞走(争着跑)、信然(确实如此)。王戎的推理用三步批注一步步写出来:树长在路边 → 果子还很多 → 一定是苦李。

囊萤夜读(《晋书·车胤传》)

字词:恭勤、不倦、练囊(白绢做的袋子)、盛(chéng,装)、以夜继日。画面:灯油用尽 → 夏夜捉萤火虫装进白绢袋 → 窗外昼夜交替,借萤光读书。

铁杵成针(《方舆胜览》)

字词:世传、媪(ǎo,老妇人)、方(正在)、铁杵(chǔ,铁棒)、卒业(zú,完成学业)。画面里铁棒一点点磨细成针,片尾大字"只要功夫深,铁杵磨成针"。

神话

盘古开天地

混沌大鸡蛋 → 抡斧劈开 → 轻而清的上升成天、重而浊的下沉成地 → 顶天立地越长越高 → 身体化作风云、雷声、日月、高山、江河、雨露。词语:混沌、劈、隆隆、滋润。

女娲补天

天塌一角、山火洪水 → 找来红黄蓝白黑五彩石 → 山顶炉火炼了五天五夜 → 捧着熔浆飞上天补好窟窿 → 大地复苏。词语:五彩石、炼、安居乐业。

古代故事

纪昌学射(《列子》)

躺在织布机下盯梭子、锥子刺来不眨眼 → 窗口牛毛吊虱子,三年看得像车轮(画面旁边画一只车轮对比)→ 一箭射穿虱子、牛毛不断。词语:梭子、虱子、基本功。"纪"作姓氏读 jǐ。

扁鹊治病(《韩非子》)

扁鹊四次见蔡桓侯,画面上方用同心圆示意图标出病一层层往里走:皮肤 → 皮肉 → 肠胃 → 骨髓。词语:不以为然、理睬、骨髓、讳疾忌医。

西门豹治邺(《史记》)

田地荒芜 → 官绅巫婆借"河神娶媳妇"搜刮百姓 → 西门豹将计就计 → 开凿十二条渠道,庄稼年年丰收。词语:荒芜、搜刮、面如土色、开凿。

人物故事

为中华之崛起而读书

少年周恩来在沈阳租界亲眼看到"中华不振",在修身课上回答"为中华之崛起而读书"。词语:租界、中华不振、崛起。

梅兰芳蓄须

京剧旦角大师拒绝为侵略者演出:蓄须明志、打伤寒针发高烧推掉演出、画梅卖画度日,抗战胜利后剃须重登舞台。词语:旦角、蓄须、气节。

怎么做的

  • 画面:每一帧都由代码绘制(Canvas2D 水墨笔刷 + WebGL 宣纸合成 + 设色颜料层),没有用 AI 生图或生视频。底层引擎来自开源风格库 lemo-opuscar,人物、道具、讲解排版和课堂流程是在它上面搭的一套共用运行时,每篇只需要写剧本和画面。
  • 配音:MiniMax 语音(speech-02-turbo)。生僻字、多音字用读音词典逐个指定,比如尝(cháng)、媪(ǎo)、杵(chǔ)、胤(yìn)、纪昌(jǐ chāng)、骨髓(gǔ suǐ)、讳疾忌医(huì jí jì yī)、旦角(dàn jué),再用本地 Whisper 模型把每句转写回文字核对。
  • 声音:古琴是物理建模合成,箫和鼓用 CC0 采样库,音效由程序合成,和画面按同一条时间线对齐。
  • 检查:每篇都跑过三项检查:屏幕上每一段文字的停留时间够读完、响度统一到 −14 LUFS、没有黑帧。

需要说明的

  • 讲解词是按教学常识写的,没有对照官方教参逐字核对;统编教材在逐年修订,用于课堂前请对照手里的最新版课本。
  • 小古文原文均为公有领域;神话与历史故事为自行复述,讲解词、分镜、画面和配乐为原创。

这类实测,每周六汇总一封

订阅码农早餐:每天 8:00 一封 AI 编程早报,每周六另附本周 Claude Code / Codex / 本地模型的实测和踩坑汇总。

相关文章

用代码画水墨:四年级语文《暮江吟》《精卫填海》动画讲解

用代码画水墨:四年级语文《暮江吟》《精卫填海》动画讲解

两支约 1 分 40 秒的水墨淡彩讲解动画,对应统编版语文四年级上册第 9 课古诗《暮江吟》和第 13 课《精卫填海》:范读、逐句讲字词(带拼音字卡)、画面演示、总结、齐读。画面每一帧都是代码画的,没有用 AI 生图或生视频;古琴是物理建模合成,老师的声音是 MiniMax 语音。文末说明制作方式和需要老师核对的地方。

tts语文+6
hands-on2026年10月18日3 min
96
MiniMax T2A v2 vs Azure Neural TTS 实测:同一段中英文本,延迟差了 6~10 倍

MiniMax T2A v2 vs Azure Neural TTS 实测:同一段中英文本,延迟差了 6~10 倍

我的视频工厂里同时接了 MiniMax 和 Azure 两条 TTS 链路,一直凭感觉觉得 MiniMax 更快,这次把它坐实:同一段中英文本、各 5 轮、统一输出 24kHz/单声道/16bit,MiniMax 合成中位延迟 1.0~2.2 秒、RTF 0.08~0.18(比实时快 5~12 倍),Azure 中位 6~21 秒、RTF 逼近 1.0,且长尾抖到 27 秒。两个原因都有证据:一是 Azure Neural 本身的合成节奏就接近实时,二是从大陆直连它的 eastasia 端点要跨太平洋,握手 TLS 抖到 0.8 秒。文末给出真实抓包、波形对照,以及『什么时候该忍 Azure』的判断。

ttsrtf+6
hands-on2026年9月5日8 min
250

AI 视频的字幕越到后面偏得越多:别再修对齐算法了,问题出在「先生成整段音频」这一步

用 TTS + 自动字幕做科普视频,字幕前半段完美、越往后漂移越大,尾部时间戳甚至退化成 00:00:00。第一反应是修对齐算法——归一化数字、调相似度阈值——都是打补丁。这篇复盘给出根因:「整段 TTS + whisper 转写 + 事后匹配」这类方案在结构上必然漂移,因为它把本该由生成过程直接产出的时序信息,交给了一个会出错的事后重建环节。解法是逐句 TTS + 采样级拼接:字幕时间戳等于每句真实 wav 采样数的累加,句边界天然重置误差,物理上不存在漂移。附完整切句规则、缓存设计与适用边界。

ttsbug-复盘+3
pitfalls2026年8月20日4 min
366

一个人用 AI 流水线做出 156 支双语视频:完整方法与踩坑复盘

13 集《孙子兵法》职场系列,中英双语,累计 156 支成片,全程一个人 + 一条本地流水线。这篇复盘讲清楚管线怎么搭、钱花在哪、缓存怎么救命,以及 9 个真实踩过的坑。

ai视频视频自动化+4
ai-tutorials2026年7月19日8 min
329