Code2Video 使用指南

Code2Video 是由新加坡国立大学（NUS）Show Lab 开发的开源 AI 项目，该项目已接收于 ICML 2026。它提出了一种以代码为中心（Code-centric）的教学视频生成新范式，通过生成并执行 Manim 代码来创建高质量的科普与教学视频。

一、平台与项目介绍

1. 官方开源地址：访问 GitHub - showlab/Code2Video 获取最新源码。
2. 核心理念：传统 AI 视频生成（如 SORA、Runway 等像素级生成模型）在处理逻辑严密、结构复杂的教学或数学视频时易出现内容幻觉或字迹模糊。Code2Video 引入大语言模型生成 Python 的 Manim 动画代码，利用代码控制视频的时间轴与空间布局，实现精确、高清晰度且可重现的教学动画。

二、主要功能

1. 多 Agent 协作生成（Modular Tri-Agent Design）：

• Planner（规划器）：将输入知识点拆解并扩写为视频脚本分镜。
• Coder（代码生成器）：自动合成并调试 Manim 代码。
• Critic（审查与优化器）：结合多模态大模型（VLM）评估画面布局与视觉效果，迭代修正渲染效果。

1. 知识点自动转换为动画：输入任意自然语言知识点（如“矩阵线性变换”、“傅里叶级数”），自动生成配套动画与讲解视频。
2. 集成图标与素材库：支持通过 IconFinder API 自动匹配并下载相关图标素材，丰富画面表现力。
3. 内置评估基准 MMMC：提供包含 117 个精心挑选的教学主题基准（受 3Blue1Brown 启发），用于评测视频的知识传递效率与美观度。

三、适用人群

1. 教育工作者与教师：快速制作精确的科普课件与数学/物理概念动画。
2. 科普/自媒体内容创作者：高效生成 3Blue1Brown 风格的精美讲解视频。
3. AI & 计算机视觉研究人员：探索 Agentic 代码生成、多模态代码驱动视频生成方向。

四、免费与付费情况

1. 开源免费：项目代码本身完全 开源免费，采用 MIT 开源协议。
2. 第三方 API 成本（使用过程中产生）： 3. LLM / VLM API 费用：项目依赖第三方大模型 API 服务，需自行付费购买 API Token。 4. LLM/VLM 推荐选型：官方建议使用 Claude-4-Opus 生成代码，使用 Gemini-2.5-Pro 用于布局优化。 5. IconFinder API 费用（可选）：若需要自动抓取图标素材，可使用 IconFinder 免费配额或购买套餐。
3. 官方定价方案网址：项目本身无官方付费版，调用的第三方 API 定价可参考各自官方页面： 7. Anthropic (Claude) 定价页面：https://www.anthropic.com/pricing 8. Google AI Studio (Gemini) 定价页面：https://ai.google.dev/pricing

五、如何使用（快速上手）

1. 环境准备与安装

1. 克隆项目仓库并进入代码目录：
2. bash

git clone https://github.com/showlab/Code2Video.git
cd Code2Video/src
pip install -r requirements.txt

1. 注：需确保系统已安装 Manim Community (v0.19.0) 及其依赖环境（如 System 级别的 ffmpeg、LaTeX 等），否则后续渲染可能会失败。

2. 配置 API Key

1. 在 src/api_config.json 中配置所需的密钥： 2. LLM API（Planner 与 Coder 使用）。 3. VLM API（Critic 使用，如 Gemini 密钥）。 4. IconFinder API Key（可选，用于自动收集图标）。

3. 运行生成脚本

1. 单个知识点生成模式：
2. bash

sh run_agent_single.sh --knowledge_point "Linear transformations and matrices"

1. 批量基准测试/多主题生成模式：
2. bash

sh run_agent.sh

六、注意事项

1. 渲染环境依赖：由于底层依赖 Manim 引擎，宿主环境必须提前配置好 ffmpeg 及 LaTeX 渲染器，否则代码合成后可能会因环境缺失导致渲染失败。
2. API 选型影响质量：高质量的 Manim 代码极其依赖大模型的能力。官方建议代码生成优先选用 Claude-4-Opus，视觉批评（Critic）优先选用 Gemini-2.5-Pro，使用效果一般的模型可能会导致代码编译报错率升高。
3. 生成的渲染时间：与基于像素扩散的模型不同，代码渲染的时间主要取决于 Manim 本身的渲染逻辑与 CPU/GPU 性能，复杂动画渲染可能需要一定计算时间。