Создание скриншотов и видео

Статья обновлена 20 ноября 2026 г.

Пакет @diplodoc/screencaster создаёт скриншоты и видео для документации. Он открывает страницу в Chromium, выполняет действия в интерфейсе и сохраняет результат.

Скриншотницей управляет агент с поддержкой MCP (Model Context Protocol). Вы описываете, что нужно показать, агент находит элементы страницы и выполняет сценарий. Для использования в собственном приложении у пакета есть TypeScript API.

Возможности

С помощью скриншотницы можно:

  • Снять видимую область страницы, всю страницу или отдельный элемент.
  • Выделить нужный элемент на скриншоте или в видео.
  • Записать работу с интерфейсом и сократить паузы между действиями.
  • Добавить озвучку и субтитры.
  • Вырезать фрагмент записи или сохранить его как GIF.
  • Обрезать скриншоты, собрать коллаж и подготовить разметку YFM для вставки изображений.

Исходная запись сохраняется вместе с обработанными файлами. Из неё можно подготовить ещё один вариант видео без повторного прохождения сценария.

Скриншоты сохраняются в PNG, обработанные ролики — в WebM. Для размещения на сайте ролик можно преобразовать в MP4 с помощью FFmpeg.

Подготовка

  1. Установите Node.js версии 24 или выше и npm версии 11.5.1 или выше.

  2. Установите пакет:

    npm install @diplodoc/screencaster
    
  3. Подготовьте Chromium для версии Playwright, которую использует пакет. Для обработки видео также нужен FFmpeg с кодеками libvpx-vp9 и libopus. Если FFmpeg находится вне PATH, укажите путь к нему в переменной FFMPEG_PATH.

    Требования к окружению и установке браузера приведены в README пакета.

Настройка

Создайте файл run.config.json. В этом примере скриншотница открывает Playground, записывает видео и позволяет делать скриншоты с выделением элементов:

{
  "version": 1,
  "directory": "./runs",
  "browser": {
    "url": "https://diplodoc-platform.github.io/transform/",
    "headless": true,
    "locale": "ru-RU",
    "colorScheme": "light",
    "viewport": {
      "width": 1920,
      "height": 1080
    },
    "deviceScaleFactor": 1
  },
  "policy": {
    "rules": [
      {
        "origin": "https://diplodoc-platform.github.io",
        "pathPrefix": "/transform/",
        "actions": ["read", "act"]
      }
    ]
  },
  "outputs": {
    "video": {
      "name": "walkthrough",
      "highlights": true
    },
    "screenshots": {
      "highlight": true
    }
  }
}
  • directory — папка для результатов. Для каждой съёмки внутри неё создаётся отдельный каталог.
  • browser.url — адрес страницы, с которой начинается сценарий.
  • browser.headless — режим запуска браузера. Значение true скрывает окно, false открывает его на экране.
  • browser.viewport — размер области страницы в CSS-пикселях. Этот размер также используется для записи видео.
  • browser.deviceScaleFactor — плотность пикселей для скриншотов. Например, значение 2 даёт изображение двойного разрешения.
  • policy — адреса страниц и действия, к которым у агента есть доступ.
  • outputs.video — автоматическая обработка видео после завершения съёмки.
  • highlights и highlight — выделение элементов в видео и на скриншотах.

Пути в конфигурации отсчитываются от каталога, в котором лежит run.config.json. Параметр locale задаёт язык браузера, но не меняет язык, сохранённый в настройках самого сервиса.

Для страницы с авторизацией можно передать подготовленную сессию через storageState или подключить свой модуль входа. Эти варианты описаны в настройках авторизации.

Подключение к агенту

Добавьте MCP-сервер в настройки агента. В клиентах с JSON-конфигурацией подключение выглядит так:

{
  "mcpServers": {
    "screencaster": {
      "command": "npx",
      "args": [
        "--yes",
        "@diplodoc/screencaster",
        "--config",
        "/path/to/run.config.json"
      ]
    }
  }
}

Замените /path/to/run.config.json на абсолютный путь к вашему файлу. Формат настроек зависит от клиента. Для клиентов с другим форматом используйте ту же команду и аргументы.

Сервер запускается командой:

npx @diplodoc/screencaster --config ./run.config.json

После подключения дайте агенту сценарий съёмки. Инструкцию можно передать текстом, файлом Markdown или ссылкой на источник Markdown.

Съёмка

В сценарии укажите адрес страницы, последовательность действий и результат, который должен быть виден после каждого шага. Например, «Переключись на второй таб и проверь, что появился его текст».

Если нужны скриншоты, укажите, какие состояния интерфейса нужно снять и что выделить. Видео записывается во время выполнения сценария.

Попросите агента завершить съёмку и вернуть пути к готовым файлам. Скриншотница обработает запись и сохранит результаты в папке runs. Список файлов, статусы шагов и ошибки доступны в manifest.json внутри каталога съёмки.

Перед публикацией проверьте, что на записи показан нужный результат, подписи читаются, а выделение попадает на нужные элементы.

Озвучка и субтитры

Для озвучки подключите сервис синтеза речи (TTS, text-to-speech). В пакет входит адаптер Яндекс SpeechKit.

  1. Создайте рядом с run.config.json файл .env и сохраните в нём API-ключ:

    SPEECHKIT_API_KEY=ваш_ключ
    
  2. Добавьте в конфигурацию поля envFile и tts:

    {
      "envFile": ".env",
      "tts": {
        "provider": "speechkit",
        "options": {
          "apiKey": {"env": "SPEECHKIT_API_KEY"},
          "voice": "jane",
          "speed": 1
        }
      }
    }
    
  3. Дополните существующий блок outputs настройкой narration, сохранив в нём video и screenshots:

    {
      "narration": {
        "name": "narrated",
        "captions": true,
        "maxHoldSeconds": 5
      }
    }
    
  4. На macOS и Linux ограничьте доступ к файлам:

    chmod 600 run.config.json .env
    

В сценарии задайте короткую реплику для каждого шага. Агент использует эти реплики в поле actionText плана. После завершения записи скриншотница добавит озвучку к успешно выполненным шагам.

Настройка captions: true также создаёт файл субтитров WebVTT. Подключите этот файл к плееру отдельно. Субтитры не вшиваются в кадры видео.

Если реплика длиннее подходящего фрагмента, скриншотница может продлить показ кадра в пределах maxHoldSeconds. Для короткого видео лучше сократить реплику, чтобы зритель успел услышать её и увидеть действие.

Для русского языка в примере используется голос jane, для английского — john. Для каждого языка переведите текст сценария и реплики, измените голос и запишите отдельный ролик.

Обработка результатов

После съёмки агент может вырезать лишние действия, подготовить короткий фрагмент, GIF или обложку. Для этого используются инструменты MCP screencaster_edit, screencaster_clip и screencaster_preview.

Сокращение пауз опирается на записанные действия и изменения страницы. Длительность готового ролика зависит от самого сценария, а при озвучке — ещё и от длины реплик.

Для скриншотов доступна отдельная обработка: кадрирование, выделение области, сравнение двух состояний и сборка серии изображений. Описание этого режима есть в руководстве по иллюстрациям.

Пример

В статье о табах используется пример с двумя разделами, списком и жирным начертанием. На его основе можно записать работу с Playground.

Откройте пример в Playground. Чтобы записать такой ролик, передайте агенту ссылку на пример выше и следующую инструкцию:

Открой готовый пример с табами в Playground Diplodoc и запиши короткое видео. Проверь результат в превью, переключись на второй таб и вернись к первому. Добавь озвучку и субтитры. В готовом ролике сократи ожидания агента, сохрани переключения и время на чтение результата. Заверши съёмку и верни пути к готовым файлам.