前面几篇我们搞定了文档处理、图片生成。

目前，短视频是最有传播力的内容形式。

不需要剪映、不需要PR，一句话生成视频。

本篇我们来玩视频生成——让AI成为你的视频创作助手！

一、先看效果：一句话生成视频

之前我们展示了办公四件套，能一句话处理各种文档。

这一篇，我们把前面所有能力串联起来，输出完整视频：

文字/链接输入
       ↓
深度调研内容（deep-research）
       ↓
撰写解说词文案
       ↓
拆分场景，批量生图（image-service）
       ↓
生成配音+时间戳（tts）
       ↓
合成视频+字幕+片尾（video-creator）
       ↓
输出.mp4文件

一句话触发

帮我把这篇文章做成1分钟的短视频，讲清楚学了啥、能干啥、咋用

根据这个链接的内容，生成一个产品介绍视频

把这个故事做成儿童动画视频，风格可爱

执行过程

AI会自动调用多个Skill协作：

Step 1：理解内容

正在阅读文章/链接内容...
提取核心要点...

Step 2：撰写解说词

生成1分钟解说词文案...
约180字，覆盖：学了啥、能干啥、咋用、场景

Step 3：拆分场景，批量生图（image-service）

拆分为8个场景...
并发生成8张配图（16:9横版）
- 01_opening.png
- 02_problem.png
- ...
- 08_ending.png

Step 4：生成配音（tts_generator）

生成配音: narration.mp3
生成时间戳: narration.json
音频时长: 52秒

Step 5：计算时长，合成视频

根据时间戳计算每张图的duration...
生成视频配置: video_config.yaml
合成视频（带转场）...
烧录字幕...
拼接片尾...
添加BGM...

Step 6：输出结果

完成: output.mp4 (57.6秒)

二、核心能力

三、适用场景

四、视频生成流程

4.1 套娃流程（故事类视频）

对于故事/剧情类视频，采用三层套娃生成：

第一层：故事 拆分场景 并发生成场景主图（文生图）

第二层：每个场景主图  图生图拆出细镜头（保持角色一致）

第三层：生成配音 + 字幕 + 合成视频

4.2 简化流程（讲解类视频）

对于讲解/介绍类视频，可以简化为：

文案 批量生图 配音 合成视频

不需要细镜头拆分，每个知识点对应一张图即可。

五、支持的视频比例

六、实战案例

案例1：文章转视频

需求：把技术教程文章做成1分钟短视频。

操作：

把第四篇文章做成1分钟的视频简介，讲清楚：
- 学了啥
- 能干啥
- 咋用
- 场景是啥
用OpenCode风格配图，16:9横版

执行流程：

读取文章内容
    ↓
撰写180字解说词
    ↓
拆分8个场景，并发生图
    ↓
生成配音+时间戳
    ↓
计算时长分配
    ↓
合成视频+字幕+片尾

产出: output.mp4 (约60秒)

案例2：产品介绍视频

需求：根据产品文档生成介绍视频。

操作：

根据这个产品文档，生成一个2分钟的产品介绍视频：
- 核心功能亮点
- 使用场景
- 操作演示
风格：科技感，16:9横版

案例3：儿童绘本动画

需求：把儿童故事做成有声动画。

操作：

把这个小故事做成儿童动画视频：

故事：小兔子找萝卜
第1页：小兔子在森林里醒来
第2页：小兔子遇到了小松鼠
...

要求：
- 可爱水彩风格
- 角色一致（白色小兔子，穿蓝色背带裤）
- 9:16竖版
- 温柔女声配音

七、常用命令

TTS配音

# 基本用法
python tts_generator.py --text "文本内容" --output audio.mp3

# 带时间戳
python tts_generator.py --text "文本内容" --output audio.mp3 --timestamps

# 指定音色
python tts_generator.py --text "文本内容" --output audio.mp3 
                       --voice zh-CN-XiaoxiaoNeural

视频合成

# 基本用法
python video_maker.py config.yaml

# 带字幕
python video_maker.py config.yaml --srt subtitles.srt

# 自定义转场
python video_maker.py config.yaml --fade 0.8

# 不加片尾
python video_maker.py config.yaml --no-outro

八、常见问题

Q1：视频音画不同步？

缘由：图片duration分配不准确。

解决：

• 必须先读取 narration.json 时间戳
• 按句子语义边界划分，不要平均分配
• 生成配置前校验总时长

Q2：字幕位置不对？

缘由：字幕样式未正确设置。

解决：使用ASS格式字幕，强制底部居中。

Q3：角色风格不一致？

缘由：批量生图时没有保持角色描述一致。

解决：

• 先生成角色设定图
• 每张图都带完整的角色描述
• 使用图生图（以主图为参考）保持一致性

九、下篇预告

视频生成搞定了！

下篇，我们来搭个知识库：

• Obsidian知识库搭建
• 双链笔记自动关联
• 提示词库管理
• 技术沉淀工作流

让AI成为你的第二大脑，越用越机智！

下篇预告：搭个知识库，让AI帮我记东西，打造第二大脑！