口播成片
原名：talk-video
把一长段口播稿做成「本人音色配音 + 画面」的竖屏视频（观点类 / 知识类 / 口播类，通常 3-6 分钟）。两种画面模式：① 文字排版动效（默认，无素材时）；② AI 配图 + 字幕（用 ian-xiaohei-illustrations 风格，需用户确认生图积分消耗）。当用户给一段文字稿要"做成视频""配我的声音""做口播视频""文字视频""观点视频""念稿视频""配图视频"时使用。流程：自动分幕 → stepfun 复刻本人音色 → 分幕带情绪配音 → 语速归一 → 排版/配图 → Playwright 逐帧渲染。有产品截图 / 要做品牌宣传片时用 promo-video；只排查配音或画面 BUG 时用 promo-video-pitfalls。
- 分类
- 内容创作
- 版本
- v1.1.0
- 作者
- 弈韬(@ra1nzzz)
- 下载
- 0
- 收藏
- 0
- 发布
- 2026-09-07
- 更新
- 2026-09-10
- TRACE 评分
- 4.4 / 5
内容概览
把一整段口播稿变成成片。 没有产品素材 是这类任务的典型特征：画面全靠文字排版 + 动效撑， 声音是本人复刻音色，节奏靠分幕控制。 场景 用谁 --- --- 一整段观点稿 / 口播稿 → 视频，无素材 本技能 有产品截图、要 BGM/音效、品牌宣传片（30-45s） promo-video 只排查配音"（AI"没读出 / 内容错 / 语速不受控）或画面 BUG promo-video-pitfalls 只要配音不要画面 本技能第 1-5 步即可，跳过渲染 在项目根目录执行（所有脚本都以 cwd 为 ROOT）。 scenes.json 与 scenes.js 靠 id 对应 ，两者条数必须一致，否则时长对不上。 四种幕型，按内容挑：text 通用、big 巨字金句、pair 左右对照、list 三连排比。 字段 适用 说明 --- --- --- id 全部 与 scenes.json 对应 t 全部 text / big / pair / list txt text/list 主文案，按标点断句 kw text/big 需要朱红强调 + 下划线的关键词数组 pg text 幕内分页 ，如 [[0,5],[5,11]] 表示按句切成两页 lead text 顶部小标签（如栏目名） bz / sub big 巨字主词 / 副标题 a/a2/b/b2 pair 左右两侧的标题与说明 items list 三连排比的词条数组 SCENE TITLE 全局 角标标题（写在 scenes.js 顶部） 配音 1. instruction 只写 表演方向 （嘲讽 / 叹息 / 爆发 / 释然）， 绝不写"缓慢、舒缓" —— 快慢措辞会盖过 speed 参数，整片节奏全乱。语速靠生成后 atempo 归一。 2. 判定"命中错误缓存"要看 字节数 + MD5 都相同 。只比字节数会误报（CBR 编码撞字节数）。 3. 文案避开已知触发词（"群聊"等），详见 promo-video/references/stepfun-tts.md。 画面 4. 长文案幕 必然撑爆容器 ：先 mea…