# AI视频播客自动生成

`视频制作` `TTS语音` `Remotion` `多平台发布` `AI工具`

# 视频播客制作器

[中文文档](README_CN.md)

自动化流水线，从一个主题出发，创作专业视频播客。**支持哔哩哔哩、YouTube、小红书、抖音和微信视频号**，并可输出多语言内容（zh-CN、en-US）。集成了研究调查、脚本生成、多引擎 TTS（Edge/Azure/豆包/CosyVoice）、Remotion 视频渲染与 FFmpeg 音频混合等能力。

**兼容：** [Claude Code](https://claude.ai/code) · [OpenClaw](https://openclaw.ai/)（ClawHub）· [OpenCode](https://opencode.ai/) · [Codex](https://openai.com/index/introducing-codex/) —— 任何支持 SKILL.md 的编程智能体

**发布至：** 哔哩哔哩 · YouTube · 小红书 · 抖音 · 微信视频号

> **无需编程！** 用自然语言描述你的主题，编程智能体会逐步引导你完成每个环节。你负责创意决策，智能体处理所有技术细节。制作第一个视频播客比你想象的更简单。

> **注意：** 本项目仍在积极开发中，可能尚未完全成熟。我们持续迭代改进，非常欢迎你的反馈和建议——随时[提交 Issue](https://github.com/Agents365-ai/video-podcast-maker/issues) 或联系我们！

## 功能特性

- **主题调研** - 网络搜索与内容收集
- **脚本撰写** - 带章节标记的结构化解说词
- **多引擎 TTS** - Edge TTS（免费）、Azure Speech、火山引擎豆包、CosyVoice、ElevenLabs、Google Cloud TTS、OpenAI TTS
- **Remotion 视频** - 基于 React 的视频合成与动画
- **视觉风格编辑** - 在 Remotion Studio 界面调整颜色、字体与布局
- **实时预览** - 渲染前通过 Remotion Studio 即时调试
- **自动对齐时间** - 通过 `timing.json` 实现音画同步
- **BGM 混音** - 用 FFmpeg 叠加背景音乐
- **字幕烧录** - 可选嵌入 SRT 字幕
- **4K 输出** - 3840x2160 分辨率，画质清晰
- **章节进度条** - 播放时显示当前章节的可视化时间轴
- **中英双语 TTS** - 使用 Azure Speech 或 CosyVoice 进行中英混合解说
- **发音纠正** - 全局与项目级多音字词典，修正中文多音字
- **哔哩哔哩模板** - 开箱即用的 Remotion 模板（`Video.tsx`、`Root.tsx`、`Thumbnail.tsx`、`podcast.txt`），快速搭建项目
- **组件库** - 可复用的视觉构建块（对比卡片、时间轴、代码块、引用块、特性网格、数据条、数字统计、流程图、图标卡、图示揭示、音频波形、Lottie 动画、媒体区块、章节布局、动态背景），用于组合丰富的章节页面
- **偏好学习** - 自动学习用户风格偏好（颜色、字体、语速），并应用于后续视频
- **多平台** - 哔哩哔哩、YouTube、小红书、抖音、微信视频号，各平台与语言设置独立
- **多语言** - 支持中文（zh-CN）和英文（en-US）脚本模板、TTS 声音与字幕字体
- **字幕偏好** - 自定义字体、大小、颜色、描边；可开关字幕烧录
- **可配置 CTA** - 自动（B站一键三连 / YouTube 订阅）、动画、文字或自定义

### 各平台优化

**哔哩哔哩：**
- **脚本结构** - 欢迎开场 + 一键三连结尾引导
- **章节时间戳** - 自动生成 `MM:SS` 格式的 B 站章节
- **封面生成** - AI（imagen/imagenty）或 Remotion，自动生成 16:9 + 4:3 两种版本
- **视觉风格** - 粗体文字、减少留白、信息密度高
- **发布信息** - 标题公式、标签策略、简介模板

**YouTube：**
- **SEO 优化** - 标题不超过 70 字符，关键词丰富的描述，标签与 Hashtag
- **章节** - 自动生成 YouTube 章节时间戳（首行固定为 0:00）
- **CTA** - "点赞、订阅并分享"文字动画或自定义

**小红书：**
- **标题** - 最多 20 字，简洁有力，支持 emoji
- **简介** - 200-500 字，种草 / 知识分享风格，含 emoji
- **话题标签** - `#话题#` 格式（双井号），5-10 个标签
- **封面** - 3:4（1080x1440）适配信息流展示
- **CTA** - "点赞收藏加关注"文字动画

**抖音：**
- **格式** - 仅支持竖版短视频（9:16），不支持横版长视频
- **简介** - 100-200 字，口语化、轻松风格，含 emoji
- **话题标签** - `#话题` 格式（单井号），3-8 个标签
- **CTA** - "点赞关注"纯文字（无动画）

**微信视频号：**
- **格式** - 仅支持竖版短视频（9:16），不支持横版长视频
- **简介** - 100-300 字，适合转发的知识分享风格
- **话题标签** - `#话题` 格式（单井号），3-8 个标签
- **CTA** - "点赞关注，转发给朋友"纯文字（无动画）

## 工作流程

![工作流程](assets/workflow.png)

## 相关技能

本技能依赖 **remotion-best-practices**，并可与其他可选技能配合使用：

- **remotion-best-practices** - 官方 Remotion 最佳实践（必需，提供核心 Remotion 模式与指南）
- **find-skills** - 官方技能发现工具（可选，帮助查找和安装其他技能）
- **ffmpeg** - 高级音视频处理（可选）
- **imagen / imagenty** - AI 封面生成（可选）

## 环境要求

### 系统要求

| 软件 | 版本 | 用途 |
|------|------|------|
| **macOS / Linux** | - | 已在 macOS 测试，兼容 Linux |
| **Python** | 3.8+ | TTS 脚本、自动化 |
| **Node.js** | 18+ | Remotion 视频渲染 |
| **FFmpeg** | 4.0+ | 音视频处理 |

### 安装

```bash
# macOS
brew install ffmpeg node python3

# Ubuntu/Debian
sudo apt install ffmpeg nodejs python3 python3-pip

# Python 依赖
pip install azure-cognitiveservices-speech dashscope edge-tts requests
```

### 项目设置（必需）

> **重要：** 本技能需要以 Remotion 项目作为基础。

**组件说明：**

| 组件 | 来源 | 用途 |
|------|------|------|
| **Remotion 项目** | `npx create-video` | 基础框架，包含 `src/`、`public/`、`package.json` |
| **video-podcast-maker** | Claude Code 技能 | 工作流编排（本技能） |

```bash
# 第一步：创建新的 Remotion 项目（基础框架）
npx create-video@latest my-video-project
cd my-video-project
npm i  # 安装 Remotion 依赖

# 第二步：验证安装
npx remotion studio  # 应在浏览器中打开预览
```

如果你已有 Remotion 项目：

```bash
cd your-existing-project
npm install remotion @remotion/cli @remotion/player zod
```

### 所需 API 密钥

| 服务 | 用途 | 获取密钥 |
|------|------|----------|
| **Azure Speech** | TTS 音频生成（高质量） | [Azure 门户](https://portal.azure.com/) → 语音服务 |
| **火山引擎豆包语音** | TTS 音频生成（备用后端） | [火山引擎控制台](https://console.volcengine.com/speech/service/8) |
| **阿里云 CosyVoice** | TTS 音频生成（备用后端） | [阿里云百炼](https://bailian.console.aliyun.com/) |
| **Edge TTS** | TTS 音频生成（默认，免费，无需密钥） | `pip install edge-tts` |
| **ElevenLabs** | TTS 音频生成（英文最高质量） | [ElevenLabs](https://elevenlabs.io/) |
| **Google Cloud TTS** | TTS 音频生成（多语言支持广泛） | [Google Cloud 控制台](https://console.cloud.google.com/) |
| **OpenAI** | TTS 音频生成（简单 API） | [OpenAI 平台](https://platform.openai.com/) |
| **Google Gemini** | AI 封面生成（可选） | [AI Studio](https://aistudio.google.com/) |
| **阿里云 Dashscope** | AI 封面 - 中文优化（可选） | [阿里云百炼](https://bailian.console.aliyun.com/) |

### 环境变量

添加至 `~/.zshrc` 或 `~/.bashrc`：

```bash
# TTS 后端：edge（默认，免费）、azure、doubao、cosyvoice、elevenlabs、google、openai
export TTS_BACKEND="edge"                            # 默认（免费），或 "azure" / "doubao" / "cosyvoice" / "elevenlabs" / "google" / "openai"

# Azure TTS（高质量）
export AZURE_SPEECH_KEY="your-azure-speech-key"
export AZURE_SPEECH_REGION="eastasia"

# 火山引擎豆包 TTS（备用后端）
export VOLCENGINE_APPID="your-volcengine-appid"
export VOLCENGINE_ACCESS_TOKEN="your-volcengine-access-token"
export VOLCENGINE_CLUSTER="volcano_tts"              # 默认集群，根据控制台配置调整
export VOLCENGINE_VOICE_TYPE="BV001_streaming"       # 根据控制台音色选项调整

# 阿里云 CosyVoice TTS（备用后端）+ AI 封面
export DASHSCOPE_API_KEY="your-dashscope-api-key"

# 可选：Edge TTS 声音覆盖
export EDGE_TTS_VOICE="zh-CN-XiaoxiaoNeural"

# ElevenLabs TTS
export ELEVENLABS_API_KEY="your-elevenlabs-api-key"

# Google Cloud TTS
export GOOGLE_TTS_API_KEY="your-google-tts-api-key"

# OpenAI TTS
export OPENAI_API_KEY="your-openai-api-key"

# 可选：Google Gemini AI 封面生成
export GEMINI_API_KEY="your-gemini-api-key"
```

然后重新加载：`source ~/.zshrc`

## 快速开始

### 使用方法

本技能设计用于 [Claude Code](https://claude.ai/claude-code) 或 [Opencode](https://github.com/opencode-ai/opencode)。只需告诉 Claude：

> "帮我制作一个关于[你的主题]的视频播客"

Claude 会自动引导你完成整个工作流程。

> **提示：** 首次生成的质量很大程度上取决于模型的智能程度——模型越先进，效果越好。经过测试，Codex 和 Claude Code 均能一次生成优质视频，OpenCode 搭配 GLM-5 也能产出不错的结果。如果初始输出不够理想，可以在 Remotion Studio 中预览，并要求编程智能体持续优化，直到满意为止。

### 使用 Remotion Studio 预览与视觉编辑

在渲染最终视频之前，使用 Remotion Studio 进行预览和视觉样式调整：

```bash
npx remotion studio src/remotion/index.ts
```

这将打开基于浏览器的编辑器，你可以：
- **视觉风格编辑** - 在右侧面板调整颜色、字体和大小
- 逐帧拖动时间轴
- 编辑组件后实时查看更新
- 即时调试时间与动画

#### 可编辑属性

| 类别 | 属性 |
|------|------|
| **颜色** | 主色、背景色、文字颜色、强调色 |
| **排版** | 标题大小（72-120）、副标题大小、正文大小 |
| **进度条** | 显示/隐藏、高度、字体大小、激活颜色 |
| **音频** | BGM 音量（0-0.3） |
| **动画** | 开启/关闭入场动画 |

## 配置文件

| 文件 | 作用范围 | 用途 |
|------|----------|------|
| `phonemes.json` | 全局 | 所有项目共享的中文多音字词典。可编辑以添加或修正发音（如：行 háng vs xíng）。项目级覆盖放置于 `videos/{name}/phonemes.json` |
| `user_prefs.template.json` | 全局 | 默认偏好模板。首次运行时复制为 `user_prefs.json`，随技能学习风格后自动演进 |
| `prefs_schema.json` | 全局 | 偏好验证的 JSON Schema，请勿手动编辑 |
| `tsconfig.json` | 全局 | Remotion 模板的 TypeScript 配置 |

## 输出结构

```
videos/{video-name}/
├── topic_definition.md      # 主题方向
├── topic_research.md        # 调研笔记
├── podcast.txt              # 解说词脚本
├── phonemes.json            # （可选）项目级发音覆盖
├── podcast_audio.wav        # TTS 音频
├── podcast_audio.srt        # 字幕文件
├── timing.json              # 章节时间用于同步
├── thumbnail_*.png          # 视频封面
├── publish_info.md          # 标题、标签、简介
├── part_*.wav               # TTS 分段（临时文件，通过第 14 步清理）
├── output.mp4               # 原始渲染（临时文件）
├── video_with_bgm.mp4       # 含 BGM 版本（临时文件）
└── final_video.mp4          # 最终输出
```

## 背景音乐

`assets/` 目录中包含以下音轨：
- `perfect-beauty-191271.mp3` - 欢快、积极
- `snow-stevekaldes-piano-397491.mp3` - 平静钢琴曲

## 路线图

- [x] 竖版视频支持（9:16），适配 B 站移动端优先内容
- [x] Remotion 转场效果（@remotion/transitions），实现专业章节转场
- [x] 组件模板库（对比卡片、时间轴、代码块、引用块、特性网格、数据条、数字统计、流程图、图标卡）
- [x] 广播级质量升级（渐变背景、多层阴影、动态数字计数、质量检查清单）
- [x] 多 TTS 引擎支持（7 个引擎：Edge、Azure、豆包、CosyVoice、ElevenLabs、OpenAI、Google Cloud）
- [x] Edge TTS 免费后端（无需 API 密钥）
- [x] 多平台支持（B 站 + YouTube），支持独立语言配置（zh-CN、en-US）
- [x] 断点续传（`--resume` 参数）
- [x] 试运行模式（`--dry-run` 估算时长）
- [x] 用户偏好自进化（自动学习视觉/TTS/内容风格偏好）
- [x] 重构至最新 Claude Code SKILL 规范（`references/` 分层文档、`${CLAUDE_SKILL_DIR}` 变量、`argument-hint`/`effort`/`allowed-tools` 前置字段）
- [x] 设计学习系统 —— 从参考视频/图片中学习设计风格，构建设计参考库和可复用风格配置文件
- [ ] Playwright 自动截图 —— 通过 URL 直接分析 B 站/YouTube 视频设计风格（第 4 阶段）
- [ ] 第 9 步智能推荐 —— 创建视频时自动匹配并推荐现有风格配置文件（第 5 阶段）
- [ ] 封面设计学习 —— 将学习到的封面风格应用于 Thumbnail.tsx 模板（第 5 阶段）
- [ ] YouTube 自动发布 —— 通过 YouTube Data API 上传，附带元数据、章节和封面
- [ ] Windows 兼容性（WSL 验证 + 文档）

## 开源协议

MIT

## 支持作者

如果本项目对你有帮助，欢迎支持作者：

<table>
  <tr>
    <td align="center">
      <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/wechat-pay.png" width="180" alt="微信支付">
      <br>
      <b>微信支付</b>
    </td>
    <td align="center">
      <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/alipay.png" width="180" alt="支付宝">
      <br>
      <b>支付宝</b>
    </td>
    <td align="center">
      <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/buymeacoffee.png" width="180" alt="请我喝咖啡">
      <br>
      <b>请我喝咖啡</b>
    </td>
  </tr>
</table>

## 作者

**Agents365-ai**

- 哔哩哔哩：https://space.bilibili.com/441831884
- GitHub：https://github.com/Agents365-ai