mc-skills/catalog
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
catalog/repos/agents365-ai--video-podcast-maker.md

14 KiB
Raw Permalink Blame History

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

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 · OpenClaw（ClawHub）· OpenCode · 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 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

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

# 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） 
# 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：

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 → 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
阿里云 CosyVoice TTS 音频生成（备用后端） 阿里云百炼
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
Google Cloud TTS TTS 音频生成（多语言支持广泛） Google Cloud 控制台
OpenAI TTS 音频生成（简单 API） OpenAI 平台
Google Gemini AI 封面生成（可选） AI Studio
阿里云 Dashscope AI 封面 - 中文优化（可选） 阿里云百炼

环境变量

添加至 ~/.zshrc 或 ~/.bashrc：

# 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 或 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：

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

  • 竖版视频支持（9:16），适配 B 站移动端优先内容
  • Remotion 转场效果（@remotion/transitions），实现专业章节转场
  • 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）
  • 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）
  • 多 TTS 引擎支持（7 个引擎：Edge、Azure、豆包、CosyVoice、ElevenLabs、OpenAI、Google Cloud）
  • Edge TTS 免费后端（无需 API 密钥）
  • 多平台支持（B 站 + YouTube），支持独立语言配置（zh-CN、en-US）
  • 断点续传（--resume 参数）
  • 试运行模式（--dry-run 估算时长）
  • 用户偏好自进化（自动学习视觉/TTS/内容风格偏好）
  • 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）
  • 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：

微信支付
微信支付 		支付宝
支付宝 		请我喝咖啡
请我喝咖啡

作者

Agents365-ai