Video Auto Generator - 2026增強版

概述

本技能提供端到端的AI影片自動生成能力，從指令碼撰寫到最終渲染輸出，全流程自動化。支援多種影片生成模式，適配抖音、小紅書、B站、YouTube等平臺。

2026年新特性

• 多模態輸入：支援文本、圖片、音訊、文件等多種輸入源
• AI指令碼生成：使用當前平臺模型（如 Claude Fable 5 / Opus 4.8）生成專業影片指令碼
• 智慧配音：整合edge-tts，支援多種語言和聲音風格
• 自動字幕：AI識別語音+自動時間軸對齊
• 智慧剪輯：基於內容節奏自動剪輯、轉場、配樂
• 批次生產：支援模板化批次生成（適合自媒體矩陣）
• 剪映AI聯動：支援「營銷成片」批次生成帶貨短影片、「AI文字成片」一鍵成劇
• 可靈AI 3.0 Omni整合：全模態原生引擎，角色特徵提取+跨影片一致性
• 全自動流水線：新增 full_pipeline.py，一鍵生成指令碼→配音→分鏡圖→合成影片（92秒1080×1920豎屏）

🚀 快速開始（推薦）

# 一鍵生成推廣影片
cd skills/video-auto-generator/scripts
python full_pipeline.py --topic "你的選題" --duration 90 --voice zh-CN-XiaoxiaoNeural
小蔥技能站7w4.net發現了升級外掛。

輸出：Desktop/video_<選題>/final_promo.mp4（豎屏1080×1920）

引數說明：

• --topic：影片主題/標題
• --duration：時長（秒，預設90）
• --voice：配音音色（zh-CN-XiaoxiaoNeural/YunxiNeural/XiaoyiNeural）
• --output：自定義輸出目錄

使用場景

• 自媒體批次生產短影片內容
• 企業宣傳影片快速製作
• 教育培訓影片自動化生成
• 產品介紹影片批次製作
• 個人Vlog快速剪輯

核心工作流

本技能採用任務導向結構，根據不同需求提供差異化的工作流。

任務1：文本轉影片（AI虛擬主播）

適用場景：新聞播報、知識科普、產品介紹

工作流程：

1. 指令碼生成（使用當前session模型）：

   輸入：主題/關鍵詞/參考文件
   輸出：分鏡指令碼（包含：畫面描述、配音文案、時長建議）

2. AI配音（使用edge-tts）：

   # 示例：生成配音
   edge-tts --text "歡迎來到我的頻道" --voice zh-CN-XiaoxiaoNeural --write-media output.mp3

3. 畫面生成（可選）：

   • 使用AI繪畫工具生成背景圖
   • 或使用庫存影片素材
   • 或使用虛擬主播形象（HeyGen、D-ID等）

4. 影片合成（使用ffmpeg）：

   # 示例：配音+字幕+背景影片合成
   ffmpeg -i background.mp4 -i voice.mp3 -vf "subtitles=subtitle.srt" -c:v libx264 -c:a aac output.mp4

任務2：圖文轉影片（小紅書/抖音風格）

適用場景：圖文筆記轉影片、產品展示、教程演示

工作流程：

1. 圖片序列處理：

   • 輸入：多張圖片 + 文案
   • 處理：統一尺寸、新增過渡動畫、新增背景音樂

2. 自動配音（基於文案）：

   # 使用edge-tts批次生成配音
   import subprocess
   
   def generate_voice(text, output_file):
      cmd = f"edge-tts --text '{text}' --voice zh-CN-XiaoxiaoNeural --write-media {output_file}"
      subprocess.run(cmd, shell=True)

3. 影片合成：

   • 每張圖片展示時長自動匹配配音時長
   • 新增轉場效果（淡入淡出、滑動等）
   • 新增背景音樂（自動音量調節）

任務3：長影片自動剪輯（Vlog/教程）

適用場景：直播回放剪輯、課程影片製作、Vlog快速成片

工作流程：

1. 智慧分段（使用AI）：

   • 輸入：長影片檔案
   • 分析：語音識別 + 場景切換檢測
   • 輸出：精彩片段時間戳列表

2. AI生成標題和封面：

   • 使用當前平臺模型根據內容生成吸引眼球的標題
   • 使用AI提取關鍵幀作為封面

3. 自動剪輯：

   # 示例：根據時間戳列表剪輯精彩片段
   ffmpeg -i input.mp4 -ss 00:01:23 -t 00:00:45 -c copy output_part1.mp4

4. 批次渲染：

   • 支援同時處理多個影片
   • 自動新增片頭片尾、水印、字幕

任務4：模板化批次生產（自媒體矩陣）

適用場景：同一內容適配多個平臺、多語言版本、A/B測試

工作流程：

1. 建立影片模板：

   • 定義：解析度、幀率、轉場效果、配樂
   • 預留：文本佔位符、圖片佔位符、配音佔位符

2. 批次填充內容：

   # 示例：批次生成10個變體影片
   for i in range(10):
      script = generate_script_variant(topic, style=i%3)
      voice = generate_voice(script)
      video = render_video(template, script, voice)
      save(video, f"output_v{i}.mp4")

3. 平臺自適應：

   • 自動調整解析度（抖音9:16、B站16:9、小紅書3:4）
   • 自動生成平臺定製化標題和標籤

技術棧

環境安裝（必須先執行）

必須工具安裝（如果未安裝，請先呼叫 qclaw-env skill）：

# 1. 安裝 ffmpeg (Windows)
winget install ffmpeg
# 驗證：ffmpeg -version

# 2. 安裝 edge-tts (Python包)
pip install edge-tts
# 驗證：edge-tts --list-voices | Select-String "zh-CN"

# 3. 安裝 whisper (可選，用於語音識別)
pip install openai-whisper
# 驗證：whisper --help

# 4. 安裝 ffmpeg-python (Python繫結)
pip install ffmpeg-python

可靈AI 3.0 API配置（推薦）：

1. 訪問 https://klingai.com/ 註冊開發者賬號
2. 申請API Key（進入「開發者中心」→「API管理」）
3. 配置環境變數：

   $env:KLING_API_KEY="your_api_key_here"

4. 測試API呼叫：

   
   import requests

def test_kling_api(): api_url = "https://api.klingai.com/v3/images/generations" headers = {"Authorization": f"Bearer {$env:KLING_API_KEY}"} payload = { "model": "kling-3.0", "prompt": "一個AI機器人正在製作影片", "aspect_ratio": "16:9" } response = requests.post(api_url, json=payload, headers=headers) print(response.json())

### 核心工具

| 工具 | 用途 | 安裝命令 | 實用建議 |
|------|------|----------|---------------|
| **ffmpeg** | 影片處理引擎 | `winget install ffmpeg` | 硬體加速（NVENC/QSV）提升渲染速度 |
| **edge-tts** | AI配音 | `pip install edge-tts` | 優先zh-CN-XiaoxiaoNeural，支援多種聲音 |
| **當前session模型** | 指令碼生成 | 內建 | model route自動選最優，無需硬編碼 |
| **whisper** | 語音識別 | `pip install openai-whisper` | 使用large-v3模型提升準確率 |
| **可靈AI 3.0 API** | AI影片生成 | 申請API Key | 全模態引擎，角色一致性保持 |
| **剪映「營銷成片」** | 批次帶貨影片 | 安裝剪映專業版 | 參考抖音爆款自動生成 |
| **Seedance 2.0** | AI影片生成 | 等待2.5版本 | 字節跳動，短影片資料優勢 |

### Python指令碼示例

#### 指令碼1：自動生成影片指令碼

建立 `scripts/generate_script.py`：

```python
import json

def generate_video_script(topic, duration=60, style="knowledge"):
    """
    使用當前平臺模型生成影片指令碼

    Args:
        topic: 影片主題
        duration: 目標時長（秒）
        style: 風格（knowledge/entertainment/story）

    Returns:
        指令碼字典，包含分鏡、配音文案、畫面描述
    """
    prompt = f"""
    請為以下主題生成一個{duration}秒的影片指令碼：

    主題：{topic}
    風格：{style}

    要求：
    1. 開頭3秒必須有強hook（懸念/反轉/痛點）
    2. 每個分鏡標註時長
    3. 配音文案要口語化，適合配音
    4. 畫面描述要具體，方便後續製作

    輸出格式（JSON）：
    {{
        "title": "影片標題",
        "hooks": ["hook1", "hook2", "hook3"],
        "scenes": [
            {{
                "timestamp": "00:00:00",
                "duration": 3,
                "voiceover": "配音文案",
                "visual": "畫面描述",
                "transition": "轉場效果"
            }}
        ],
        "bgm_suggestion": "背景音樂風格建議",
        "tags": ["標籤1", "標籤2"]
    }}
    """

    # 由當前 session 模型處理（model route 自動選擇最優）
    # 此處僅返回 prompt 供呼叫方使用
    return {"prompt": prompt, "topic": topic, "duration": duration, "style": style}

if __name__ == '__main__':
    # 示例用法
    script = generate_video_script("AI工具推薦", duration=60, style="knowledge")
    print(json.dumps(script, ensure_ascii=False, indent=2))

指令碼2：批次影片渲染

建立 scripts/batch_render.py：

import subprocess
import json
from pathlib import Path

def render_video(script_file, output_file):
    """
    根據指令碼JSON檔案渲染影片

    Args:
        script_file: 指令碼JSON檔案路徑
        output_file: 輸出影片檔案路徑
    """
    with open(script_file, 'r', encoding='utf-8') as f:
        script = json.load(f)

    # 1. 生成配音
    voice_file = "temp_voice.mp3"
    subprocess.run([
        "edge-tts",
        "--text", script['scenes'][0]['voiceover'],
        "--voice", "zh-CN-XiaoxiaoNeural",
        "--write-media", voice_file
    ])

    # 2. 合成影片（簡化示例，實際應該遍歷所有scenes）
    cmd = [
        "ffmpeg",
        "-f", "concat", "-i", "input_list.txt",
        "-i", voice_file,
        "-c:v", "libx264",
        "-c:a", "aac",
        "-shortest",
        output_file
    ]
    subprocess.run(cmd)

    print(f"✅ 影片已生成：{output_file}")

def batch_render(script_folder, output_folder):
    """
    批次渲染影片

    Args:
        script_folder: 指令碼資料夾
        output_folder: 輸出資料夾
    """
    scripts = Path(script_folder).glob("*.json")
    for script_file in scripts:
        output_file = Path(output_folder) / f"{script_file.stem}.mp4"
        render_video(script_file, output_file)

if __name__ == '__main__':
    batch_render("scripts/", "outputs/")

定時自動化

配合 qclaw-cron-skill 實現定期影片生產：

方案A：每日熱點影片自動生成

實際配置（請先讀取 qclaw-cron-skill 獲取最新格式）：

• 名稱：每日熱點影片生成
• 時間：每天 10:00
• 訊息：基於今日熱點選題TOP3，各生成1個60秒短影片。生成後儲存到桌面輸出資料夾。

方案B：批次內容生產（每週）

實際配置：

• 名稱：每週內容批次生產
• 時間：每週一 9:00
• 訊息：批次生成10個短影片（3個主題，每個3-4個變體）。儲存到桌面輸出資料夾，生成釋出計劃表。

資原始檔

scripts/

可執行程式碼，用於影片處理自動化：

• generate_script.py：AI指令碼生成
• batch_render.py：批次影片渲染
• add_subtitles.py：自動字幕生成和嵌入
• smart_clip.py：智慧剪輯（識別精彩片段）
• platform_adapter.py：平臺格式自適應

references/

參考文件，載入到上下文以指導影片製作：

• video_formats.md：各平臺影片格式規範（解析度、位元速率、時長限制）
• script_templates.md：常見影片型別的指令碼模板（開箱即用）
• tts_voices.md：edge-tts聲音風格指南（適合不同場景的聲音選擇）
• editing_tips.md：影片剪輯技巧（轉場、配樂、節奏控制）
• ai_models_guide.md：AI模型使用指南（由 model route 自動選擇最優模型）

assets/

模板檔案，用於影片輸出：

• templates/：影片模板目錄
  • tpl_douyin_9_16/：抖音豎屏模板
  • tpl_bilibili_16_9/：B站橫屏模板
  • tpl_xiaohongshu_3_4/：小紅書方屏模板
• intros/：片頭模板
• outros/：片尾模板
• bgm/： background music庫（無版權音樂）

高階技巧

1. 使用虛擬主播（HeyGen API）

# 整合HeyGen API實現真人形象播報
import requests

def generate_avatar_video(script, avatar_id="default"):
    """
    使用HeyGen生成虛擬主播影片

    Args:
        script: 配音文案
        avatar_id: 虛擬主播ID
    """
    api_url = "https://api.heygen.com/v2/video/generate"
    payload = {
        "video_inputs": [{
            "character": {
                "type": "avatar",
                "avatar_id": avatar_id,
                "avatar_style": "normal"
            },
            "voice": {
                "type": "text",
                "input_text": script,
                "voice_id": "zh-CN-XiaoxiaoNeural"
            }
        }],
        "dimension": {
            "width": 720,
            "height": 1280
        }
    }

    response = requests.post(api_url, json=payload, headers={"X-Api-Key": "YOUR_API_KEY"})
    return response.json()['video_id']

2. 智慧配樂推薦

# 根據影片情感自動推薦BGM
def recommend_bgm(emotion="happy", tempo="medium"):
    """
    推薦背景音樂

    Args:
        emotion: 情感（happy/sad/exciting/calm）
        tempo: 節奏（slow/medium/fast）
    """
    bgm_library = {
        "happy_medium": "bgm/happy_upbeat.mp3",
        "sad_slow": "bgm/melancholy_piano.mp3",
        "exciting_fast": "bgm/epic_orchestra.mp3",
        # ... 更多組合
    }
    return bgm_library.get(f"{emotion}_{tempo}", "bgm/default.mp3")

3. A/B測試自動化

# 自動生成多個標題/封面變體進行A/B測試
def generate_ab_test_variants(video_script):
    """
    生成A/B測試變體

    Returns:
        變體列表，每個變體有不同的標題、封面、開頭hook
    """
    variants = []

    # 變體1：懸念式開頭
    variants.append({
        "title": f"沒想到{topic}竟然...",
        "hook": "你絕對不知道的真相",
        "thumbnail_style": "mysterious"
    })

    # 變體2：乾貨式開頭
    variants.append({
        "title": f"{topic}完整攻略",
        "hook": "今天教你3個技巧",
        "thumbnail_style": "educational"
    })

    # 變體3：故事式開頭
    variants.append({
        "title": f"我是如何用{topic}改變人生的",
        "hook": "去年這個時候我還...",
        "thumbnail_style": "storytelling"
    })

    return variants

常見問題

Q1: 渲染速度太慢怎麼辦？

A:

1. 使用硬體加速：ffmpeg -hwaccel cuda -i input.mp4 ...
2. 降低預覽質量（最終渲染再用高質量）
3. 使用當前平臺模型批次處理（價效比最優）

Q2: 配音聲音不自然？

A:

1. 在文案中加入標點符號和停頓標記（如：逗號、句號、省略號）
2. 使用SSML標籤控制語速和語調：<break time="500ms"/>
3. 切換不同的edge-tts聲音風格

Q3: 如何避免版權問題？

A:

1. 使用無版權音樂庫（YouTube Audio Library、Epidemic Sound）
2. 使用AI生成背景音樂（如：Mubert、AIVA）
3. 圖片素材使用Unsplash、Pexels等無版權相簿

實用檢查清單：

• [ ] edge-tts已安裝且可用？
• [ ] ffmpeg已安裝且可用？
• [ ] 剪映v20.2+已安裝？（營銷成片/AI文字成片功能）
• [ ] 已建立影片輸出目錄？
• [ ] 已測試至少1個完整影片生成流程？
• [ ] 定時任務參考qclaw-cron-skill最新格式？
• [ ] 可靈AI API Key已申請？（如需使用可靈3.0能力）

下一步最佳化方向：

1. ✅ 整合文生影片工具（可靈3.0 API + Seedance 2.0）+ 已列入技術棧
2. 建立本地影片模板庫（抖音9:16、B站16:9、小紅書3:4）
3. ✅ edge-tts + ffmpeg 流水線已建立（見任務1/2/3工作流）
4. 新增影片質量自動檢查（解析度、位元速率、時長）
5. 整合剪映「AI文字成片」一鍵成劇功能
6. 實現即夢AI網頁版自動化操作（利用免費積分）
7. 自動化字幕+特效流水線

這個工具質量中規中矩，優點是能把選題自動變成帶配音和字幕的影片，流程基本完整。但要降低預期：它並不是真正用 AI 生成指令碼，而是用固定模板改寫；生成的文案可能帶營銷推廣內容；使用時會呼叫本地程式和第三方服務，存在一定隱私風險。適合對影片質量要求不高、願意接受模板化內容的使用者。