只输入一个主题，就能自动生成解说视频？这款开源工具实测记录

【免费下载链接】auto-video-generateor自动视频生成器，给定主题，自动生成解说视频。用户输入主题文字，系统调用大语言模型生成故事或解说的文字，然后进一步调用语音合成接口生成解说的语音，调用文生图接口生成契合文字内容的配图，最后融合语音和配图生成解说视频。项目地址: https://gitcode.com/gh_mirrors/au/auto-video-generateor

晚上十点，你想发一条科普视频，却卡在第一步：文案不会写，配音没人录，配图不会画，剪辑更是两眼一抹黑。如果告诉你，有个开源项目只要输入一个主题，就能自动生成带语音解说的完整视频，你是不是想立刻试试？它就是 auto-video-generateor——一个把"写稿、配音、配图、合成"整条流水线串起来的自动视频生成器，而且从 v3 版本开始，整套流程几乎可以零成本跑通。

先看看它长什么样

打开网页，你会看到一排配置项：主题内容、提示词模板、图像大小与字体、语音人、语速、音量、音调。旁边一排按钮写着"生成故事""切分文本""合成语音""生成图像""创建记录""生成视频"，外加一个"一键生成"。说白了，这一页就是一个分工明确的视频车间，每个环节都能单独开工，也能一键全流程。

没有它 vs 有了它

先算一笔老账。做一支 3 分钟的解说视频，传统路子大概是：写稿两小时，找素材图两小时，录音加剪辑一小时——半天时间搭进去，还不算中途推翻重来。

有了这个工具呢？你把主题输进去，几分钟后就能拿到一份 story.txt、几十段 wav 语音、几十张 png 配图，以及一支能直接播放的 mp4。中间任何一步不满意，不必从头再来：换一个音色重新合成、单独重生成某一张图、逐字修改某一句文案，都行。

它到底做了什么：一条四道工序的流水线

整个项目可以想象成一条小型生产线，核心代码在auto_video_generateor/video_generateor.py里，每道工序都是独立函数，既能单独跑，也能一键串起来。

• 写稿。generate_story()把主题丢给大语言模型（默认 DeepSeek，v2 版可换百度千帆的 ERNIE-Speed），扩展成结构完整、有风格的解说词。提示词模板支持自定义，想要"深夜电台风"还是"新闻播报风"都随你。
• 分句。split_text()用四级切分策略把长文切成几十个短句，保证每句长度适中，恰好对应一帧画面，免得一句念 20 秒、画面却一动不动。
• 配音。synthesize_speech()调用豆包 TTS，音色表里躺着几十个选项：温柔淑女、影视解说小帅、新闻男声、小萝莉……连"说唱小哥"都有。语速、音量、音调全部可调。
• 配图。text2image()把每句文案转成文生图提示词，按指定分辨率生成配图；add_subtitle()顺手把句子烧录成字幕压在图上。更贴心的是，万一免费图接口抽风，系统会自动降级成一张纯色字幕卡，保证流程不中断。
• 合成。create_video()用 moviepy 把每段语音的时长映射到对应图片上，拼接成视频。合成前还有两道质检：is_video_renderable()检查片段能否渲染出帧，check_audio_video_sync()检查音画时长是否匹配，坏片段会被直接跳过。

举个例子。你想给自家产品做一支 60 秒介绍视频，输入产品名和一句话卖点，系统先写出解说词，再切分、配音、配图，最后合成成片。你只需要在"一键生成"上点一次，中间每道工序的产物都会存进素材目录，随时可以打开检查。

动手实测：照着跑一遍

先确认环境：Python 3 环境即可；如果你要用 PPT 转视频功能，还得额外安装 LibreOffice 并配置好环境变量。

git clone https://gitcode.com/gh_mirrors/au/auto-video-generateor cd auto-video-generateor pip install -r requirements.txt

然后编辑根目录的config.env，把DEEPSEEK_API_KEY（文本生成）、DOUBAO_TTS_APPID和DOUBAO_TTS_ACCESS_TOKEN（语音合成）填成你自己的值。这些 key 不填程序也能启动，只是生成时会报错。

启动时可选四个版本：无参直接跑默认的 v4（免费+校对版），也可以python main.py 1（极简版）、2（千帆版）、3（免费版）、4（校对版）。

python main.py

浏览器打开http://127.0.0.1:9020，登录账号密码随意——只要密码和用户名相同即可（大小写不敏感）。接着在输入框里填主题，点"一键生成"，耐心等一会儿，逐条检查生成的资源，确认无误后再点"生成视频"。

几个常见报错和解决办法：

它适合谁

• 日更的自媒体创作者：输入当天热点，先拿到一支带文案和配音的草稿，再微调成片，比从零开始省下大半时间。
• 老师和课程开发者：把讲义做成 PPT，在备注里写好逐字稿，用 PPT 转视频功能一键生成讲解视频；auto_video_generateor/ppt_utils.py甚至支持 PDF 版 PPT。
• 电商运营：几十个商品要各配一支介绍视频，把商品信息批量填进去，剩下的交给流水线。
• 想搞懂 AI 工具链的学生：v1 极简版把 Gradio、大模型、TTS、文生图、moviepy 拆成几步，就是一份现成的教学 demo。

两个容易被忽略的好用细节

一是**"代号"即项目文件夹**。每个代号对应mnt/materials/用户名/代号/下的完整素材：story.txt、text/、audio/、image/、resource/、video.mp4、metadata.json，整整齐齐。做系列视频时复用同一个代号，下次打开点"加载参数""加载资源"，素材秒回，不用重新生成一遍，既省钱又省时间。

二是v4 的逐帧校对。生成的每一帧，文本、语音、图片都分开管理：文案能改，语音能换音色重生成，音频片段还能切分、合并，图片可以单独重跑，全部确认后再合成视频。这意味着你改一行字幕，不必把整条流水线重跑一遍，对追求质量的创作者来说非常实用。

下一步做什么

把仓库 clone 下来，先跑一支 1 分钟的视频试试手，再从 v3 免费版升级到 v4 校对版体验完整工作流。一次只改一个参数，看看它对成片的影响，你对"AI 视频生成"这件事的理解会清晰很多。

【免费下载链接】auto-video-generateor自动视频生成器，给定主题，自动生成解说视频。用户输入主题文字，系统调用大语言模型生成故事或解说的文字，然后进一步调用语音合成接口生成解说的语音，调用文生图接口生成契合文字内容的配图，最后融合语音和配图生成解说视频。项目地址: https://gitcode.com/gh_mirrors/au/auto-video-generateor