video-podcast-maker

输入主题,自动生成带字幕的 4K 讲解视频

开源 🏷️定价信息待确认 🔧 仅开源项目,无在线服务,需自行部署 视频生成 🍴 复刻 180 🐛 待处理 3 👀 关注 6
GitHub ↗
GitHub 星标 ★ 1717
维护状态 维护中
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

video-podcast-maker 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类视频生成
开发团队Agents365-ai
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型agent-skill,ai-video,bilibili,claude-code,idea-to-video,remotion,text-to-speech,video-generation
GitHub 星标★ 1717
上线时间2026-02-16 00:00:00
代码更新2026-10-01
仓库体积39.4 MB
本站数据更新2026-11-08
维护状态维护中
收录时间2026-08-09
浏览次数4

项目介绍

video-podcast-maker 是一个面向编程智能体(如 Claude Code)的自动化视频生成工具,能将主题直接转化为带配音和字幕的 4K 视频。它解决了从创意到成片的全流程自动化问题,核心能力包括:通过 manifest 文件驱动的资产引擎管理视频素材,基于 Remotion 的合成引擎生成高质量画面,以及集成的 ttsCN 语音引擎(支持 11 家 TTS 平台,含 MiniMax 声音克隆和原生词级字幕同步)。v4.0 版本引入成本门控机制,控制 AI 生成过程中的 API 花费。项目用 Python 编写,适合开发者集成到智能体工作流中,实现批量、低成本的视频生产。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1717

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:入门 约 30 分钟 部署方式:本地安装 7 步

环境要求

  • Python 3.8+
  • Node.js 18+
  • FFmpeg
  • 一个 Remotion 项目(新建或复用已有的)
  • 支持 SKILL.md 的编程智能体(如 Claude Code、OpenClaw、OpenCode、Codex、Pi)

安装与启动步骤

  1. 1安装系统依赖

    README 给出 macOS 命令;Ubuntu 用户改用 sudo apt install ffmpeg nodejs python3 安装同样的三件套。

    brew install ffmpeg node python3
  2. 2获取项目代码

    推荐通过 365-skills marketplace 安装;也可直接克隆本仓库,后续命令中的 skills/video-podcast-maker 即仓库内路径。

    git clone https://github.com/Agents365-ai/video-podcast-maker.git
  3. 3安装 Python 依赖

    在克隆下来的仓库根目录执行,安装 skill 所需 Python 包。

    pip install -r skills/video-podcast-maker/requirements.txt
  4. 4准备 Remotion 项目

    新建会产生约 2.2GB npm 包和约 90MB Chrome headless 一次性开销,建议复用已有 node_modules 的项目。

    npx create-video@latest my-video-project
    cd my-video-project && npm i
  5. 5配置 TTS 后端

    设置 TTS_BACKEND 及对应平台的 API Key,变量清单见项目 Environment Variables 章节;edge 后端免费无需密钥。

  6. 6让智能体生成视频

    在智能体对话中直接说:"Create a video podcast about [你的主题]",无需写代码,它会依次完成调研、脚本、TTS、合成与渲染。

  7. 7预览并渲染 4K

    用 Remotion Studio 预览并反复调整;只有你明确回复 "render 4K" 后,智能体才会执行最终渲染。

    npx remotion studio src/remotion/index.ts

关键配置

配置项必填说明示例
TTS_BACKEND是选择语音合成后端,edge 免费无密钥,azure 等其他后端需配密钥edge
TTS 平台 API Key否按所选后端设置对应密钥,具体变量名见 README 的 Environment Variables 章节sk-xxxxxxxx
user_prefs.json否用户偏好(TTS、BGM、平台、视觉覆盖、风格),首次运行自动生成~/.video-podcast-maker/user_prefs.json
phonemes.json否全局多音字词典,自动生成;可按视频在 videos/{name}/ 下覆盖~/.video-podcast-maker/phonemes.json

如何确认成功

Remotion Studio 能打开预览画面;最终确认渲染后,在 videos/{视频名}/ 下生成 final_video.mp4。

常见问题

Q:安装时下载量很大怎么办?

A:这是每个 Remotion 项目一次性开销(约 2.2GB npm 包 + 90MB Chrome headless)。后续视频复用同一个已装好 node_modules 的项目即可,不必重复下载。

Q:用 edge TTS 需要申请密钥吗?

A:不需要。edge 是本地免费后端,无需 API Key;只有 azure 等其他后端才需要配置密钥。

Q:不懂编程能用吗?

A:可以。你只需用自然语言描述主题,智能体会交互式引导每一步,技术细节由它处理;创意决策由你来做。

Q:能发布到哪些平台?

A:支持 Bilibili、YouTube、小红书、抖音和微信视频号,输出语言支持 zh-CN 与 en-US。

注意事项

  • 项目仍在积极开发中,可能尚不成熟,遇到问题可到 GitHub 提 issue。
  • 最终 4K 渲染需要你明确确认 "render 4K" 才会开始,避免误触发耗时渲染。
  • Lottie 动画是可选功能,仅在用到 LottieAnimation 时才需按项目安装 @remotion/lottie 与 lottie-web。
  • 每个视频的产物都在独立的 videos/{视频名}/ 目录中,含脚本、音频、字幕、封面与成片。

核心亮点

  • 支持 11 家 TTS 平台,含 MiniMax 声音克隆,字幕与语音词级同步
  • 基于 Remotion 的合成引擎,可编程控制视频画面,输出 4K 质量
  • manifest 驱动的资产引擎,模块化设计,便于扩展和复用

不足之处

  • 依赖外部 TTS 和 AI 服务,需要配置多个 API 密钥,上手门槛较高
  • 文档/社区待观察

适用场景

  • 开发者快速生成技术讲解或教程视频
  • 内容创作者批量制作知识类短视频
  • 智能体工作流中自动生成视频内容

替代项目

Remotion、Manim、ShortGPT

同类项目推荐

short-video-maker 开源

输入主题,自动生成适配多平台的短视频。

Creates short videos for TikTok, Instagram Reels, and YouTube Shorts using the Model···

★ 1476 2026-08-09
Orkas-VideoStudio 开源

用大白话描述,让编程代理自动剪出视频成片

Turn your coding agent into a video studio: describe a video in plain language, and ···

★ 344 2026-08-09
html-anime 开源

一句提示词,让 AI 写代码画出动画短片

Turn a scene prompt into a shot sheet, then have a coding agent draw the film in HTM···

★ 259 2026-11-02
ConsistI2V 开源

让静态图片动起来,视频更连贯不闪烁

ConsistI2V: Enhancing Visual Consistency for Image-to-Video Generation [TMLR 2024]

★ 261 2026-08-09
google-veo3-from-scratch 开源

手把手从零复现 Veo 3,搞懂视频生成核心架构

A Step-by-Step Implementation of Google Veo 3 Architecture from Scratch

★ 84 2026-08-09
Kandinsky-4 开源

输入文字或图片,快速生成连贯视频,还自带音频。

Text and image to video generation: Kandinsky 4.0 (2024)

★ 149 2026-08-09
4DAnyone 开源

上传一段普通视频,即可生成可自由观看的 4D 动态人物。

[SIGGRAPH Asia 2026] 4DAnyone: Create Anyone in 4D from a Casual Monocular Video

★ 1485 2026-09-10
ManvoTV 开源

输入想法,自动生成漫剧剧本和视频

Manvo TV — 想到什么就生成什么 · AI 原生创作平台(无限画布 + 漫剧剧本工厂) | https:/···

★ 42 2026-08-09