
video-podcast-maker
输入主题,自动生成带字幕的 4K 讲解视频
项目预览
项目数据
项目介绍
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。
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···
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 ···
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···
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]
Awesome-Controllable-Video-Diffu···
开源
一站式掌握可控视频生成前沿资源
Awesome Controllable Video Generation with Diffusion Models
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
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)
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
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:/···