text2video

输入文本，一键生成带语音和画面的视频

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 182 🐛 待处理 4 👀 关注 15

GitHub ↗

GitHub 星标 ★ 1052

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，本地部署，完全免费。

项目预览

项目数据

分类图像生成

开发团队bravekingzhang

GitHubhttps://github.com/bravekingzhang/text2video

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，本地部署，完全免费。

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edge-tts,stable-diffusion,text2video

GitHub 星标★ 1052

上线时间2023-06-09 00:00:00

代码更新2024-04-25

仓库体积93.3 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

text2video 是一个基于 Python 的文本转视频工具，旨在通过简单的文本输入快速生成包含语音和画面的视频。它利用 edge-tts 将文本转换为自然语音，并结合 stable-diffusion 生成与文本内容相关的图像，最终将这些元素组合成视频。该项目解决了非专业用户制作视频的门槛问题，无需复杂的视频编辑技能，只需输入文本即可获得一个基础视频。核心能力包括文本转语音、文本生成图像、以及音视频合成，支持自定义语音和图像风格。适合快速生成短视频、演示文稿或社交媒体内容，是一个轻量级、易于上手的自动化视频生成方案。

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 ★ 1052

技术标签

edge-tts stable-diffusion text2video

使用教程

难度：入门约 10 分钟部署方式：Docker 6 步

环境要求

开发环境推荐 macOS（其他环境可能存在兼容性问题）
Python 3.10.12
必须安装 ffmpeg（用于音视频合成）
使用 Docker 方式需安装 Docker 与 docker-compose
OpenAI API Key 与 Hugging Face Token 为可选，用于提升绘图质量

安装与启动步骤

1获取项目代码

从 GitHub 克隆仓库到本地并进入项目目录，后续所有命令都在该目录下执行。
```
git clone https://github.com/bravekingzhang/text2video.git
cd text2video
```
2检查 ffmpeg

视频合成声音依赖 ffmpeg，未安装需先自行安装，再执行命令确认已可用。
```
ffmpeg -version
```
3配置密钥文件

在项目根目录新建 .env 文件，写入 OpenAI 与 Hugging Face 相关配置；仅用 pollinations-ai 时可不填 Token。
4Docker 一键启动

在项目根目录执行该命令构建并启动容器，适合不想配置本地 Python 环境的用户。
```
docker-compose up --build
```
5本地安装依赖

采用本地开发方式时，使用 Python 3.10.12 安装 requirements.txt 中的依赖。
```
pip install -r requirements.txt
```
6启动本地服务

在项目目录执行该命令启动应用，启动后在浏览器访问本地 5001 端口页面。
```
python3.10 app.py
```

关键配置

配置项	必填	说明	示例
`OPEN_AI_API_KEY`	否	调用大模型生成 midjourney 类绘图提示词，提升出图质量	`sk-xxxxxxxx`
`OPEN_AI_BASE_URL`	否	OpenAI 接口地址，支持代理或第三方兼容服务	`https://api.moonshot.cn/v1`
`API_TOKEN`	否	Hugging Face 访问令牌，用于调用文生图模型；使用 pollinations-ai 时可留空	`hf_xxxxxxxxxxxxxxxx`