Video-Materials-AutoGEN-Workstation

一站式批量生成短视频，策划到字幕全自动

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1618

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类视频生成

开发团队Norsico

所属国家

官网地址

GitHubhttps://github.com/Norsico/Video-Materials-AutoGEN-Workstation

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型

GitHub 星标★ 1618

30天Star增速

HF 下载量

上线时间2025-11-18 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-12

浏览次数0

项目介绍

Video-Materials-AutoGEN-Workstation 是一个面向短视频批量生产的开源工作站，用 Python 编写。它把内容策划、AI 文案生成、TTS 批量配音、(AI) 图片素材合成、ASR 自动提取字幕脚本以及 AI 自由创作整合到同一套流程里，核心目标是解决个人或小团队做短视频时素材分散、工具割裂、重复劳动多的问题。项目以“每期视频项目”为单位管理，从选题到文案、配音、画面、字幕脚本都能在站内完成，减少在多个软件之间来回切换。适合需要稳定产出、又不想为每条视频从零搭建流水线的创作者，也方便把 AI 生成环节按需替换成自己的模型或接口，整体偏向工程化、可复用的短视频生成方案。

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

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：本地安装 7 步

环境要求

Node.js 运行环境（需使用 npm install / npm start）
准备好 Gemini Key、Base URL、模型、TTS Key 等接口配置
可选：Docker 与 Docker Compose（用于容器化部署）
可选：另一个项目 n8n-http-tools（用于字幕获取功能）

安装与启动步骤

1获取项目代码

把仓库克隆到本地，并进入项目根目录，后续命令都在该目录执行。

git clone https://github.com/Norsico/Video-Materials-AutoGEN-Workstation.git
cd Video-Materials-AutoGEN-Workstation

2复制配置文件

把示例配置复制为 env.yaml，这是后续填 Key 的配置文件，必须存在才能调用接口。
```
cp env.example.yaml env.yaml
```
3填写接口配置

编辑 env.yaml，填入自己的 Gemini Key、Base URL、模型、TTS Key 与提示词等，否则无法调用接口。
4设置输出目录

可选。在 env.yaml 中设置 Default-Project-Root，用于存放自动生成的脚本、音频与图片文件。
5安装依赖

在项目根目录执行 npm install 安装依赖，等待完成即可。
```
npm install
```
6启动服务

执行 npm start 启动，Windows 也可直接双击 start.bat；默认访问 http://localhost:8765 。
```
npm start
```
7可选 Docker 部署

README 注明 Docker 方式目前有 Bug。若 node 拉不下来，先拉取 node 镜像再构建启动。
```
docker pull node:20-alpine
docker compose up -d --build
```

关键配置

配置项	必填	说明	示例
`Gemini Key`	是	调用 Gemini 接口生成文案，不填无法调用接口	`AIzaSyxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx`
`Base URL`	是	接口的基础地址（可填反向代理地址）	`https://your-proxy.example.com`
`模型`	是	指定调用的大模型名称	`gemini-2.0-flash`
`TTS Key`	是	TTS 批量配音接口所需的密钥	`sk-xxxxxxxxxxxxxxxx`
`提示词`	否	文案/图片生成使用的提示词配置	`你是短视频文案编剧……`
`Default-Project-Root`	否	自动生成的脚本、音频与图片存放目录	`/data/projects`

如何确认成功

浏览器打开 http://localhost:8765 能看到项目总览界面，即表示启动成功。

常见问题

Q：Docker 部署报错或异常怎么办？

A：README 明确标注 Docker 方式目前有 Bug，可改用源码部署（npm install + npm start），或按说明先 docker pull node:20-alpine 再构建。

Q：构建时 node 镜像拉不下来？

A：先执行 docker pull node:20-alpine，再执行 docker compose up -d --build 重新构建。

Q：点“打开项目目录/打开TTS文件夹”没反应？

A：容器是无桌面环境，按钮不会弹出文件管理器，接口直接返回路径，请在宿主机进入挂载目录（默认 ./data）。

Q：字幕获取功能不可用？

A：字幕获取需配合作者另一个开源项目 n8n-http-tools 使用。

注意事项

README 说明 Docker 部署目前有 Bug，优先推荐源码部署方式。
文案生成部分需配合 n8n 操作，作者已说明该部分可以忽略。
容器内建议把 Default-Project-Root 设为 /data/projects，对应宿主机 ./data 便于持久化。
项目仅供参考交流学习使用，作者不对使用者产生的问题负责。

核心亮点

覆盖文案、配音、素材、字幕全链路，减少多工具切换
以“视频项目”为单位管理，适合系列化、批量化的短视频生产
Python 实现，AI 环节可替换，便于接入自有模型或接口

不足之处

项目成长中，文档和社区生态相对有限
AI 生成质量依赖所接模型与素材，效果需自行调优

适用场景

个人创作者批量做口播/解说类短视频
小团队搭建半自动短视频生产流水线
需要把 AI 文案、配音、字幕整合进同一工作流的场景

替代项目

MoneyPrinterTurbo、ShortGPT

上一篇：claude-video-vision

下一篇：没有了！