AI 生成: 一个基于 AI 的全自动短视频生成工具，输入主题即可自动生成脚本、配音、字幕和合成视频。使用 Python + Flask 提供 Web 界面，支持命令行模式。

core/__init__.py

@@ -0,0 +1 @@
+# core package

core/script_gen.py

@@ -0,0 +1,42 @@
+# -*- coding: utf-8 -*-
+"""脚本生成模块
+
+默认使用模板方式生成脚本。
+如需接入大模型（OpenAI、通义千问等），只需替换 generate_script 的实现。
+"""
+
+
+def generate_script(topic: str, scenes: int = 5) -> list:
+    """根据主题生成分场景脚本。
+
+    Args:
+        topic: 视频主题
+        scenes: 场景数量
+
+    Returns:
+        list[dict]: 每个元素形如 {"index": 1, "text": "..."}
+    """
+    templates = [
+        "大家好，今天我们来聊一聊{topic}。",
+        "首先，{topic}正在改变我们的生活方式。",
+        "其次，{topic}背后蕴含着巨大的机会与挑战。",
+        "再次，掌握{topic}的关键在于持续学习与实践。",
+        "最后，让我们一起拥抱{topic}带来的未来。",
+        "关于{topic}，还有很多值得探索的方向。",
+        "相信不久的将来，{topic}会走进千家万户。",
+        "感谢观看，我们下期再见！",
+    ]
+
+    result = []
+    for i in range(scenes):
+        tpl = templates[i % len(templates)]
+        result.append({
+            "index": i + 1,
+            "text": tpl.format(topic=topic),
+        })
+    return result
+
+
+if __name__ == "__main__":
+    for s in generate_script("人工智能", 3):
+        print(s)

core/subtitle.py

@@ -0,0 +1,48 @@
+# -*- coding: utf-8 -*-
+"""字幕生成模块
+
+根据每段文本的时长估算字幕时间轴，生成 SRT 文件。
+"""
+
+import os
+
+
+def _fmt_time(seconds: float) -> str:
+    """将秒数转换为 SRT 时间格式 HH:MM:SS,mmm"""
+    ms = int((seconds - int(seconds)) * 1000)
+    s = int(seconds) % 60
+    m = int(seconds) // 60 % 60
+    h = int(seconds) // 3600
+    return f"{h:02d}:{m:02d}:{s:02d},{ms:03d}"
+
+
+def build_srt(scenes: list, durations: list, out_path: str) -> str:
+    """根据场景文本和每段时长生成 SRT 字幕。
+
+    Args:
+        scenes: [{"index":1,"text":"..."}, ...]
+        durations: 每段音频时长（秒），与 scenes 一一对应
+        out_path: 输出 .srt 路径
+
+    Returns:
+        str: 输出文件路径
+    """
+    os.makedirs(os.path.dirname(out_path), exist_ok=True)
+    lines = []
+    cursor = 0.0
+    for i, (scene, dur) in enumerate(zip(scenes, durations), start=1):
+        start = cursor
+        end = cursor + dur
+        lines.append(str(i))
+        lines.append(f"{_fmt_time(start)} --> {_fmt_time(end)}")
+        lines.append(scene["text"])
+        lines.append("")
+        cursor = end
+    with open(out_path, "w", encoding="utf-8") as f:
+        f.write("\n".join(lines))
+    return out_path
+
+
+if __name__ == "__main__":
+    scenes = [{"index": 1, "text": "你好世界"}, {"index": 2, "text": "再见世界"}]
+    print(build_srt(scenes, [2.0, 3.0], "output/subtitle/demo.srt"))

core/tts.py

@@ -0,0 +1,33 @@
+# -*- coding: utf-8 -*-
+"""语音合成模块（pyttsx3 离线 TTS）"""
+
+import os
+import pyttsx3
+
+
+def text_to_speech(text: str, out_path: str, rate: int = 160) -> str:
+    """将文本合成为音频文件。
+
+    Args:
+        text: 待合成文本
+        out_path: 输出音频路径（如 output/audio/1.mp3）
+        rate: 语速
+
+    Returns:
+        str: 输出文件路径
+    """
+    os.makedirs(os.path.dirname(out_path), exist_ok=True)
+    engine = pyttsx3.init()
+    engine.setProperty("rate", rate)
+    # 选择第一个可用语音（不同系统可能不同）
+    voices = engine.getProperty("voices")
+    if voices:
+        engine.setProperty("voice", voices[0].id)
+    engine.save_to_file(text, out_path)
+    engine.runAndWait()
+    engine.stop()
+    return out_path
+
+
+if __name__ == "__main__":
+    print(text_to_speech("你好，这是一段测试语音。", "output/audio/test.mp3"))

core/video.py

@@ -0,0 +1,67 @@
+# -*- coding: utf-8 -*-
+"""视频合成模块
+
+使用 MoviePy 将图片背景 + 音频 + 字幕合成为最终视频。
+"""
+
+import os
+from moviepy.editor import (
+    ImageClip,
+    AudioFileClip,
+    CompositeVideoClip,
+    concatenate_videoclips,
+    ColorClip,
+)
+from moviepy.video.tools.subtitles import SubtitlesClip
+from moviepy.editor import TextClip
+
+
+def _make_bg(size, duration, color=(20, 20, 40)):
+    """生成纯色背景片段"""
+    return ColorClip(size=size, color=color, duration=duration)
+
+
+def _make_subtitle_clip(text: str, size, duration: float):
+    """生成一段字幕文本片段"""
+    w, h = size
+    try:
+        txt = TextClip(text, fontsize=48, color="white", font="Arial",
+                       size=(w - 100, None), method="caption")
+    except Exception:
+        # 若系统找不到字体，退化为默认字体
+        txt = TextClip(text, fontsize=48, color="white",
+                       size=(w - 100, None), method="caption")
+    txt = txt.set_position(("center", h - 180)).set_duration(duration)
+    return txt
+
+
+def compose_video(scenes: list, audio_paths: list, durations: list,
+                  out_path: str, resolution=(1280, 720)) -> str:
+    """合成最终视频。
+
+    Args:
+        scenes: 场景列表
+        audio_paths: 每个场景对应的音频路径
+        durations: 每个场景的时长
+        out_path: 输出 mp4 路径
+        resolution: (width, height)
+
+    Returns:
+        str: 输出文件路径
+    """
+    os.makedirs(os.path.dirname(out_path), exist_ok=True)
+    clips = []
+    for scene, audio, dur in zip(scenes, audio_paths, durations):
+        bg = _make_bg(resolution, dur)
+        sub = _make_subtitle_clip(scene["text"], resolution, dur)
+        audio_clip = AudioFileClip(audio)
+        clip = CompositeVideoClip([bg, sub]).set_audio(audio_clip)
+        clips.append(clip)
+
+    final = concatenate_videoclips(clips, method="compose")
+    final.write_videofile(out_path, fps=24, codec="libx264", audio_codec="aac")
+    return out_path
+
+
+if __name__ == "__main__":
+    print("请通过 cli.py 或 app.py 调用")