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。

README.md

@@ -0,0 +1,79 @@
+# AI 全自动短视频生成器
+
+输入一个主题，自动生成短视频（脚本 → 配音 → 字幕 → 合成）。
+
+## 功能特性
+
+- 🎬 自动生成视频脚本（基于模板 / 可接入大模型）
+- 🔊 自动生成配音（pyttsx3 离线 TTS，或接入云服务）
+- 📝 自动生成字幕（SRT）
+- 🎞️ 自动合成视频（MoviePy）
+- 🌐 提供 Web 界面（Flask）
+- 💻 提供命令行模式
+
+## 目录结构
+
+```
+ai-short-video-generator/
+├── app.py                  # Flask Web 入口
+├── cli.py                  # 命令行入口
+├── requirements.txt
+├── README.md
+├── core/
+│   ├── __init__.py
+│   ├── script_gen.py       # 脚本生成
+│   ├── tts.py              # 语音合成
+│   ├── subtitle.py         # 字幕生成
+│   └── video.py            # 视频合成
+├── templates/
+│   └── index.html
+├── static/
+│   ├── style.css
+│   └── main.js
+└── output/                 # 生成结果目录（自动创建）
+```
+
+## 安装
+
+```bash
+pip install -r requirements.txt
+```
+
+> 注意：MoviePy 依赖 ffmpeg，请先安装 ffmpeg 并加入 PATH。
+
+## 使用方式
+
+### 1. Web 模式
+
+```bash
+python app.py
+```
+
+浏览器打开 http://127.0.0.1:5000 ，输入主题后点击生成。
+
+### 2. 命令行模式
+
+```bash
+python cli.py --topic "人工智能的未来" --scenes 5
+```
+
+生成的文件位于 `output/` 目录。
+
+## 参数说明
+
+| 参数 | 说明 | 默认值 |
+|------|------|--------|
+| topic | 视频主题 | 必填 |
+| scenes | 场景数量 | 5 |
+| voice | 配音语速 | 160 |
+| resolution | 视频分辨率 | 1280x720 |
+
+## 扩展
+
+- 接入 OpenAI / 通义千问等大模型：修改 `core/script_gen.py` 中的 `generate_script`。
+- 接入云 TTS（如 Azure、讯飞）：修改 `core/tts.py`。
+- 更换背景视频/图片：修改 `core/video.py`。
+
+## License
+
+MIT

app.py

@@ -0,0 +1,93 @@
+# -*- coding: utf-8 -*-
+"""Flask Web 入口
+
+提供简单的 Web 界面，输入主题后自动生成短视频。
+"""
+
+import os
+import uuid
+import traceback
+from flask import Flask, render_template, request, jsonify, send_from_directory
+
+from core.script_gen import generate_script
+from core.tts import text_to_speech
+from core.subtitle import build_srt
+from core.video import compose_video
+
+app = Flask(__name__)
+OUTPUT_DIR = os.path.join(os.path.dirname(os.path.abspath(__file__)), "output")
+os.makedirs(OUTPUT_DIR, exist_ok=True)
+
+
+def _probe_duration(path: str) -> float:
+    """获取音频时长（秒）"""
+    from moviepy.editor import AudioFileClip
+    clip = AudioFileClip(path)
+    dur = clip.duration
+    clip.close()
+    return float(dur)
+
+
+def run_pipeline(topic: str, scenes: int = 5, rate: int = 160) -> dict:
+    """完整生成流水线"""
+    job_id = uuid.uuid4().hex[:8]
+    job_dir = os.path.join(OUTPUT_DIR, job_id)
+    audio_dir = os.path.join(job_dir, "audio")
+    os.makedirs(audio_dir, exist_ok=True)
+
+    script = generate_script(topic, scenes)
+
+    audio_paths = []
+    durations = []
+    for s in script:
+        ap = os.path.join(audio_dir, f"{s['index']}.mp3")
+        text_to_speech(s["text"], ap, rate=rate)
+        audio_paths.append(ap)
+        durations.append(_probe_duration(ap))
+
+    srt_path = os.path.join(job_dir, "subtitle.srt")
+    build_srt(script, durations, srt_path)
+
+    video_path = os.path.join(job_dir, "video.mp4")
+    compose_video(script, audio_paths, durations, video_path)
+
+    return {
+        "job_id": job_id,
+        "video": f"output/{job_id}/video.mp4",
+        "subtitle": f"output/{job_id}/subtitle.srt",
+        "script": script,
+    }
+
+
+@app.route("/")
+def index():
+    return render_template("index.html")
+
+
+@app.route("/api/generate", methods=["POST"])
+def api_generate():
+    data = request.get_json(force=True, silent=True) or {}
+    topic = (data.get("topic") or "").strip()
+    scenes = int(data.get("scenes") or 5)
+    rate = int(data.get("rate") or 160)
+
+    if not topic:
+        return jsonify({"ok": False, "error": "请填写主题"}), 400
+    if scenes < 1 or scenes > 8:
+        return jsonify({"ok": False, "error": "场景数需在 1-8 之间"}), 400
+
+    try:
+        result = run_pipeline(topic, scenes, rate)
+        return jsonify({"ok": True, **result})
+    except Exception as e:
+        traceback.print_exc()
+        return jsonify({"ok": False, "error": str(e)}), 500
+
+
+@app.route("/output/<path:filename>")
+def serve_output(filename):
+    return send_from_directory(OUTPUT_DIR, filename)
+
+
+if __name__ == "__main__":
+    app.run(host="0.0.0.0", port=5000, debug=True)

cli.py

@@ -0,0 +1,71 @@
+# -*- coding: utf-8 -*-
+"""命令行入口
+
+用法:
+    python cli.py --topic "人工智能的未来" --scenes 5 --rate 160
+"""
+
+import argparse
+import os
+import sys
+import uuid
+
+from core.script_gen import generate_script
+from core.tts import text_to_speech
+from core.subtitle import build_srt
+from core.video import compose_video
+
+OUTPUT_DIR = os.path.join(os.path.dirname(os.path.abspath(__file__)), "output")
+
+
+def _probe_duration(path: str) -> float:
+    from moviepy.editor import AudioFileClip
+    clip = AudioFileClip(path)
+    dur = clip.duration
+    clip.close()
+    return float(dur)
+
+
+def main():
+    parser = argparse.ArgumentParser(description="AI 全自动短视频生成器")
+    parser.add_argument("--topic", required=True, help="视频主题")
+    parser.add_argument("--scenes", type=int, default=5, help="场景数量（1-8）")
+    parser.add_argument("--rate", type=int, default=160, help="配音语速")
+    args = parser.parse_args()
+
+    if args.scenes < 1 or args.scenes > 8:
+        print("场景数需在 1-8 之间")
+        sys.exit(1)
+
+    job_id = uuid.uuid4().hex[:8]
+    job_dir = os.path.join(OUTPUT_DIR, job_id)
+    audio_dir = os.path.join(job_dir, "audio")
+    os.makedirs(audio_dir, exist_ok=True)
+
+    print(f"[1/4] 生成脚本...")
+    script = generate_script(args.topic, args.scenes)
+    for s in script:
+        print(f"   {s['index']}. {s['text']}")
+
+    print(f"[2/4] 合成语音...")
+    audio_paths, durations = [], []
+    for s in script:
+        ap = os.path.join(audio_dir, f"{s['index']}.mp3")
+        text_to_speech(s["text"], ap, rate=args.rate)
+        audio_paths.append(ap)
+        durations.append(_probe_duration(ap))
+        print(f"   {ap} ({durations[-1]:.2f}s)")
+
+    print(f"[3/4] 生成字幕...")
+    srt_path = os.path.join(job_dir, "subtitle.srt")
+    build_srt(script, durations, srt_path)
+    print(f"   {srt_path}")
+
+    print(f"[4/4] 合成视频...")
+    video_path = os.path.join(job_dir, "video.mp4")
+    compose_video(script, audio_paths, durations, video_path)
+    print(f"\n✅ 完成：{video_path}")
+
+
+if __name__ == "__main__":
+    main()

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")

requirements.txt

@@ -0,0 +1,5 @@
+Flask==3.0.0
+moviepy==1.0.3
+pyttsx3==2.90
+Pillow==10.2.0
+numpy==1.26.4

static/main.js

@@ -0,0 +1,46 @@
+const btn = document.getElementById('btn');
+const statusEl = document.getElementById('status');
+const resultEl = document.getElementById('result');
+const videoEl = document.getElementById('video');
+const downloadEl = document.getElementById('download');
+const scriptEl = document.getElementById('script');
+
+btn.addEventListener('click', async () => {
+  const topic = document.getElementById('topic').value.trim();
+  const scenes = parseInt(document.getElementById('scenes').value, 10) || 5;
+  const rate = parseInt(document.getElementById('rate').value, 10) || 160;
+
+  if (!topic) {
+    statusEl.textContent = '请填写主题';
+    return;
+  }
+
+  btn.disabled = true;
+  resultEl.classList.add('hidden');
+  statusEl.textContent = '生成中，请稍候（可能需要 1-3 分钟）...';
+
+  try {
+    const res = await fetch('/api/generate', {
+      method: 'POST',
+      headers: { 'Content-Type': 'application/json' },
+      body: JSON.stringify({ topic, scenes, rate }),
+    });
+    const data = await res.json();
+    if (!data.ok) throw new Error(data.error || '生成失败');
+
+    statusEl.textContent = '完成！';
+    videoEl.src = '/' + data.video;
+    downloadEl.href = '/' + data.video;
+    scriptEl.innerHTML = '';
+    data.script.forEach((s) => {
+      const li = document.createElement('li');
+      li.textContent = s.text;
+      scriptEl.appendChild(li);
+    });
+    resultEl.classList.remove('hidden');
+  } catch (e) {
+    statusEl.textContent = '错误：' + e.message;
+  } finally {
+    btn.disabled = false;
+  }
+});

static/style.css

@@ -0,0 +1,45 @@
+* { box-sizing: border-box; }
+body {
+  margin: 0;
+  font-family: -apple-system, "Segoe UI", "PingFang SC", "Microsoft YaHei", sans-serif;
+  background: linear-gradient(135deg, #1e1e2f 0%, #2a2a4a 100%);
+  color: #eaeaea;
+  min-height: 100vh;
+}
+.container {
+  max-width: 720px;
+  margin: 40px auto;
+  padding: 32px;
+  background: rgba(255, 255, 255, 0.05);
+  border-radius: 16px;
+  box-shadow: 0 8px 32px rgba(0, 0, 0, 0.4);
+}
+h1 { margin-top: 0; font-size: 24px; }
+.sub { color: #aaa; margin-bottom: 24px; }
+.form { display: flex; flex-direction: column; gap: 8px; }
+.form label { font-size: 14px; color: #bbb; }
+.form input {
+  padding: 10px 12px;
+  border-radius: 8px;
+  border: 1px solid #444;
+  background: #1a1a2a;
+  color: #eee;
+  font-size: 14px;
+}
+.form button {
+  margin-top: 12px;
+  padding: 12px;
+  border: none;
+  border-radius: 8px;
+  background: linear-gradient(90deg, #6a5acd, #8a2be2);
+  color: #fff;
+  font-size: 16px;
+  cursor: pointer;
+  transition: opacity 0.2s;
+}
+.form button:disabled { opacity: 0.5; cursor: not-allowed; }
+.status { margin-top: 20px; color: #8fd3ff; min-height: 20px; }
+.result { margin-top: 24px; }
+.result video { width: 100%; border-radius: 12px; background: #000; }
+.result a { color: #8fd3ff; }
+.hidden { display: none; }

templates/index.html

@@ -0,0 +1,40 @@
+<!DOCTYPE html>
+<html lang="zh-CN">
+<head>
+  <meta charset="UTF-8" />
+  <meta name="viewport" content="width=device-width, initial-scale=1.0" />
+  <title>AI 全自动短视频生成器</title>
+  <link rel="stylesheet" href="/static/style.css" />
+</head>
+<body>
+  <div class="container">
+    <h1>🎬 AI 全自动短视频生成器</h1>
+    <p class="sub">输入一个主题，自动生成脚本、配音、字幕和视频</p>
+
+    <div class="form">
+      <label>主题</label>
+      <input id="topic" type="text" placeholder="例如：人工智能的未来" />
+
+      <label>场景数量（1-8）</label>
+      <input id="scenes" type="number" value="5" min="1" max="8" />
+
+      <label>语速</label>
+      <input id="rate" type="number" value="160" min="80" max="260" />
+
+      <button id="btn">开始生成</button>
+    </div>
+
+    <div id="status" class="status"></div>
+
+    <div id="result" class="result hidden">
+      <h2>生成结果</h2>
+      <video id="video" controls></video>
+      <p><a id="download" href="#" download>下载视频</a></p>
+      <h3>脚本</h3>
+      <ol id="script"></ol>
+    </div>
+  </div>
+
+  <script src="/static/main.js"></script>
+</body>
+</html>