Video-Gen 技能

从视频脚本 Markdown 文件一键生成竖版短视频（9:16）。

核心思路：以图定音

• - 每段脚本的画面说明 -> 字幕卡片图
• 每段口播文案 -> TTS 配音
• 每张图展示时长 = 对应音频时长，音画天然同步

快速开始

bash
python3 generate.py script.md -o output.mp4

使用预制图片（跳过 Chrome 截图）

bash
python3 generate.py script.md --images-dir ./my-slides -o output.mp4

图片命名规则：slide01.png, slide02.png...，与脚本分段一一对应。

自定义 TTS 命令

bash
python3 generate.py script.md --tts-command my-tts {text} -o {output} -v {voice} -r {rate}

占位符：{text} 口播文案、{output} 输出路径、{voice} 音色、{rate} 语速。

参数说明

python3 generate.py <脚本路径> [选项]

选项：
-o, --output 输出 MP4 路径（默认：tmp/video-output.mp4）
-v, --voice TTS 音色（默认：zh-CN-YunxiNeural）
-r, --rate 语速（默认：+0%，如 +10%、-10%）
-w, --width 视频宽度（默认：1080）
--height 视频高度（默认：1920，9:16）
--images-dir 使用已有图片目录，跳过 Chrome 截图
--tts-command 自定义 TTS 命令模板（占位符：{text} {output} {voice} {rate}）
--keep-temp 保留临时文件（图片、音频、片段）
--no-subs 不烧录字幕

依赖

系统依赖

• - FFmpeg：视频合成（brew install ffmpeg）
• Chrome：HTML 截图（仅在未使用 --images-dir 时需要）

推荐搭配的技能

以下技能非必需，但搭配使用效果更佳：

• - lh-edge-tts：TTS 配音生成。自动检测同级目录 ../lh-edge-tts/scripts/ttsconverter.py，或通过 EDGETTS_PATH 环境变量指定，或用 --tts-command 替换为任意 TTS 工具
• lh-html-to-image：如需自定义更复杂的字幕卡片，可用此技能生成图片后通过 --images-dir 传入

脚本格式

用 --- 分隔各段，每段包含 口播、字幕、画面 字段：

markdown

视频标题

开场

结尾

完整模板：templates/script-template.md

工作流程

1. 1. 解析脚本 Markdown，提取各分段
2. 每段口播 -> TTS 生成 mp3
3. 每段字幕 -> HTML 模板截图生成 9:16 图片（或从 --images-dir 加载）
4. 每张图 + 对应音频 -> FFmpeg 合成视频片段
5. 拼接所有片段 -> 输出 MP4