视频自动化技能 (Video Auto Skill)

🎯 功能概述

一键生成抖音标准营销视频：

图片 + 文案 → 视频生成 → 自动发布

核心特性：

• ✅ 有脚本按脚本，无脚本自动生成
• ✅ Edge TTS 男女声可选（真正男声/女声）
• ✅ 逐行字幕（说到哪句显示哪句）
• ✅ 字幕大小自动适配视频尺寸
• ✅ 随机 BGM（不固定同一首）
• ✅ 智能时长适配（根据脚本/图片自动计算）
• ✅ 文案安全规范（不编造敏感信息）
• ✅ 自动复制到 Windows

🚀 快速开始

方式 1：命令行调用

cd /home/openclaw/.openclaw/workspace/skills/ddc
python3 scripts/generate.py --images image1.jpg image2.jpg --output video.mp4

方式 2：配置文件调用

python3 scripts/generate.py --config config/custom.json

方式 3：代码参数调用

python3 scripts/generate.py \
  --images image1.jpg image2.jpg image3.jpg \
  --captions "文案 1" "文案 2" "文案 3" \
  --style brand \
  --voice male \
  --duration 15 \
  --output video.mp4

📋 参数说明

必填参数

可选参数

🎨 文案风格

style="brand"（品牌宣传）

特点：无敏感信息，安全合规，自动生成行业营销用语

电动车行业示例：

安全好骑，续航长久
动力强劲，品质可靠
舒适耐用，性价比高
欢迎到店咨询体验

style="promo"（促销推广）

需要用户提供：

• --price 价格
• --promotion 促销活动
• --contact 联系方式

示例：

python3 scripts/generate.py \
  --images image1.jpg image2.jpg \
  --style promo \
  --price "2399 元" \
  --promotion "店庆大促" \
  --contact "惠水县爱玛店" \
  --captions "72V 六块大电池" "爱玛爱朵惊爆价 2399" "活动截止 4 月 30 日"

🎤 配音选项

Edge TTS 声音列表

男声：

• male 或 zh-CN-YunxiNeural - 温暖男声（推荐）
• zh-CN-YunjianNeural - 沉稳男声

女声：

• female 或 zh-CN-XiaoxiaoNeural - 温柔女声（推荐）
• zh-CN-XiaoyiNeural - 活泼女声

语速配置

📝 字幕规范

逐行显示模式

特点：

• ✅ 说到哪句显示哪句
• ✅ 每次只显示一行
• ✅ 字体大小自动适配视频宽度
• ✅ 底部 50px 安全区
• ✅ 白字黑边，半透明背景

字幕配置

{
  "subtitle": {
    "enabled": true,
    "fontSize": 24,
    "fontFamily": "Microsoft YaHei",
    "marginV": 50,
    "maxLines": 1,
    "position": "bottom"
  }
}

🎬 视频规格

抖音标准

智能时长适配

根据脚本字数自动计算：

时长 (秒) = 脚本文字数 ÷ 语速 (5.5 字/秒)

根据图片数量自动分配：

每张图片展示时长 = 视频总时长 ÷ 图片数量

示例：

• 76 字文案 ÷ 5.5 = 约 14 秒
• 12 张图片 → 每张 1.17 秒

🎵 背景音乐

随机 BGM

配置：

{
  "audio": {
    "bgm": {
      "enabled": true,
      "volume": 0.2,
      "random": true
    }
  }
}

网络 BGM

从 Pixabay 下载免费音乐（11 首不同风格）：

{
  "audio": {
    "bgm": {
      "from_internet": true
    }
  }
}

支持的来源：

• Pixabay（免版权，可商用）

随机选择的风格：

• 🎵 轻快/愉悦（3 首）
• 🎵 激励/积极（2 首）
• 🎵 流行/时尚（2 首）
• 🎵 电子/动感（2 首）
• 🎵 温馨/柔和（2 首）

每次生成都随机选择，不会重复！

BGM 时长匹配

自动裁剪或循环以匹配视频时长：

{
  "audio": {
    "bgm": {
      "match_duration": true
    }
  }
}

效果：

• BGM 太长 → 自动裁剪
• BGM 太短 → 自动循环
• 最终时长 = 视频时长

BGM 文件位置

/home/openclaw/.openclaw/workspace-kaifa/quick-test/out/

要求：

• MP3 格式
• 排除 TTS 文件（自动）

🚫 敏感信息规范

禁止自动生成的内容

• ❌ 价格（除非用户提供 --price）
• ❌ 地址（除非用户提供 --address）
• ❌ 电话/微信/QQ（除非用户提供）
• ❌ 邮箱
• ❌ 网址链接

安全营销用语

电动车行业示例：

• ✅ 安全好骑
• ✅ 续航长
• ✅ 动力强
• ✅ 品质可靠
• ✅ 性价比高
• ✅ 舒适耐用
• ✅ 欢迎咨询
• ✅ 到店体验

📁 配置文件示例

config/default.json

{
  "video": {
    "width": 1080,
    "height": 1920,
    "fps": 30,
    "crf": 20
  },
  "subtitle": {
    "enabled": true,
    "fontSize": 24,
    "fontFamily": "Microsoft YaHei",
    "marginV": 50,
    "maxLines": 1
  },
  "audio": {
    "tts": {
      "voice": "male",
      "speed": 5
    },
    "bgm": {
      "enabled": true,
      "volume": 0.2,
      "random": true
    }
  },
  "script": {
    "autoGenerate": true,
    "industry": "电动车"
  },
  "output": {
    "copyToWindows": true,
    "windowsPath": "/mnt/f/Desktop/aima/新建文件夹"
  }
}

📚 使用示例

示例 1：品牌宣传（无脚本）

python3 scripts/generate.py \
  --images image1.jpg image2.jpg image3.jpg \
  --style brand \
  --voice male \
  --output brand_video.mp4

效果：自动生成安全版营销文案 + 男声配音

示例 2：自定义文案（有脚本）

python3 scripts/generate.py \
  --images image1.jpg image2.jpg \
  --captions "惠水县爱玛店庆大促" "72V 爱玛爱朵 2399 元" "截止 4 月 30 日" \
  --voice female \
  --speed 6 \
  --output promo_video.mp4

效果：按提供的文案逐行显示字幕

示例 3：促销视频（提供敏感信息）

python3 scripts/generate.py \
  --images image1.jpg image2.jpg image3.jpg \
  --style promo \
  --price "2399 元" \
  --promotion "店庆大促" \
  --contact "惠水县爱玛店" \
  --captions "72V 六块大电池" "爱玛爱朵惊爆价" "活动截止 4 月 30 日" \
  --voice male \
  --bgm-volume 0.25 \
  --output aima_video.mp4

效果：包含用户提供的所有信息

示例 4：配置文件调用

python3 scripts/generate.py --config config/custom.json

config/custom.json：

{
  "images": ["/path/to/image1.jpg", "/path/to/image2.jpg"],
  "style": "brand",
  "voice": "male",
  "speed": 5,
  "bgm_volume": 0.2,
  "output": "video.mp4"
}

🔧 完整工作流

1. 读取参数/配置文件
   ↓
2. 生成/优化文案
   ├─ 有 captions → 使用提供的文案
   ├─ style=brand → 生成安全版营销文案
   └─ style=promo → 需要用户提供敏感信息
   ↓
3. 优化脚本字数
   └─ 根据目标时长自动增减（不改变原意）
   ↓
4. 生成 TTS 配音
   └─ Edge TTS（男声/女声可选）
   ↓
5. 生成逐行字幕
   └─ SRT 格式，一句一条
   ↓
6. 选择随机 BGM
   └─ 从指定文件夹随机选择
   ↓
7. 生成视频
   ├─ 图片处理（1080x1920）
   ├─ 字幕合成（逐行显示）
   ├─ 音频混合（TTS + BGM）
   └─ 输出 MP4
   ↓
8. 复制到 Windows（可选）
   └─ 自动复制到指定目录

⚠️ 注意事项

文案安全

禁止编造：

• ❌ 价格（除非 --price）
• ❌ 促销活动（除非 --promotion）
• ❌ 联系方式（除非 --contact）
• ❌ 地址（除非 --address）
• ❌ 链接/网址

安全用语：

• ✅ "欢迎咨询"
• ✅ "了解更多"
• ✅ "到店体验"
• ✅ "关注我们"

性能参考

图片要求

• 格式：JPG/PNG
• 数量：8-20 张（推荐）
• 方向：横竖皆可（自动适配）

📊 输出说明

生成文件

输出位置

• Linux: /home/openclaw/.openclaw/workspace/skills/video-auto/output/
• Windows: F:\Desktop\aima\新建文件夹\（自动复制）

🆘 常见问题

Q: 配音失败？

A: 检查网络连接，Edge TTS 需要访问微软服务

Q: 字幕不显示？

A: 检查 subtitle.enabled: true，确认 SRT 文件存在

Q: BGM 声音太小？

A: 调整 --bgm-volume 0.25

Q: 如何切换男声/女声？

A: 使用 --voice male 或 --voice female

Q: 如何禁用随机 BGM？

A: 使用 --random-bgm false

🔗 相关文档

• 配置指南
• 文案安全规范
• 发布指南

Last updated: 2026-04-07