Video Generator | 视频生成器

核心用法

Video Generator 是一款基于 Remotion 框架的文本转视频自动化工具，用户只需提供文本脚本，即可生成带 AI 配音、字幕和视觉特效的专业短视频。核心流程为：文本 → TTS 语音合成 → ASR 时间戳提取 → 场景智能匹配 → Remotion 渲染输出。

主要功能：

• 多厂商 TTS/ASR：支持 OpenAI（默认）、Azure、阿里云、腾讯云，自动故障转移
• 6 种智能场景：标题、强调、痛点、内容、列表、结尾，自动根据文本内容匹配视觉特效
• 自定义背景视频：支持叠加背景视频，可调节透明度与遮罩颜色
• 双语字幕：支持中文/英文配音与字幕样式切换

使用方法：

cd ~/openclaw-video-generator && \
./scripts/script-to-video.sh <脚本文件> --voice nova --speed 1.15

显著优点

• 开箱即用：npm 全局安装或 git 克隆即可运行，配置简单
• 成本极低：15 秒视频成本约 $0.003，远低于商业视频生成服务
• 本地渲染：视频合成在本地完成，无需上传素材到云端
• 多提供商冗余：单个服务商故障时自动切换，适合中国网络环境
• 开源可审计：代码完全开源，可自行审查安全性和修改样式

潜在缺点与局限性

• 依赖外部 API：TTS/ASR 必须调用 OpenAI 等云服务，文本内容会被发送到第三方
• Node.js 环境依赖：需要 Node ≥18、ffmpeg、Python3 等前置工具
• 仅限竖版短视频：固定 1080×1920 分辨率，不支持横版或自定义尺寸
• 样式预设有限：视觉风格固定为赛博线框风，深度定制需修改 React 代码
• API 密钥管理复杂：多提供商配置需管理多组密钥，新手易配置错误

适合人群

• 短视频创作者（抖音/快手/YouTube Shorts）需要批量生成口播视频
• 技术团队希望自建视频生产流水线，替代剪映等工具的自动化需求
• 已有 OpenAI/Azure 账号，希望降低视频生成成本的企业用户
• 熟悉 Node.js/TypeScript 的开发者，需要深度定制视频模板

常规风险

| 风险类型 | 说明 | 缓解措施 |

|---------|------|---------|

| API 密钥泄露 | 密钥存储在 `.env` 文件，若权限设置不当可能被读取 | `chmod 600 .env`，禁用命令行传参 |

| 内容隐私 | 脚本文本发送至 OpenAI/Azure 等云服务 | 审查提供商隐私政策，敏感内容考虑本地 TTS |

| 供应商锁定 | 深度依赖 Remotion 框架和特定版本 | 定期更新，关注框架兼容性 |

| 网络可用性 | 中国用户访问 OpenAI API 可能受限 | 配置阿里云/腾讯云作为备选提供商 |

安全等级：S（开源可审计、本地渲染、无数据收集）

核心用法

video-generator 是一款基于 Remotion 框架的自动化文本转视频工具，通过集成多厂商 TTS（文本转语音）和 ASR（语音识别）服务，将文本脚本快速转换为 1080×1920 竖屏短视频。核心工作流为：用户提供文本脚本 → 系统调用 TTS 生成配音并提取时间戳 → 根据内容智能识别 6 种场景类型（标题/强调/痛点/内容/要点/结尾）→ 本地渲染生成赛博风格视频。

安装方式支持 npm 全局安装或 Git 克隆源码。推荐后者以获得更安全的 .env 本地配置。需配置至少一个厂商的 API 密钥（OpenAI 为默认，Azure/阿里云/腾讯云为备选），并依赖 Node.js 18+、npm、FFmpeg 和 Python3。

主要命令为 ./scripts/script-to-video.sh <脚本文件>，支持自定义音色（如 OpenAI 的 nova/alloy/shimmer）、语速（推荐 1.15 倍速）、背景视频叠加及透明度调节。系统内置多厂商自动降级机制，当首选服务商故障时无缝切换备选。

显著优点

多厂商冗余架构：独家支持 OpenAI、Azure、阿里云、腾讯云四大厂商 TTS/ASR，国内用户可绕过网络限制，企业用户可选合规服务商。

成本极低：15 秒视频成本约 0.003 美元（不足 3 美分），本地渲染零额外费用。

专业视觉风格：基于 Remotion 的 React 组件化渲染，预设赛博线框霓虹风格，6 种智能场景自动匹配（故障抖动/弹性缩放/旋转环形等），无需设计基础。

精确时间同步：通过 Whisper 提取语音时间戳，字幕与画面切换精准对齐，避免传统工具的手动对齐繁琐。

透明可审计：开源代码托管于 GitHub，npm 包与仓库双向验证，版本锁定机制（>=1.6.2）防止供应链攻击。

潜在缺点与局限性

外部依赖较重：核心功能依赖云端 TTS/ASR，必须配置有效 API 密钥且产生持续费用；离线场景无法使用。网络受限地区需额外配置 Azure/阿里云等国内友好服务商。

系统资源要求高：本地视频渲染依赖 FFmpeg 和 Node.js 环境，长视频或批量处理时对 CPU/内存消耗较大，暂不支持 GPU 加速渲染。

定制门槛存在：虽提供背景视频和颜色调节，但深度视觉定制需修改 Remotion 组件源码，对非开发者不够友好。中文语音效果依赖阿里云/腾讯云集成，配置复杂度高于单一 OpenAI 方案。

隐私合规注意：文本和音频需发送至第三方服务商，敏感内容处理需评估各厂商隐私政策（OpenAI 企业版可选不用于训练）。

适合的目标群体

• 短视频内容创作者：需快速将文案转为带配音的竖版视频，分发至抖音/快手/Instagram Reels
• 营销运营人员：批量生成产品解说、知识科普类标准化视频内容
• 教育培训从业者：将讲义文字自动转为带字幕的讲解视频
• 独立开发者/技术博主：利用自动化能力搭建视频生产流水线
• 出海内容团队：借助多厂商架构灵活应对不同地区合规要求

使用风险

API 密钥泄露风险：文档虽推荐 .env 文件存储，但命令行 --api-key 参数仍存在，误用会导致密钥暴露在进程列表。建议严格禁用命令行传参，使用 600 权限的 .env 文件。

供应链依赖：实际功能由 openclaw-video-generator npm 包提供，Skill 本身为文档封装。需定期验证 npm 包与 GitHub 仓库一致性，使用固定版本号而非 @latest。

服务商可用性：过度依赖单一厂商（如 OpenAI）可能遇服务中断或地区限制，建议配置至少两个备选服务商。

数据跨境传输：使用 OpenAI 等服务时数据可能出境，涉及数据合规要求的场景需优先选用 Azure 中国或阿里云。

渲染性能瓶颈：长视频（>60 秒）本地渲染耗时显著增加，建议分段处理或升级硬件配置。