核心用法
Video Generator 是一套开源的文本转视频自动化管道，将文字脚本转换为 1080×1920 竖版短视频。用户只需提供文本，系统即自动完成：
1. 语音合成：调用 OpenAI/Azure/阿里云/腾讯云 TTS 生成配音，支持多厂商自动降级
2. 时间戳提取：使用 Whisper 等 ASR 服务精确切分字幕时间点
3. 场景编排：自动识别 6 类场景（标题/强调/痛点/内容/列表/结尾），匹配动态视觉效果
4. 视频渲染：基于 Remotion + React 本地渲染，输出赛博线框风格的 MP4
典型命令：
./scripts/script-to-video.sh script.txt --voice nova --speed 1.15
显著优点
- 多厂商冗余：OpenAI 故障时自动切换至 Azure/阿里云/腾讯云，保障可用性
- 成本极低：15 秒视频约 $0.003，TTS 与 Whisper 为主要开销
- 本地渲染：视频合成完全本地执行，原始素材不上云
- 中文优化：v1.6.2 深度集成阿里云 TTS，支持 63.4 秒完整中文音频流
- 视觉丰富：5 种高级风格（权威/奢华/极简/电影/医疗），支持背景视频叠加与透明度调节
潜在缺点与局限
- API 依赖重：TTS/ASR 必须调用第三方云 API，无法完全离线运行
- 环境配置复杂：需 Node ≥18、FFmpeg、Python3，且需配置多组厂商密钥
- 地理限制：OpenAI 服务在部分地区受限，需预装备用厂商
- 风格固定：赛博线框为主基调，非通用视频编辑器，无法自由调整版式
- 短内容导向：针对 15-60 秒短视频优化，长视频渲染耗时显著增加
适合人群
- 自媒体创作者：批量生产抖音/YouTube Shorts 风格内容
- 技术视频团队：需自动化生成产品 Demo、科普短视频
- 中文内容生产者：依赖阿里云/腾讯云解决中文语音与网络稳定性问题
- 开发者：可基于 Remotion 二次定制场景动画
常规风险
- 密钥泄露风险：需妥善保管
.env文件（建议chmod 600），避免命令行暴露 API Key - 厂商数据出境：TTS/ASR 文本与音频上传至 OpenAI/阿里云等，需遵守各厂商隐私政策
- 成本波动：高频调用时 TTS 费用可能累积，建议设置用量告警
- 渲染失败：FFmpeg 或 Node 版本不兼容会导致本地渲染中断