核心用法
Video Generator 是一款开源的文本转视频自动化工具，基于 React 生态的 Remotion 框架开发，可将文字脚本转换为 1080×1920 竖版专业短视频。核心流程为：文本输入 → TTS语音合成 → ASR时间戳提取 → 智能场景编排 → Remotion渲染输出。
关键功能：
- 多厂商TTS/ASR支持（OpenAI、Azure、阿里云、腾讯云），自动故障转移
- 6种智能场景类型（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
- 赛博朋克线框视觉风格，支持自定义背景视频与透明度调节
- 字幕双样式（文字阴影/背景框），支持中英文混合内容
典型工作流：
cd ~/openclaw-video-generator && \ ./scripts/script-to-video.sh script.txt --voice nova --speed 1.15 --bg-video bg.mp4
显著优点
1. 多厂商冗余设计：单一API故障时自动切换至备用提供商，避免任务中断
2. 成本极低：15秒视频约$0.003，本地渲染无额外费用
3. 完全开源可审计：GitHub公开源码，通过9.2/10安全评分认证
4. 中文场景优化：v1.6.2深度集成阿里云TTS，支持63.4秒完整中文音频
5. 开发者友好：提供Docker/VM/沙箱安装指南，支持项目级.env配置
潜在缺点与局限性
- 依赖外部API：TTS/ASR必须调用云服务商，文本/音频数据需外传
- 环境配置复杂：需Node≥18、FFmpeg、多组API密钥，新手门槛较高
- 风格单一：固定赛博线框视觉，非通用视频编辑工具
- 仅支持竖版：1080×1920锁定，无法横屏输出
- 无可视化界面：纯CLI驱动，无GUI编辑器
适合人群
- 短视频批量生产者（知识类、科普类内容）
- 开发者/技术团队（需要程序化视频生成）
- 中文内容创作者（阿里云TTS支持优秀）
- 隐私敏感用户（本地渲染，仅语音数据上云）
常规风险
| 风险类型 | 等级 | 说明 |
|---------|------|------|
| API密钥泄露 | 中 | 需严格遵循.env存储，禁用命令行传参 |
| 服务商数据隐私 | 中 | TTS文本、ASR音频受OpenAI/阿里云隐私政策约束 |
| 依赖项安全 | 低 | 定期审计npm依赖，当前无高危漏洞 |
| 网络访问限制 | 低 | 多厂商配置可绕过单点地域封锁 |