核心用法
video-generator 是一款自动化文本转视频流水线工具，基于 Remotion 框架开发，可将纯文本脚本一键转换为 1080×1920 竖版短视频。用户只需提供 .txt 脚本文件，系统即自动完成：TTS 语音合成（OpenAI/Azure/阿里云/腾讯云四选一）、Whisper 时间戳对齐、智能场景检测（6 种预设动效）、本地 FFmpeg 渲染输出 MP4。
典型工作流：
# 创建脚本 echo -e "AI makes development easier\nSaving time and boosting efficiency" > script.txt # 生成视频（默认使用 OpenAI TTS） ./scripts/script-to-video.sh script.txt --voice nova --speed 1.15 # 输出：out/script.mp4
支持自定义背景视频、透明度调节、双语字幕及多种视觉风格（赛博线框/故障艺术/霓虹光效）。
显著优点
1. 多厂商 TTS 兜底：内置 OpenAI、Azure、阿里云、腾讯云四家 ASR/TTS 接口，可按网络环境、成本或中文语音质量自由切换，避免单点故障。
2. 成本极低：单次 15 秒视频云成本仅约 $0.003（TTS $0.001 + Whisper $0.0015），渲染完全本地免费。
3. 本地隐私优先：除语音合成与识别外，视频合成、场景编排、文件管理均在本地完成，敏感素材不出境。
4. 开箱即用：npm 全局安装即可运行，无需 Docker 或复杂 GPU 环境；MIT 协议开源，可二次开发。
5. 智能场景系统：自动识别文本特征（数字、痛点、列表、首尾句）并匹配 6 种动态效果（故障缩放、弹跳强调、抖动警示、旋转圆环等）。
潜在缺点与局限性
1. 依赖外部 API：必须持有至少一家云厂商的 API Key（OpenAI 推荐，国内用户需备阿里云/腾讯云），且文本与音频需上传至云端，存在合规与数据出境风险。
2. Node/FFmpeg 环境门槛：要求 Node ≥18、FFmpeg、Python3，Windows 用户需手动配置环境变量，对非技术用户不够友好。
3. 模板化风格单一：目前主打“赛博线框 + 霓虹色”视觉体系，定制化需修改 Remotion 源码；复杂分镜或人物动画无法直接实现。
4. 中文支持待完善：虽 v1.6.2 引入阿里云 TTS，但文档示例与社区生态仍以英文为主，中文断句、多音字优化依赖云端 TTS 自身能力。
5. 无实时预览：需等待完整渲染（通常 30-120 秒）才能查看效果，调整成本高于 Web 端可视化编辑器。
适合人群
- 独立开发者/技术博主：需要批量生成代码讲解、产品更新的短视频素材。
- 出海营销团队：利用低成本云资源快速生产多语言口播视频，测试素材 ROI。
- 国内自媒体：通过阿里云/腾讯云通道规避 OpenAI 网络限制，合规使用中文高品质语音。
- 自动化工作流爱好者：可将本工具接入 CI/CD 或 RSS→Video 流水线，实现无人值守内容生产。
常规风险
| 风险类型 | 说明与缓解措施 |
|---------|--------------|
| **API Key 泄露** | 密钥存储于 `.env` 文件，需设置 600 权限，避免误提交至 Git；建议使用专用子账号并限制 API 调用额度。 |
| **云账单失控** | 默认按量计费，若脚本被恶意循环调用可能产生高额费用；建议配置用量告警或改用预付费资源包。 |
| **版权素材风险** | 背景视频、字体、BGM 需用户自行确保授权，工具本身不提供素材库。 |
| **内容合规** | TTS 内容需符合各云厂商 acceptable use policy，政治敏感、虚假宣传可能触发封号。 |
| **本地渲染负载** | 长视频或高帧率设置将显著占用 CPU/GPU，建议限制单任务时长 < 60 秒。 |