基于 Remotion 的自动化文本转视频系统，支持多厂商 TTS/ASR，成本约 $0.003/15秒视频，适合快速生成赛博风格短视频
说明：
## 核心用法
Video Generator 是一个基于 Remotion 框架的自动化文本转视频管道，用户只需提供文本脚本即可生成带 AI 配音、精准时间轴和赛博朋克视觉风格的短视频。系统支持 OpenAI、Azure、阿里云、腾讯云四大 TTS/ASR 提供商，默认使用 OpenAI。
**典型工作流**：
1. 准备纯文本脚本（每行一句话）
2. 调用 `./scripts/script-to-video.sh `
3. 系统自动完成 TTS 生成 → 语音转文字提取时间戳 → 场景智能匹配 → Remotion 渲染 → MP4 输出
**关键参数**：
– `–voice nova`：推荐音色（OpenAI）
– `–speed 1.15`：语速倍率
– `–bg-video`：自定义背景视频
– `–bg-opacity 0.6`：背景透明度
## 显著优点
| 维度 | 说明 |
|——|——|
| 成本极低 | 15 秒视频仅需约 $0.003，本地渲染无额外费用 |
| 多厂商兼容 | 4 家云服务商可选，便于应对网络限制和区域合规 |
| 智能场景系统 | 6 种自动触发场景（title/emphasis/pain/content/circle/end），匹配文字内容自动应用特效 |
| 本地渲染安全 | 视频合成在本地执行，源文件和中间产物不上云 |
| 输出规格专业 | 1080×1920 竖版 30fps，适合短视频平台 |
## 潜在缺点与局限性
1. **依赖外部 API 稳定性**：TTS 和 ASR 均需调用云端服务，任一环节故障会导致生成中断
2. **仅支持英文/中文**：语音识别和场景分析对非中英内容支持有限
3. **视觉风格固定**：赛博朋克线框风不可自定义，品牌适配性受限
4. **Node.js 环境依赖**：需 Node ≥18、FFmpeg、Python3，Windows 环境配置较复杂
5. **无实时预览**：需完整渲染后才能查看效果，迭代成本较高
## 适合人群
– 内容创作者：需要批量生产科普/营销短视频
– 开发者/技术博主：快速生成代码演示或概念讲解视频
– 企业营销团队：低成本生成产品宣传素材
– 中文用户：阿里云/腾讯云选项解决了国内网络访问问题
## 常规风险
| 风险类型 | 说明 | 缓解措施 |
|———-|——|———-|
| API 密钥泄露 | `.env` 文件若权限不当可能被读取 | 安装时自动执行 `chmod 600 .env`，密钥永不入 git |
| 云服务商账单失控 | 高频调用可能产生意外费用 | 单视频成本透明可控，建议设置云账户消费预警 |
| 内容合规风险 | 生成内容需符合平台审核规范 | 避免敏感话题，人工复核最终输出 |
| 依赖版本漂移 | npm 包更新可能破坏兼容性 | 锁定版本 `1.6.2`，通过 commit hash 验证源码完整性 |
项目采用 MIT 协议开源，GitHub 仓库活跃，版本迭代记录清晰，具备基础的可维护性保障。
会员专属
