功能说明: 本技能涵盖 中文交互、化工作流场景 等核心能力。

竖版视频生成免费版

概述

竖版视频生成免费版帮助个人内容创作者从Markdown脚本一键生成9:16竖版短视频。工具采用"以图定音"的核心思路:每段脚本的画面说明生成字幕卡片图,每段口播文案生成TTS配音,每张图展示时长等于对应音频时长,实现音画天然同步。

本版本面向个人用户,提供基础的单视频生成能力,适合短视频平台内容创作。

核心能力

脚本解析

• 支持Markdown格式脚本,用---分隔各段
• 每段包含画面、口播、字幕三个字段
• 自动提取分段内容并按顺序处理

输出: 返回脚本解析的执行结果,包含操作状态和输出数据。

TTS配音

• 默认使用zh-CN-YunxiNeural音色
• 支持自定义语速(如+10%、-10%)
• 可替换为任意TTS工具(通过命令模板)

输出: 返回TTS配音的执行结果,包含操作状态和输出数据。

画面生成

• 自动将字幕内容渲染为9:16图片
• 支持使用预制图片跳过截图步骤
• 图片命名规则:slide_01.png、slide_02.png...

输出: 返回画面生成的执行结果,包含操作状态和输出数据。

视频合成

• 使用FFmpeg合成视频片段
• 支持字幕烧录
• 输出标准MP4格式

输出: 返回视频合成的执行结果,包含操作状态和输出数据。 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：脚本一键生成、竖版短视频、字幕烧录与画面同、适合个人内容创作、竖版视频生成免费、版帮助个人内容创、作者从、以图定音、核心思路、画面说明生成字幕、卡片图、口播文案生成、音画天然同步、Use、when、需要视频处理、音频编辑、媒体转换、配音生成时使用、不适用于版权受保、护的媒体内容处理、适用于独立开发者、企业团队和自动化、工作流场景等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

使用场景

场景一:知识科普短视频

需求:教育博主需要将知识点制作成竖版短视频。

# 编写脚本 script.md
# ---
# ## 开场
# **画面**:知识标题卡片
# **口播**:大家好,今天我们来学习一个有趣的知识点。
# **字幕**:今日知识点\n一分钟速览

# 生成视频
python3 generate.py script.md -o output.mp4

场景二:产品介绍视频

需求:独立开发者为一款应用制作介绍视频。

# 使用自定义TTS音色与语速
python3 generate.py product-intro.md \
  -o product.mp4 \
  -v zh-CN-XiaoxiaoNeural \
  -r +5%

场景三:使用预制图片

需求:已有设计好的图片,只需配音与合成。

# 使用预制图片(跳过Chrome截图)
python3 generate.py script.md \
  --images-dir ./my-slides \
  -o output.mp4

快速开始

依赖详情

# 系统依赖
# FFmpeg:视频合成
brew install ffmpeg      # macOS
# 或
sudo apt install ffmpeg  # Linux

# Chrome:HTML截图(使用预制图片时可跳过)
# 自动检测系统Chrome路径,或设置环境变量:
export CHROME_PATH="/path/to/chrome"

Step 2:编写脚本

创建 script.md 文件:

---

开场

画面:欢迎页面,显示标题 口播:大家好,欢迎来到今天的分享。 字幕:欢迎观看\n今日主题

---

内容

画面:知识点卡片 口播:今天我们要学习的核心内容是这个重要概念。 字幕:核心概念详解

---

结尾

画面:感谢页面 口播:感谢观看,我们下期再见。 字幕:感谢观看\n下期再见

# 请参考上方使用说明进行配置和调用
result = "ready"
```bash
python3 generate.py script.md -o output.mp4

请参考上方使用说明进行配置和调用

result = "ready"

python3 generate.py <脚本路径> [选项]

选项:
  -o, --output        输出MP4路径(默认:tmp/video-output.mp4)
  -v, --voice         TTS音色(默认:zh-CN-YunxiNeural)
  -r, --rate          语速(默认:+0%,如+10%、-10%)
  -w, --width         视频宽度(默认:1080)
  --height            视频高度(默认:1920,9:16)
  --images-dir        使用已有图片目录,跳过Chrome截图
  --tts-command       自定义TTS命令模板
  --keep-temp         保留临时文件
  --no-subs           不烧录字幕

请参考上方使用说明进行配置和调用

result = "ready"

# 替换为任意TTS工具
python3 generate.py script.md \
  --tts-command "my-tts {text} -o {output} -v {voice} -r {rate}"

占位符说明:

• {text}:口播文案
• {output}:输出路径
• {voice}:音色
• {rate}:语速

视频参数配置

# 默认配置
video_config = {
    "width": 1080,
    "height": 1920,        # 9:16竖版
    "voice": "zh-CN-YunxiNeural",
    "rate": "+0%",
    "output": "tmp/video-output.mp4",
    "burn_subs": True,
    "keep_temp": False
}

优选实践

脚本编写技巧

音色选择建议

# 中文音色推荐
-v zh-CN-YunxiNeural      # 男声,沉稳(默认)
-v zh-CN-XiaoxiaoNeural   # 女声,活泼
-v zh-CN-YunyangNeural    # 男声,专业
-v zh-CN-XiaoyiNeural     # 女声,温柔

# 语速调整
-r +10%   # 稍快,适合节奏明快的内容
-r -10%   # 稍慢,适合教学讲解

工作流程

1. 编写Markdown脚本,规划分段
2. 运行生成命令
3. 脚本解析:提取各分段内容
4. TTS生成:每段口播生成MP3
5. 图片生成:每段字幕生成9:16图片
6. 视频合成:每张图+对应音频合成片段
7. 拼接输出:合并所有片段为最终MP4

常见问题

Q1: 生成视频时Chrome截图失败?

A: 检查Chrome是否已安装,或通过CHROME_PATH环境变量指定路径。也可使用预制图片(--images-dir)跳过截图步骤。

Q2: TTS配音不正常?

A: 默认TTS需要网络连接。检查网络是否正常。也可通过--tts-command替换为本地TTS工具。

Q3: 视频画面与音频不同步?

A: 本工具采用"以图定音"设计,每张图展示时长等于对应音频时长,天然同步。如遇不同步,检查是否有手动修改过临时文件。

已知限制

A: 免费版支持单视频生成,默认配置。不支持批量生成、自定义模板、多语言混排等高级功能。如需批量处理请使用PRO版。

Q5: 如何保留临时文件用于调试?

A: 使用--keep-temp参数,生成过程中的图片、音频、片段将保留在临时目录中,便于排查问题。

• 当前为免费版本,如需完整功能请升级到付费版获取全部能力

依赖说明

运行环境

• Agent平台: 支持SKILL.md规范的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux
• Python: 3.8+

第三方依赖

API Key 配置

• 本skill基于Markdown指令规范驱动,无需额外API Key
• TTS服务如使用云端API,需按对应服务商文档配置
• 可通过--tts-command替换为本地TTS工具,无需API Key

可用性分类

• 分类: MD+execute(纯Markdown指令+脚本执行能力)
• 说明: 基于Markdown指令驱动Agent执行视频生成任务,通过Python脚本与FFmpeg实现视频合成
• 免费版限制: 单视频生成、默认配置、无批量处理、无自定义模板

错误处理

安全注意事项

使用前请确认已阅读依赖说明章节，确保运行环境满足安全要求。

效率量化分析

差异化对比

核心功能

• 自动化执行: 基于指令驱动的自动化流程
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果