PPT → 培训视频自动化生成
把 PPT/PPTX 一键转成带浑厚男声讲解的 MP4 培训视频。完整支持解说稿审核与局部自定义。
何时使用
- 把项目评审、对外汇报、课程讲义等 PPT 转成可独立播放的视频讲解
- 需要 1080p 视频，含中文男声 + 可选轻量背景乐
- 演示文稿 5-50 页，期望输出 5-30 分钟视频
- 解说稿由 AI 起草后需要逐句人工审核、微调
何时不要使用
- 视频时长 < 1 分钟（如产品 demo）→ 直接用屏幕录像
- 需要真人出镜讲解 → 用录屏软件
- 仅需要音频文件（不带画面）→ 直接调 TTS 即可
- 解说稿包含方言 / 多人对话 / 实时互动 → 不在自动化能力内
技术栈
- PPT → PNG：PowerPoint COM（Windows 必需）
- TTS：Microsoft Edge TTS（
edge-ttsPython 包，神经语音） - 视频合成：FFmpeg（8.x+，含 libx264 与 libass）
- 中文字体：Windows 内置
msyhbd.ttc（必装）
输入
1. PPT 文件
任意 .pptx（建议 16:9 宽屏，导出 1920×1080 PNG）
2. 解说稿 JSON
{
"title": "方案汇报",
"voice": "zh-CN-YunjianNeural",
"rate": "+0%",
"bgm": "ambient",
"resolution": "1920x1080",
"burn_subtitle": true,
"slides": [
{
"page": 1,
"text": "各位同事，今天我们分享...",
"golden": "全球法规风险系统化管理方案"
}
]
}
字段说明：
- voice：Edge TTS 音色（见 references/voice-options.md）
- rate：语速（+10% 加速 / -5% 减速）
- bgm：ambient（程序化环境氛围）/ silent（无背景乐）
- burn_subtitle：是否烧入"金句"字幕
- golden：该页字幕文本（可选；不填则不显示该页字幕）
输出
output.mp4：最终视频output.frames/：每页 PNGoutput.audio/：每段 TTS MP3output.segments/：每页单段 MP4（用于局部重生成）output.bgm.wav：背景乐源文件output.narration.md：可读解说稿（含时长）output.audit.json：审核结果output.verify.json：自检报告
快速开始
# 安装依赖（一次性）
pip install edge-tts mutagen
# 1) 准备解说稿 JSON（可由 AI 起草后人工微调）
cp assets/narration-template.json my_narration.json
# 编辑 my_narration.json 填入每页 text 与 golden
# 2) 一键生成
python scripts/ppt2video.py run \
--ppt my_deck.pptx \
--script my_narration.json \
--output my_video.mp4
# 3) 仅审核解说稿（不生成视频）
python scripts/ppt2video.py audit --script my_narration.json
工作流（5 步）
- 依赖自检：检查 ffmpeg、edge-tts、中文字体、PowerPoint
- 解说稿审核：字数、语速、用词一致性、重复检测（可选 --audit-only）
- 导出 PNG：PPT → 1920×1080 高清帧
- TTS 生成：每页一段 MP3，4 路并发
- 视频合成：每段 MP4 → 拼接 → 混 BGM → 可选烧字幕 → 输出
每步可独立重跑（幂等）：已存在的文件会被复用。
局部自定义（核心亮点）
| 需求 | 命令 |
|---|---|
| 只重跑第 7 页（修正该页解说） | ppt2video.py regen-page --ppt ... --page 7 --text "新解说..." |
| 第 12 页用女声（对比） | ppt2video.py set-voice --page 12 --voice zh-CN-XiaoxiaoNeural |
| 整片加速 10% | 编辑 JSON 的 rate: "+10%"，再跑 run |
| 改背景乐 | ppt2video.py rebgm --input output.mp4 --output v2.mp4 |
| 不烧字幕 | ppt2video.py run ... --no-subtitle |
| 只跑 P3-P7 | ppt2video.py run ... --range 3-7 |
| 跳过已生成段 | 自动（--force 强制重跑） |
审核规则（audit 子命令）
| 维度 | 检查 | 建议 |
|---|---|---|
| 字数 | 每段 80-200 字 | <80 偏短，>200 偏长 |
| 语速 | 估算 2.5-4.5 字/秒 | 太慢显得拖沓，太快不易懂 |
| 填充词 | 检测"嗯/啊/这个/那么" | 建议删减 |
| 重复 | 与相邻页、与全文其他段 | 避免车轱辘话 |
| 术语一致性 | 同一概念不同叫法 | 报告"CoP"还是"量产一致性"要统一 |
| 涉敏词 | 政治 / 商业机密词 | 提醒复核 |
| 来源声明 | 数字断言 | "70% 召回"需注明出处 |
输出 audit.json：
{
"summary": {"warnings": 3, "errors": 0, "total_chars": 2800},
"issues": [
{"page": 9, "type": "speed", "level": "warn", "msg": "语速 5.2 字/秒（建议 2.5-4.5）"},
{"page": 5, "type": "terminology", "level": "info", "msg": "P5 用'REACH'，P7 用'Reach'，建议统一"}
]
}
关键约束
- Windows 必需：PowerPoint COM 不可跨平台
- 首次运行需联网：edge-tts 走 Microsoft 在线语音服务
- 中文字体必须：缺
msyhbd.ttc时字幕会变成方块 - 路径中含中文不会出错：所有中间文件落到
C:\Temp\ppt2video_{ts}\ASCII 目录
常见问题（详见 references/troubleshooting.md）
- TTS 失败 / 报"无法连接到 speech.platform.bing.com" → 检查代理
- 输出视频无声 → 看 ffmpeg 是否支持 aac 编码
- 字幕乱码 → 装 msyhbd.ttc 或改 force_style
- PPT 路径含中文 → 已自动处理，复制到 ASCII 临时目录
