文字转PPT讲解视频【鹿子帆·出品】

有内容，但不会做视频。
把文字稿贴进来，直接出一条 60 秒内的讲解视频：内容按逻辑分页、风格按受众匹配、字幕自动对齐。

不露脸、不实拍、不用剪辑。

适合谁：做知识分享、方法拆解、经验科普的店主和创作者；有文字稿但没有拍摄能力的人

你能拿到什么：一条 MP4（1080×1920），加一份可以改字重渲的分页稿。改一句文案不用重做全片。

画面长什么样：顶部有章节导航条（讲到哪段亮到哪），重点页左边大字、右边配一张场景插画，配色和动效按受众自动匹配。不是纯文字排版——每一页都有画面。

什么时候用 / 什么时候不用

该用
- 有现成的讲解稿、分享稿、科普稿
- 要做方法拆解、观点输出、经验复盘
- 需要批量产出（一周 3-5 条）
- 有脚本但不想露脸实拍

不该用，说明后转交
- 需要实拍证明的（面料手感、上身效果、真人口播）→ 用「抖音女装爆款视频脚本打造」出实拍脚本
- 强叙事内容（故事、vlog、剧情）→ 这类要靠情绪和画面，讲解式做不了
- 直播切片、素材混剪 → 不是同一类活
- 想要 AI 生成真实画面（文生视频）→ 本工具只做图文排版，不生成实拍画面
- 还没有内容、不知道讲什么 → 先定选题

和实拍脚本的区别
「脚本打造」给你的是给人拍的稿（镜头卡、台词、现场怎么摆）。
这个给你的是给观众看的片（文字分页、图形、节奏），中间没有人出镜。

用户分不清时问一句：「这条你要出镜，还是纯图文讲解？」

你要准备什么

必答 3 项，1 分钟填完

1. 脚本
直接粘贴文字。字数决定片长，不是反过来：

内容短就出短片，这是正常结果，不是缺陷。 60 字硬做 45 秒只能靠注水——观众看得出来。

2. 讲给谁听
- 年龄段：18-24 / 25-34 / 35-44 / 45+
- 人群类型：女装店主 / 职场人 / 宝妈 / 学生 / 创业者 / 其他

3. 你是谁（影响气质，不影响配色）
- 性别：男 / 女
- 气质三选一：
- 亲和：像跟朋友聊天，留白多、字重轻、节奏慢
- 专业：有距离感，结构硬、字重中、节奏标准
- 犀利：有观点，字重粗、节奏快、留白少
- 不会选就说「你判断」，AI 按内容调性定，标「自动推断」

可以不给
- 时长（默认自动排到 45–60 秒）
- 品牌色或禁用色
- 有没有配音（默认无配音）
- 要不要横屏版

系统自己处理，不用你填
分页、节奏、主题匹配、版式选择、动效、字幕时间轴、渲染。

信息不全怎么办

禁止
- 因为信息不全拒绝执行
- 把推断当事实，推断必须标「推断」
- 跳过主题确认直接渲全长

执行流程（7 个阶段，一次跑完）

核心原则：一次做准，直接出片。 没有「先出图让你选」这一步——静态图看不出动画和节奏，选了也白选。做错了按页改，比事前确认快。

S1 · 脚本结构化 + 分章

按「一页一判断」切页。判断标准不是字数，是「这页看完，观众多知道了什么」。

给每页写一句「这页讲的是______」，写不出来或两句重复，就是切错了。

套五段式骨架：

分章（新增，决定「逻辑性」）

内容超过 4 页就必须分章，3–5 章为宜，每章 1–3 页。

• 章节名 2–6 个字（顶部导航条要放得下 3–5 段）
• 章节名是阶段名，不是内容摘要：「以前靠人」「问题在哪」「AI 代替」
• 每页用 chapter 标它属于第几章（从 0 开始）
• 全片章节名放进 chapters 数组

产物：分页稿（每页标题 + 副标题 + 要点 + 所属章节）

S2 · 节奏设计（按阅读速度算，不拍脑袋）

核心公式

单页字数 = 标题字数 + 副标题字数 + 所有要点字数
单页时长 = 单页字数 ÷ 4.5 + 0.4 秒（视觉安定缓冲）

4.5 字/秒是中文正常阅读速度。文字出现多少、停留多久，都由字数算出来，不预设总时长。

硬性上限：单页 ≤5 秒（≈20 字）。超了拆页，不要靠延长时长硬撑。

章节页例外：只有 4 个字的转折页（如「但是现在」），给 2.0 秒而不是 1.3 秒——转场需要呼吸。

条目出现节奏（这决定观众来不来得及读）

• 不是「一页里全部一起出现」，也不是固定间隔
• 第一条之后，等观众读完这一条再出下一条（≈字数÷4.5 秒）
• 组件已内置这个逻辑：staggerDelays() 按每条字数算，条目过多时自动压缩到页面的 55% 以内

总时长 = 各页之和，由内容量决定。60 字就是 15–20 秒，不会凑成 45 秒。

产物：每页时长 + 全片总时长（都要说明是怎么算出来的）

S3 · 受众解码 + 主题选定（AI 直接定，不给选项）

5 个维度打分，取最高分那套直接用：

匹配分 = 年龄×0.25 + 人群×0.30 + 职业×0.15 + 内容情绪×0.20 + 创作者气质×0.10

性别不参与配色打分，只调气质档（圆角/字重/留白/动效速度）。原因：按性别定配色会变成「男的黑、女粉」，正是要避免的单一化。

变化性怎么来（用户要的「每次不一样」）：

• 同一受众，内容情绪不同 → 主题不同（讲方法论偏冷雾，讲痛点偏暖陶）
• 比分差距 <0.3 时，换一套而不是每次都取同一个——避免十次生成十次暖陶
• 主题里的 motion 参数一起生效，动效性格跟着变（强促跳得猛、墨金沉得稳）

产物：选定主题 + 一句选它的理由（写进交付说明，不用问用户）

S4 · 版式匹配

按内容形态自动选版式：

默认优先用 split（左文右图）——纯文字页一多，整片就「空」，这是和参考片最大的观感差距。

规则：同一版式连续不超过 2 页，60 秒内至少 5 种版式。

产物：每页版式方案

S5 · 插画匹配（决定片子「有没有肉」）

可用插画（10 个，写进 page.illustration）

匹配规则

1. 按这一页的语义选，不是按全片主题选
2. 一页最多一个插画；纯数字页、金句页、章节页不给插画（留白是节奏）
3. 全片插画不超过总页数的一半——每页都有图，等于没有重点
4. 相邻两页不用同一个插画
5. 都不合适时：split 版式会自动回退到抽象几何构图，不要硬凑

变化性：同一份内容，插画由语义决定；内容不同，插画自然不同。这就是「每次不一样」的来源——不是随机，是匹配。

产物：每页插画名（可空）

S6 · 动效编排

• 元素逐个入场，间隔按字数算（见 S2）
• 页内多条目用「点亮」推进，不切页
• 转场只有一种：交叉淡入 300ms
• 章节切换时，导航条高亮自动跟随（组件已实现，不用配）

产物：动画时间轴（由组件按配置自动生成，无需手写）

S7 · 直接渲染交付

一次渲全长，不出样片、不出预览图。

node render.mjs 你的.json out/video.mp4

实测：25 秒 1080p 约 1 分钟；54 秒约 1 分 54 秒。

做完自查一遍（第 8 节），然后交付。 用户不满意时按页改，只重渲有问题的那一页确认，再合并——不要整片重来。

产物：MP4

> 渲染前会先检测系统 Chrome。找到就直接用（省 5-10 分钟），找不到才下载 Headless Chrome。

判断标准

硬门槛（一票否决）

1. 脚本 <80 字——不扩写，按现有内容做短版（15–25 秒，1–3 页）。内容确实不够就问用户「要不要补两句」，绝不代写、绝不注水
2. 脚本 >400 字——必须拆集。硬塞会导致每页读不完
3. 内容类型不匹配——需要实拍证明或强叙事的，说明不适用
4. 插画硬凑——没有语义匹配的插画就不给（「剪刀」配「融资」这类），宁可留白或回退几何构图
5. 无配音且每页字数 >20——5 秒读不完，必须拆页或精简（20 字≈4.8 秒）

> 第 5 条的依据：底部字幕 18 字/行，阅读速度 4.5 字/秒，3 秒页面只能读 13 字。

质量评分（4 维，每维 1-5 分）

综合分 = 逻辑×0.35 + 视觉×0.25 + 节奏×0.25 + 可用×0.15

分档

硬性取舍：宁可 45 秒讲透一件事，不要 60 秒塞五件事。

输出格式

主交付：MP4

1080×1920，30fps，H.264，8–10Mbps

附带三样（都可选）

• 分页稿：每页标题/要点/时长，可改字重渲
• 主题配置：可换主题再渲一版
• 工程文件：懂技术的人可自己改

核心产物：分页 JSON

这是渲染引擎的唯一输入，格式固定：

{
  "theme": "warm-clay",
  "voiceover": false,
  "fps": 30,
  "width": 1080,
  "height": 1920,
  "chapters": ["女装内容", "以前靠人", "转折", "AI 代替"],
  "pages": [
    {
      "layout": "split",
      "duration": 4.4,
      "bg": "dark",
      "title": ["做女装内容，", "以前靠人"],
      "subtitle": "一群人，一条流水线",
      "illustration": "team",
      "chapter": 0
    },
    {
      "layout": "list",
      "duration": 7.3,
      "bg": "light",
      "title": "几年前，要拉一帮人",
      "items": [
        {"num": "01", "text": "找热点的"},
        {"num": "02", "text": "找营销的"},
        {"num": "03", "text": "拆爆款的"}
      ],
      "chapter": 1
    }
  ]
}

字段说明：
- layout：12 种版式之一（cover / split / list / flow / compare / quote / stat / evidence / chapter / checklist / timeline / end）
- bg：light 或 dark，配比建议浅 70% / 深 30%
- duration：秒，保留一位小数
- chapters（顶层）：全片章节名数组，2–6 字/个，3–5 个
- chapter（页级）：这页属于第几章，从 0 开始；不填就不显示顶部导航
- illustration（页级）：插画名，取值见 S5 的 10 个场景；不填就不显示插画
- caption：只在 voiceover: true 时填；无配音留空

写完 JSON 后这样渲染（Windows / Mac 通用）：

cd assets/remotion-template
node render.mjs 你的.json out/video.mp4                    # 出片（主路径）
node render.mjs 你的.json out/themes.png --preview         # 可选：3 套主题对比图，仅当用户主动要求看风格

> 出封面取第 45 帧而不是第 0 帧——第 0 帧动画还没入场，会是一张空图。
> Mac / Linux 也可以用 ./render.sh，但 Windows 只能用 node render.mjs。

耗时预期（先说清楚，避免用户以为卡住）

总耗时（首次之后）：约 3–6 分钟。 目标是一次交付，不走多轮确认。

首次慢是因为要装 Node 依赖、可能要下浏览器。第一次跑完，后面就快了。

字体已内置，而且是纯文本形式：src/fontRegular.ts / src/fontBold.ts 里存着 Noto Sans SC 400/700 的 base64（GB2312 一级常用字 3755 个，生僻字由系统字体兜底）。渲染前会解码成 FontFace 并等就绪才出帧。

之所以用 base64 而不是 .woff2 文件：Skill 市场不允许二进制文件，.woff2 会被拒。改成文本后包能过校验，字体也不会丢。别把它换回 woff2 文件，否则上架会失败。

> ⚠️ 不要打开、不要读取 fontRegular.ts / fontBold.ts。它们是 70 万字符的 base64 字体数据，读进上下文没有用，只会白白消耗时间和额度。只需要知道"字体已经内嵌好了"。

无配音时的特殊处理（关键）

原因：3 秒页面读不完 18 字。无配音还放字幕条，观众全程在追字，顾不上看画面。

填好的示例（校准手感）

输入（110 字，用户原话）

> 拿做女装内容举例，几年前，想要做内容需要拉一帮子人，大家分工且各施其职，有找热点选题的，有找营销的，有拆解爆款的、有写脚本的、有记录数据复盘优化的，不仅成本居高不下，多人协作效率也是最大的问题
> 但是现在，所有繁琐的流水线和创作类工作都可以使用AI来代替

S1 分页 + 分章（6 页 / 4 章）

chapters：["女装内容", "以前靠人", "转折", "AI 代替"]

S2 节奏核对：合计 25.2 秒。用户给 110 字 → 约 24 秒，吻合。没有注水。

S3 主题：25-34 女装店主 + 内容偏「说痛」→ 暖陶（warm-clay）。理由写进交付说明，不问用户。

S5 插画：6 页给了 2 个（team / robot），占比 33%，相邻不重复。金句页、章节页、结尾页故意不给图——留白是节奏。

S7 交付：直接渲 MP4，附分页 JSON + 一句主题理由。

边界与反例

第一条铁律：只排版，不创作。

• 不改写句子、不扩写内容、不补充用户没说的话
• 用户给 60 字，就做 60 字的片（15–25 秒）
• 觉得内容不够，问，不要替他写
• 唯一允许的"改写"是把书面语顺成口语，且不增加信息

反例 → 为什么不行
- 把 300 字塞一页 → 观众看不清，等于没讲
- 标题写「关于选题的思考」→ 这是主题不是判断，没人想看
- 全程浅色 → 平淡，3 页就困
- 一页 6 个要点 → 一个都记不住
- 60 秒塞 5 件事 → 一件没讲透
- 无配音还放底部字幕 → 观众全程在追字

不做什么
- 不做实拍、不做素材混剪
- 不做复杂调色与特效（那是专业剪辑的活）
- 不做直播切片
- 不做带货挂车视频

做不到的
- 不保证播放量
- 不会替你把内容讲得更好——内容本身得先有料
- 不能替代专业剪辑的生产级需求

交付前自检

1. 每页能用一句话概括吗？页与页是递进不是并列吗？
2. 标题是判断句，不是主题词吗？
3. 单页 1.5–5 秒、总时长在目标 ±10% 吗？
4. 主题是按受众打过分选出来的吗？插画是语义匹配的吗、有没有硬凑？
5. 强调色一页只出现一处吗？
6. 同版式连续 ≤2 页、全片 ≥5 种版式吗？
7. 字幕单行 ≤18 字、只在语义停顿处换行吗？
8. 无配音时，正文每页 ≤20 字吗？每页时长是按字数÷4.5 算出来的吗？
9. 字体是内嵌 base64（src/fontRegular.ts / src/fontBold.ts 在不在），不是系统字体吗？
10. 证据页有没有出现「把截图放进 image 字段」的占位框？有图就填 image，没图就填 3 条 items 数据
11. 超过 4 页已分章吗？章节名是 2–6 个字的阶段名，不是内容摘要吗？
12. 插画不超过总页数一半、相邻两页不重复吗？
13. 60 秒以上已按集拆、每集独立成片吗？

AI 能做到哪一步

能力不够时怎么降级

参考资料

• references/视频制作规范.md——七阶段流水线、时长公式、动效参数、20 条验收清单
• references/12种版式库.md——每种版式的结构、适用内容、注意事项
• references/主题配置说明.md——主题参数定义与匹配规则
• assets/themes.json——主题参数（当前 6 套，架构支持扩到 20 套）
• assets/remotion-template/——渲染工程源码（含 README 使用说明）
• assets/remotion-template/src/Illustrations.tsx——10 个场景插画（代码内绘制的 SVG，跟随主题配色，不含外部素材）
• 例子效果（25 秒成片 + 静帧）不随包分发——Skill 市场不支持二进制文件。想看效果去商品详情页