Video Auto Creator - 全自动视频制作工具
一站式自动化视频制作：搜索视频 → 读取内容 → 截图采样 → 生成脚本 → AI配音 → 添加字幕 → 合成输出
核心能力
1. 视频搜索与内容读取
- 平台支持: B站、YouTube、抖音等主流视频平台
- 内容提取: 自动提取视频标题、描述、标签、字幕
- 智能分析: 分析视频主题、关键信息、结构
2. 智能截图采样
- 自动采样: 按时间间隔自动截取视频帧
- 场景识别: 识别关键场景变化
- 质量控制: 自动筛选清晰、信息量大的截图
3. 脚本生成
- 结构化脚本: 场景描述、镜头运动、配音文案、字幕文本
- AI提示词: 生成Midjourney/Stable Diffusion风格的图像生成提示词
- 时长规划: 自动计算每个场景时长
4. AI配音
- Edge TTS: 免费、高质量、多种语音
- 支持语言: 中文、英文、日文等多语言
- 语音风格: 专业、活泼、温暖等多种风格
5. 字幕生成
- SRT格式: 标准字幕文件
- 样式定制: 字体、大小、颜色、位置
- 时间轴: 自动对齐配音时长
6. 视频合成
- FFmpeg: 专业视频处理
- 分辨率: 支持1080p/720p等
- 编码: H.264 + AAC
快速开始
方式一：完整自动化（推荐）
# 一键生成视频
python skills/video-auto-creator/create_video.py --url "https://www.bilibili.com/video/BV1xx" --output "my_video.mp4"
方式二：分步执行
# 步骤1: 搜索并分析视频
python skills/video-auto-creator/analyze_video.py --url "https://www.bilibili.com/video/BV1xx"
# 步骤2: 截图采样
python skills/video-auto-creator/screenshot_video.py --url "https://www.bilibili.com/video/BV1xx" --count 10
# 步骤3: 生成脚本
python skills/video-auto-creator/generate_script.py --video-info video_info.json --output script.md
# 步骤4: 生成配音
python skills/video-auto-creator/generate_voiceover.py --script script.md --output voiceover.mp3
# 步骤5: 创建字幕
python skills/video-auto-creator/generate_subtitles.py --script script.md --output subtitles.srt
# 步骤6: 合成视频
python skills/video-auto-creator/compose_video.py --images screenshots/ --audio voiceover.mp3 --subtitles subtitles.srt --output final.mp4
核心脚本详解
1. analyze_video.py - 视频分析
功能：
- 使用浏览器工具打开视频页面
- 提取视频元数据（标题、描述、标签、时长等）
- 分析视频内容主题
- 保存为JSON格式
输出示例：
{
"title": "大疆司空2 Copilot智能体",
"description": "一句话执飞急救任务...",
"duration": 149,
"author": "DJI大疆行业应用",
"tags": ["AI", "无人机", "大疆司空2"],
"platform": "bilibili",
"url": "https://www.bilibili.com/video/BV19P9TB3E3r"
}
2. screenshot_video.py - 智能截图
功能：
- 打开视频页面
- 等待视频加载
- 按时间间隔截取帧
- 自动命名并保存
参数：
- --url: 视频URL
- --count: 截图数量（默认10）
- --interval: 截图间隔（秒）
- --output: 输出目录
关键代码：
# 使用OpenClaw浏览器工具
from openclaw.browser import BrowserController
browser = BrowserController()
browser.navigate(video_url)
browser.wait_for_selector('.video-player')
for i, timestamp in enumerate(timestamps):
browser.seek_to(timestamp)
browser.wait(2) # 等待画面稳定
screenshot = browser.screenshot()
save_screenshot(screenshot, f"scene_{i+1}.png")
3. generate_script.py - 脚本生成
功能：
- 基于视频内容生成结构化脚本
- 包含场景描述、配音文案、字幕
- 生成AI图像提示词
脚本结构：
# 视频标题
## 场景 1：开场（0-10秒）
### 画面描述
- 镜头1：全景镜头，展示主题
- 镜头2：特写镜头，突出细节
### AI视频提示词
场景1-1: Drone shot flying over forest, cinematic, 4K --ar 16:9
### 配音文案
> 这是配音内容...
### 字幕
关键词1 | 关键词2 | 关键词3
4. generate_voiceover.py - AI配音
功能：
- 使用Microsoft Edge TTS
- 支持多种中文语音
- 自动分段配音
可用语音：
- zh-CN-XiaoxiaoNeural - 晓晓（女声，温柔）
- zh-CN-YunxiNeural - 云希（男声，阳光）
- zh-CN-YunyangNeural - 云扬（男声，专业）
- zh-CN-XiaoyiNeural - 晓伊（女声，活泼）
使用示例：
import edge_tts
text = "欢迎观看本期视频..."
communicate = edge_tts.Communicate(text, "zh-CN-XiaoxiaoNeural")
communicate.save_sync("voiceover.mp3")
5. compose_video.py - 视频合成
功能：
- 将图片序列转换为视频
- 添加配音音频
- 烧录字幕
- 设置分辨率、码率
FFmpeg命令模板：
# 图片序列转视频
ffmpeg -loop 1 -i image.png -t 10 -c:v libx264 -pix_fmt yuv420p video.mp4
# 添加配音
ffmpeg -i video.mp4 -i audio.mp3 -c:v copy -c:a aac -shortest with_audio.mp4
# 添加字幕
ffmpeg -i with_audio.mp4 -vf "subtitles=subtitles.srt" final.mp4
完整示例：司空2宣传视频
输入
- 视频URL: https://www.bilibili.com/video/BV19P9TB3E3r
- 目标: 制作60秒宣传视频
执行流程
# 1. 分析视频
python analyze_video.py --url "https://www.bilibili.com/video/BV19P9TB3E3r"
# 输出: video_info.json
# 2. 截图10张
python screenshot_video.py --url "https://www.bilibili.com/video/BV19P9TB3E3r" --count 10
# 输出: screenshots/scene_1.png ~ scene_10.png
# 3. 生成脚本
python generate_script.py --video-info video_info.json --scenes 5
# 输出: video_script.md
# 4. 生成配音
python generate_voiceover.py --script video_script.md --voice zh-CN-XiaoxiaoNeural
# 输出: voiceover.mp3 (60秒)
# 5. 生成字幕
python generate_subtitles.py --script video_script.md --style professional
# 输出: subtitles.srt
# 6. 合成视频
python compose_video.py \
--images screenshots/ \
--audio voiceover.mp3 \
--subtitles subtitles.srt \
--resolution 1920x1080 \
--output "司空2_AI智能体_宣传视频.mp4"
输出
- 文件: 司空2_AI智能体_宣传视频.mp4
- 时长: 60秒
- 分辨率: 1920x1080
- 文件大小: 1.35 MB
关键经验总结
1. 浏览器截图技巧
问题: Windows环境下浏览器控制复杂
解决方案: 使用OpenClaw内置的浏览器管理
# 不推荐：手动启动Chrome
# chrome_path = "C:/Program Files/Google/Chrome/Application/chrome.exe"
# 推荐：使用OpenClaw浏览器工具
browser = BrowserController(profile="openclaw")
browser.navigate(url)
经验：
- 视频截图前等待2-3秒让画面稳定
- 使用CDP协议控制比Selenium更稳定
- B站视频需要等待.bilibili-player-video元素加载
2. 编码问题处理
问题: Windows默认GBK编码，中文输出报错
解决方案：
# 方法1: 设置环境变量
import os
os.environ['PYTHONIOENCODING'] = 'utf-8'
# 方法2: 指定编码写入文件
with open(file, 'w', encoding='utf-8') as f:
f.write(content)
# 方法3: FFmpeg输出重定向
result = subprocess.run(cmd, capture_output=True, encoding='utf-8', errors='ignore')
3. FFmpeg字幕处理
问题: 字幕路径包含中文和特殊字符导致失败
解决方案：
# 错误：直接使用路径
# vf = f"subtitles={srt_path}"
# 正确：转义路径
srt_escaped = str(srt_path).replace('\\', '\\\\').replace(':', '\\:')
vf = f"subtitles='{srt_escaped}'"
4. TTS语音选择
经验：
- 专业解说: zh-CN-YunyangNeural（云扬）
- 温柔女声: zh-CN-XiaoxiaoNeural（晓晓）
- 年轻男声: zh-CN-YunxiNeural（云希）
- 活泼女声: zh-CN-XiaoyiNeural（晓伊）
性能：
- 100字约生成5秒音频
- 边缘TTS完全免费，无需API key
- 首次使用会自动安装edge-tts包
5. 视频时长计算
公式：
# 配音时长决定视频时长
audio_duration = get_audio_duration(voiceover_path)
# 每个场景时长 = 总时长 / 场景数
scene_duration = audio_duration / len(scenes)
# 建议每个场景8-15秒，太快观众看不清
6. 文件管理
最佳实践：
# 创建独立输出目录
output_dir = Path("output") / video_id
output_dir.mkdir(parents=True, exist_ok=True)
# 分类存放
screenshots_dir = output_dir / "screenshots"
audio_dir = output_dir / "audio"
final_dir = output_dir / "final"
# 清理临时文件
for temp_file in temp_files:
if temp_file.exists():
temp_file.unlink()
依赖安装
必需依赖
# FFmpeg (已包含在OpenClaw环境中)
ffmpeg -version
# Python包
pip install edge-tts pillow requests
可选依赖
# 图像增强（可选）
pip install opencv-python
# 更好的音频处理（可选）
pip install pydub
故障排除
问题1: 浏览器截图失败
解决方案：
1. 检查OpenClaw浏览器服务状态
2. 使用browser.status查看
3. 确保视频URL可访问
问题2: TTS生成失败
解决方案：
1. 检查网络连接（Edge TTS需要联网）
2. 确认edge-tts已安装: pip show edge-tts
3. 尝试其他语音角色
问题3: FFmpeg找不到
解决方案：
1. 检查PATH环境变量
2. 使用完整路径: H:\ffmpeg\bin\ffmpeg.exe
3. 或安装: winget install ffmpeg
问题4: 字幕乱码
解决方案：
1. 确保SRT文件UTF-8编码
2. FFmpeg指定字体: FontName=Microsoft YaHei
3. 避免使用特殊字符
扩展功能
1. 批量视频制作
# 从CSV读取多个视频URL
import pandas as pd
videos = pd.read_csv('videos.csv')
for url in videos['url']:
create_video(url)
2. 自定义模板
# 使用Jinja2模板生成脚本
from jinja2 import Template
template = Template(open('template.md').read())
script = template.render(scenes=scenes, voiceover=text)
3. 多语言支持
# 自动翻译配音文案
from translate import Translator
translator = Translator(to_lang="en")
english_text = translator.translate(chinese_text)
最佳实践
- 内容优先: 先分析视频内容，再规划场景
- 时长控制: 每场景8-15秒，总时长60-120秒最佳
- 配音质量: 选择适合内容风格的语音
- 字幕简洁: 每行字幕不超过15字
- 文件命名: 使用时间戳或视频ID，避免中文路径
许可证
MIT License
联系方式
- 作者：OpenClaw Team
- 网站：https://openclaw.ai
- 社区：https://discord.gg/clawd
