用途:把 Deckset 格式的 Markdown 幻灯片(含以 ^ 前缀标注的演讲者备注)转换为带 AI 生成画面与 TTS 语音旁白的演示视频,适合需要自动将演示文稿转为 MP4 的场景。
主要能力:Gemini 生成高质量幻灯片图片,支持 emoji 与韩文;OpenAI TTS 根据演讲者备注生成自然语音;增量更新仅重生成内容变化的幻灯片;提供 technical-diagram、professional、vibrant-cartoon、watercolor 等视觉风格;另提供按章节生成信息图的模式。
使用方式(三步工作流):
- 生成音频:cd "{slides_directory}" 后运行 python .../generate_audio.py "{slides_filename}" --output-dir "audio",可用 --force 强制重生成。
- 生成图片:python .../create_slides_gemini.py "{slides_filename}" --output-dir "slides-gemini" --style "technical-diagram" --auto-approve。
- 合成视频:python .../slides_to_video.py --slides-dir "slides-gemini" --audio-dir "audio" --output "{output_filename}.mp4"。
章节模式:用 generate_section_images.py 按章节生成信息图,create_video_script.py 生成可审阅脚本,create_section_video.py 合成。
限制与要求:需 Python 3.7+、ffmpeg,安装 Pillow requests google-genai,并设置 OPENAI_API_KEY 与 GEMINI_API_KEY;输出为 1920x1080 MP4。资料提及图片约 $0.04/张、TTS 约 $0.015/1K 字符,示例 20 页合计约 $1.30;无演讲者备注、发音问题、API 错误等需按资料提示处理。具体功能细节与平台支持以实际工具为准,资料未提供的部分暂未提供。