Agents365-ai/video-podcast-maker

解决的问题

自动化将简单主题转化为专业4K视频播客的复杂流程。通过协调多个AI工具形成单一管道，消除了手动研究、脚本编写、语音录制和视频编辑的需求。

工作原理

用户向代码代理（如 Claude Code）提供主题，随后该代理协调多步骤工作流：

1. 研究与脚本生成：代理研究主题并生成旁白脚本（podcast.txt）。
2. 音频生成：使用 ttscn 桥接器，通过11种支持的TTS后端之一（包括 OpenAI、Azure 和 ElevenLabs）合成语音。
3. 视觉构图：利用 Remotion 组合视频，整合AI生成的静态图像、B-roll 和叠加元素。
4. 渲染：通过 FFmpeg 混合原生字幕和背景音乐，以4K分辨率输出最终成果。
5. 优化：可从长视频内容生成9:16竖版短视频，并适配 YouTube、Bilibili、TikTok 等平台的格式要求。

适用人群

希望无需掌握视频编辑或音频工程的深层技术，即可快速制作高质量视频内容的内容创作者和播客制作者。

主要亮点

• 广泛的TTS支持：集成11种不同的文本转语音引擎，提供多样化的语音选项。
• 4K制作：通过 Remotion 使用基于 React 的字幕渲染高分辨率视频。
• 多平台就绪：针对 Bilibili、YouTube、Xiaohongshu、Douyin 和 WeChat Channels 定制输出和发布信息。
• 资产集成：连接多种AI引擎，用于获取素材视频、AI静态图像和B-roll。
• 发音控制：包含全局和项目级音素词典，用于修正TTS发音错误。