Agents365-ai/video-podcast-maker

解決的問題

自動化將簡單主題轉換為專業4K影片播客的複雜流程。透過協調多個AI工具形成單一管道，消除手動研究、腳本撰寫、語音錄製與影片編輯的需求。

工作原理

使用者向程式代理（如 Claude Code）提供主題，隨後該代理協調多階段工作流程：

1. 研究與腳本生成：代理研究主題並生成旁白腳本（podcast.txt）。
2. 音訊生成：使用 ttscn 橋接器，透過11種支援的TTS後端之一（包括 OpenAI、Azure 和 ElevenLabs）合成語音。
3. 視覺構圖：利用 Remotion 組合影片，整合AI生成的靜態影像、B-roll 與覆疊元素。
4. 渲染：透過 FFmpeg 混合原生字幕與背景音樂，以4K解析度輸出最終成果。
5. 優化：可從長篇內容生成9:16垂直短影片，並適配 YouTube、Bilibili、TikTok 等平台的格式需求。

適用對象

希望無需掌握影片編輯或音訊工程的深度技術，即可快速製作高品質影片內容的內容創作者與播客製作者。

主要亮點

• 廣泛的TTS支援：整合11種不同的文字轉語音引擎，提供多樣化的語音選項。
• 4K製作：透過 Remotion 使用基於 React 的字幕渲染高解析度影片。
• 多平台就緒：針對 Bilibili、YouTube、Xiaohongshu、Douyin 與 WeChat Channels 定製輸出與發布資訊。
• 資產整合：連接多種AI引擎，用於取得素材影片、AI靜態影像與B-roll。
• 發音控制：包含全域與專案級音素詞典，用於修正TTS發音錯誤。