产品介绍视频生成器

解决什么问题

把一段产品文案和若干图片做成可发布的介绍视频，通常要手动剪辑、配音、加字幕、对齐口型，参数又多。该技能面向这类重复制作任务：输入脚本、图片、真人照片或配音素材，输出带字幕和旁白的 MP4。

技能如何工作

它不直接用大模型生成整段视频，而是把流程拆成可控制环节：

• 脚本驱动：每段文案对应一张图片，首段以“口播：”开头可进入真人口播模式。
• 素材合成：根据 config.json 中的 API Key 鉴权，调用自有平台接口处理声音、上传文件与生成任务。
• 声音选项：支持 edge-tts 男声/女声，也支持用公网或本地音频复刻“我的声音”。
• 字幕与画面：支持 soft 软字幕、hard 硬字幕、none 无字幕；缺图时可走文生图，极端情况用本地 Pillow 兜底。
• 输出产物：最终视频、独立 SRT 字幕和分段音频，便于二次剪辑。失败时也有兜底：口播超时可转图片视频，声音接口失败可回退到 edge-tts。

适用边界

适合产品介绍、功能讲解、法律/企业宣传等结构化短视频。若用户只说“生成视频”但没有脚本，需要先补文案；口播模式必须提供主持人照片；图片数量与段落不一致时要报错或补图。