视频生成器

要解决什么问题

做解说视频、幻灯片录屏或分镜预览时，常见素材是一组按顺序命名的图片和一段旁白（或脚本）。手工在剪辑软件里对齐每一帧与音频既慢又难复现；若只想批量产出「一张图对应一段时长、总时长跟旁白一致」的 MP4，需要一条可脚本化的合成链路。

技能如何工作

本技能聚焦图片序列 + 旁白音频 → 同步 MP4，架构在 v5.0.0 已收敛为单文件 Python 实现，核心依赖 FFmpeg 做编码与时间轴对齐。

典型流程可以理解为：

• 准备按序排列的图片帧（或序列目录）
• 准备旁白音频；若尚未录音，可选用 edge-tts 从文本生成语音（可选依赖）
• 由技能调用 FFmpeg，将帧率、每张图的停留时长与音频长度匹配，输出合成视频

与「文生视频」「图生视频」类大模型不同，这里不做内容生成，只做已有素材的装配与同步。

适用边界与注意点

• 必须先在本机安装 FFmpeg，并保证 shell 里能执行 ffmpeg。
• edge-tts 仅在你需要从文本生成旁白时才需要；已有 WAV/MP3 等音频时可不装。
• 画面节奏、转场、字幕样式等高级剪辑能力不在本技能范围内；复杂时间轴仍建议交给专业 NLE。
• 维护方为 WorkBuddy AI，当前版本标注为极致精简版，功能边界以 SKILL 文档为准。