技能介绍

解决什么问题

很多技术文档只适合阅读，但发布到社区或内部培训时，一段 3–3.5 分钟、带旁白的视频更容易传播。直接录屏或剪辑容易把内容讲散，Remotion 的动画帧数和 TTS 时长也未必天然对齐。这个技能把 Markdown 技术文档转成 1920×1080 MP4，输出 H.264 视频与 AAC 音频，重点解决“文档有结构，但视频要自然、同步、可交付”的问题。

如何工作

技能把流程拆成可重复的步骤：

内容拆解：将 Markdown 分成若干场景，每段旁白建议 100–300 字。
配音生成：优先使用 edge-tts，例如 zh-CN-XiaoxiaoNeural，再用 FFmpeg 拼接与 atempo 调速。
视觉渲染：用 Remotion 编写 VideoScene、CodeBlock、StepItem、ProblemCard 等组件，形成深色技术风画面。
音视频合并：先渲染视频，再用 ffprobe 读取实际 nb_frames，反推场景边界，更新 durationInFrames 和动画帧数组后重渲染，降低不同步风险。

适用边界与注意点

该流程更适合 3–3.5 分钟、9–16 个场景 的技术教程或指南，比如 Docker Registry、Solidity 多签类内容。需要注意：durationInFrames 不是绝对帧数，atempo 单级超过 2.0 可能变调，合并前若原视频已有静音轨，需要先用 -an 去掉原音。若网络不可用，edge-tts 可退化为系统语音，但音质和稳定性会下降。