三分钟精读一本书视频生成器

解决的问题

把一本书变成短视频，通常卡在三个环节：文案要像人讲，画面要稳定出图，配音和字幕要对得上。book-video-generator 针对这条链路做自动化：输入 book_name 和 author_name，输出一段约 3 分钟的 MP4 解说视频，减少手动写稿、抽卡生成插图和逐句配字幕的重复工作。

核心工作流

技能把流程拆成五个阶段：

• 文案生成：先用当前平台的联网搜索获取书籍简介、出版年份和常见解读，再让 LLM 输出约 700-1000 字口播稿。
• 分镜与章节：把文案拆成 8-50 个分镜，每镜包含字幕、画面描述和图像提示词；同时生成 4 个板块标题，用于顶部进度条。
• 素材生成：按分镜生成 1024x768 扁平插画，调用 ImageGen、火山即梦、Gemini 或 Agnes 等图像 API；再对字幕文案做 TTS，优先火山引擎 TTS，无凭证时回退 edge-tts。
• 视频合成：compose_video.py 用 ffmpeg 将图片、音频、ASS 字幕、封面图、BGM 和转场音效合成 1920x1080 视频，字幕支持关键词高亮和入出场动画。

适用边界

• 图像和 TTS 都依赖外部模型；CLI 环境需要配置对应 API key 或 MCP/脚本能力。
• 火山 TTS 的词级时间戳是基于音频时长估算，edge-tts 的原生时间戳通常更准。
• 包内不一定带 BGM 和翻页音效，缺失时仍出视频，只是没有背景声。
• 它适合固定风格的书籍解说短视频，不适合需要真实人物、复杂运镜或多语言翻译的成片。