texttotalk

关于

TextToTalk 是一个「文案 → 讲解视频」的自动化工具：粘贴一段文案或一个 URL，AI 先规划出可编辑的分镜大纲，再逐页展开成 PPT 式页面，配上解说、字幕和背景音乐，最后无头渲染导出 MP4。做一集 3 分钟的科普视频通常要过「写稿 → 做 PPT → 配图 → 录音 → 剪辑」五关，它把中间三步压缩成一次回车。 几个设计上的取舍： 大纲先行，而不是黑盒直出。 先流式流出全局大纲，每页的核心信息、版式、角色、节奏都可以增删、上下移、逐页修改；确认之后才展开分镜——在花时间渲染之前先把方向定对。 逐页重做，而不是整片重抽。 第 5 页不满意，可以单独重新生成，或就地编辑标题 / 解说 / 要点 / 时长 / 版式；改完自动作废旧成片，状态回到可再渲染。 零素材依赖，纯代码画一切。 背景音乐是纯 Node 数学生成的 WAV（琶音 + 低音 + 包络），没有任何音频素材；地图是结构化 SVG（标记点 / 航线 / 区域多边形），不调用任何在线地图服务；图表、图示、图标全是矢量绘制。 预览即成片。 分镜缩略图不是示意图，而是直接用服务端真实的 Remotion 场景组件渲染出来的，1920 设计宽等比缩放，看到什么就导出什么。 链接直接进，公众号也能抓。 贴 URL 自动抓正文，静态页走内置 fetch，JS 动态渲染的页面（公众号 / 知乎等）自动回退 Playwright 真浏览器。 桌面版开箱即用。 Electron 封装、内置 ffmpeg，设置面板配好 Key 就能用；也提供免安装包，整个文件夹拷进 U 盘带走。 画面侧由 16 个场景组件 + 26 条分发规则组成，根据页面字段自动匹配模板，不需要手动挑。三种运行方式：Docker 一键起、本地开发跑源码、Windows 免安装包解压即用（无需 Node、无需 Docker）。 已知限制：目前只支持 1920×1080 横屏；任务状态存在内存里，TTL 24 小时；渲染是逐帧 CPU 密集任务，长视频需要一点耐心。 MIT 协议，欢迎 Issue 和 PR。

收录记录

1. 阮一峰周刊·用户投稿

   2026年9月3日 · 1 次收录