yizhi-chengzi /
AI真人口播视频生成 想做一条真人口播，又不必自己对着镜头念稿。 把一段真人出镜的视频放进来（脸清楚就行，不用说话），写好要说的话，选一套字幕样子。本机先找火山引擎或阿里百炼配音，再把这段真人和配音交给百炼 VideoRetalk 对上口型，最后用 FFmpeg 合成一条竖屏 MP4。中间某几句想换画面，可以把视频素材整屏切进去。 密钥只留在你的浏览器里；任务和成片写在本机 data/。没有云端服务器，也不会替你去调任何接口。这也不是抖…
AI真人口播视频生成 想做一条真人口播，又不必自己对着镜头念稿。 把一段真人出镜的视频放进来（脸清楚就行，不用说话），写好要说的话，选一套字幕样子。本机先找火山引擎或阿里百炼配音，再把这段真人和配音交给百炼 VideoRetalk 对上口型，最后用 FFmpeg 合成一条竖屏 MP4。中间某几句想换画面，可以把视频素材整屏切进去。 密钥只留在你的浏览器里；任务和成片写在本机 data/。没有云端服务器，也不会替你去调任何接口。这也不是抖音、字节跳动、火山引擎、阿里云或 DeepSeek 的官方产品。 由 yizhi-chengzi 开源 github.com/yizhi-chengzi/video-ai-talking 界面 工作台：左侧口播真人视频和视频素材，中间配音、BGM 和文案，右侧选皮肤并预览。 生成完成后，历史成片在「成片库」里预览、下载或删除。 截图里的出镜和画面来自免费可商用素材库（如 Pexels），只用来演示界面，不是本工具的真实用户，也不代表出镜人代言本项目。仓库自带的口播试用片及来源见 demos/README.md，截图说明见 docs/screenshots/README.md。 你需要准备什么 1. Node.js 20 或更高 2. 本机已安装 FFmpeg 和 ffprobe，并且能在终端里直接运行 ffmpeg、ffprobe 3. 下面这些密钥。打开页面里的「配置」也能看到同样的申请入口。 要申请什么 Key、去哪里申请 | 用途 | 申请什么 | 去哪里申请 | 是否必填 | | --- | --- | --- | --- | | 对口型 | 阿里百炼 VideoRetalk 的 API Key（华北2 / 北京地域，以 sk- 开头） | 产品介绍 · 密钥管理 | 出片必填，填到「AI口播对口型配置」 | | 配音（百炼） | 阿里百炼 CosyVoice 的 API Key（以 sk- 开头） | 产品介绍 · 密钥管理 | 配音两家选一家即可。填到「AI配音配置」 | | 配音（火山） | 火山引擎语音合成的 App ID 和 Access Token | 产品介绍 · 控制台申请 | 配音两家选一家即可。填到「AI配音配置」 | | 文案 | DeepSeek API Key（以 sk- 开头） | 开放平台 · 创建 API Key | 可选。不填也可以手写口播文案 | 百炼的配音 Key 和对口型 Key 分开填：可以用同一把，也可以用另一把。出片时在配音区选择用火山还是百炼。 本机还需要能访问你实际用到的接口： 阿里百炼： 火山 TTS： DeepSeek： Linux 上若要用系统文件选择器，请先安装 Zenity（常见桌面环境一般已有）。没有的话，可以把文件从文件管理器拖进页面。 启动 bash git clone cd video-ai-talking cp .env.example .env npm install npm run dev 浏览器打开 / 本机使用的方式。 已经构建过、只想起一个本机服务时： bash npm run build npm start 然后打开 API 都由这个地址提供。没先 build 的话，打开页面会是 404。 .env 只放端口，不要把 API Key 或 TTS Token 写进去。本地验证可以设 VATMOCK=1，配音 / 上传 / 对口型 / FFmpeg / DeepSeek 全部走 mock，不访问外网。 怎么用 1. 打开「配置」：在「AI口播对口型配置」填写百炼 VideoRetalk Key；要用百炼或火山配音、AI 写文案时再填对应凭证。每个卡片上有产品介绍和申请入口，点「测试」确认连通。 2. 在 ①「口播真人视频」添加一段真人正面近景：脸清楚即可，不用念台词；不要侧脸、远景、多人或脸被挡住。没有现成片子时，可用仓库里的 demos/talking-head-cn.mp4。视频素材在独立面板里添加，某句要换画面时拖到④对应字幕右侧。工具引用本机原路径，不把文件复制进项目。可选在 ③ 添加一首 BGM。 3. 在 ② 选择火山或百炼，再选音色。密钥在「配置」里填，这里只选音色。 4. 在 ④ 选「AI 生成」或「手动填写」其中一种。AI 生成可先选成片时长（15 / 30 / 45 / 60 秒，也可自定义 10–60 秒），再填主题。某句要切画面时，点该句右侧画面格选素材，或把视频素材拖过去。 5. 在 ⑤ 选一套皮肤。可用「显示标题 / 显示字幕」控制成片是否画出标题和字幕；关掉前会确认。口播仍按字幕生成。 6. 点「开始生成」。一次只出 1 条成片，同时只能跑一个任务。链路是配音 → 对口型 → 成片。 7. 在工作台看进度，预览或下载 MP4。点「重新生成」时，如果参考视频、口播正文和音色没变，会跳过对口型只重跑 FFmpeg。历史成片在「成片库」。 本机数据 | 位置 | 内容 | | --- | --- | | 浏览器 localStorage 的 vat.config | 你填的 Key 和 TTS 凭证 | | 项目下的 data/ | 任务 JSON、配音音频、对口型中间片、成片 MP4；引用素材只记路径 | 任务 JSON 里不会保存 API Key 或 TTS Token。 关掉页面或停掉本机服务后，正在跑的任务会停。下次打开不会自动续跑。 出片时，参考视频和配音会被上传到阿里百炼官方临时存储（oss://，约 48 小时），供 VideoRetalk 使用。详见 docs/privacy.md。 常见问题 提示找不到 ffmpeg 先在终端执行 ffmpeg -version 和 ffprobe -version。macOS 可用 brew install ffmpeg。 对口型失败 确认已在「AI口播对口型配置」填写百炼 VideoRetalk API Key，本机可访问 dashscope.aliyuncs.com，参考视频是带人脸的近景片段。 TTS 测试失败 核对当前选用的那一家凭证，以及本机能否访问对应域名。火山要核对 App ID 与 Access Token 是否来自同一语音合成应用。 画面没有中文标题 FFmpeg 需要本机有可用中文字体。工具会按常见路径查找；找不到时成片仍会生成，但标题 / 字幕可能是方框。说明见 templates/fonts.md。 Linux 点「选择文件」没反应 确认已安装 zenity，或改用拖入文件。 开发 bash npm test npm run typecheck 测试默认不调用真实 DeepSeek / 火山 / 百炼接口，也不跑完整 VideoRetalk，不要求本机已安装 FFmpeg。 不要从本目录 import 其他产品源码，也不要把本机 data/、密钥或人脸素材提交上去。 免责、安全与行为 使用前请阅读 DISCLAIMER.md、SECURITY.md、docs/privacy.md。贡献见 CONTRIBUTING.md。参与时请遵守 CODEOFCONDUCT.md。 License MIT
讨论这个产品