丢进去一句话，3分钟出片：零基础AI视频生成工具Auto-Video-Generator实操

丢进去一句话，3分钟出片：零基础AI视频生成工具Auto-Video-Generator实操

【免费下载链接】auto-video-generateor自动视频生成器，给定主题，自动生成解说视频。用户输入主题文字，系统调用大语言模型生成故事或解说的文字，然后进一步调用语音合成接口生成解说的语音，调用文生图接口生成契合文字内容的配图，最后融合语音和配图生成解说视频。项目地址: https://gitcode.com/gh_mirrors/au/auto-video-generateor

想找一台零门槛的AI视频生成工具？Auto-Video-Generator就是干这个的：把一段主题文字丢进去，它自己写好稿、配好音、配上画面，直接出一条带字幕的成片。不用学剪辑，不用碰PR，你只需要会装Python和复制粘贴API密钥。

从零到能跑的AI视频生成服务

先跑起来，再谈优化。整个过程就四步：

git clone https://gitcode.com/gh_mirrors/au/auto-video-generateor cd auto-video-generateor pip install -r requirements.txt

装依赖这一步大概几分钟，其中 moviepy、edge_tts、qianfan 这些包会在后面被流程直接用到。

接下来配密钥。编辑根目录的config.env文件，一共5个API密钥，缺哪个功能就先配哪个：

python main.py

启动后浏览器打开 http://127.0.0.1:9020/ ，看到界面就算跑通了。入口逻辑在main.py里，不带参数启动的是默认的第4版界面（免费+校对模式），也支持传参数 1 到 4 切换不同版本。

图：Auto-Video-Generator的AI视频生成参数配置界面，上半部分设主题、图像和语音参数，下半部分是一键生成和各分步按钮

点下"一键生成"后，工具替你干了哪五步

很多人不知道它内部怎么跑，其实就一条流水线，代码都写在auto_video_generateor/video_generateor.py里。

第一步，把主题发给 DeepSeek，让它按你写的提示词模板产出一段口语化的解说文案，前半部分讲清内容核心，后半部分讲案例故事。第二步，用分句逻辑把整段文案切成不超过30字的小段，后面每一句都会独立配一张图、配一段音，所以分句质量直接决定节奏。第三步，每句文案送进语音合成接口（默认豆包TTS，免费版可切 edge-tts），生成一堆 mp3。第四步，每句文案转成画面提示词，调千帆的文生图模型出 1280x720 的配图，图下面还会烧上那句解说文字。第五步，moviepy 把音频和图片按顺序拼成视频轨，再叠上字幕，输出最终的 video.mp4。所有素材按 代号 归档在本地目录里，文本、音频、图片各归各的文件夹，方便你回头单独改。

这条链子上任何一环不满意都可以只重跑那一环，而不是从头再来——这一点下一节细说。

丢主题进去生成，或者把PPT变成视频

如果你是老师，做课程讲解视频最省事：在主题框里写清知识点和教学目标，比如"用3分钟讲清楚蝴蝶效应，面向初中生，配两个真实故事"，选个稳重的男声音色，一键生成后把生成的文案过一遍眼，术语不对就在校对界面改文字再重新合成语音，其他资源都不用动。

如果你是做自媒体的，按固定风格批量产片是关键。第一次把图像风格描述、音色、语速调顺之后，点"保存参数"给它起个代号；下一篇同系列内容直接"加载参数"，连音色都不用重选，只改主题就行。这个代号机制也方便你把某个项目的全部资源原样调回来继续加工。

图：Auto-Video-Generator的代号管理与资源加载界面，选择代号后一键拉回之前保存的参数和已生成的AI视频素材

如果你手头有现成PPT，还有条更快的路：上传PPT文件，系统把每张幻灯片当画面、把备注栏当逐字稿，直接配音视频化，适合企业内部培训这种"内容已定、只欠表现"的场景。走这条路要额外装 LibreOffice 并配好环境变量，其余步骤一样。

调这几个参数，成片质量差很多

不是参数越多越好，真正值得花时间的就这五个。

主题按"主题+风格+关键元素"写。"讲人工智能"和"讲人工智能发展史，纪录片口吻，包含1956达特茅斯会议和2012年ImageNet两个节点"，出片差距非常明显，后者等于提前给文案和配图都定了锚。

音色和语速先试听再定。界面里音色下拉框可以试听，默认的 Yunxi 男声偏讲述感；语速、音量、音调三个滑条放在 50 到 60 之间最稳，拉到边缘容易发闷或发飘。

画面尺寸用 1280x720 就够。这个比例适合B站、抖音横屏，生成速度比 1080p 快一截，先出片再考虑高清。

校对要逐条点"已确认"。一键生成完之后别急着渲染视频，一条条翻：文本改不改、语音听着顺不顺、配图跑没跑偏。只有勾了"已确认"的条目才会真正进片，这一步是成片质量的最大分水岭。

图：Auto-Video-Generator的AI视频生成资源校对界面，左边逐句核对文本与提示词，右边试听语音、预览配图，确认无误后再合成视频

动手前你可能想问的几个问题

需要会编程吗？不需要。界面是 Gradio 做的网页，鼠标能点到的一切就是全部操作，代码你一行都不用看。唯一的门槛是装 Python 依赖和复制粘贴密钥。

五个密钥必须全配吗？不强制。只生成文案加用 edge-tts 配音的话，免费额度就能跑；但文生图默认走千帆，QIANFAN 那两个密钥建议配上，不然配图环节会缺胳膊少腿。

某一张图或某一句配音不满意，要重跑全部吗？不用。在校对界面找到那条资源，取消"已生成"再点一次"已生成"，系统只重做这一句的语音或重出这一张图，其余素材原封不动，最后点"已确认"就生效。

一条视频要等多久？取决于文案被切成的句数，每多一句就多一张图加一段音频。短文案通常几分钟，长文案十几分钟起，生成过程中下方资源列表会实时刷新进度，也可以先去干别的，回来用"加载资源"把没生成完的补齐。

main.py 后面带不带参数有什么区别？不带参数进第4版（免费+校对），是目前功能最全的；带 1 是最简版，带 2 是全程基于千帆的版本，带 3 是免费直通版。刚开始玩就默认进4版，别折腾。

把主题丢进去，剩下的交给它

主题想好了吗？装好依赖、配好5个密钥、python main.py 一敲，三分钟后的浏览器里就有一条带解说的成片在等你挑毛病。

【免费下载链接】auto-video-generateor自动视频生成器，给定主题，自动生成解说视频。用户输入主题文字，系统调用大语言模型生成故事或解说的文字，然后进一步调用语音合成接口生成解说的语音，调用文生图接口生成契合文字内容的配图，最后融合语音和配图生成解说视频。项目地址: https://gitcode.com/gh_mirrors/au/auto-video-generateor