Index of every page on this site: llms.txt
All skills
dtsola avatar

/video-podcast-maker

@e86893e
by dtsoladtsola/xiaoyaosearch1k stars
54
Run it yourself

Use when the user gives a topic and wants an automated video podcast created, or asks to learn visual design patterns from a reference video/image. Produces 4K video via research → script → TTS → Remotion → MP4 + BGM.

Use this Skill: https://skilld.dev/gh/dtsola/xiaoyaosearch/video-podcast-maker

Nothing lands on disk. Nothing to clean up.

Fork this Skill

Edit a local copy. It keeps the author and licence.

README_CN.md

≈3.5k tokens on demand. Your agent reads this file only when SKILL.md points to it.

视频播客生成器

English

自动化流程,从主题生成专业视频播客。支持 B站 (Bilibili)、YouTube、小红书、抖音和微信视频号,多语言输出(zh-CN、en-US)。集成研究、脚本撰写、多引擎 TTS(Edge/Azure/豆包/CosyVoice)、Remotion 视频渲染和 FFmpeg 音频混音。

支持工具: Claude Code · OpenClaw (ClawHub) · OpenCode · Codex — 任何支持 SKILL.md 的 coding agent

发布平台: B站 · YouTube · 小红书 · 抖音 · 微信视频号

无需编程! 用自然语言描述你的主题,coding agent 会一步步引导你完成。你做创意决策,agent 处理所有技术细节。制作你的第一个视频播客,比你想象的更简单。

提示: 本项目仍在持续迭代完善中,部分功能可能还不太成熟。欢迎提出宝贵意见和建议 — 可以 提交 Issue 或直接联系作者!

功能特点

  • 主题研究 - 网络搜索与内容收集
  • 脚本撰写 - 带章节标记的结构化旁白
  • 多 TTS 引擎 - Edge TTS(免费)、Azure Speech、火山引擎豆包、CosyVoice、ElevenLabs、Google Cloud TTS、OpenAI TTS
  • Remotion 视频 - 基于 React 的视频合成与动画
  • 可视化样式编辑 - 在 Remotion Studio 界面调整颜色、字体、布局
  • 实时预览 - Remotion Studio 即时调试,渲染前预览效果
  • 自动同步 - 通过 timing.json 实现音视频同步
  • 背景音乐 - FFmpeg 叠加背景音乐
  • 字幕烧录 - 可选 SRT 字幕嵌入
  • 4K 输出 - 3840x2160 分辨率,画质清晰
  • 章节进度条 - 可视化时间轴,实时显示当前章节
  • 中英混读 - Azure Speech 支持中英文混合旁白
  • 发音校正 - 全局 + 项目级多音字词典,精准控制中文发音
  • B站模板 - 开箱即用的 Remotion 模板(Video.tsx、Root.tsx、Thumbnail.tsx、podcast.txt),快速搭建项目
  • 偏好学习 - 自动学习用户风格偏好(颜色、字号、语速),智能应用到后续视频
  • 多平台支持 - B站 (Bilibili)、YouTube、小红书、抖音和微信视频号,独立配置平台和语言
  • 多语言支持 - 中文 (zh-CN) 和英文 (en-US) 脚本模板、TTS 音色、字幕字体
  • 字幕偏好 - 自定义字体、字号、颜色、描边,支持开关字幕烧录
  • CTA 可配置 - 自动(B站三连/YouTube订阅)、动画、文字、自定义

平台优化

B站:

  • 脚本结构 - 欢迎开场 + 一键三连片尾引导
  • 章节时间戳 - 自动生成 MM:SS 格式,直接复制到B站
  • 封面生成 - AI (imagen/imagenty) 或 Remotion,自动生成 16:9 + 4:3 双版本
  • 视觉风格 - 大字饱满、极少留白、信息密度高
  • 发布信息 - 标题公式、标签策略、简介模板

YouTube:

  • SEO 优化 - 标题 <70 字符、关键词描述、标签和 hashtags
  • Chapters - 自动生成 YouTube 章节时间戳(首行 0:00)
  • CTA - "Like, Subscribe & Share" 文字动画或自定义

小红书:

  • 标题 - 不超过 20 字,简洁有力,可用 emoji
  • 正文 - 200-500 字,种草/知识分享风格,支持 emoji
  • 话题标签 - #话题# 格式(双井号),5-10 个
  • 封面 - 3:4(1080x1440)适配信息流
  • CTA - "点赞收藏加关注" 文字动画

抖音:

  • 格式 - 仅竖屏精华片段(9:16),不生成横屏长视频
  • 文案 - 100-200 字,口语化风格,支持 emoji
  • 话题标签 - #话题 格式(单井号),3-8 个
  • CTA - "点赞关注" 纯文字(无动画)

微信视频号:

  • 格式 - 仅竖屏精华片段(9:16),不生成横屏长视频
  • 文案 - 100-300 字,知识分享风格,适合转发
  • 话题标签 - #话题 格式(单井号),3-8 个
  • CTA - "点赞关注,转发给朋友" 纯文字(无动画)

工作流程

工作流程

相关技能

本技能依赖 remotion-best-practices,并可与其他可选技能配合使用:

  • remotion-best-practices - Remotion 官方最佳实践(必需,提供核心 Remotion 模式与规范)
  • find-skills - 官方技能发现工具(可选,用于查找和安装更多技能)
  • ffmpeg - 高级音视频处理(可选)
  • imagen / imagenty - AI 封面生成(可选)

环境要求

系统要求

软件 版本 用途
macOS / Linux - 已在 macOS 测试,兼容 Linux
Python 3.8+ TTS 脚本、自动化
Node.js 18+ Remotion 视频渲染
FFmpeg 4.0+ 音视频处理

安装依赖

# macOS
brew install ffmpeg node python3

# Ubuntu/Debian
sudo apt install ffmpeg nodejs python3 python3-pip

# Python 依赖
pip install azure-cognitiveservices-speech dashscope edge-tts requests

项目初始化(必需)

重要: 本技能需要一个 Remotion 项目作为基础。

组件关系说明:

组件 来源 作用
Remotion 项目 npx create-video 基础框架,包含 src/、public/、package.json
video-podcast-maker SKILL.md 工作流 工作流编排(本技能)
# 第一步:创建 Remotion 项目(基础框架)
npx create-video@latest my-video-project
cd my-video-project
npm i  # 安装 Remotion 依赖

# 第二步:验证安装
npx remotion studio  # 应打开浏览器预览

如果你已有 Remotion 项目:

cd your-existing-project
npm install remotion @remotion/cli @remotion/player zod

所需 API 密钥

服务 用途 获取方式
Azure Speech TTS 语音合成(高质量后端) Azure 门户 → 语音服务
火山引擎豆包语音 TTS 语音合成(备选后端) 火山引擎控制台
阿里云 CosyVoice TTS 语音合成(备选后端) 百炼控制台
Edge TTS TTS 语音合成(默认后端,免费,无需密钥) pip install edge-tts
ElevenLabs TTS 语音合成(英文最高质量) ElevenLabs
Google Cloud TTS TTS 语音合成(语言支持最广) Google Cloud 控制台
OpenAI TTS 语音合成(简洁 API) OpenAI Platform
Google Gemini AI 封面生成(可选) AI Studio
阿里云百炼 AI 封面生成 - 中文优化(可选) 百炼控制台

环境变量

添加到 ~/.zshrc 或 ~/.bashrc:

# TTS 后端选择:edge(默认,免费)、azure、doubao、cosyvoice、elevenlabs、google、openai
export TTS_BACKEND="edge"                            # 默认值,或 "azure" / "doubao" / "cosyvoice" / "elevenlabs" / "google" / "openai"

# Azure TTS(高质量后端)
export AZURE_SPEECH_KEY="your-azure-speech-key"
export AZURE_SPEECH_REGION="eastasia"

# 火山引擎豆包 TTS(备选后端)
export VOLCENGINE_APPID="your-volcengine-appid"
export VOLCENGINE_ACCESS_TOKEN="your-volcengine-access-token"
export VOLCENGINE_CLUSTER="volcano_tts"              # 默认值,可按控制台配置修改
export VOLCENGINE_VOICE_TYPE="BV001_streaming"       # 可按控制台音色修改

# 阿里云 CosyVoice TTS(备选后端)+ AI 封面
export DASHSCOPE_API_KEY="your-dashscope-api-key"

# 可选:Edge TTS 语音覆盖
export EDGE_TTS_VOICE="zh-CN-XiaoxiaoNeural"

# ElevenLabs TTS
export ELEVENLABS_API_KEY="your-elevenlabs-api-key"

# Google Cloud TTS
export GOOGLE_TTS_API_KEY="your-google-tts-api-key"

# OpenAI TTS
export OPENAI_API_KEY="your-openai-api-key"

# 可选:Google Gemini 生成 AI 封面
export GEMINI_API_KEY="your-gemini-api-key"

然后重新加载:source ~/.zshrc

快速开始

使用方法

本技能适用于支持 SKILL.md 的 coding agent,包括 Claude Code、Codex 和 OpenCode。只需告诉你的 agent:

"帮我制作一个关于 [你的主题] 的视频播客"

agent 会自动引导你完成整个流程。

提示: 经过多次测试,初次生成的效果和模型效果有很大的关系,模型越智能越先进,生成的效果会越好。目前初次生成 Codex 和 Claude Code 生成的视频效果都不错,OpenCode 搭配 GLM-5 也还不错。如果第一次生成的不够好,可以在 Remotion Studio 预览,并让 coding agent 继续修改。

预览与可视化编辑

在渲染最终视频前,使用 Remotion Studio 实时预览和可视化编辑样式:

npx remotion studio src/remotion/index.ts

这会打开一个浏览器编辑器,你可以:

  • 可视化样式编辑 - 在右侧面板调整颜色、字体、尺寸
  • 逐帧拖动时间轴查看效果
  • 编辑组件时实时看到更新
  • 即时调试时间和动画
可编辑属性
分类 属性
颜色 主色调、背景色、文字颜色、强调色
字体 标题大小 (72-120)、副标题、正文
进度条 显示/隐藏、高度、字号、激活颜色
音频 BGM 音量 (0-0.3)
动画 启用/禁用入场动画

配置文件

文件 作用域 说明
phonemes.json 全局 多音字词典,所有视频项目共享。可直接编辑添加/修正发音(如 行 háng vs xíng)。项目级覆盖放在 videos/{名称}/phonemes.json
user_prefs.template.json 全局 偏好默认模板。首次运行时自动复制为 user_prefs.json,后续随使用自动学习你的风格
prefs_schema.json 全局 偏好验证的 JSON Schema,无需手动编辑
tsconfig.json 全局 Remotion 模板的 TypeScript 配置

输出结构

videos/{视频名称}/
├── topic_definition.md      # 主题定义
├── topic_research.md        # 研究笔记
├── podcast.txt              # 旁白脚本
├── phonemes.json            # (可选)项目专属发音覆盖
├── podcast_audio.wav        # TTS 音频
├── podcast_audio.srt        # 字幕文件
├── timing.json              # 章节时间轴
├── thumbnail_*.png          # 视频封面
├── publish_info.md          # 标题、标签、简介
├── part_*.wav               # TTS 分段(临时,Step 14 清理)
├── output.mp4               # 原始渲染(临时)
├── video_with_bgm.mp4       # 含背景音乐(临时)
└── final_video.mp4          # 最终输出

背景音乐

assets/ 目录下包含:

  • perfect-beauty-191271.mp3 - 轻快积极
  • snow-stevekaldes-piano-397491.mp3 - 舒缓钢琴

开发路线

  • 支持竖屏视频 (9:16),适配 B站手机端沉浸式播放
  • Remotion 转场效果 (@remotion/transitions),章节间过渡更专业
  • 组件模板库 (ComparisonCard, Timeline, CodeBlock, QuoteBlock, FeatureGrid, DataBar, StatCounter, FlowChart, IconCard)
  • 广播级画质升级(渐变背景、多层阴影、动画计数器、质量检查清单)
  • 多 TTS 引擎支持(7 引擎:Edge、Azure、豆包、CosyVoice、ElevenLabs、OpenAI、Google Cloud)
  • Edge TTS 免费后端(无需 API 密钥)
  • 多平台支持(B站 + YouTube),独立语言配置(zh-CN、en-US)
  • 断点续传(--resume 参数)
  • 预估模式(--dry-run 预估时长,不调用 API)
  • 用户偏好自我进化(自动学习视觉/TTS/内容风格偏好)
  • 视觉检查 - 对生成后的页面进行视觉检查,检查其美观性、布局合理性等
  • 将技能文档重构为可被 Claude Code、Codex、OpenCode、OpenClaw 共同使用的 SKILL.md 工作流
  • 设计学习系统 — 从参考视频/图片中学习设计风格,构建设计参考库和可复用的风格档案
  • Playwright 自动抓取 — 通过 URL 直接分析 B站/YouTube 视频设计风格(Phase 4)
  • Step 9 智能推荐 — 制作视频时自动匹配并推荐已有风格档案(Phase 5)
  • 封面设计学习 — 将学到的封面风格应用到 Thumbnail.tsx 模板(Phase 5)
  • YouTube 自动化发布 — 通过 YouTube Data API 上传视频、元数据、章节、封面
  • Windows 适配 (WSL 验证 + 文档)

开源协议

MIT

支持作者

如果这个项目对你有帮助,欢迎支持作者:

<table> <tr> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/wechat-pay.png" width="180" alt="微信支付"> <br> <b>微信支付</b> </td> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/alipay.png" width="180" alt="支付宝"> <br> <b>支付宝</b> </td> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/qrcode/buymeacoffee.png" width="180" alt="Buy Me a Coffee"> <br> <b>Buy Me a Coffee</b> </td> <td align="center"> <img src="https://raw.githubusercontent.com/Agents365-ai/images_payment/main/awarding/award.gif" width="180" alt="打赏"> <br> <b>打赏</b> </td> </tr> </table>

作者

Agents365-ai

Source: SKILL.md on GitHub

skilld matched fixed text patterns in SKILL.md and file names. Patterns miss obfuscated code.

skilld run checks every file with the same patterns. It asks for approval before it loads a Skill with a behavior marked Needs approval.

2 warnings4mo3 checks · Risk SAFE
  • Gen Agent Trust Hub4mo

    The skill is an automated video podcast creation pipeline that handles research, scriptwriting, audio synthesis, and video rendering. It uses industry-standard tools like FFmpeg and Remotion, and integrates with well-known cloud services (Azure, OpenAI, Google, etc.) for Text-to-Speech synthesis. Its operations, including media processing and update checks, are consistent with its functional purpose as a developer-oriented automation tool.

  • Socket4mo

    1 alert: gptAnomaly

  • Snyk4mo

    Risk: MEDIUM · 2 issues

Signed by skilld at e86893e. This ties the file your Agent reads to that commit on GitHub. It does not review the instructions.

Last checked against GitHub 3 days ago.

Activeupdated 7 months ago
argument-hint
[topic]
effort
high
author
Agents365-ai
Other metadata
category
Content Creation
version
2.0.0
created
2025-01-27
updated
2026-04-03
bilibili
https://space.bilibili.com/441831884
github
https://github.com/Agents365-ai/video-podcast-maker
dependencies
[
  "remotion-best-practices"
]
metadata
{
  "openclaw": {
    "requires": {
      "bins": [
        "python3",
        "ffmpeg",
        "node",
        "npx"
      ]
    },
    "primaryEnv": "AZURE_SPEECH_KEY",
    "emoji": "🎬",
    "homepage": "https://github.com/Agents365-ai/video-podcast-maker",
    "os": [
      "macos",
      "linux"
    ],
    "install": [
      {
        "kind": "brew",
        "formula": "ffmpeg",
        "bins": [
          "ffmpeg"
        ]
      },
      {
        "kind": "uv",
        "package": "edge-tts",
        "bins": [
          "edge-tts"
        ]
      }
    ]
  }
}

README badge

README badge for dtsola/xiaoyaosearch/video-podcast-maker