Video Material GEN Workstation

一个集内容策划、AI文案自动生成、TTS 批量自动配音、(AI)图片素材合成、ASR自动提取语言字幕脚本、AI自由创作于一体的(短视频)生成工作站。方便管理每期的视频项目。

❗正在考虑使用最新LangGraph架构重构该项目，敬请期待❗

功能速览

• 支持按模板批量生成视频项目，脚本、图片素材(AI)、字幕和音频一键齐备。
• Gemini + TTS合成，既能改写脚本又能直接输出(带情绪的)配音。
• 图文分轨管理，可在前端随时替换图片、字幕或音频并预览结果。

数据展示

前端界面

通过Docker 部署(目前有Bug)

1. 复制配置：cp env.example.yaml env.yaml，填好各个 Key。容器内建议把 Default-Project-Root 设为 /data/projects（会被映射到本地 ./data 目录，方便持久化）。
2. 一键启动：docker compose up -d --build。首次会自动构建。
3. 打开 http://localhost:8765 使用。查看日志可用 docker compose logs -f video-workstation。
4. 容器是无桌面环境，“打开项目目录/打开TTS文件夹”等按钮不会弹出文件管理器，接口会直接返回路径；请在宿主机手动进入对应目录（默认挂载在当前仓库的 ./data）。

node如果拉不下来，推荐先使用 docker pull node:20-alpine , 再运行 docker compose up -d --build

如果不想用 Compose，也可以用单条命令运行镜像（需要先 docker build -t video-workstation .）： docker run -d -p 8765:8765 -v $(pwd)/env.yaml:/app/env.yaml:ro -v $(pwd)/data:/data --name video-workstation video-workstation

通过源码部署

1. 复制 env.example.yaml 为 env.yaml，填入自己的 Gemini Key、Base URL、模型、TTS Key 与提示词等配置，否则无法调用接口。
2. （可选）在 env.yaml 中设置 Default-Project-Root，用于存放自动生成的脚本、音频与图片文件。
3. 安装依赖：npm install。
4. 启动服务：npm start 或直接双击 start.bat，默认访问地址为 http://localhost:8765。

功能介绍

1. 项目总览：以卡片形式管理批量项目，显示输出目录、创建时间及删除动作，便于快速定位。
2. 文案生成：结构化展示场景脚本，可复制单条或整段文案，左侧勾选联动右侧提示词。
3. 字幕获取: 需配合我的另一个项目(n8n-http-tools): 开源地址:n8n-http-tools
4. TTS 合成：支持单条与批量两种模式，输入合成文本与情感提示即可生成语音。
5. 图片生成：集中管理角色描述、场景描述等提示词，勾选后即可批量复制到绘图任务。
6. 立绘/背景等生成：提供提示词输入、参考图上传、宽高比设置与历史记录，方便随时复用素材。
7. 逆向接口实现ASR自动提取剪辑需要的字幕文件：在TTS合成界面下方，有“字幕生成”功能，点击下方的按钮可以打开字幕生成工具。此部分代码由其它作者开源。
8. 常用提示词与自由创作：收藏高频提示词并一键复制，同时提供自由创作面板进行自定义绘制。

其它功能我就懒得一个一个写了，具体有啥自己可以部署一下去玩，注意文案生成这里需要配合n8n来操作，之前写的n8n文件找不到了，所以这部分其实可以忽略，主要就是一个用于生成文案的脚本AI提示词以及我主页另一个仓库中有的一个开源的B站视频字幕提取器（当然网上也有）（参考别人高播放的视频自己学起来也会快很多）

接下来如何好好利用这个项目还是得靠自己。

因为主要还是偏向管理用的（简单来讲就是功能不会有你想象的那么实用），视频内容如何定义，如何打造爆款还是需要动脑子。当然本项目里面使用图像编辑模型的是NanoBanana，本地部署的AIStudio的反向代理的接口，用来生图然后给Sora也是不错的，起码测试下来比较稳定。