揭秘视频号中的PPT讲解视频制作过程:扔一个 URL 进来,吐一段讲解视频给你
- 2026-10-24 17:59:57
揭秘视频号中的PPT讲解视频制作过程:扔一个 URL 进来,吐一段讲解视频给你导读 扔一个文章链接进去，吐一段带配音和字幕的讲解视频出来——今天分享一下如何跑通这条生产线。底层就是 Codex CLI 拉起 article2video (我自己的工作流)，让 LLM 读文章、出中文口播稿、画分镜；MiniMax TTS 负责中文配音；最后用 HyperFrames 把分镜 HTML 拼成带字幕的 MP4。视频时长、用的 LLM 都能自己配，下面是完整的跑通记录。 Codex CLI article2video OpenAI 兼容 LLM MiniMax TTS HyperFrames 渲染 html-video Studio 时长自定 [ 示例视频：用 article2video 跑出来的一段成品 When AI Builds Itself] 01 为什么我要自己搭一条 PPT 视频流水线 做技术分享视频这件事，很多人一直在和工具较劲。剪映模板够多但做出来的片子太像短视频，AE 效果够好但学习曲线陡得吓人，PR 干脆就是另一个职业的入门考试。我想要的其实很朴素——一篇技术文章、几张关键截图、一段连续的中文口播，配上能自动跟读的字幕，最后输出一个能在公众号里直接发的 MP4。时长不固定，三十秒能讲清楚也行，五分钟慢慢铺陈也行。 直到最近我折腾了一遍这条链路，才发现这件事可以被完全脚本化：从粘贴一个 URL，到拿到一个能发布的讲解视频，中间不需要打开任何 GUI。我把自己的工作流程固化成 article2video ，今天和大家简单的分享一下。 02 一条命令跑通：整条流水线长什么样 先把我跑通的那条命令摆出来，后面再拆每个环节到底在干什么： bash export OPENAI_API_KEY="your_openai_key"export MINIMAX_API_KEY="your_minimax_key"python -m article2video https://www.anthropic.com/institute/recursive-self-improvement \ --duration 90 \ --lang zh-CN \ --llm-provider openai \ --openai-model gpt-4o \ --tts-provider minimax \ --minimax-region cn \ --render-backend hyperframes * --duration 90 是示例值，可改成 30 / 120 / 300 等任意秒数 * --openai-model gpt-4o 是示例模型，任意 OpenAI API 兼容模型都可以（gpt-4o、gpt-5、deepseek、qwen 等） 一个 URL 加八个参数，跑完你会得到这样的产物： output/<run>/final/video.mp4 整条链路就是把「内容理解 → 口播稿 → 分镜 HTML → 中文 TTS → 字幕 → 视频拼装」这五件事串到一条命令里。我这次跑的成品是一个 MP4，分镜节奏和字幕同步都没什么问题，开头那段就是上面的示例视频。 03 六个环节拆开看：每一段都在做什么 
内容输入与提取 输入可以是技术文章 URL、GitHub 仓库链接、Markdown 文件或 PDF。系统会先抓取正文、标题、作者、机构、发布时间这些元数据，统一扁平化成 Markdown 再往下传。这一步是整个流程的「数据底座」，抓得干净后面所有环节才能省心。 关键点分析 默认用本地启发式提取主标题、章节、引用块、关键数据。如果走 LLM 路径（任意 OpenAI 兼容模型），这一步会让模型从更上层的语义角度挑出最值得讲的几条主线。本地启发式够用，但确实没有 LLM 那么有「编辑感」。 口播稿与分镜（核心 LLM 阶段） 这是我最看重的环节。把原文一次性丢给 LLM，让它一次性产出这些东西： • 英文原标题：保留出处，方便回溯 • 中文译题：视频封面和公众号文章标题都靠它 • 作者/机构/时间：作为开头铺垫 • 连贯中文口播稿：按你设定的时长一口气念完不卡壳 • 同步分镜：每段口播对应哪个视觉、什么动效 • 每幕视觉设计：背景、配色、字号、是否要代码块截图 这一段是整条链路的「导演」。口播稿写得流畅、分镜设计得有节奏，后面 TTS 和渲染才省事。 HTML 模板与 HyperFrames 视觉工程 分镜脚本里的每幕，会被翻译成一段独立的 HTML 片段。这些片段被组织进 HyperFrames 的时间线里——它负责对齐音频、字幕、画面时长，串起整段视频的所有动效。HTML 模板走的是 21 套 license-clean 的现成样式，从企业风到 Swiss 网格，从决策树到对比卡都有，省掉了从零开始设计画面的成本。 中文 TTS 与字幕 口播稿交给 MiniMax 中国区 TTS，选好 voice 和 emotion，就能拿到一段拟人度还不错的中文配音。字幕是按口播稿和每幕时长自动切出来的 SRT，节奏跟着 TTS 的停顿走，不用手工对轴。 视频渲染 默认走 HyperFrames 渲染器（headless Chromium + ffmpeg），把每段 HTML 录成 webm，再合并成 libx264 编码的 MP4。背景音乐、配音和字幕在 ffmpeg 这一层完成混音。如果 HyperFrames 跑挂了，会自动 fallback 到老一套 Playwright + ffmpeg 方案兜底。 04 为什么是 LLM + MiniMax + HyperFrames 这套组合 这个组合不是随手拼的，每一层都对应一个明确的痛点： LLM OpenAI 兼容模型 MiniMax 拟人中文 TTS HyperFrames 时间线+渲染 LLM 这一层不挑模型——任意 OpenAI API 兼容的模型都能接，gpt-4o、gpt-5、deepseek、qwen 都可以，按你手头的 API 选。中文口播稿的「编辑感」各家差不多，关键看 prompt 写得多细。MiniMax 中国区 TTS 在中文拟人度上做得不错，特别是带情绪的 voice，能让连续几分钟的讲解不至于听起来像在念稿。HyperFrames 走 HTML+GSAP 这一套，画面跟文字、跟动画都是同一份源文件，调试成本低。 05 一份能直接抄的实操清单 如果你想今天就跑一遍，按这个顺序来： 将上面的六个环节告诉你的codex，让codex帮你生成完整的工作流 (也可以把这篇文章扔给Codex，让它自行分析并执行) 环境配置： ① 准备两个 Key • OPENAI_API_KEY：给 LLM 用来写口播稿和分镜（兼容 OpenAI API 的服务都行） • MINIMAX_API_KEY：给 MiniMax TTS 用来合成中文配音；或者可以考虑免费的 edge-tts， 也是个不错的选择 ② 装好本机工具链 • ffmpeg（libx264 编解码） • headless Chromium（HyperFrames 录制用） • Python 3.10+ 跑 article2video 的一些执行脚本 ③ 跑命令 • 粘贴一个 URL（比如 Anthropic Institute 那篇 when AI builds iteself） ④ 看产物 去 output/<run>/final/video.mp4 拿成片。整个过程不需要打开任何 IDE 或剪辑软件。 06 推荐搭配：html-video 我的 article2video 是「命令行的导演」，但你日常可能更想要一个可视化的工作台。我推荐 html-video（nexu-io/html-video，GitHub 上 1.8k star 的项目），定位就是「HTML → Video 的元层」。 它做的事情基本和 article2video 同构，但多了一个本地的 Studio UI——你可以在浏览器里贴 URL、选模板、对分镜、调 voice、最后导出 MP4。后端同样跑 HyperFrames 渲染器，支持 MiniMax TTS 和 ffmpeg 混音，区别只是入口从命令行变成了网页。 bash # 启动本地 Studionode packages/cli/dist/bin.js studio# 打开 http://127.0.0.1:3071 开始用# 检测环境是否就绪node packages/cli/dist/bin.js doctor# 语义搜索模板node packages/cli/dist/bin.js search-templates --intent "github stars race" --top 3 我个人最喜欢 html-video 的两点： 07 适用场景：什么时候该上这条链路 • 公众号 / 视频号日更：把日常推文直接转成讲解视频，时长自定，复用现有内容 • 技术播客 / Newsletter 配套：用 AI 自动把长文浓缩成短视频，挂在正文顶部 • 论文 / 报告内部解读：把 arXiv 链接丢进去，按需要 1 分钟或 10 分钟讲完 • 产品更新日志：Release Notes 自动转讲解视频，发布会前批量生产 • 技术分享会预热：会议前给报名者发一段 AI 讲解视频当 teaser 08 踩坑提醒：第一次跑大概率会遇到的事 • ffmpeg 版本过老：系统自带的 4.3 对 libx264 没问题，但缺新编码器。装个 6.x 稳很多 • headless Chromium 路径：macOS 上用系统 Chrome 即可，不需要再装 Playwright 自带浏览器 • LLM 不走中文：一定要显式加 --lang zh-CN，不然默认是英文 • TTS 选错 region：MiniMax 一定要用 --minimax-region cn，海外区不支持中文 • 分镜卡死：如果 LLM 一次给的幕数过多，TTS 时长对不上。经验值是每幕 7-10 秒最舒服，总幕数按总时长除以这个数估 09 整条链路的长板和短板
10 写在最后：让 AI 接管从 URL 到 MP4 的距离 做 PPT 讲解视频这件事，我的思路一直是当流水线来做，而不是当视频来做。LLM 负责写口播稿，TTS 负责配音，HyperFrames 负责拼装画面，我只需要挑 URL 和审成片。 这条链路的好处是，今天做技术分享、明天做论文解读、后天做产品更新，模板、口播风格、字幕节奏都能沉淀下来，越用越顺手。想试一下的话最快路径是：装好 ffmpeg 和 Chromium，准备好两个 API Key，跑一次上面那条命令。 至于可视化的工作台，我个人目前在用 html-video 的本地 Studio。Apache-2.0、零按次计费、本地跑，关键是和 article2video 共用同一套 HyperFrames 渲染器，写好的分镜可以在两边无缝切换。 关键洞察 真正决定讲解视频质量的，不是 TTS 多逼真、模板多漂亮，而是 LLM 写出的口播稿和分镜节奏。把内容理解、翻译、分镜这三件事解耦，单独优化每一步，整条链路的天花板会高很多。LLM 这一层也不必锁定某个模型——手头有哪个 API 就用哪个，按预算和效果换。 参考来源 • article2video 技术方案 ~/Desktop/playground/article2video.md • html-video 仓库 https://github.com/nexu-io/html-video • 示例视频成品 ~/Desktop/Weixin Videos2026-06-07_132543_686.mp4 • html-video 本地 Studio 启动 node packages/cli/dist/bin.js studio → http://127.0.0.1:307
已关注
关注
重播 分享 赞
内容输入与提取 -> 关键点分析 -> 口播稿与分镜 -> HTML 模板与 HyperFrames 视觉工程 -> 中文 TTS 与字幕 -> 视频渲染 • --duration 任意时长（30s / 90s / 5min 都行）• --llm-provider openai• --openai-model <任意模型> 走 OpenAI 兼容 API• --tts-provider minimax• --minimax-region cn 拿到中文配音• --render-backend hyperframes 走新渲染器
prompt / link / repo│▼① source fetch studio pulls the URL or repo server-side, flattens it to Markdown│▼② agent loop your agent reads the material + the picked template's style and emits│ a content-graph (the storyboard) + one HTML block per frame▼③ content-graph multi-frame IR — nodes (entity / data / text) + edges (sequence /│ dependency / contrast); topo-sorted into frame order & timing▼④ per-frame HTML each node becomes a self-contained animated HTML frame on disk│▼⑤ Hyperframes render headless Chromium loads each frame, records it (auto-extending to│ cover the frame's own animation), → webm per frame▼⑥ ffmpeg each webm → mp4 (libx264), then concat into one video;│ optional MiniMax music + narration mixed in▼your.mp4
Apache-2.0 + 本地运行，没有任何按次计费的环节；
它把 14 款本地编码 Agent（Claude Code、Codex CLI、Cursor、Windsurf 等）通过 ACP 协议串成「对话式做视频」——你说「做一个解读视频 https://...」，Agent 自己读文章、出分镜、渲视频。
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
