懂AI
text2video

text2video

文本转视频工具，实现小说可视化阅读

text2video 是一款将文本转换为视频的开源工具，支持小说等文本的可视化阅读。通过分段文本生成图片和语音，并合成为包含画面、字幕和声音的视频。应用了 stable-diffusion 和 edge-tts 技术，支持 Docker 一键启动和 macOS 本地开发。该工具还支持生成高质量的绘图提示词，利用 huggingface 的开源模型和 ffmpeg 进行音视频合成，操作简便，效果显著。

文本转视频stable-diffusionedge-ttshuggingfaceDockerGithub开源项目
GitHubHugging Face

项目介绍：Text2video

Text2video 项目是一个创新的工具，旨在将文本转换为视频，特别是为了实现小说的可视化阅读功能。用户可以通过该工具将书面内容“活化”为带有图像、声音以及字幕的视频文件。

实现原理

Text2video 通过几个具体步骤实现文本到视频的转换：

  1. 文本分段：首先将输入的文本按照标点符号中的句号进行分段，每个段落转换为独立的句子。

  2. 生成图像和声音：对于每个句子，该工具利用多种开源工具和模型实现图像和声音的生成。图像生成方面，利用了 stable-diffusion 图像生成模型，而文本转语音则由 edge-tts 驱动。

  3. 大模型提示词生成：通过大模型生成类似 midjourney 的提示词，然后利用 huggingface 的开源模型生成对应图片。

  4. 视频合成：使用 opencv 将生成的图片合并成视频文件，句子的内容也会作为字幕显示在视频底部。音频则管理画面的持续时间，使视频更具节奏感。

  5. 音频合成：最后一步是使用 ffmpeg 将生成的音频与视频合并，形成带有完整声音的 MP4 格式视频。

经过一系列处理，用户可以得到一个包含图像、字幕和声音的完整视频，实现了文本到视频视觉化表达的功能。

技术部署

项目提供了 Docker 一键启动功能，使得项目的启动变得异常简单，只需执行以下命令：

docker-compose up --build

本地开发环境

对于有意愿进行更加深入开发的用户，建议环境配置为 macOS 和 Python 3.10.12，同时需要安装 ffmpeg 以支持多媒体处理。

pip install -r requirements.txt

提高图像生成质量

本项目支持通过 OpenAI 提供的API生成更优质的图像提示词。用户可以通过配置 OpenAI 的 API key，在项目中配置代理支持。

OpenAI 配置示例

OPEN_AI_API_KEY="your open ai api key"
OPEN_AI_BASE_URL="https://api.moonshot.cn/v1"

Huggingface API 配置

为了使用 Huggingface 平台的模型，需要申请并配置 API token。由于中文生成图片的质量较差，因此项目中使用有道翻译提升质量。

API_TOKEN="your huggingface api token"

开始使用

以下命令可以在本地开启服务并开始使用项目：

python3.10 app.py
http://127.0.0.1:5001/

赞助与交流

项目支持赞助，用户可以自由打赏并备注 GitHub 名称，与开发者保持联系。此外，可以关注作者的微信公众号："老码沉思录"与作者互动交流。

许可证

Text2video 项目采用 MIT 许可证授权，鼓励社区进行修改和再发布。

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多