快讯6 条
快讯3 条 · 可滚动
本站于 2026-10-19 补核;官方发布日期为 2026-10-17。

出处:DeepSeek 官方文档 · 更新日志官方

本站于 2026-10-19 补核;官方发布日期为 2026-10-14。

出处:xAI · API Release Notes官方

本站于 2026-10-19 补核;官方发布日期为 2026-10-13。

出处:Gemini API · Release notes官方

开源项目解析

video-podcast-maker

给编码 Agent 用的 skill:给一个主题,出一条 4K 带解说的讲解片。11 套 TTS 后端。

素材清单逐条记许可证要花钱的生成先问默认出 4K
MIT 可商用★ 1.7k 210 星/月最后更新 2026-10-01 · 距核验日 1 个月仓库 ↗

许可证附加条件:2026-09-05 上游把它从 CC BY-NC 4.0 换成了 MIT(commit「chore: relicense CC BY-NC 4.0 -> MIT」)。在那之前克隆的那份仍是 CC BY-NC,不可商用 —— 网上的转述多半还停在旧口径。

读懂层

没有由源码生成的图。 DeepWiki 没有索引这个仓库(2026-08-17 查,页面返回 not found)。所以这一页只有 README 与 issue 两层,没有由源码生成的图。

skill 被 Agent 唤起 → 定选题与脚本 → 从五类来源取素材(用户文件 / assetseeker 图库 / imagencn AI 静帧 / videogencn AI B-roll / HyperFrames 叠加层)→ 每条素材写进 `assets/manifest.json`(角色 / 来源 / 许可证)→ Remotion 渲 4K。

它管哪几个决定

选题与钩子热搜聚合 → 趋势分析 → 选题
时长与节奏时长可设,节奏靠剪辑
声音后期配音:改词不重出视频
7/10 家有官方说法

自持能力

权重在不在本地只能调接口
种子能不能填不可填
换掉它要动几处几处

渲染在本地;配音与 AI 素材走接口,后端可换

动手层

文档代码结构 未做踩过的坑实测 未做

装它要过哪几关

  1. 1装系统依赖`brew install ffmpeg node python3`(Ubuntu 用 apt)
  2. 2装 ttscn必装 —— 11 个 TTS 后端都在它后面。装到 `~/.claude/skills/ttscn` 或设 `TTSCN_HOME`
  3. 3装 skill 依赖`pip install -r skills/video-podcast-maker/requirements.txt`

改哪个文件能改什么

assets/manifest.json素材清单:角色 / 来源 / 许可证。要核素材出处看这份
skills/video-podcast-maker/skill 本体

坑在哪一处

带 issue 编号的来自:github issues 按回复数排序 · 核验 2026-08-17

默认 4K 很慢issue #7「为什么选择输出 4K,改成 1080p 会不会快很多」、#25「预览阶段一调整就自动渲 4K」 —— 两条都已关闭,但这是最常撞的体感问题
改了提示词想重来issue #21:出完 mp4 之后再改提示词找不到入口(已关闭)
上下文太大issue #4「Request too large (max 20MB)」(已关闭)—— 素材一多就会撞

教程

没找到官方口径的教程 —— 官方只给了 README。

项目自述

以下是仓库 README 的开头部分(原文引用,抓取 2026-08-17)。读全文 ↗

Video Podcast Maker

中文文档

Automated pipeline to create professional video podcasts from a topic. Supports Bilibili, YouTube, Xiaohongshu, Douyin, and WeChat Channels with multi-language output (zh-CN, en-US). Combines research, script generation, local TTS (edge free, plus azure), Remotion rendering, and FFmpeg mixing. Current release: v5.3.0 — see CHANGELOG.md for version history.

Works with: Claude Code · OpenClaw · OpenCode · Codex · Pi — any coding agent that supports SKILL.md

Publish to: Bilibili · YouTube · Xiaohongshu · Douyin · WeChat Channels

> No coding required! Just describe your topic in plain language — the coding agent guides you through each step interactively. You make creative decisions, the agent handles all the technical details.

> Note: This project is still under active development and may not be fully mature yet. Your feedback is greatly appreciated — feel free to open an issue.

Features

- Topic → 4K video - research, narration script, TTS audio, Remotion composition, 4K render + BGM in one pipeline
- Local TTS backends - Edge (free, no key) and Azure — synthesized in-house, no external component skill required
- Asset engine - per-video manifest with license provenance; producers are user files, assetseeker stock, imagencn AI stills, videogencn AI B-roll, and Hyperframes overlays — paid generation always asks first
- 4K output + Remotion-native subtitles - 3840×2160; SRT rendered in React at 4K (legacy FFmpeg burn-in available)
- Design learning - extract style profiles from reference videos/images; auto-applied when topics match
- Vertical shorts - 9:16 highlight clips generated from long-form sections
- Multi-platform & multi-language - Bilibili / YouTube / Xiaohongshu / Douyin / WeChat Channels × zh-CN / en-US, with per-platform publish info
- Pronunciation control - global + per-project phoneme dictionaries for Chinese polyphones

Quick Start

1. Install: with the skills CLI, pointing at the full skill:

bash
npx skills add Agents365-ai/video-podcast-maker/skills/video-podcast-maker -g

Drop the /skills/video-podcast-maker suffix to install all three variants (full, -lite, -nano), or clone this repo instead. Paths below are written from the repo root; under a skills CLI install the same files live in the agent's ${SKILL_DIR}.

2. Set up — Python 3.8+, Node.js 18+, FFmpeg, and a Remotion project:

bash
brew install ffmpeg node python3          # macOS (Ubuntu: sudo apt install ffmpeg nodejs python3)
pip install -r skills/video-podcast-maker/requirements.txt
npx create-video@latest my-video-project   # or reuse an existing Remotion project
cd my-video-project && npm i

> One-time cost: a fresh Remotion project downloads ~2.2 GB of npm packages
> plus a ~90 MB Chrome headless shell. Prefer reusing an existing Remotion
> project (with node_modules/ already installed) for your next video — the
> heavy install happens once per project, not per video. Lottie animations are
> optional (@remotion/lottie + lottie-web); install them per project only if
> you use LottieAnimation.

3. Configure — set TTS_BACKEND plus its API keys (see TTS Backends and Environment Variables).

4. Tell your agent:

> "Create a video podcas

……(后略,见原文)

判断

优势

  • 素材清单逐条记许可证出处 —— 这一类里少见的自觉
  • 要花钱的生成先问,不会跑着跑着把账烧了
  • 11 套 TTS 后端可换,中文侧接了火山豆包
  • 选题这一步它真接(九道工序里最没人做的那一步)

局限

  • 许可证在 2026-09-05 刚换过(CC BY-NC 4.0 → MIT) —— 网上转述与你本地旧克隆里的说法可能还是「不可商用」
  • 默认出 4K —— issue #7 与 #25 都在问能不能降到 1080p,4K 渲染慢得多
  • 改提示词重生成找不到入口(issue #21,已关闭)
  • 依赖它自家的 ttscn / assetseeker 几个仓库,装的东西不止一个

不适用

要快出 1080p 的人 —— 它默认渲 4K,慢得多(issue #7 / #25 都在问能不能降档);以及不愿意为一条链再装 ttscn / assetseeker 几个自家仓库的人。

同管这些决定的其它项目

MiniMax H3全模态生成:文字、图片、视频、音频进同一个 Transformer,出带 32kHz…ACE-Step音乐生成基座:文生音乐、歌词编辑、音色复刻、remix。…pyvideotrans识别 → 翻译 → 合成 → 回封装的整条流水线,做跨语言配音与字幕。…LatentSync字节开源的口型同步:音频直接驱动潜空间扩散,不经过中间的运动表示。…IndexTTS2B 站开源的零样本语音合成:给一段参考音就能克隆音色,情感可以单独指定。中英双语。…Ollama一条命令在本机跑开源大模型。写脚本、翻译这两段靠它才不出本机。…DiffSynth-Studio魔搭扩散模型工程框架,覆盖图像、视频、音乐推理与训练;近期加入 FLUX.3、MOS…MoneyPrinterTurbo给个主题或关键词,一键出高清短视频,含字幕与配音。…NarratoAI用大模型一键解说并剪辑现成视频。…火宝短剧基于 AI 的一站式短剧生成平台,从剧本到成片全自动化。…open-ai-canvas面向 AI 影视创作的无限画布:多模态生成、分镜编排、素材管理、Agent 工作流。…VOZEB PRO把统一创作 Agent、画布、短剧生产线、素材库和商业运营后台放进同一套 Next.…OpenMontage让 Agent 编排视频生产:通过声明式流水线组织素材、生成、字幕、音频与合成。…video-shotcraft为 Claude Code / Codex 提供产品宣传片镜头配方,以网页截图与文案…Generative Media Skills给 Agent(Claude Code / Cursor / Gemini CLI)…乘风视频剪辑 Skills用 Claude Code Skills 做的视频剪辑 Agent。中文侧最成型的一…OpenChatCut对话式视频剪辑器,本地优先。你说「第二条音轨第 8 秒加个故障转场」,它就去改那一刀…motion-skills动效技能索引:55 个技能分成 18 个安装包,覆盖短视频、数据动画、网页动效、3D…ComfyUI 官方工作流模板ComfyUI 内置的那批官方工作流模板与子图蓝图的真身仓库。…waoowaoo把一部小说灌进去,自动拆角色、拆场景、出分镜,再合成整集短剧。中英双界面。…JellyfishAI 短剧的端到端工作台:从剧本进,到分镜、角色一致性管理、出片、导出。…魔因漫创桌面端 AI 影视工具(Electron):剧本 → 角色 → 场景 → 导演 → …BigBanana AI Director一站式 AI 短剧 / 漫剧工作台,四阶段:剧本 → 视觉资产 → 分镜制作 → 导…ClipForge带货短视频专用的一站式工具:上传商品图,自动提炼卖点、写种草脚本、配音配字幕加背景乐…短视频工厂跨平台桌面应用:给提示词文本加分镜素材,自动剪出产品营销或泛内容短视频。集成文案生成…AI YouTube Shorts Generator把一条长视频切成一批排好序的竖屏短片:用语言模型找高光片段、用 Whisper 转写…Open AI UGC生成 UGC 风格的口播广告:用多个视频模型出真人感的 AI 演员念你的脚本。定位是…ViGenAiR把一条已有的视频广告用生成式 AI 重新剪成适配不同版位与时长的多条。…LiveTalking实时交互流式数字人引擎,音视频同步对话。支持 ernerf、musetalk、wav…Seedance 2.0 Prompt Skills给 Agent 装的 Seedance 2.0 提示词技能:讲输入约束、@ 引用语法…Drama Skills面向编剧与漫剧工作室的短剧创作流水线:十个技能把一个点子或一部长篇材料,一路做成分集…Seedance2 Storyboard Generator开源剧情剧本技能:把故事拆成分镜,并整合成 Seedance 2.0 认的结构化提示…PromptLensAI 视频提示词分析工具:丢进一条别人的视频,反推出它的提示词与创作脚本,并做画面分…Prompt Engineering Guide提示词工程的系统性指南:教程、论文、课程笔记与可运行的示例。不针对视频,讲的是提示词…蓝书 AI 视频工具包AI 视频提示词、技能与方法论工具包。2026-10-10 README 自述:60…

github README + GitHub API(DeepWiki 未索引) · 核验 2026-10-19 | 判断栏可报错。