技能｜本地视频合成流水线法

当用户需要把文字文案做成带配音、字幕的口播视频（且要求本地/离线/不用 GPU）时，按以下步骤执行：

〇、环境检查（首次使用必做）

1. 确认流水线根目录（含 bin/ffmpeg.exe、models/、make_video.py）。默认 D:\LocalLLM\video，可用环境变量 VIDEO_PIPELINE_HOME 覆盖。
2. 若环境缺失，按「二、依赖安装」补齐；Python 解释器用 WorkBuddy 托管 venv（本机：C:\Users\Administrator\.workbuddy\binaries\python\envs\default\Scripts\python.exe，含 Pillow）。

一、出片命令（核心用法）

1. 让用户确认文案：每行一句（一行=一张卡片+一段配音），句末用。！？；均可，流水线会再细切；单行建议 ≤60 字。
2. 执行：

   <venv-python> <VIDEO_PIPELINE_HOME>/make_video.py <输出.mp4> <标题> <副标题> <文案.txt>

3. 交付文件命名带版本号（如 xxxV1.1.mp4），不覆盖旧版。

二、依赖安装（换机重建时按此执行）

三、注意边界

• 字幕必须文案直出，禁止用 whisper-small 转自己的 TTS 音频——实测错字率很高（"承接"→"产阶"级）；whisper 仅用于外部录音，且建议 medium 模型（1.5GB）。
• ffmpeg subtitles 滤镜在 Windows 下绝对路径冒号转义必炸（Unable to parse option value ... as image size）；脚本已用 cwd+相对路径规避，改脚本时勿回退。
• 长句自动换行显示，但配音不分段——单行 ≤60 字。
• 数字读法：文案里写成中文数字（"一百二十"）比阿拉伯数字朗读更稳。
• 内存：TTS+whisper 共约 1GB，可与常驻大模型服务并存；运行时不要再加载其他大模型。

四、反例避雷

五、版本记录