ai-news-video

name ai-news-video description AI新闻短视频全自动生成工具。从新闻主题到成品视频的一键生成。 **适用场景**： - 用户要求制作AI/科技类短视频 - 需要从新闻生成竖屏视频内容 - 批量生成资讯类视频 - 用户提到"短视频制作"、"生成视频"、"AI视频" - 用户提到"新闻视频"、"资讯短视频"、"科技资讯"、"做个视频" - 用户想批量产出内容矩阵、自媒体素材 **功能**： - 自动搜索AI新闻热点 - Agent 先生成**详细文案**（长文素材），再据此生成**口播脚本**（分镜） - 生成抖音 / 小红书适用的标题与发布正文 - Agent根据口播编写对应数量的HTML页面（3~6个，由内容决定） - HTML页面 + Playwright录制 - TTS配音生成（edge-tts） - 音视频智能同步 - 输出完整竖屏视频（1080×1920） AI新闻短视频生成器 架构分工 ┌─────────────────────────────────────┐ │ Agent 负责 │ │ 1. 搜索新闻 / 理解主题 │ │ 2. 撰写详细文案（article.md） │ │ 3. 据文案生成口播脚本（script.json） │ │ 4. 生成抖音/小红书标题与发布文案 │ │ 5. 根据口播编写 N 个 HTML 页面 │ └──────────────┬──────────────────────┘ │ 详细文案 + 口播文稿 + HTML ▼ ┌─────────────────────────────────────┐ │ Python 脚本负责 │ │ 6. TTS生成配音 │ │ 7. 按静音点切分配音 │ │ 8. Playwright录制HTML │ │ 9. 音视频合并 + 拼接输出 │ │ 10. README 写入详细文案与社媒文案 │ └─────────────────────────────────────┘ Agent 工作流程 Step 1：搜索/理解新闻 用搜索工具获取该主题的最新信息，整理出： 核心事件（一句话） 关键数据（数字、价格、参数等） 主要特性/变化（3~4条） 对比信息（新旧/竞品对比） 意义/影响 也可直接调用辅助脚本批量抓取： python scripts/search_news.py "搜索关键词" Step 1.5：图片采集（搜索完成后立即执行） 在写 article.md 之前，对主要信息来源页面执行图片采集，将素材保存到 output/{slug}/images/ 。 采集方式 方式一：全页截图 用 Playwright 对目标 URL（新闻原文、GitHub 仓库主页等）截取全屏快照，保存为 images/page-screenshot.png ： from playwright.sync_api import sync_playwright from pathlib import Path def capture_page ( url: str , out_path: Path ): with sync_playwright() as p: browser = p.chromium.launch(headless= True ) page = browser.new_page(viewport={ "width" : 1280 , "height" : 800 }) page.goto(url, wait_until= "networkidle" , timeout= 30000 ) page.screenshot(path= str (out_path), full_page= False ) browser.close() # 保存为：output/{slug}/images/page-screenshot.png 方式二：提取页面图片 从页面中筛选有实质内容的 <img> ，过滤掉图标（宽高 < 100px）、SVG、data URI，下载前 3～5 张到 images/img-001.jpg 等： import urllib.request from pathlib import Path def extract_images ( page, out_dir: Path, max_count: int = 5 ): imgs = page.query_selector_all( 'img' ) saved = 0 for img in imgs: src = img.get_attribute( 'src' ) or '' w = int (img.get_attribute( 'width' ) or 0 ) h = int (img.get_attribute( 'height' ) or 0 ) if src.startswith( 'data:' ) or src.endswith( '.svg' ): continue if w < 100 or h < 100 : continue ext = 'jpg' if ( 'jpg' in src or 'jpeg' in src) else 'png' dest = out_dir / f"img- {saved+ 1 :03d} . {ext} " try : urllib.request.urlretrieve(src, dest) saved += 1 except Exception: continue if saved >= max_count: break 失败处理 若目标页面截图失败（超时、反爬、登录墙），跳过截图，不中断后续流程 若图片提取为 0，后续 HTML 改用纯文字模板，不使用 image-caption / split-image 采集失败时在日志中注明： [IMAGES] 采集失败，降级为纯文字模板 输出结构 output/{slug}/images/ ├── page-screenshot.png # 全页截图（可选） ├── img-001.jpg # 提取图片 1 ├── img-002.jpg # 提取图片 2 └── ... Step 2：撰写详细文案（先于口播） 在写口播、定镜头之前，先把素材写成 一篇完整、可独立阅读的长文案 ，保存为： output/{slug}/article.md 目的 ：把搜索到的信息沉淀为结构化正文，作为口播与画面的唯一事实来源，避免口播与详述脱节。 建议结构 （可按题材增删）： 区块 内容 标题 一句话概括事件 导语 2~4 句：谁、做了什么、为何重要 背景 必要的前情与行业语境 核心信息 分点列出：功能、数据、价格、时间等（带出处或「据公开信息」） 对比 / 影响 与竞品、旧版或市场预期的差异 小结 对普通观众的一句话 takeaway 写作要求 ： 书面语为主，信息密度高于口播；数字、专有名词写全，便于后续压缩成口播句。 不写分镜、不写「镜头1/镜头2」——本步只做「稿」，不做「演」。 篇幅建议 400～900 字 （题材复杂可到 1200 字），过短则口播会缺料。 若不便单独维护文件，可将同等正文放入 script.json 的 detailedCopy 字段（Markdown 字符串）； 二者至少其一 ，且以 article.md 为准（同时存在时 README 优先收录文件）。 视觉主题选择 写完 article.md 后，根据文案的 主题性质、情感基调和目标受众 ，自主判断最合适的视觉主题，写入 script.json 的 style 字段。 主题值 适合的内容感觉 apple 科技感、产品发布、冷静专业、AI/大模型类；默认选项 cyber 极客/黑客感、开源社区、GitHub项目、编程工具、赛博朋克调性 media 严肃资讯、财经市场、政策法规、社会事件、有温度的新闻报道 light 轻松生活、消费测评、小红书风格、面向大众的科普内容 判断方式 ：不做关键词匹配，基于对文案整体调性的理解作出判断。用户可在命令行加 --style <主题> 覆盖此选择。 Step 3：根据详细文案生成口播文稿 输入 ： article.md （及 Step 1 的要点笔记）。 禁止 跳过详细文案直接写口播。 根据详细文案决定镜头数量，以「每段讲清一个点、节奏不拖沓」为准；口播中的事实、数字必须与 article.md 一致，不可编造。 第一步：先定镜头数量 在写任何文案之前，先用以下决策树确定本次需要几个镜头： 新闻信息量评估 │ ├── 只有 1 个核心事件，无需对比、无复杂背景 │ → 3 个镜头（钩子 + 核心信息 + 共鸣） │ ├── 有 1~2 个核心亮点 + 简单背景或价格信息 │ → 4 个镜头（钩子 + 亮点 + 数据/价格 + 共鸣） │ ├── 有 3+ 个维度（功能 + 对比 + 背景 + 影响） │ → 5 个镜头（钩子 + 背景 + 亮点 + 对比 + 共鸣） │ └── 深度报道：有时间线、多方角色、复杂影响 → 6 个镜头（可拆分亮点或背景为 2 个镜头） 硬性约束 ： 最少 3 个 ：钩子 + 至少一个信息镜头 + 共鸣，再少就撑不起节奏 最多 6 个 ：单条视频总时长不超过 60 秒，超过观众会划走 不要凑数 ：内容只够 3 个镜头，绝不硬拆成 4 个；内容可以讲 5 个点，不要压缩成 3 个 ⚠️ 文案核心原则：讲故事，不写说明书 禁止 这样写（产品说明书风格）： "GPT-5带来四大升级：推理能力提升10倍、多模态全面增强、响应速度快3倍、上下文扩展到100万token！" 应该 这样写（有钩子、有冲突、有情绪）： "等了整整一年，发布会结束那一刻，所有人都沉默了——不是因为太震撼，是因为看到了那个价格。" 两者信息量相同，但后者让人停住、想看下去。 对照组 2 — 财经资讯 ❌ 坏（数据罗列）：A股今日三大指数全线下跌，上证综指跌0.8%，深证成指跌1.2%，创业板指跌1.5%，成交量较昨日萎缩。 ✅ 好（情绪带入）：今天开盘，很多人的手还没到键盘上，账户就已经绿了——而且是那种越看越绿的绿。 对照组 3 — GitHub项目发布 ❌ 坏（功能列举）：该项目支持多模态输入、RAG检索增强、工具调用、流式输出，star数已达10k，支持Docker一键部署。 ✅ 好（场景代入）：昨晚，一个 GitHub 项目的 star 数，在 12 小时内从两千涨到了一万——没有发布会，没有公司背书，只有一个人写的 README。 故事骨架（四个叙事环节，≠ 四个镜头） ⚠️ 这里的①②③④是 叙事功能 ，不是镜头数量。3 个镜头的视频同样覆盖四个环节，中间两个环节可以合并在一个镜头里讲。 叙事环节 功能 镜头映射规则 ① 钩子 制造悬念 / 反差 / 震惊，让观众停住 永远是第 1 个镜头，独占一个镜头 ② 冲突 揭示矛盾、落差、意外，让观众代入 简单新闻可并入③；内容足够时独立一个镜头 ③ 爆料 核心数据 / 事实集中引爆 数据多时可拆成 2 个镜头（功能 + 价格），数据少时与②合并 ④ 共鸣 与观众产生连接，引导互动 永远是最后一个镜头，独占一个镜头 示例映射 ： 3 镜头：① → ②③合并 → ④ 4 镜头：① → ② → ③ → ④ 5 镜头：① → ② → ③功能 → ③价格 → ④ 6 镜头：① → ②背景 → ③功能 → ③数据 → ③对比 → ④ 钩子公式（第一镜必须用其中一种） 公式1 — 数字炸弹 （用一个让人说"不可能"的数字开场） "刚刚，这家公司宣布：用了不到 3 天，把竞争对手逼到停止更新。" 公式2 — 反差冲击 （先给出普通认知，再颠覆） "所有人都以为这次只是小更新，直到打开参数表的那一秒……" 公式3 — 身份代入 （让观众感到"这说的是我"） "如果你现在还在用免费版，这条视频可能改变你的想法。" 公式4 — 悬念设置 （抛出问题，答案藏在后面） "为什么全球最顶尖的实验室，同一天集体噤声了？" 钩子自检清单（写完 shot1 narration 后必过） 写完第一镜口播后，逐项检查： 这句话能在 1.5 秒内 让人停住手指吗？ 有没有「数字」、「反差」、「悬念」中的至少一种？ 有没有让观众感觉"说的是我"的代入感？ 任何一项不满足 → 重写钩子 ，重新过一遍。不要跳过这一步。 冲突设计（每条文案至少要有一处"意料之外"） 冲突类型 写法模板 期望 vs 现实 "以为只是升级，结果是颠覆" / "说好的降价，账单却……" 新 vs 旧 "过去需要一个团队做的事，现在一个人10分钟搞定" 大 vs 小 "一个参数的差距，性能天壤之别" 快 vs 慢 "竞争对手还在开发布会，它已经开始收费了" 官方 vs 真相 "官方没说，但数据已经说明一切" 情绪词库（让文案有温度，避免干燥罗列） 紧迫感 ：刚刚 / 突然 / 悄悄 / 正在 / 已经 / 今天凌晨 震惊 ：炸了 / 颠覆 / 疯了 / 没想到 / 惊呆 / 沉默了 悬念 ：背后 / 真相 / 原来 / 没人说 / 直到…… 代入 ：如果你 / 你还在 / 你用过吗 / 这就是为什么你 对比 ：整整 / 相比之下 / 而它 / 但问题是 / 代价是 技术参数 语言 ：口语化短句，单句不超过 15 字，适合 TTS 朗读 每段时长 ：5～10 秒（建议 40～80 字；字数少于 40 时画面过短，超过 80 时观众会走神） 节奏节拍 ：钩子快→冲突快→爆料中→共鸣慢，有呼吸感 TTS 节奏规范 （影响听感，必须遵守）： 规则 写法 禁止 停顿标记 用 …… 表示 0.5s 停顿，情绪词后、数字后必加 用逗号代替停顿 断句 两个完整意思之间用句号，不用逗号连接 一句话超过 15 字 数字读法 大数字后跟单位（"十亿""万倍"），不写"1,000,000,000" 纯数字无单位 示例 ： ❌ 坏：GPT-5今天正式发布，推理能力提升了10倍，价格却出乎所有人的预料。 ✅ 好：GPT-5……今天发布了。推理能力，提升十倍。但价格……出乎所有人意料。 输出目录规则 ： 在开始写入 output/{slug}/ 任何文件前，先根据主题生成一个英文短标识（slug），格式为 {关键词}-{YYYYMMDD} ，例如： "OpenAI 发布 GPT-5" → openai-gpt5-20260410 "A股今日行情" → a-stock-20260410 "小米 MiMo 模型" → xiaomi-mimo-20260410 所有文件（ article.md 、 script.json 、 shot*.html 、生成的 mp3/mp4）都保存到 output/{slug}/ 子目录下。 社媒发布文案（抖音 / 小红书） 在写完口播、组装 script.json 时，基于 article.md + 口播要点 生成社媒元数据，并写入 script.json 的 social 字段（Python 会一并写入本次 README.md ）。 平台 标题 正文 抖音 2～3 条备选，每条 ≤30 字 ，强钩子、留悬念、适合竖屏封面字 短段落 + #话题 ；口语化；可引导评论 小红书 2～3 条备选，可稍长， emoji 适度 （不过密） 「种草/资讯」口吻：痛点 + 信息点 + 互动提问；结尾 3～6 个 # 标签 注意 ：社媒正文可与口播相似但不必逐句相同；需符合各站规范（无绝对化医疗功效承诺、不造谣）。 社媒文案质检清单 （写完 social 字段后必过）： 抖音标题 ： 每条 ≤30 字 至少含一个悬念词或具体数字 不含"震惊"、"重磅"、"史上最"、"第一"等平台限流敏感词 小红书标题 ： 含 emoji（1～3 个，不密集堆砌） 有痛点词（"还在…？"）或利益词（"一文搞懂"、"省了XX元"） 正文通用 ： 结尾有互动引导（"你怎么看？"/"评论区聊聊"/"你会选哪个？"） 话题标签 3～6 个，不堆砌超过 8 个 输出格式 （保存为 output/{slug}/script.json ）： { "topic" : "OpenAI 发布 GPT-5" , "social" : { "douyin" : { "titles" : [ "GPT-5 来了，价格却让人沉默" , "等了一年，OpenAI 这次放了什么大招" , "免费还能撑多久？这条说清" ] , "caption" : "推理暴涨、价格分级……你最关心哪一条？评论区见。#OpenAI #GPT5 #人工智能" , "topics" : [ "#OpenAI" , "#GPT5" , "#人工智能" ] } , "xiaohongshu" : { "titles" : [ "一文读懂 GPT-5 发布｜价格与能力怎么选" , "等了一年的 GPT-5：哪些升级真的影响普通人？" ] , "caption" : "熬夜看完发布会，帮你把核心信息压缩成一条笔记～\n\n✅ 能力亮点\n✅ 各档定价\n✅ 和上一代差在哪\n\n你会冲 Pro 还是继续白嫖？👇\n\n#OpenAI #GPT5 #AI工具 #效率神器 #科技资讯" , "topics" : [ "#OpenAI" , "#GPT5" , "#AI工具" , "#效率神器" , "#科技资讯" ] } } , "shots" : [ { "id" : "shot1" , "type" : "cover" , "narration" : "等了整整一年，发布会结束那一刻，所有人都沉默了——不是因为太震撼，是因为看到了那个价格。" } , { "id" : "shot2" , "type" : "stats" , "narration" : "推理能力提升10倍，这不是吹牛——数学竞赛满分，代码测试第一，GPT-4做不到的，它全做到了。" } , { "id" : "shot3" , "type" : "compare" , "narration" : "但代价呢？免费版有限制，Plus还是20美元，Pro版直接飙到200美元一个月——是Plus的整整10倍。" } , { "id" : "shot4" , "type" : "ending" , "narration" : "所以问题来了：你愿意为真正的智能，每个月多付多少钱？还是继续凑合用免费版？评论区说说你的想法。" } ] } 此示例为 4 镜头版（有功能亮点 + 价格对比，信息量适中）。如果新闻内容更简单，应该用 3 个镜头；如果有更多维度（时间线、多模型对比、生态影响），应该用 5~6 个镜头。 不要默认复制这个结构 ，先做镜头数量决策再写文案。 shots 数组可多可少，Python 脚本自动处理。 一致性 ： social 与 shots 须与 article.md 事实一致；若某条口播未在详细文案中出现，应回到 article.md 补全或删改口播。 Step 4：根据口播文稿编写HTML页面 关键原则 ：每个HTML页面的视觉内容必须与对应段口播文案完全匹配——口播提到什么数字、什么功能、什么对比，页面就显示什么。 为 script.json 中的 每一个 shot 生成对应的HTML文件，保存到 output/{slug}/ 目录（与 script.json 同级），文件名与 id 字段一致（如 shot1.html 、 shot2.html ……）。 镜头数量由 Step 3 的口播文稿决定，常见版式参考： type 值 适用场景 核心视觉元素 cover 封面/开篇 大标题 + badge + 副标题 features 功能/特性列举 Lucide图标 + 逐条入场列表 compare 数据对比 多栏卡片，中间列高亮 stats 核心数字 超大数字 + countUp动画 ending 总结互动 要点回顾 + 互动问题卡 quote 金句/钩子 大号引号 + 震撼一句话 timeline 事件时间线 竖向时间轴，节点逐条出现 pros-cons 优劣对比 两列 ✓/✗ 逐行出现 ranking 排行榜 1-2-3名次，金银铜配色 person 人物聚焦 圆形头像 + 姓名/职位 alert 冲击帧/重磅 全屏强调色背景 + 极大字号 image-caption 图片主体 图片占60% + 下方说明文字