PPT → 培训视频自动化生成

把 PPT/PPTX 一键转成带浑厚男声讲解的 MP4 培训视频。完整支持解说稿审核与局部自定义。

何时使用

把项目评审、对外汇报、课程讲义等 PPT 转成可独立播放的视频讲解
需要 1080p 视频，含中文男声 + 可选轻量背景乐
演示文稿 5-50 页，期望输出 5-30 分钟视频
解说稿由 AI 起草后需要逐句人工审核、微调

何时不要使用

视频时长 < 1 分钟（如产品 demo）→ 直接用屏幕录像
需要真人出镜讲解 → 用录屏软件
仅需要音频文件（不带画面）→ 直接调 TTS 即可
解说稿包含方言 / 多人对话 / 实时互动 → 不在自动化能力内

技术栈

PPT → PNG：PowerPoint COM（Windows 必需）
TTS：Microsoft Edge TTS（edge-tts Python 包，神经语音）
视频合成：FFmpeg（8.x+，含 libx264 与 libass）
中文字体：Windows 内置 msyhbd.ttc（必装）

输入

1. PPT 文件

任意 .pptx（建议 16:9 宽屏，导出 1920×1080 PNG）

2. 解说稿 JSON

{
  "title": "方案汇报",
  "voice": "zh-CN-YunjianNeural",
  "rate": "+0%",
  "bgm": "ambient",
  "resolution": "1920x1080",
  "burn_subtitle": true,
  "slides": [
    {
      "page": 1,
      "text": "各位同事，今天我们分享...",
      "golden": "全球法规风险系统化管理方案"
    }
  ]
}

字段说明：

voice：Edge TTS 音色（见 references/voice-options.md）
rate：语速（+10% 加速 / -5% 减速）
bgm：ambient（程序化环境氛围）/ silent（无背景乐）
burn_subtitle：是否烧入"金句"字幕
golden：该页字幕文本（可选；不填则不显示该页字幕）

输出

output.mp4：最终视频
output.frames/：每页 PNG
output.audio/：每段 TTS MP3
output.segments/：每页单段 MP4（用于局部重生成）
output.bgm.wav：背景乐源文件
output.narration.md：可读解说稿（含时长）
output.audit.json：审核结果
output.verify.json：自检报告

快速开始

# 安装依赖（一次性）
pip install edge-tts mutagen

# 1) 准备解说稿 JSON（可由 AI 起草后人工微调）
cp assets/narration-template.json my_narration.json
# 编辑 my_narration.json 填入每页 text 与 golden

# 2) 一键生成
python scripts/ppt2video.py run \
  --ppt my_deck.pptx \
  --script my_narration.json \
  --output my_video.mp4

# 3) 仅审核解说稿（不生成视频）
python scripts/ppt2video.py audit --script my_narration.json

工作流（5 步）

依赖自检：检查 ffmpeg、edge-tts、中文字体、PowerPoint
解说稿审核：字数、语速、用词一致性、重复检测（可选 --audit-only）
导出 PNG：PPT → 1920×1080 高清帧
TTS 生成：每页一段 MP3，4 路并发
视频合成：每段 MP4 → 拼接 → 混 BGM → 可选烧字幕 → 输出

每步可独立重跑（幂等）：已存在的文件会被复用。

局部自定义（核心亮点）

| 需求 | 命令 | |---|---| | 只重跑第 7 页（修正该页解说） | ppt2video.py regen-page --ppt ... --page 7 --text "新解说..." | | 第 12 页用女声（对比） | ppt2video.py set-voice --page 12 --voice zh-CN-XiaoxiaoNeural | | 整片加速 10% | 编辑 JSON 的 rate: "+10%"，再跑 run | | 改背景乐 | ppt2video.py rebgm --input output.mp4 --output v2.mp4 | | 不烧字幕 | ppt2video.py run ... --no-subtitle | | 只跑 P3-P7 | ppt2video.py run ... --range 3-7 | | 跳过已生成段 | 自动（--force 强制重跑） |

审核规则（`audit` 子命令）

| 维度 | 检查 | 建议 | |---|---|---| | 字数 | 每段 80-200 字 | <80 偏短，>200 偏长 | | 语速 | 估算 2.5-4.5 字/秒 | 太慢显得拖沓，太快不易懂 | | 填充词 | 检测"嗯/啊/这个/那么" | 建议删减 | | 重复 | 与相邻页、与全文其他段 | 避免车轱辘话 | | 术语一致性 | 同一概念不同叫法 | 报告"CoP"还是"量产一致性"要统一 | | 涉敏词 | 政治 / 商业机密词 | 提醒复核 | | 来源声明 | 数字断言 | "70% 召回"需注明出处 |

输出 audit.json：

{
  "summary": {"warnings": 3, "errors": 0, "total_chars": 2800},
  "issues": [
    {"page": 9, "type": "speed", "level": "warn", "msg": "语速 5.2 字/秒（建议 2.5-4.5）"},
    {"page": 5, "type": "terminology", "level": "info", "msg": "P5 用'REACH'，P7 用'Reach'，建议统一"}
  ]
}

关键约束

Windows 必需：PowerPoint COM 不可跨平台
首次运行需联网：edge-tts 走 Microsoft 在线语音服务
中文字体必须：缺 msyhbd.ttc 时字幕会变成方块
路径中含中文不会出错：所有中间文件落到 C:\Temp\ppt2video_{ts}\ ASCII 目录

常见问题（详见 `references/troubleshooting.md`）

TTS 失败 / 报"无法连接到 speech.platform.bing.com" → 检查代理
输出视频无声 → 看 ffmpeg 是否支持 aac 编码
字幕乱码 → 装 msyhbd.ttc 或改 force_style
PPT 路径含中文 → 已自动处理，复制到 ASCII 临时目录