PPT 路演视频生成器

任务目标

• •本 Skill 用于：从文档分析到完整路演视频的全流程生成，包含配音、音效、音乐、字幕和转场动画
• •能力包含：文档分析、品牌风格学习、结构化规划、内容生成、视觉设计、演讲稿撰写、配音、音效、字幕、视频合成
• •触发条件：用户需要制作路演视频、产品发布演示、公司介绍视频等

前置准备

• •依赖说明：scripts 脚本所需的依赖包
  code

  moviepy>=1.0.3
  pillow>=9.0.0
  pydub>=0.25.1
  requests>=2.28.0
  

• •系统依赖：FFmpeg（必需，用于视频和音频处理）
  bash

  # Ubuntu/Debian
  sudo apt-get install ffmpeg
  
  # macOS
  brew install ffmpeg
  

操作步骤

标准流程（完整路演视频生成）

角色一：文档分析师

1. •分析用户提供的文档，提取核心信息：
   • •主题和目标
   • •目标受众
   • •核心论点
   • •关键数据和案例
2. •输出文档分析摘要供后续角色使用

角色二：结构规划师（关键角色）

1. •生成结构化文档，明确每一页 PPT 讲什么：
   • •页面编号
   • •页面标题
   • •核心内容要点（3-5 条）
   • •演讲时长（建议每页 30-60 秒）
   • •页面类型（封面/内容/数据/总结）
2. •输出结构化 JSON，确保逻辑连贯
3. •此结构将作为后续所有角色的基础

角色三：品牌风格分析师

1. •导入设计系统（新增功能）：
   • •如果用户提供从 web-design-analyzer 导出的 brand_style.json，直接导入
   • •使用 scripts/style_learner.py --load-json ./brand_style.json 加载配置
   • •验证配置完整性（colors、fonts、layout_style）
2. •学习品牌风格（传统方式）：
   • •学习用户提供的品牌风格（如样例 PPT、图片、品牌手册）：
     • •分析配色方案（主色、辅助色、强调色）
     • •识别字体类型（标题字体、正文字体）
     • •提取设计元素（logo、图标、装饰）
     • •分析布局风格（简约/商务/创意/科技）
3. •生成品牌风格配置文件（brand_style.json）
4. •为后续视觉设计提供风格指导

角色四：内容策划师

1. •基于结构化文档，规划每页的详细内容：
   • •标题和副标题
   • •内容要点（精炼为短语）
   • •数据和图表说明
   • •演讲提示
2. •应用品牌风格，确保内容与视觉一致
3. •输出完整的内容规划

角色五：视觉设计师

1. •基于品牌风格和内容规划，生成 PPT 图片：
   • •使用智能体的图像生成能力
   • •应用品牌配色和风格
   • •确保所有图片风格统一
   • •生成 slide-01.png 到 slide-N.png
2. •参考品牌风格配置，调整图片色调、字体等

角色六：路演撰稿师

1. •为每一页撰写详细的演讲稿/脚本：
   • •开场白（10-15 秒）
   • •核心内容讲解（每页 30-60 秒）
   • •过渡语（衔接下一页）
   • •总结语（10-15 秒）
2. •确保语言流畅自然，适合口语表达
3. •输出演讲稿（roadshow_script.txt）

角色七：转场设计师

1. •设计页面过渡动画：
   • •选择转场类型（淡入淡出/滑动/缩放/翻转等）
   • •设置转场时长（建议 1-2 秒）
   • •确保转场风格与品牌一致
2. •生成转场配置（transitions.json）

角色八：音频设计师

1. •处理音频内容：
   • •配音：调用 TTS API 生成语音解说
   • •音效：添加页面切换音效、强调音效
   • •音乐：添加背景音乐（从 assets/music/ 或用户上传）
2. •调用 scripts/audio_processor.py：
   bash

   python scripts/audio_processor.py \
     --script ./roadshow_script.txt \
     --style-brand ./brand_style.json \
     --output ./audio/
   

3. •输出音频文件（voiceover.mp3, sound_effects/, background_music.mp3）

角色九：字幕设计师

1. •生成和同步字幕：
   • •根据演讲稿生成字幕文本
   • •计算每句字幕的开始和结束时间
   • •应用品牌字体和样式
2. •调用 scripts/subtitle_generator.py：
   bash

   python scripts/subtitle_generator.py \
     --script ./roadshow_script.txt \
     --style-brand ./brand_style.json \
     --output ./subtitles.srt
   

3. •输出字幕文件（subtitles.srt）

角色十：视频合成师

1. •一键合成完整路演视频：
   • •合并所有图片、转场、配音、音效、音乐、字幕
   • •统一分辨率和帧率（1920x1080, 30fps）
   • •确保音画同步
2. •调用 scripts/roadshow_composer.py：
   bash

   python scripts/roadshow_composer.py \
     --images ./images/ \
     --audio ./audio/ \
     --subtitles ./subtitles.srt \
     --style-brand ./brand_style.json \
     --output ./roadshow_video.mp4
   

3. •输出完整的路演视频

品牌风格学习模式

当用户希望保持品牌风格一致时：

1. •用户提供品牌风格样例：
   • •PPT 样例文件
   • •品牌手册
   • •关键图片（logo、产品图等）
2. •执行角色三（品牌风格分析师）
3. •保存品牌风格配置供后续使用
4. •后续生成时自动应用此风格

与其他 Skill 协同

与 web-design-analyzer 协同（新增）

• •web-design-analyzer 分析网页截图，提取设计系统
• •转换为 brand_style.json（使用 convert_to_roadshow_style.py）
• •ppt-roadshow-generator 导入品牌风格，生成路演视频
• •适用于用户希望路演视频与网页设计保持一致的场景
• •详见：references/design-system-import-guide.md

与 ppt-generator 协同

• •ppt-generator 生成 PPT 内容（JSON）
• •ppt-roadshow-generator 接收 JSON，继续处理
• •适用于用户已使用 ppt-generator 生成内容的场景

与 nanobanana-ppt-visualizer 协同

• •nanobanana 生成图片和播放器
• •ppt-roadshow-generator 使用图片，添加配音、音效、字幕
• •适用于用户已有图片，需要完整路演视频的场景

可选分支

• •仅生成结构化文档：执行角色一、角色二
• •仅生成图片：执行角色一到角色五
• •仅生成演讲稿：执行角色一到角色六
• •快速模式：使用默认品牌风格，跳过角色三

资源索引

• •品牌风格学习：见 scripts/style_learner.py（用途：学习用户提供的品牌风格，或加载已有配置）
• •音频处理：见 scripts/audio_processor.py（用途：TTS 配音、音效、音乐）
• •字幕生成：见 scripts/subtitle_generator.py（用途：生成和同步字幕）
• •视频合成：见 scripts/roadshow_composer.py（用途：一键合成完整视频）
• •品牌风格指南：见 references/brand_style_guide.md（用途：品牌风格学习指南）
• •设计系统导入：见 references/design-system-import-guide.md（用途：从 web-design-analyzer 导入设计系统）
• •演讲稿模板：见 references/roadshow_script_template.md（用途：演讲稿写作参考）
• •协同指南：见 references/collaboration_guide.md（用途：与其他 Skill 协同）
• •示例音乐：见 assets/music/（可选：背景音乐文件）
• •品牌风格示例：见 assets/styles/（可选：品牌风格示例）

注意事项

• •十角色协作流程，确保每一步输出为下一步输入
• •品牌风格学习是保持一致性的关键，建议用户首次使用时提供样例
• •配音功能需要 TTS API 密钥，通过 skill_credentials 工具配置
• •音乐使用 assets/music/ 中的示例或用户上传的文件
• •视频合成使用 FFmpeg，确保已安装
• •支持一次性生成 15-100 页，风格保持一致
• •保持与用户的互动，在关键节点（如风格确认）征求反馈

使用示例

示例 1：从文档生成完整路演视频

• •功能说明：完整的十角色协作流程
• •执行方式：智能体（10 个角色） + 脚本
• •关键参数：文档路径、品牌样例（可选）、页数（如 15 页）
• •输出：完整路演视频（含配音、音效、音乐、字幕）

示例 2：学习品牌风格后生成

• •功能说明：先学习品牌风格，再生成视频
• •执行方式：智能体 + 脚本
• •流程：
  1. •用户提供品牌样例
  2. •品牌风格分析师学习并保存
  3. •后续生成时自动应用

示例 3：从网页设计导入品牌风格（新增）

• •功能说明：导入从网页分析中提取的设计系统，生成风格一致的路演视频
• •执行方式：web-design-analyzer + ppt-roadshow-generator
• •流程：
  1. •web-design-analyzer 分析网页截图
  2. •转换为 brand_style.json
  3. •ppt-roadshow-generator 导入品牌风格
  4. •生成路演视频

示例 4：与 ppt-generator 协同

• •功能说明：使用 ppt-generator 的内容，生成路演视频
• •执行方式：ppt-generator + ppt-roadshow-generator
• •流程：
  1. •ppt-generator 生成 JSON
  2. •ppt-roadshow-generator 接收 JSON，继续处理

示例 5：批量生成 100 页视频

• •功能说明：一次性生成 100 页风格统一的视频
• •执行方式：智能体 + 脚本
• •关键：品牌风格学习确保一致性
• •优势：风格统一，无需人工干预