text2video是一个开源一键文本转视频的工具，工具可以将一段文本转换为视频，并保存到指定的本地，初衷是想实现小说的可视化阅读功能，具通过标点符号句号分段文本。
使用 stable-diffusion生成图片和 edge-tts转换语言，通过 OpenCV合并图片为 mp4 视频，字母贴在视频底部，音频控制画面播放时长，最后使用 FFmpeg合并音频和视频，非开箱即用的工具，需要一定的知识。
实现原理
- 将文本进行分段，现在没有想到好的办法，就是通过标点符号句号分段，分成一个个的句子
- 通过句子生成图片，生成声音，图片开源的有很多，本方案采用 stable-diffusion，语言转文字使用 edge-tts
- 在通过 opencv 将图片合并为视频，目前输出 mp4 格式的视频，句子作为字母贴到视频内容的底部区域。
- 音频是一个有时间概念的东西，恰好可以通过音频控制一张画面的播放时长
- 在通过 ffmpeg 将音频合并到原始视频中。
最终，一个有画面，有字幕，有声音的视频就出现了，咱们实现了一个 文本转视频。
本地开发
安装依赖
开发时，需要安装的环境是 macOS python 3.10.12，其他环境可能存在兼容性问题
pip install -r requirements.txt
生成 huggingface api key
token 申请地址：https://huggingface.co/settings/tokens
因为，该项目中使用了 huggingface 上的开源文生图模型生成图片，中文生成图片效果不大好，因此，本项目对中文进行了翻译，感谢有道，直接使用有道翻译，比较方便。翻译后，生成图的质量有一定的提高。
token 可以写入到 .env 文件里面
如果使用的 pollinations-ai ，则不填写 token 就 ok
相关导航
GPT4o-image-prompts：Nano Banana、GPT-5、GPT-4o、豆包 AI 图片提示词与实用案例分享
“gpt4o-image-prompts” 是由 GitHub 用户 songguoxs 维护的开源项目，聚合了 Nano Banana（nanobanana）/ GPT-5 / GPT-4o / 豆包 的图片提示词与示例案例。持续更新并分享适用于AI图像生成的高质量提示词。项目中包含丰富的创作案例，覆盖漫画风格插画、复古宝丽来照片、益智玩具角色、品牌字体、3D建模、广告设计、食物与运动结合等多种主题。这些提示词不仅详细描述了画面效果，还强调特定视觉风格，能为插画、广告、UI设计、品牌创意等领域提供灵感。
暂无评论...