营销号视频生成器（Python）

网上最近很火的段子是各种营销号的文案，比方说下面的段子

核桃核不能吞下去是怎么回事呢？核桃核相信大家都很熟悉，但是核桃核不能吞下去是怎么回事呢，下面就让小编带大家一起了解吧。核桃核不能吞下去，其实就是核桃核太大了，吞下去容易噎着，大家可能会很惊讶核桃核怎么会不能吞下去呢？但事实就是这样，小编也感到非常惊讶。这就是关于核桃核不能吞下去的事情了，大家有什么想法呢，欢迎在评论区告诉小编一起讨论哦！

其实我平时见到这些文案或者视频都很少，因为我没用过今日头条、抖音之类的 APP

然后我就在想，如果指定文案、BGM、视频，给定这三个东西，能否批量生成营销号视频，于是就有了这个项目

项目说明我录了个视频放在 B 站了，源码放在了 Github

B 站视频讲解

源码

下面详细说明一下代码吧

设计思路

首先我把这个程序分为了以下几步：

1. 剪裁视频→getVideo()
2. 将台词写入文本→getText(file)
3. 获取视频总时长→getLength(video)
4. 给视频添加背景音乐→add_audio(video, mp3, output='out.mp4')
5. 给视频添加字幕→subTitle(text_file, video_file, output='out_sub.mp4')
6. 文本转人声→讯飞 API
7. 给视频添加人声→add_people(mp3_file, video_file)
8. 清除中间生成的文件→clean()

1. 裁剪视频

对于大部分营销号视频来说，长度都在 45 秒左右，我也没有弄的太复杂，就直接将给定的 mp4 文件的前 50 秒保留了下来，其余的部分不要

def getVideo():
    cmd =  'ffmpeg -y -i in.mp4 -ss 00:00:00 -t 00:00:50 -acodec copy -vcodec copy -async 1 in_sub.mp4'
    subprocess.call(cmd, shell=True)

上面代码的意思是在 cmd 命令行中执行 cmd 这句命令，这个命令的意思是将 in.mp4 从 0 秒开始，裁剪到 50 秒，并保存为 in_sub.mp4 文件

2. 将台词写入文本

这个其实是最简单的，网上有很多 “营销号文案生成器”，我随便找了个源码借鉴了下。首先你需要在一个文本文件中设定好主体、事件、另一种说法，例如

那么他就会生成文案

核桃核不能吞下去是怎么回事呢？核桃核相信大家都很熟悉，但是核桃核不能吞下去是怎么回事呢，下面就让小编带大家一起了解吧。核桃核不能吞下去，其实就是核桃核太大了，吞下去容易噎着，大家可能会很惊讶核桃核怎么会不能吞下去呢？但事实就是这样，小编也感到非常惊讶。这就是关于核桃核不能吞下去的事情了，大家有什么想法呢，欢迎在评论区告诉小编一起讨论哦！

其实非常简单，就是一个字符串替换

def getText(file): # 组装台词
    with open(file) as f:
        body = f.readline().strip()
        thing = f.readline().strip()
        other_word = f.readline().strip()
    
    # 主题框架
    txt = '''{}{}是怎么回事呢？:4:0
{}相信大家都很熟悉，但是{}{}是怎么回事呢？:7:4
下面就让小编带大家一起了解吧:3:11
{}{}，其实就是{}:8:15
大家可能会很惊讶{}怎么会{}呢？:6:23
但事实就是这样，小编也感到非常惊讶:5:29
这就是关于{}{}的事情了，大家有什么想法呢？:6:34
欢迎在评论区告诉小编一起讨论哦！:5:40'''.format(body, thing, body, body, thing, body, thing, other_word, body, thing, body, thing)

    # 台词写入
    with open('text.txt', mode='w') as f:
        f.write(txt)

文本后面的数字代表意思分别是字幕的持续时间、开始出现的时间。比方说下面就让小编带大家一起了解吧这句话就会从第 11 秒开始出现，持续显示 3 秒

3. 获取视频总时长

做这一步主要是考虑到 BGM 和视频应该差不多时长，假如 BGM 有 60 秒，视频只有 50 秒，那就会出现这样一个现象，整个视频的时长是 60 秒，但是当视频播放到第 50 秒之后，画面就不变化了，而 BGM 还在播放

所以这里获取的视频时长，是为了后面剪裁 BGM 使用的

但是又有人可能会觉得，你一开始不是设定了 50 秒，那这里为啥还要动态获取时长，而不写 50 秒呢？因为我考虑到后面的可扩展性，如果有用户想要修改视频时长，比方说改为 60 秒，那代码就有很多地方也要修改。但是如果我用一个变量来代替，用户就只需要修改第一步里的视频时长即可

def getLength(video): # 获取视频时长
    cmd = 'ffprobe -v quiet -select_streams v -show_entries stream=duration -of csv="p=0" {video}'.format(video=video)
    seconds = os.popen(cmd, 'r')
    seconds = math.ceil(float(seconds.read()))
    m, s = divmod(seconds, 60)
    h, m = divmod(m, 60)
    return "%02d:%02d:%02d" % (h, m, s)

由于 ffmpeg 这个库对时间的格式有要求，必须是 00:00:00 这种格式，所以我稍微做了一些处理

4. 给视频添加背景音乐

这一步里面又分三小步

1. 裁剪 BGM
2. 降低 BGM 音量
3. 给视频添加 BGM

为什么要降低 BGM 音量，是因为我在后续测试的过程中发现 BGM 声音有点太大了，掩盖住了人声

def add_audio(video, mp3, output='out.mp4'): # 将背景音乐添加到视频中
    BGM = 'ffmpeg -i {mp3} -ss 00:00:00.0 -t {time} -acodec copy BGM.mp3'.format(mp3=mp3, time=total_time)
    subprocess.call(BGM, shell=True)

    volume = 'ffmpeg -i BGM.mp3 -vcodec copy -af "volume=-20dB" BGM_volume.mp3'
    subprocess.call(volume, shell=True)
    
    command = "ffmpeg -i {mp3} -i {video} -y {output}".format(video=video, mp3='BGM_volume.mp3', output=output)
    subprocess.call(command, shell=True)

5. 给视频添加字幕

添加字幕我用的是 moviepy 这个库，它里面有一个 TextClip 方法，参数有很多，可以非常方便的添加字幕对象，然后将这些对象和视频对象一起进行整合，就可以了

def subTitle(text_file, video_file, output='out_sub.mp4'):
    video1 = VideoFileClip(video_file)
    sentences = [] # 台词列表
    with open(text_file) as f:
        text_tmp = f.readlines()
        for i in text_tmp:
            sentences.append(i.strip().split(':'))
    print(sentences)
    
    txts = [] # 所有字幕剪辑
    with open('args.txt') as f:
        color = f.readlines()[4].strip()
        for sentence, span, start in sentences:
            txt = (TextClip(sentence, fontsize=50, align='center', color=color, font='SimHei')
                    .set_position(("center","bottom")).set_duration(int(span)).set_start(int(start)))
            txts.append(txt)

    video2 = CompositeVideoClip([video1, *txts])
    video2.write_videofile(output)

6. 文本转人声

所有的步骤都可以自己完成，唯独文本转人声不行，只能调用第三方接口，百度、腾讯、讯飞都可以，这里我用的讯飞的接口

代码也是使用的讯飞提供的 demo (python3)，由于太多了，就不在这放出来了

实现的时候有一个细节要提一下，就是如何做到字幕和人声同步

从上面的添加字幕可以看出，字幕的各种时间都是设定死的，那么能操作的也就是有人声了。具体操作我是这样做的，每一个字幕，生成一个人声，一共有 8 段字幕，所以我有 8 个 mp3 文件，由于人声是无法设置持续时间的，只能设置什么时间开始发声，即只能设置开始时间，所以我把每一个 mp3 文件的开始时间都设置成每个字幕的开始时间相同。这样做就会出现一个现象，假设某一段文本非常短，很快就读完了，字幕也消失了，但是下一段字幕以及对应的人声不会立即出现，而是单纯的只有 BGM，只有等这段字幕和人声到点了，它们才会出现。不过我测试了实际效果并不突兀

7. 给视频添加人声

def addPeople(mp3_file, video_file):
    my_clip = VideoFileClip(video_file)
    audio_background = AudioFileClip(mp3_file)
    final_audio = CompositeAudioClip([my_clip.audio, audio_background])
    final_clip = my_clip.set_audio(final_audio)
    final_clip.write_videofile('final.mp4')

8. 清除中间生成的文件

这步也非常简单，因为使用 ffmpeg 库的时候，中间有一些临时保存的 mp3、mp4 文件，在最后的时候删除掉就行了

def addPeople(mp3_file, video_file):
    my_clip = VideoFileClip(video_file)
    audio_background = AudioFileClip(mp3_file)
    final_audio = CompositeAudioClip([my_clip.audio, audio_background])
    final_clip = my_clip.set_audio(final_audio)
    final_clip.write_videofile('final.mp4')

以上就是这个项目的几乎全部代码说明