1. 项目简介

项目源码地址：https://github.com/iioSnail/read_video_generation

我们经常在B站或其他视频网站上看到那种逐条读单词的视频，但他们的视频多多少少和我们的预期都不太一致。

然而，网上很难找到和自己需求符合的视频。既然找不到，那么我们就自己制作。虽然我不知道他们的视频是怎么做的，但我们程序员可以用Python做。

使用Python生成的视频效果如下：

虽然目前有点丑，但我会不断迭代

2. 项目使用

2.1 功能介绍

本项目可以很方便的生成读任何中、英文的视频（若有需要也可以加入其他语言）。用户只需要上传excel，配置相应参数即可。

没有Python基础，可参考 “2.2 节 使用Colab生成视频”

项目支持的详细参数如下：

>> python gene_video.py -h
usage: gene_video.py [-h] [--filename FILENAME] [--repeat-times REPEAT_TIMES] [--interval INTERVAL] [--inner-interval INNER_INTERVAL] [--max-minutes MAX_MINUTES] [--video] [--no-video] [--background-color BACKGROUND_COLOR][--font-color FONT_COLOR] [--video-width VIDEO_WIDTH] [--video-height VIDEO_HEIGHT] [--max-font-size MAX_FONT_SIZE] [--cache-dir CACHE_DIR] [--output-dir OUTPUT_DIR]optional arguments:-h, --help            show this help message and exit--filename FILENAME   单词文件的路径--repeat-times REPEAT_TIMES重复次数--interval INTERVAL   两个单词的间隔时间(ms)--inner-interval INNER_INTERVAL单词和释义的间隔时间(ms)--max-minutes MAX_MINUTES单个音频最大时长(分钟)--video               生成视频--no-video            不生成视频--add-volume          加减音量（分贝）。例如：10是音量加10分贝，-10是减10分贝--low-pass-filter     过滤高音部分（护耳）。例如：8000表示过滤掉频率超过8k的频率--background-color BACKGROUND_COLOR视频背景色--font-color FONT_COLOR文字颜色--video-width VIDEO_WIDTH视频宽--video-height VIDEO_HEIGHT视频高--max-font-size MAX_FONT_SIZE最大字体大小--cache-dir CACHE_DIR生成的临时文件存放的目录--output-dir OUTPUT_DIR输出文件的目录

假设我们的需求为：① 读一遍中文、读一遍英文。② 屏幕上要显示例句，但不读。③ 每个单词重复两遍。

假设我们需要生成读“单词+例句”的视频，我们需要遵循以下步骤：

1. 准备好我们的单词excel（或csv），例如：

单词	中文	例句	例句释义
morning	早上	Good morning.	早上好！
…	…	…	…

2. 配置好环境（怕麻烦或不会弄可以参考2.2节使用Colab生成视频），安装相关依赖。

pip install -r requirements.txt

3. 安装ffmpeg，代码的部分库需要依赖它。

4. 执行命令，生成视频。

python gene_video.py --filename ./samples/xxx.xlsx \--read-columns  单词,中文 \--show-columns  单词,中文,例句,例句释义 \--repeat-times 2

2.2 使用Colab生成视频

相比本地部署，我推荐使用Colab进行视频生成。

Colab是一个Google的AI训练平台，提供Python运行环境。在不使用GPU的情况下，基本上可以免费无限使用。

主要理由有：

• 本地部署麻烦，使用Colab可以免部署
• 使用Colab可以挂载Google Drive，方便保存视频。
• 项目需要用到Google Translation进行文本转语音，本地部署可能访问不了。

使用Colab只需要访问该链接，然后更改你需要的参数，运行即可。

需要想办法上Google。网络也要稳定，中间如果断网较长时间，则生成会被终止。

3. 项目原理介绍

本项目生成视频的流程如下：

该流程中，主要用到了以下库：

• pandas：用于读取Excel、CSV等
• PIL：内置库，用于生成图片
• pydub：用于处理音频
• cv2：用于生成视频
• moviepy：用于处理视频

读取文件关键代码：

import pandas as pd# 使用pandas读取excel文件
if self.args.filename.endswith(".xlsx") or "".endswith(".xls"):data = pd.read_excel(self.args.filename, dtype=str)
elif self.args.filename.endswith(".csv"):data = pd.read_csv(self.args.filename, dtype=str)# 逐行遍历，将需要用到的数据放入data_list
data_list = []
for i, row in data.iterrows():...

生成图片关键代码：

from PIL import Image, ImageDraw, ImageFontfont_file = "./assets/font.TTF"  # 加载字体文件
font_size = self._auto_font_size(text, font_file)  # 自动尝试合适的字体大小，详见源码
font = ImageFont.truetype(font_file, font_size)width, height = self.args.video_width, self.args.video_height
line_spacing = 50  # 行间距
image = Image.new("RGB", (width, height), self.args.background_color)  # 新建图片
draw = ImageDraw.Draw(image)  # 绘制图片# 定义一个绘制多行文本的box框
bbox = draw.multiline_textbbox((0, 0, width, height), text, font=font)# 第一行文本的y坐标
text_y = (height - bbox[3]) // len(lines)# 逐行绘制文字
lines = text.split('\n')
for line in lines:line_bbox = draw.textbbox((0, 0, width, height), line, font)line_width, line_height = line_bbox[2], line_bbox[3]draw.text(((width - line_width) // 2, text_y), line, font=font, fill=self.args.font_color)text_y += line_height + line_spacing  # Move to the next lineimage.save(cache_file)

生成视频的关键代码：

frame_size = 10  # 每秒10帧
width = 1920  # 视频尺寸为1920x1080
height = 1080
video = cv2.VideoWriter(str(video_file), cv2.VideoWriter_fourcc('m', 'p', '4', 'v'), frame_size, (width, height))frame = int(duration / 1000 * frame_size)  # 计算对某张图片要写入的帧数image = cv2.imread(str(image))
for _ in range(frame):video.write(image)video.release()

文本转语音关键代码：

from gtts import gTTSdef has_chinese(content: str):for char in content:if '\u4e00' <= char <= '\u9fff':return Truereturn Falsecontent = "hello"  # 要读的内容
if has_chinese(content):  # 判断内容内容中是否包含中文lang = 'zh'
else:lang = 'en'tts = gTTS(content, lang=lang, tld='us')  # tld为地区，即用哪个地区的口音（默认用us）
tts.save("XXX.mp3")  # 保存的路径

将若干单词音频合成音频，并调节相关参数：

from pydub import AudioSegment# 加载音频
audio = AudioSegment.from_mp3("XXX.mp3")
# 在该单词的音频前后各增加100ms的渐进
audio = audio.fade_in(100).fade_out(100)
# 增加一段无声的间隔，用于插入两个单词之间
interval = AudioSegment.silent(duration=500, frame_rate=audio.frame_rate)
# XXX.mp3读两遍，中间增加500ms的无声音频
audio = audio + interval + audio
# 过滤掉3000hz以上的高频部分，这样耳朵听起来舒服一些
audio = audio.low_pass_filter(3000)
# 导出wav格式
audio.export(str("output.wav"), format("wav"))

将视频和音频和起来的关键代码：

from moviepy.editor import VideoFileClip, AudioFileClipvideo = VideoFileClip(video)  # 加载视频
audio = AudioFileClip(audio)  # 加载音频
video = video.set_audio(audio)  # 设置视频的音频
# 输出文件
video.write_videofile(str(output_path), fps=10, threads=cpu_count(), logger=None)
video.close()

详细代码请参考源码：https://github.com/iioSnail/read_video_generation