Video Material GEN Workstation

Video Material GEN Workstation 是一个面向短视频创作者的 本地化 AI 内容生成与项目管理工具。它将内容策划、AI 文案生成、TTS 配音、AI 图片合成、字幕提取和自由创作整合到一个界面中，帮助用户高效管理每期视频项目，减少重复劳动。

核心功能一览

• 按模板批量生成视频项目：一次配置，自动生成脚本、AI 图片、配音和字幕文件。
• Gemini + TTS 联动：AI 不仅能改写文案，还能根据情感提示生成带语气的语音。
• 图文分轨管理：在前端可随时替换图片、音频或字幕，并实时预览合成效果。
• 素材集中管理：角色设定、场景描述、提示词模板统一维护，支持一键复制复用。
• 字幕自动提取：通过 ASR（语音识别）从生成的语音中提取字幕，适配剪辑流程。

快速部署指南

1. 配置环境
   复制 env.example.yaml 为 env.yaml，填入你的：
   • Gemini API Key 与 Base URL
   • TTS 服务密钥（如 ElevenLabs、Azure 等）
   • 默认项目根目录（可选，用于存放生成文件）
2. 安装与启动

   npm install
   npm start
   

   或直接双击 start.bat（Windows），服务默认运行在 http://localhost:8765。

功能模块说明

• 项目总览
  以卡片形式展示所有视频项目，显示输出路径、创建时间，支持一键删除，便于整理。
• AI 文案生成
  结构化展示分镜脚本，左侧勾选场景，右侧自动加载对应提示词，支持复制整段或单条文案。
• TTS 配音合成
  支持单条与批量语音生成，可指定情感风格（如“兴奋”“沉稳”），输出音频文件自动归档。
• AI 图片生成
  基于 NanoBanana（本地部署的 AI 绘图模型），通过反向代理调用 AI Studio 接口。支持：
  • 角色/背景提示词管理
  • 参考图上传
  • 分辨率与宽高比设置
  • 历史生成记录回溯
• 字幕生成（ASR）
  在 TTS 界面点击“字幕生成”，调用配套工具自动从语音生成 .srt 字幕文件。该功能依赖外部 ASR 服务（如 Whisper），代码已集成开源实现。
• 自由创作与提示词库
  内置常用提示词收藏夹，可一键复制；同时提供自由绘图面板，适合手动调整素材。

使用注意事项

• 文案生成依赖 n8n（可选）
  原作者提到早期版本通过 n8n 自动化流程调用 Gemini，但相关配置文件已遗失。当前版本可直接在界面输入提示词生成文案，n8n 非必需。
• 字幕提取需配合外部服务
  推荐搭配作者开源的 n8n-http-tools 或其他 ASR 工具使用。B 站高播放视频的字幕也可作为学习参考。
• 定位是“辅助管理”，非全自动爆款机
  项目核心价值在于提升内容生产效率，而非替代创作。脚本逻辑、选题策略、节奏把控仍需人工主导。如作者所言：“视频能否爆，还得靠自己动脑子。”

适合谁用？

• 需要批量制作短视频的自媒体运营者
• 想本地化部署 AI 工具链的技术型创作者
• 希望统一管理脚本、配音、素材的独立视频团队