# AiVedio

**Repository Path**: ky_ky/ai-vedio

## Basic Information

- **Project Name**: AiVedio
- **Description**: Ai一键生成视频教学系统
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2026-09-13
- **Last Updated**: 2026-09-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI 教学视频自动生成系统

🎬 自动化生成教学视频的完整工作流系统，支持自定义时长和场景数量。

## ✨ 功能特性

- 🤖 **AI 脚本生成** - 使用本地 Ollama 或 DeepSeek API 自动生成教学脚本
- 🎨 **信息图风格** - 数据驱动、结构化的信息图风格内容生成（NEW!）
- 🎙️ **智能配音** - Edge-TTS 高质量中文语音合成
- 🖼️ **精美画面** - 自动生成渐变风格场景图片（支持 Nano Banana AI 图像生成）
- 🎥 **视频合成** - FFmpeg 自动合并音画
- 🎬 **电影式动画** - 场景切换动画、进度可视化（NEW!）
- 📱 **现代 UI** - React + Vite 响应式前端，支持视频在线预览
- ⚡ **异步任务** - Celery + Redis 处理耗时任务，实时进度反馈

## 🛠️ 技术栈

### 后端
- **框架:** FastAPI + Celery + Redis
- **LLM:** Ollama (本地) / DeepSeek API (云端)
- **TTS:** Edge-TTS (微软语音合成)
- **音视频:** FFmpeg + MoviePy + Pillow
- **数据库:** SQLite + SQLAlchemy

### 前端
- **框架:** React 18 + Vite
- **HTTP:** Axios
- **样式:** 原生 CSS + 现代渐变设计

## 🚀 快速开始

### 环境要求

- Python 3.10+
- Node.js 18+
- Redis
- FFmpeg
- Ollama (可选，推荐本地运行)

### 1. 创建 Conda 环境

```bash
# 创建并激活环境
conda create -n aivedio python=3.10
conda activate aivedio

# 安装后端依赖
cd backend
pip install fastapi uvicorn celery redis sqlalchemy pydantic pydantic-settings \
    httpx aiofiles python-multipart edge-tts moviepy pillow python-dotenv
```

### 2. 配置环境变量

```bash
cp backend/.env.example backend/.env
# 编辑 .env 配置 LLM 提供商和 API 密钥
```

**LLM 配置选项：**

```env
# 使用本地 Ollama（推荐）
LLM_PROVIDER=ollama
OLLAMA_BASE_URL=http://localhost:11434
OLLAMA_MODEL=qwen2.5:7b

# 或使用 DeepSeek API
LLM_PROVIDER=deepseek
DEEPSEEK_API_KEY=your_api_key_here
```

### 3. 启动 Redis

```bash
# macOS
brew services start redis

# Linux
sudo systemctl start redis

# 或使用 Docker
docker run -d -p 6379:6379 redis:alpine
```

### 4. 启动后端服务

```bash
cd backend

# 激活 conda 环境
conda activate aivedio

# 启动 FastAPI 服务
uvicorn app.main:app --reload --port 8000

# 另开终端启动 Celery Worker
celery -A app.tasks worker --loglevel=info
```

### 5. 启动前端

```bash
cd frontend
npm install
npm run dev
```

访问 http://localhost:5173 开始使用！

## 📁 项目结构

```
AiVedio/
├── backend/                 # Python 后端
│   ├── app/
│   │   ├── main.py         # FastAPI 入口
│   │   ├── config.py       # 配置管理
│   │   ├── database.py     # 数据库连接
│   │   ├── models/         # 数据库模型
│   │   ├── api/            # API 路由
│   │   │   ├── video.py    # 视频 CRUD API
│   │   │   └── websocket.py # WebSocket 进度推送
│   │   ├── services/       # 业务逻辑
│   │   │   ├── deepseek.py # LLM 服务
│   │   │   ├── tts.py      # 语音合成
│   │   │   ├── ffmpeg.py   # 音视频处理
│   │   │   └── nano_banana.py # AI 图像生成
│   │   └── tasks/          # Celery 异步任务
│   │       └── video_generation.py
│   └── .env.example
├── frontend/                # React 前端
│   ├── src/
│   │   ├── App.jsx         # 主应用
│   │   ├── api/            # API 客户端
│   │   └── components/     # UI 组件
│   │       ├── TopicInput.jsx
│   │       ├── ScriptPreview.jsx
│   │       ├── ProgressTracker.jsx
│   │       └── VideoList.jsx
│   └── package.json
└── storage/                 # 媒体文件存储
    ├── audio/              # TTS 音频
    ├── images/             # 场景图片
    ├── videos/             # 视频片段
    └── final/              # 最终输出
```

## 🎯 工作流程

```mermaid
graph LR
    A[输入主题] --> B[LLM 生成脚本]
    B --> C[预览/编辑脚本]
    C --> D[生成 TTS 配音]
    D --> E[生成场景图片]
    E --> F[合成视频]
    F --> G[在线预览/下载]
```

1. **输入主题** → 用户设置主题、时长、场景数
2. **生成脚本** → LLM 生成结构化教学脚本（包含旁白和画面描述）
3. **预览编辑** → 用户可编辑每个场景的内容
4. **生成配音** → Edge-TTS 为每个场景生成中文语音
5. **生成图片** → 自动生成精美渐变场景图（或使用 AI 生成）
6. **合成视频** → FFmpeg 将图片、音频合成为完整视频
7. **预览下载** → 在线预览播放或下载视频文件

## 📋 开发路线图

- [x] 项目初始化与架构搭建
- [x] MVP: 静态图 + TTS 幻灯片视频
- [x] 前端 UI 完善（视频列表、进度追踪、预览播放）
- [x] 本地 Ollama 支持
- [x] 视频在线预览播放器
- [x] 🎨 **信息图风格优化** - 数据驱动、结构化内容生成
- [x] 🎬 **电影式动画系统** - 场景切换、进度可视化
- [x] 🔧 **提示词增强服务** - 智能场景检测、AI 绘图优化
- [ ] 集成 Nano Banana AI 图像生成
- [ ] 集成 Wan2.2 动态视频生成
- [ ] Docker 一键部署
- [ ] 字幕支持

## 🎨 最新更新：信息图风格优化

**完成时间**: 2026-01-24

### 核心改进
1. ✅ **LLM 提示词优化** - 生成数据丰富、结构化的脚本
2. ✅ **提示词增强服务** - 5种风格 + 6种场景类型
3. ✅ **智能场景检测** - 自动识别场景类型并优化
4. ✅ **端到端测试** - 完整测试套件验证

### 效果提升
- 旁白字数：15-20字 → 30-40字 (+100%)
- 数据包含率：20% → 90% (+350%)
- 画面描述：简单 → 详细（布局+元素+配色）
- JSON 解析成功率：60% → 100%

### 快速体验
```bash
# 测试信息图风格生成
python backend/test_simple_infographic.py

# 测试端到端流程
python backend/test_end_to_end.py
```

### 详细文档
- 📖 [完整优化文档](INFOGRAPHIC_OPTIMIZATION.md)
- 📘 [快速使用指南](backend/INFOGRAPHIC_USAGE.md)
- 📝 [优化总结](OPTIMIZATION_SUMMARY.md)

## 🔧 配置说明

| 配置项 | 说明 | 默认值 |
|--------|------|--------|
| LLM_PROVIDER | LLM 提供商 (ollama/deepseek) | ollama |
| OLLAMA_MODEL | Ollama 模型名称 | qwen2.5:7b |
| TTS_VOICE | TTS 语音角色 | zh-CN-XiaoxiaoNeural |
| DEFAULT_VIDEO_DURATION | 默认视频时长（秒） | 60 |
| DEFAULT_SCENE_COUNT | 默认场景数量 | 6 |

## 🤝 贡献

欢迎提交 Issue 和 Pull Request！

## 📄 License

MIT License