简体中文 | English

⚡ CodexReel: 让AI替你拍短视频

🚀 用AI精准打造爆款短视频，文章秒变流量密码

📖 项目介绍

CodexReel 是一个基于 AI 的智能视频生成平台，能够将普通文章一键转化为高质量、富有表现力的互动式视频内容。借助先进的多模态大语言模型（LLM）技术，我们让内容创作变得更简单、更高效、更具传播力。

无论是新闻资讯、科技文章、还是公众号推文，只需提供 URL，CodexReel 即可自动完成内容理解、脚本生成、素材匹配、语音合成与视频剪辑，输出可用于社交平台发布的专业级短视频。

✨ 核心功能

功能模块	描述说明
🤖 智能内容理解	自动提取文章核心信息，生成结构化脚本
🎭 多角色对话生成	将内容转化为生动的多人物对话形式，提升趣味性
🔍 智能素材匹配	基于语义分析自动匹配相关视频与图片素材
🗣️ AI 语音合成	支持多角色自然语音配音，情感丰富、音色多样
🎥 全流程视频制作	自动完成剪辑、字幕添加、画面合成等后期处理

🎯 应用场景

• 📰 新闻资讯视频化：快速将热点新闻转化为短视频，抢占流量先机
• 📚 文章内容可视化：把枯燥的文字变成有声有色的视频，增强传播力
• 🎤 播客内容制作：自动生成对话式播客，节省录制与编辑时间
• 📱 批量短视频生产：适用于自媒体运营、企业宣传、知识科普等领域
• 🎮 游戏攻略视频化：将游戏资讯、操作指南等内容快速生成视频

📂 示例展示

注意：以下示例视频经过剪辑压缩，仅展示部分效果。完整视频可通过点击标题查看原文后自行生成。

📄 原文参考：《为了电动车，美国十七州“怒告”特朗普》

▶️播客	▶️相声	▶️脱口秀
podcast.mp4	crosstalk.mp4	talkshow.mp4

🛠️ 技术栈

• 后端框架：FastAPI
• 前端界面：Streamlit
• AI 引擎：Deepseek API
• 语音合成：Tongyi TTS
• 视频处理：FFmpeg
• 数据存储：SQLite

🚀 快速开始

系统要求

• Python 3.10 或以上版本
• FFmpeg 已安装并配置环境变量
• ImageMagick（用于图像处理）

安装步骤

# 克隆项目仓库
git clone https://github.com/chenwr727/CodexReel.git
cd CodexReel

# 创建并激活虚拟环境
conda create -n url2video python=3.10
conda activate url2video

# 安装依赖包
pip install -r requirements.txt
conda install -c conda-forge ffmpeg

配置文件设置

# 复制配置模板
cp config-template.toml config.toml

请编辑 config.toml 文件，填写以下必要参数：

• Deepseek Key
• Tongyi TTS 密钥
• Pexels 或 Pixabay API Key
• 可选：其他高级配置项

🖥️ 使用方式

启动 Web 界面

# 启动后端服务
python app.py

# 启动前端界面
streamlit run web.py --server.port 8000

命令行运行

# 转换单篇文章为视频
python main.py https://example.com/article

📂 项目结构概览

CodexReel/
├── api/                    # API接口模块
│   ├── crud.py             # 数据库操作
│   ├── database.py         # 数据库配置
│   ├── models.py           # 数据模型
│   ├── router.py           # 路由定义
│   └── service.py          # 业务逻辑
├── schemas/                # 数据模型定义
│   ├── config.py           # 配置模型
│   ├── task.py             # 任务模型
│   └── video.py            # 视频模型
├── services/               # 外部服务集成
│   ├── material/           # 视频素材服务
│   │   ├── base.py         # 视频素材基础接口
│   │   ├── pexels.py       # Pexels服务
│   │   └── pixabay.py      # Pixabay服务
│   ├── tts/                # TTS服务
│   │   ├── base.py         # TTS基础接口
│   │   ├── dashscope.py    # DashScope服务
│   │   ├── edge.py         # Edge服务
│   │   └── kokoro.py       # Kokoro服务
│   ├── llm.py              # LLM服务
│   └── video.py            # 视频处理服务
├── utils/                  # 工具模块
│   ├── config.py           # 配置管理
│   ├── log.py              # 日志工具
│   ├── subtitle.py         # 字幕处理
│   ├── text.py             # 文本处理
│   ├── url.py              # URL处理
│   └── video.py            # 视频工具
├── app.py                  # FastAPI 入口
├── main.py                 # 主程序入口
└── web.py                  # Web 界面入口

🤝 贡献指南

我们欢迎任何形式的贡献！无论是代码提交、文档完善、UI 设计，还是测试反馈，都对项目发展至关重要。

1. Fork 本仓库
2. 创建新特性分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add amazing feature')
4. 推送至远程仓库 (git push origin feature/amazing-feature)
5. 发起 Pull Request

📄 开源协议

MIT License

🙏 致谢

• 受 NotebookLlama 项目启发
• 感谢所有开发者、测试者和用户的支持与参与