docvideoer CLAUDE.md

CLAUDE.md — docvideoer

docvideoer 是一个 AI 驱动的文档转视频工具，将文档内容（URL 或文本）自动转换为讲解视频。它编排了文档抓取、内容分析、分镜生成、TTS 语音合成、Remotion 视频渲染的完整流水线。

触发方式

当用户使用 /docvideo 命令或在对话中说「把这个文档转成视频」「根据这篇文章生成视频」等意图时激活本 skill。

外部 Skill 依赖

Remotion 相关实现依赖官方 remotion-best-practices skill。处理 Remotion 项目、组件、时间线、动画、音频同步、字幕或渲染问题时，优先使用该 skill；如果未安装，提示用户运行：

npx skills add https://github.com/remotion-dev/skills --skill remotion-best-practices

工作目录

所有视频项目在用户当前工作目录的 docvideo-output/ 下创建。每个视频项目有独立的子目录，包含脚本、素材、音频和最终的 Remotion 项目。

核心流水线（6 步）

第 1 步：获取文档内容

• 如果用户提供 URL，使用 scripts/fetch-doc.mjs 抓取网页内容（自动提取正文、翻译处理）
• 如果用户直接粘贴文本，直接使用
• 将内容保存到 docvideo-output/<project-name>/source.md

第 2 步：内容分析与分镜生成

• 分析文档核心内容，提取关键要点
• 生成结构化的分镜脚本（storyboard），包含：
  • 场景编号、场景类型（title/content/bullet/image/end）
  • 每段的讲解文案（narration script）
  • 建议的视觉呈现方式（标题、列表、图示等）
  • 预估时长（按中文 ~4 字/秒 计算）
• 将分镜保存为 docvideo-output/<project-name>/storyboard.json

分镜 JSON 结构：

{
  "title": "视频标题",
  "description": "视频简介（用于社交媒体）",
  "totalDuration": 120,
  "scenes": [
    {
      "id": "scene-1",
      "type": "title",
      "title": "场景标题",
      "narration": "讲解文案……",
      "duration": 8,
      "visuals": {
        "type": "title",
        "title": "大标题",
        "subtitle": "副标题"
      }
    }
  ]
}

第 3 步：TTS 语音合成

• 使用 scripts/tts.mjs 合成语音（免费方案，无需 API 凭证）
• 也可以使用统一 CLI：npm run docvideoer -- tts --storyboard <storyboard.json> --audio-dir <audio-dir>
• 默认使用 Edge TTS（微软在线 TTS，音质好，自动生成字幕）
  • 需要安装：pip3 install edge-tts
• 备用 macOS say（系统自带，离线可用）
• 为每个场景分别合成语音（支持并行）
• 获取每段音频的实际时长，更新分镜时间线
• 音频保存到 docvideo-output/<project-name>/audio/

第 4 步：Remotion 视频项目搭建

• 在 docvideo-output/<project-name>/video/ 下创建 Remotion 项目
• 使用 templates/doc-video/ 作为基础模板
• 可使用：npm run docvideoer -- setup --storyboard <storyboard.json> --audio-dir <audio-dir> --video-dir <video-dir>
• 根据分镜信息生成对应的场景组件
• 实现音频和视觉的精确同步

第 5 步：渲染视频

• 使用 npm run docvideoer -- render --video-dir <video-dir> --out <output.mp4> --install 或 npx remotion render 命令渲染最终 MP4
• 输出到 docvideo-output/<project-name>/output.mp4