AI 小说推文自动化

小说文本一键转短视频（有声书 + AI 配图），适用于抖音 / 小红书等平台。

功能特点

• 全自动流水线 — 输入小说文本，输出可直接发布的竖屏短视频
• 多 LLM 后端 — OpenAI / DeepSeek / Gemini(免费) / Ollama(本地离线)，自动检测
• 多图片生成后端 — SiliconFlow(免费) / 阿里云万相 / Pollinations(免费无Key) / Together.ai / 本地SD
• 智能分段 — 规则分段 + LLM 智能分段，自动控制节奏
• TTS 配音 — 微软 edge-tts 免费高质量语音合成 + SRT 字幕
• Ken Burns 特效 — 图片自动缩放平移，告别静态幻灯片
• 断点续传 — 中断后从上次进度继续，不浪费已完成的工作
• 跨平台 — macOS / Linux / Windows，GPU 自动检测（CUDA > MPS > CPU）

流水线

小说文本 → 文本分段 → LLM生成图片Prompt → 云端/本地AI生图
                  ↘ edge-tts配音+字幕  ↘
                           FFmpeg Ken Burns合成 → 短视频.mp4

快速开始

安装

git clone https://github.com/tyxben/AI_novel.git
cd AI_novel

pip install -e .               # 基础依赖
pip install -e '.[cloud-image]' # + 云端生图（推荐）
pip install -e '.[gemini]'      # + Gemini LLM（免费）
pip install -e '.[all]'         # 全部安装

前置要求

• Python 3.10+
• FFmpeg（brew install ffmpeg / apt install ffmpeg）
• 至少一个图片生成 API Key（见下方环境变量配置）

环境变量

根据你使用的服务，设置对应的环境变量：

# === LLM（至少设一个，用于智能分段和 Prompt 生成）===
export GEMINI_API_KEY=xxx       # Google Gemini（免费 1000次/天）
export DEEPSEEK_API_KEY=xxx     # DeepSeek（极低成本）
export OPENAI_API_KEY=xxx       # OpenAI GPT

# === 图片生成（至少设一个）===
export SILICONFLOW_API_KEY=xxx  # 硅基流动（免费，推荐）
export DASHSCOPE_API_KEY=xxx    # 阿里云百炼万相（新用户100张免费）
export TOGETHER_API_KEY=xxx     # Together.ai（需绑卡）

# 也可以不设任何 Key：使用 simple 分段 + 本地关键词 Prompt + Pollinations 免费生图

运行

# 全流程: 小说 → 短视频
python main.py run input/novel.txt

# 断点续传
python main.py run input/novel.txt --resume

# 自定义配置
python main.py run input/novel.txt --config my_config.yaml

# 仅文本分段（预览）
python main.py segment input/novel.txt

# 查看处理进度
python main.py status workspace/novel/

配置

全局配置文件 config.yaml，可通过 --config 指定自定义配置。

核心配置

配置项	说明	可选值
llm.provider	LLM 后端	auto(默认) / openai / deepseek / gemini / ollama
imagegen.backend	图片生成后端	siliconflow(默认) / diffusers / together / pollinations / dashscope
segmenter.method	分段方式	simple(规则) / llm(智能)

图片生成后端对比

后端	费用	速度	质量	需要
siliconflow	免费	~4s/张	FLUX 高质量	API Key（免费注册）
dashscope	100张免费	~5s/张	万相高质量	阿里云账号
pollinations	完全免费	~10s/张	FLUX	无需任何配置
together	需绑卡	~3s/张	FLUX 高质量	API Key
diffusers	免费	~30s/张	一般	GPU + torch

其他配置

配置项	说明	默认值
segmenter.max_chars	每段最大字数	100
imagegen.width / height	图片尺寸	1024 x 1792
tts.voice	TTS 语音	zh-CN-YunxiNeural
tts.rate	语速调节	+0%
video.resolution	输出分辨率	[1080, 1920] (竖屏 9:16)
video.fps	帧率	30
video.bgm.path	背景音乐路径	空 (无 BGM)

项目结构

AI_novel/
├── main.py                 # CLI 入口 (Click)
├── config.yaml             # 全局配置
├── src/
│   ├── pipeline.py         # 流水线调度器
│   ├── config_manager.py   # 配置加载/验证
│   ├── checkpoint.py       # 断点续传
│   ├── logger.py           # Rich 日志
│   ├── llm/                # LLM 统一抽象层
│   │   ├── llm_client.py   #   ABC + 工厂 + 自动检测
│   │   ├── openai_backend.py   # OpenAI + DeepSeek
│   │   ├── gemini_backend.py   # Google Gemini
│   │   └── ollama_backend.py   # Ollama 本地
│   ├── segmenter/          # 文本分段 (simple/llm)
│   ├── promptgen/          # 小说→图片 Prompt 生成
│   ├── imagegen/           # 图片生成
│   │   ├── image_generator.py      # ABC + 工厂
│   │   ├── siliconflow_backend.py  # 硅基流动 FLUX
│   │   ├── dashscope_backend.py    # 阿里云万相
│   │   ├── pollinations_backend.py # Pollinations 免费
│   │   ├── together_backend.py     # Together.ai
│   │   └── diffusers_backend.py    # 本地 Stable Diffusion
│   ├── tts/                # edge-tts 配音 + 字幕
│   └── video/              # FFmpeg 视频合成 + Ken Burns
├── input/                  # 输入小说文本
├── presets/                # 风格预设
├── workspace/              # 工作目录 (自动生成，已 gitignore)
└── output/                 # 输出视频 (自动生成，已 gitignore)

零成本方案

不花一分钱也能跑通完整流水线：

1. LLM 用 Gemini（免费 1000次/天）或不用（segmenter.method: simple）
2. 图片用 SiliconFlow（免费注册）或 Pollinations（完全免费）
3. TTS 用 edge-tts（免费）
4. 视频合成用 FFmpeg（免费）

License

MIT