開源 AI 影片生成器 auto-video-generateor，主題進去解說影片出來

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

打開 auto-video-generateor 的體驗站，你會拿到一個 502；打開它的 GitHub，最後一次提交停在 2025 年 10 月；但把它湊成影片的那些免費原料，語音引擎、生圖服務、文稿模型，我在 2026 年 10 月的台灣網路逐一試過，全部活著。這三件事放在一起，就是這款 895 顆星的開源工具目前的真實樣貌：入口斷了，產線還在，只是產線要你自己搬回家組裝。

先講判決。它適合的人很明確：想批次產中文知識型解說影片、願意裝 Python、能自己去申請一支文稿模型金鑰的人，拿到的是一條每個環節都攤開給你看的產線。它不適合的人也明確：只想貼個主題按個按鈕就收片的人，雲端一鍵服務比較近，這條路的組裝與維修成本會把你磨到放棄。至於我這邊的邊界也先交代：體驗站連線、兩個外部服務的實測、原始碼與專案時間線，是我親自查的；完整產線從安裝到產出影片，我沒有跑完，原因和風險下面會講清楚。

想用它，現在只剩自架這一條路

這個專案在 GitHub 上的名字叫 kuangdd2024/auto-video-generateor，連名字裡的 generateor 都拚錯了，但功能描述很完整：輸入一個主題，系統叫大語言模型寫出故事或解說文稿，接著用語音合成唸出來、用文生圖配上畫面，最後把聲音和圖黏成一支解說影片。後來的版本還吃 PPT，把每頁備忘稿當逐字稿、投影片當畫面，直接轉成課程影片。

它原本有兩種用法。一種是點開體驗站 avg.kddbot.com 直接玩，另一種是把原始碼抓下來自己架。現況是第一種已經斷了：這個站走 http，連 https 都沒有，2026 年 10 月 7 日連續三次連線，拿到的都是閘道器回的「上游伺服器給了無效回應」，也就是 502。更有意思的是，這件事作者自己早就預告過。README 的體驗區寫著，示範網頁可能會崩、可能連不上，屬正常現象，因為後台太脆。一份官方文件用三個驚嘆號警告自己的後台，這在開源專案裡不算常見。

體驗站的帳密也拿不到。原本的設計是加作者的微信公眾號，傳一句通關密語換帳號密碼。這條路即使站還活著也偏繞：為了試一個工具去裝微信、加公眾號、等私訊，多數人到這一步就退出了。所以剩下的路只有自架，而自架的每一塊原料，正好都可以單獨驗證。

維護停擺的事實，可以釘得很死

看一個專案還有沒有人照顧，看提交紀錄和 issue 最準。這個 repo 在 2024 年 8 月開張，43 個提交一路做到 2025 年 10 月 15 日，提交訊息寫著 PPT 轉影片功能，然後就停了，到今天將近一年。沒有任何正式發布版，沒有標籤，你抓的就是 main 分支當下的快照。

作者不是消失，是把話說得很白。2024 年 10 月有人問專案還更新嗎，他回還在維護，只是近期沒空管理，未來還會更新。2025 年 4 月又有人問現在還維護嗎，他到 8 月才回：好久沒維護，不定時維護，照著 README 操作即可。同一個月有人回報跑不起來，他的答覆是，什麼報錯就去問 DeepSeek 吧，看看是依賴問題還是別的原因。2026 年 3 月最新的一則「執行報錯」issue，到現在七個月，零則回覆。

對照參考：有人在 2024 年就問過這工具需要顯卡嗎，作者的答覆是不用，普通電腦就可以。這點合理，因為所有 AI 能力都走外部 API，本機只負責組裝。這也意味著它跑不跑得動，取決於那些 API 活不活，跟你的硬體無關。

一條拆開給你看的產線：文稿、語音、配圖各自落地成檔案

它的核心設計，是把「生成影片」這件事拆成看得到的四段：文稿、語音、配圖、合成。主題交給文稿模型寫成逐句的稿，每一句送去語音合成變成一個 MP3，再送去文生圖變成一張圖，最後用 moviepy 把句子、聲音、圖對齊，輸出成影片。預設畫面比例是 1280×720。

文稿這步有個容易被忽略的抓手：主題會先套進一段 prompt 模板，再送去給模型。模板裡寫的是「把這個主題寫成什麼樣的稿」，你可以把它改成知識科普腔、故事腔或任何你頻道要的口吻，模型照著寫，後面的語音和配圖都建立在這份稿上。也就是說，整支影片的敘事品質由這段模板決定，整個專案裡最值得投資工時的設定就是這段模板。分句則是照標點符號切，句子切多細，圖和語音就切多細，一支影片的節奏感在這裡成形。

真正值得記的是它處理素材的方式。所有中間產物都存成普通檔案：一個資料夾裡，audio 放每句的語音、image 放每句的配圖、text 放分句後的文字、resource 放對應的參數紀錄，加上一份 story.txt 和最後的 video.mp4。這代表產線的每一步都攤在檔案裡：看得到、改得動，整包素材也能搬去別的剪輯軟體。和雲端服務那種「影片生成了，素材在我們伺服器上」的模式相比，這是兩種完全不同的所有權結構。

它的操作模型也建立在這個設計上。官方工作流程是先生成一輪全部素材，然後進入校對：哪句文稿不順就改哪句，哪張圖不滿意就重生哪張，聲音的語速、音量、音高都能調，設定頁也做得直接，改參數時可以先試聽一句再決定。改到滿意，再合成影片。README 特別警告，一定要把整個流程完整跑過一輪之後，才能去改單項素材，尤其是建檔那一步，順序錯了後面會對不起來。一鍵魔法並不在它的菜單上，它供應的是一條允許你中途插手的產線。

不過校對這步本身蓋到一半就停工了。專案的待辦清單上，素材的切分、合併、增加、刪除這些校對操作還掛著未完成，批次下載整包素材、字幕與畫面分離（現在字幕是直接燒在配圖上的）也都還是願望。所以實際體感會是：能改能重生的範圍比一鍵服務大得多，但離一套完整的素材管理台還有距離，細部操作得回到檔案總管手動搬。

配圖這段有個藏起來的行為，不看原始碼不會知道。文生圖用的是 pollinations.ai 的免費生圖端點，請求帶著 nologo 參數拿乾淨圖。如果這個請求失敗，程式不會報錯也不會停下來，直接把那句文字排版畫成一張圖片，塞進影片裡頂著用。所以當你看到成品裡出現整頁都是字的畫面，那並非刻意的美術風格，只說明生圖服務當下沒回應。判斷方法和處置都簡單：把那幾句重跑一輪就好，別去懷疑自己的設定。順帶一提，生圖的隨機種子取自畫面尺寸描述最後一個字的字碼，換句話說你選同一種尺寸，種子幾乎就是同一個。這對一般使用沒什麼影響，但對想固定風格重現結果的人是個有用的冷知識。

PPT 轉影片這條路線其實 2024 年 11 月就鋪好了，之後又翻了幾版，吃的是 PPT 檔，每頁備忘錄當逐字稿、投影片當畫面，也能讓 AI 先把 PDF 版講義解說一遍再轉。這條路要多裝 LibreOffice，官方說安裝方法自己去問 AI。功能聽起來補齊了最後一塊拼圖，但依賴鏈也最長，我的建議是先跑通純主題路線，再碰它。

最反常的發現：登入頁是裝飾，還預設開一條公開隧道

整個專案最出乎我意料的地方，在 main.py 的開頭。它有一個登入檢查函式，邏輯翻譯成人話是：正確密碼就是你的帳號本身，大小寫隨便。也就是說這個登入頁攔不住任何人，任何訪客輸入同一組字就進來了。

如果只是本機自用，這無傷大雅。問題在於啟動參數：服務綁在 0.0.0.0 的 9020 連接埠，而且帶著 share=True，這個參數會讓 Gradio 額外開一條公開的轉址隧道，給你一個任何人都能連的臨時網址。兩件事疊起來的意思是：你自架的這台機器，背後接著你付費的文稿模型金鑰、你產的所有素材，而它預設就掛在一條防線等於零的公開隧道後面。要收斂很簡單，把 share=True 拿掉、改成只綁 127.0.0.1，但這兩行程式碼你不讀原始碼就不會知道要改。

同一個檔案裡還有一個小細節：對外請求帶著 verify=False，等於把 https 的憑證檢查關掉了。對一個自架工具來說這稱不上重大漏洞，但它和登入邏輯、公開隧道放在一起看，這個專案的安全假設就是「反正只有我自己用」。要不要接受這個假設，決定權在你，但至少要知情。

免費路徑的原料，我在台灣逐一試過

自架要跑通，外部依賴得活著。這個專案的依賴分成兩套劇本：預設的 config.env 示範的是中國雲端那套，文稿走 DeepSeek 的 API，語音走豆包（火山引擎）、繪圖和另一條文稿路線走百度千帆；免費那套則是文稿用千帆的免費模型額度、語音用 edge-tts、配圖用 pollinations。

第二套劇本裡的三個免費原料，我逐一實測過。edge-tts 這個微軟語音庫，我直接合成了一段台灣中文：用 zh-TW-HsiaoChen 聲音，一句 18 個字的句子，4.15 秒的 MP3 就生出來了，24kHz 單聲道，檔案 24KB，音質拿去做解說配音綽綽有餘。它的語音清單裡台灣中文有三支（HsiaoChen、HsiaoYu、YunJhe，兩女一男），中國大陸與香港腔另有十一支，都寫死在程式的下拉選單裡。pollinations 的生圖端點我用同樣的參數打了一次，3.9 秒拿到一張 512×288 的圖。DeepSeek 的 API 端點連得到，只是沒金鑰會被擋在門外，401，這表示下一步就是去申請一支金鑰，官方 README 的說法是這條 API 很便宜。

第一套劇本對台灣就沒那麼友善了。豆包和千帆都是中國雲端帳號體系，實名與支付那一關能不能過、介面順不順，我沒有驗證，老實標註未知。但好消息是：以這個專案的架構，你完全可以不走那套，文稿交給 DeepSeek、語音交給 edge-tts、配圖交給 pollinations，一毛錢都不用預付，這三個服務從台灣直連都通。

動手之前還有一個不花錢的功課：README 裡附了四支官方樣片，主題分別是「人的本性是天生的嗎」、歸去來兮辭、空白效應、棘輪效應，標明都是用免費加校對的流程產出的，放在 GitHub 的附件空間，我測試時都還抓得到。先看樣片再決定要不要裝，等於先驗收這條產線的上限：你照著同樣流程做出來的東西，最好也就長那樣。而以它的機制（一句配一圖、字幕直接排在圖上）來推，成品走的是知識解說的樸素路線，期待運鏡與實拍混剪的人，看到樣片就可以收工了。

雲端依賴有個通病值得知道：它們會壞。issue 裡 2024 年 10 月就有人回報 pollinations 502，同年 11 月有人在中國大陸用 edge-tts 撞到 403（當地封鎖，翻牆可解，台灣不受影響）。這些紀錄的意義在於提醒你：產線的每一環都是別人的免費服務，斷一環就得等或換。

README、程式碼、Docker，對連接埠各說各話

自架過程裡最打擊士氣的往往不是大問題，是文件對不上。這個專案有三份官方文件，講了三個連接埠：README 的使用方法說裝完打開 127.0.0.1:8000；main.py 寫死 server_port=9020；docker-compose 把容器的 8000 映射到本機的 7052，可是容器裡跑的指令就是 main.py，聽的還是 9020。照 README 裝完第一次開瀏覽器，撲空的機率很高。實際能用的地址以程式碼為準：本機直跑就是 127.0.0.1:9020，Docker 就要自己改 compose 的映射，把 7052:8000 換成指向 9020。

Docker 路線還有兩個先備知識。Dockerfile 把 apt 換成清華的鏡像源、pip 換成阿里雲的鏡像源，這是為中國網路環境最佳化的寫法，在台灣用會慢但不至於失敗；檔案裡還留著一個明顯從別的專案 copy 過來的建置參數，看得出 Docker 這條路是後來補的，打磨有限。依賴鎖定有個經典陷阱：倉庫裡有兩份 requirements，未釘版本那份列的是 PyMuPDF，釘版本那份列的卻是 fitz 這個名字。PyPI 上叫 fitz 的套件和 PyMuPDF 不是同一個東西，裝錯會在 import 時炸開，這是 Python 生態有名的同名陷阱。自架時認清要用哪一份，能省下一個晚上的除錯。

把這些放進 2026 年的環境跑，能不能一次成功，我不給保證，因為我沒有端到端跑完整條產線，而 2026 年 3 月那則零回覆的運行報錯就擺在那裡。我的估計是：依賴停在 2025 年（moviepy 釘 1.0.3、gradio 釘 5.49.1），一年下來 Python 生態又漂移了一輪，撞到小錯誤是常態，要有自己讀 traceback、自己調依賴版本的準備。這就是「免費」的完整價格：軟體不收錢，維修工時你自己出。

和雲端一鍵服務的取捨：便利換透明

講清楚它跟雲端服務的差別，選擇就簡單了。VideoTube、Pexo 這類平台，貼主題、按生成、等收片，算的是點數；TechMoon 先前介紹過的 Short Video Factory 也是開源，走一句賣點生短片的快速路線。它們的共同優點是十分鐘內看到成果，共同代價是產出規格、素材保存、生成邏輯都在別人手裡，點數規則改了你也只能跟。

auto-video-generateor 站到另一端。機器、金鑰、組裝工時全由你出，換到的是：每句稿、每段語音、每張圖都是你磁碟上的普通檔案，能逐項校對、重做，或直接搬進剪輯軟體二次加工；成本結構透明，文稿按 DeepSeek 計價，語音和配圖的免費路線掛了再說；產線邏輯全部開源，壞了你能修，也能 fork 一份改成自己的樣子。同一個精神我們在 Youtube-Whisper（自架轉錄反而快）和 PDF2Audio（開源 PDF 轉雙人播客）都驗證過：需求一旦上量，自架那條路的穩定度和成本都會翻盤。

給幾個具體的判斷情境。你是知識型頻道經營者，一週要產三支氣象、歷史、科普類的解說影片，台灣中文配音、素材要能存檔複用，這個工具的形態就是為你設計的，值得花一個下午裝起來試。你只是想幫一場活動快速生一支宣傳片，用一次就丟，去用雲端服務，組裝時間比它省下的錢貴。你想做的是社群短影音那種節奏剪輯，這不是它的強項，它做的是「一句一圖一音」的解說體。語音品質若有更高要求，可以參考 LibreTTS 那條免費文字轉語音路線，產出的音檔同樣能掛進這種產線的 audio 資料夾裡手工替換；真要管線化，douyin_upload 那類自動上傳工具則是產線的下一站。

授權與專案狀態

授權是 MIT，商業使用、修改、再發布都允許，附上授權條款即可。專案到 2026 年 10 月的狀態：895 顆星、176 次 fork、43 個提交、無正式發布版；最後提交 2025 年 10 月 15 日；12 個開放 issue 加 1 個未合併的 PR，其中最新一則執行報錯無人回覆；體驗站 avg.kddbot.com 回 502，官方文件自述後台太脆。官方樣片與操作教學連結都還在 README 裡，樣片我測試時仍可播放。這些數字是我在 2026 年 10 月 7 日查詢當下的快照，星數之類會漂移，判斷請以你看到的當下為準。

一句話收攏：把它當「現成的免費影片工廠」，你會失望；把它當「一條攤開的產線藍圖，原料至今活著，組裝自己來」，它給的東西比多數一鍵服務誠實得多。裝得起來的人，拿到的是留得下來、帶得走的產能；裝不起來的人，及時止損去看雲端方案，也是完全正確的決定。