TTSV

文本生成场景视频 Text To Scene Video

• 控制面板： Gradio
• 核心实现：
• 文本转语音：ChatTTS

功能需求

1. 支持多角色文稿输入，
2. 支持从文稿中拆解角色
3. 选择角色对应形象和声音种子
4. 根据角色文稿，生成对应音频
5. 根据角色文稿和音频，生成角色动态形象，识别文稿中[laugh]，显示大笑表情
6. 根据角色文稿和音频，生成带角色名称前缀的srt字幕文件
7. 合并视频、音频、字幕，生成字幕嵌入式像素视频

功能实现

基础场景构建

1. 场景背景选择和加载

   • 从 assets/background 目录加载背景图片
   • 支持背景切换和预览
   • 背景图片自适应缩放

2. 角色形象选择和加载

   • 从 assets/avatar 目录加载角色头像
   • 支持多角色添加/删除
   • 角色位置可调整
   • 支持角色表情切换预览

3. 场景编辑器界面

   • 顶部工具栏：添加角色(+)、切换背景按钮
   • 左侧角色列表：显示当前场景中的角色
   • 主画布：显示背景和角色
   • 最多支持3个角色同时显示

4. 角色交互功能

   • 点击角色进入编辑状态，显示红色边框
   • 编辑状态下可拖拽调整位置
   • 编辑状态下显示删除按钮
   • 拖拽时自动限制在画面边界内

5. 资源选择功能

   • 支持从资源目录加载背景和头像
   • 资源选择时显示预览图
   • 支持滚动浏览多个资源

鸣谢

• 头像资源：https://kenney.itch.io/avatar-mixer
• 背景资源：https://labs.google/fx/zh/tools/image-fx