PPT 一键转视频！slides2video这个开源工具让豆包 TTS 自动配音，再也不用熬夜录旁白了

PPT 一键转视频！这个开源工具让豆包 TTS 自动配音，再也不用熬夜录旁白了

💡 做汇报 PPT 还要自己录音？slides2video 帮你把 HTML 幻灯片（或 PNG 图片）一键转成带 AI 旁白的 MP4 视频，100+ 音色随便挑，方言、英语、IP 仿音全都有！

📌 这是什么？

slides2video 是 ruilisi 团队开源的一个 PPT 视频生成工具，核心能力就一句话：把幻灯片 + 旁白文案 → 自动合成带配音的 MP4 视频。

它底层使用字节跳动旗下豆包（Doubao）TTS 语音合成 API，支持 100+ 音色，覆盖普通话、方言（四川话/东北话/粤语/上海话等）、英语，甚至还有鲁班、诸葛亮、貂蝉等 IP 仿音。整个过程全自动，一条命令搞定。

🏠 项目地址：https://github.com/ruilisi/slides2video
🔊 TTS 引擎：豆包语音合成（火山方舟）

🎯 它能做什么？

🚀 5 分钟上手

第一步：安装依赖

# 安装 ffmpegbrewinstallffmpeg# 安装项目依赖npminstall# 安装 Playwright 浏览器（仅 HTML 幻灯片模式需要）npx playwrightinstallchromium

第二步：配置豆包 API Key

1. 登录 火山方舟控制台
2. 体验中心 → 语音模型 →开通语音模型（Doubao-语音合成）
3. API Key 管理 → 新建 API Key，复制Access Token
4. 应用管理 → 创建应用，复制App ID

在项目根目录创建.env文件：

DOUBAO_APP_ID=your_app_id DOUBAO_ACCESS_TOKEN=your_access_token DOUBAO_VOICE=zh_male_shaonianzixin_moon_bigtts # 可选，默认少年梓辛

📎 直达链接：https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement?tab=TTS

第三步：准备项目文件

ppt/ my-project/ scripts.json ← 旁白文案（必填） index.html ← 幻灯片（可选，用于 Playwright 截图） slide_01.png ← 预渲染图片（可选，有则跳过 Playwright） slide_02.png

scripts.json 格式：

// 简单数组模式["第一页旁白内容。","第二页旁白内容。","第三页旁白内容。"]// 带音色覆盖模式{"voice":"zh_male_jieshuonansheng_mars_bigtts","scripts":["第一页旁白内容。","第二页旁白内容。"]}

也可以用scripts.txt，一行一页，空行忽略。

第四步：生成视频

nodegenerate-video.mjs ppt/my-project

输出：ppt/my-project/output.mp4🎉

🔍 核心原理揭秘

四阶段流水线

整个生成过程分为 4 个阶段，层层递进：

无缝音频黑科技

这是项目最硬核的技术细节。如果直接拼接 AAC 音频流，每个片段之间会产生约 23ms 的编码器延迟间隙，听起来就是"咔咔"的爆音。

slides2video 的解法：

1. 从每个 clip 中提取音频为原始 PCM（44.1kHz）
2. 二进制拼接所有 PCM 数据（无损、无间隙）
3. 最终封装时一次性编码为 AAC

┌──────────┐ ┌──────────┐ ┌──────────┐ │ clip_1 │ │ clip_2 │ │ clip_3 │ │ video+AAC│ │ video+AAC│ │ video+AAC│ └────┬─────┘ └────┬─────┘ └────┬─────┘ │ │ │ ▼ ▼ ▼ PCM_1 +──────► PCM_2 +──────► PCM_3 ← 二进制拼接 │ ▼ ┌─────────────────┐ │ 一次性 AAC 编码 │ │ + 视频流拷贝拼接 │ └────────┬────────┘ │ ▼ output.mp4 ← 无间隙！

图片解析优先级

1. 预渲染 PNG 优先：如果slide_01.png ~ slide_NN.png全部存在，直接使用，无需 Playwright
2. Playwright 截图兜底：如果缺少 PNG 但有index.html，启动无头 Chromium 截图

HTML 幻灯片需要提供一个goTo函数供脚本调用翻页：

window.goTo=function(i){slides.forEach((s,j)=>s.classList.toggle('active',j===i));cur=i;updateDots();};

🎭 音色大盘点

100+ 音色，按场景分类。这里挑最实用的介绍：

🏆 热门推荐

🗣️ 方言音色

👑 IP 仿音

鲁班、诸葛亮、曹操、西施、王昭君、貂蝉、杨贵妃——让你的 PPT 视频瞬间有了"历史人物"的味道。

🌍 英语音色

Adam、Anna、Bob、Clara 等 12 种美式英语音色（1.0），以及 Tim、Dacey、Stokie 三款 2.0 多语种音色。

查看全部音色：

nodegenerate-video.mjs --list-voices# 全部nodegenerate-video.mjs --list-voices 男# 按关键词筛选nodegenerate-video.mjs --list-voices 解说# 找解说类音色

⚡ 实用技巧

指定音色

# 用磁性解说男声nodegenerate-video.mjs ppt/my-project--voicezh_male_jieshuonansheng_mars_bigtts

断点续跑

跑了一半失败了？不用重来，跳过已完成的阶段：

# 截图和音频都有了，只重新编码+拼接（Phase 3+4）nodegenerate-video.mjs my-project --skip-screenshots --skip-audio# 截图有了，重新生成音频+编码+拼接（Phase 2+3+4）nodegenerate-video.mjs my-project --skip-screenshots

每个项目不同音色

在scripts.json中指定 voice 字段即可：

{"voice":"zh_female_tianmeixiaoyuan_moon_bigtts","scripts":["大家好，欢迎来到今天的分享。","接下来我们看第二部分..."]}

⚖️ 优缺点分析

💡 适合谁？

• ✅ 需要把 PPT/幻灯片快速转成讲解视频的职场人
• ✅ 做在线课程、培训视频的教育工作者
• ✅ 需要批量生成产品介绍视频的运营团队
• ✅ 想用 AI 配音代替自己录音的"社恐"开发者
• ✅ 需要方言/特色音色做短视频的自媒体创作者

⚠️ 注意事项

• 需要豆包 TTS API 权限（火山方舟控制台开通）
• TTS 调用有费用，具体看火山方舟定价
• 目前仅支持静态幻灯片，不支持动画/转场效果
• Windows 用户需自行安装 ffmpeg

📚 总结

slides2video 解决了一个很实际的问题：PPT 讲解视频的制作成本太高。以前要录音、对时间轴、剪辑，现在写好文案、选好音色，一条命令出成片。

技术上最亮眼的是无缝音频拼接——把 PCM 二进制拼好再一次性编码 AAC，彻底消灭了 AAC 流拼接时的 23ms 间隙。这种对细节的较真，才是好工具该有的样子。

100+ 音色是另一个杀手级优势。从普通话到方言，从解说风到 IP 仿音，覆盖了绝大多数中文视频场景。特别是"渊博小叔"和"磁性解说男声"这两个音色，真的很好听。

推荐指数：⭐⭐⭐⭐

扣一星是因为目前还不支持背景音乐、转场动画和自定义分辨率，期待后续更新。

📢 项目地址：https://github.com/ruilisi/slides2video
💬 你平时做 PPT 视频是怎么配音的？评论区聊聊！

标签：#PPT转视频 #豆包TTS #AI配音 #slides2video #火山方舟 #Node.js