TikTok-Compilation-Video-Generator
TikTok-Compilation-Video-Generator 是一套自动化视频剪辑系统,旨在帮助用户高效制作 TikTok 合集视频。它通过自定义过滤器自动抓取热门短视频片段,提供便捷的浏览界面,并能将这些素材智能拼接成完整的合集视频,直接适配各大社交平台的上传标准。
该工具主要解决了手动搜集素材耗时费力、视频剪辑流程繁琐以及难以持续产出高质量内容等痛点。面对互联网上海量的短视频资源,它能大幅降低创作门槛,帮助用户快速建立频道并获取流量。
这套系统特别适合希望批量运营社交媒体账号的内容创作者、自媒体从业者,以及具备一定技术基础的开发者。其独特的技术亮点在于采用了模块化架构,由服务器、客户端和视频生成器三个独立程序协同工作:利用 HTTP 传输指令数据,通过 FTP 安全调度视频文件。此外,它还支持完整的 VPS 部署与多用户账户管理体系,允许多个用户同时使用,既保障了数据安全,又提升了团队协作效率,是构建自动化视频流水线的强大助手。
使用场景
某短视频运营团队希望每日批量生产“搞笑宠物”主题的 TikTok 合集视频,以快速矩阵化扩张账号粉丝。
没有 TikTok-Compilation-Video-Generator 时
- 素材搜集低效:运营人员需手动在 TikTok 上逐个搜索、筛选符合“宠物搞笑”标签的视频,并单独下载,耗时数小时仅能凑齐少量素材。
- 剪辑流程繁琐:下载后的视频格式不一,需人工导入剪辑软件进行裁剪、去水印、拼接和添加转场,极易出现人为操作失误。
- 难以规模化复制:由于全靠人力堆砌,团队无法同时为多个账号生成不同风格的合集,内容更新频率受限,错失流量红利。
- 协作管理混乱:多名成员共用素材库时缺乏权限控制,常发生文件覆盖或版本冲突,且无法在远程服务器(VPS)上自动化运行任务。
使用 TikTok-Compilation-Video-Generator 后
- 自动采集过滤:通过自定义过滤器,系统自动全天候抓取符合特定标签的高质量片段,瞬间建立专属素材库。
- 一键生成成片:视频生成程序自动将筛选好的片段拼接、处理格式并添加转场,直接输出可上传的成品视频,无需人工干预。
- 高效矩阵运营:利用多账户系统和 VPS 支持,团队可同时为数十个账号并行生成不同主题的合集,实现 24 小时不间断内容产出。
- 规范化协作:基于 FTP/HTTP 的架构实现了严格的权限管理,多用户可安全地并发使用服务器资源,流程清晰可控。
TikTok-Compilation-Video-Generator 将原本需要全天人工投入的繁琐流水线,转化为全自动化的智能生产系统,让内容创作者能专注于策略而非重复劳动。
运行环境要求
- 未说明 (支持任何可运行 Python
- FFmpeg 和 MySQL 的操作系统,文档提及 VPS 支持)
未说明 (基于 FFmpeg 进行视频渲染,通常依赖 CPU)
未说明

快速开始
TikTok合集视频生成器
一套机器人系统,通过自定义过滤器自动收集视频片段,方便用户浏览这些片段,并将它们组合成可以直接上传到任何社交媒体平台的合集视频。
探索文档 »
目录
关于项目
一套机器人系统,通过自定义过滤器自动收集视频片段,方便用户浏览这些片段,并将它们组合成可以直接上传到任何社交媒体平台的合集视频。提供全面的VPS支持以及账户系统,允许多个用户同时使用该机器人。该机器人分为三个独立的程序:服务器、客户端和视频生成器。这些程序各自承担不同的功能,组合起来形成一个功能强大的自动合集视频生成系统。
TikTok合集视频是一种新兴的现象,正在迅速席卷互联网。它们能够获得大量观看量,并快速增加频道的粉丝基础。从字面上看,可供选择的TikTok视频资源几乎是无穷无尽的,因此频道增长的潜力也是无限的。然而,制作合集视频也面临诸多挑战。这款机器人(或一系列程序)正是为了解决这些问题而设计的。
全面的VPS支持与账户系统
由于该机器人由三个不同的程序组成,程序之间的通信采用HTTP和FTP服务器相结合的方式,以在不同程序之间传递信息。FTP服务器用于传输MP4文件,而HTTP服务器则用于传输一般信息,通常以JSON格式呈现。FTP需要对每个客户端进行身份验证,因此这构成了账户系统的基础。您可以在服务器程序中添加或删除用户,并设置其密码。视频编辑程序需要使用这一用户名和密码组合才能运行。因此,该系统非常适合多人协作,允许多个人同时使用该机器人。
该机器人能做什么
被动地从TikTok下载并存储任何用户创建的过滤器中的视频片段。这些片段会自动记录在片段库数据库中。
提供一个直接连接到片段库数据库的视频编辑界面,使您可以轻松浏览这些片段。该界面类似于Tinder,您可以选择保留或跳过某个视频片段。
还有一个视频生成器,它会将视频编辑器中的片段组合起来,生成一个MP4视频,您可以将其上传到任何平台。
机器人展示视频
TikTok机器人由三个独立的程序组成。
使用的技术
本节应列出开发过程中使用的主要框架。
开始使用
这是一个示例,说明如何在本地设置您的项目。 要让本地副本正常运行,请按照以下简单步骤操作。
前提条件
这是一个示例,说明您需要哪些软件以及如何安装它们。
安装
- 安装模块
pip install -r requirements.txt - 获取TikTok Cookie
- 访问TikTok
- 登录您的账号
- 进入您的个人资料页面
- 打开开发者工具(Ctrl+Shift+I)
- 在开发者控制台中,进入“Application”选项卡
- 找到“Cookies”文件夹。
- 在Cookies文件夹中找到‘s_v_web_id’和‘sid_ucp_v1’
- 编辑
TikTok服务器中的配置文件- 将Cookie中的‘s_v_web_id’和‘sid_ucp_v1’值填入配置文件中。
- 编辑数据库连接信息。
- 检查并编辑
TikTok客户端和TikTok视频生成器中的配置文件
使用方法
启动MySQL数据库。
进入
TikTok服务器并启动服务器。py main.py- 添加过滤器,使其生效。
- 搜索并下载视频片段
进入
TikTok客户端并启动。py main.py- 编辑视频片段。
- 更改时长、片头、片尾和间隔时间。
进入
TikTok视频生成器并启动。py main.py- 选择并渲染最终视频文件。
路线图
请参阅未解决问题列表,了解拟议的功能(以及已知问题)。
许可证
根据MIT许可证发布。更多信息请参阅LICENSE文件。
文件系统
服务器程序
功能:
• 自动从 TikTok 下载您选择的任何类别的视频片段。
• 可以管理客户端登录的账户。
自动下载器说明
服务器端的自动下载器设计旨在绕过 TikTok 对获取精华视频片段的限制。
它分为两个不同的流程:
- 查找视频片段并获取其 URL
- 通过 URL 下载视频片段
下载视频片段本身没有限制,一旦获得 URL,操作就非常简单。然而,要找到热门视频片段则另当别论。
TikTok 每次 API 请求仅允许访问约 2000 个视频片段。如果仅在使用机器人进行视频编辑时才启动查找/下载流程,这样的数量显然不够。因此,建议自动运行此流程以积累大量的视频片段库,最好是在 VPS 上进行。这主要取决于机器人的使用频率——频繁使用需要大量视频片段,因此在这种情况下建议开启自动查找/下载功能。
- main.py:程序起点
- database.py:所有 SQL 查询在此编写
- server.py:FTP 和 HTTP 服务器在此处理
- settings.py:从 config.ini 加载数据
- tiktok.py:在此向 TikTok 发起 API 调用,执行下载和查找方法
- autodownloader.py:为 autodownloaderUI.py 中使用的下载/查找流程提供封装
- autodownloaderUI.py:用户界面在此编程
scriptwrapper.py:此处包含针对 TikTok 视频片段的各种封装工具。视频格式化工作在此处的“reformatPartialJson”方法中完成。
视频编辑器程序
这是用于浏览服务器视频片段库的实际用户界面。这个过程相当简单:对于每个视频片段,您可以选择保留或删除。
- main.py:程序起点
- client.py:与服务器的 HTTP 和 FTP 通信在此进行
- settings.py:从 config.ini 加载数据
- scriptwrapper.py:此处存储了针对 TikTok 片段或完整视频的各种封装工具
- clientUI.py:用户界面在此编程
视频生成器程序
该程序将多个视频片段拼接成一个合集视频,并生成一个包含视频中所用 TikTok 用户名的片尾字幕文件。
- main.py:程序起点
- server.py:FTP 和 HTTP 服务器在此处理
- settings.py:从 config.ini 加载数据
- scriptwrapper.py:此处存储了针对 TikTok 片段或完整视频的各种封装工具
- vidGen.py:视频渲染方法在此,参见“renderVideo”
- vidgenUI.py:用户界面在此编程
配置文件说明
仅在启动时生效的附加设置存储在每个程序的配置文件中。任何更改都需要重启相应程序才能生效。
服务器配置
[server_details]
- address = 127.0.0.1 <-- 服务器地址
- http_port = 8000 <-- 服务器 HTTP 端口
- ftp_port = 2121 <-- 服务器 FTP 端口
[video_generator_location]
- address = 127.0.0.1 <-- 视频生成器地址
- http_port = 8001 <-- 视频生成器 HTTP 端口
- ftp_port = 2122 <-- 视频生成器 FTP 端口
- ftp_user = VidGen <-- 视频生成器 FTP 用户名
- ftp_password = password <-- 视频生成器 FTP 用户密码
[tiktok]
- language = en <-- 视频语言
- s_v_web_id = value <-- 从 TikTok Cookies 中获取,详见上方说明
- tt_webid = value <-- 从 TikTok Cookies 中获取,详见上方说明
[mysql_database]
- databasehost = localhost <-- MySQL 服务器地址
- databaseuser = root <-- MySQL 服务器用户名
- databasepassword = <-- MySQL 服务器用户密码
视频编辑器配置
[server_location]
- address = 127.0.0.1 <-- 服务器地址
- server_http_port = 8000 <-- 服务器 HTTP 端口
- server_ftp_port = 2121 <-- 服务器 FTP 端口
[auto_login]
- username = admin <-- 在服务器上注册的用户名
- password = password <-- 该用户的密码
- auto_login = true <-- 启动时自动将上述信息填入登录窗口
[video_settings]
- enforce_interval = True <-- 强制您为视频选择一个间隔时间
- enforce_intro = True <-- 强制您为视频选择一个片头
- enforce_outro = True <-- 强制您为视频选择一个片尾
- enforce_firstclip = True <-- 强制您为视频选择第一个片段
视频生成器配置
[video_generator_details]
- address = 127.0.0.1 <-- 视频生成器地址
- http_port = 8001 <-- 视频生成器 HTTP 端口
- ftp_port = 2122 <-- 视频生成器 FTP 端口
- ftp_user = VidGen <-- 视频生成器 FTP 用户
- ftp_password = password <-- 视频生成器 FTP 用户密码
[server_location]
- address = 127.0.0.1 <-- 服务器地址
- http_port = 8000 <-- 服务器 HTTP 端口
- ftp_port = 2121 <-- 服务器 FTP 端口
[rendering]
- fps = 30 <-- 如果 useMinimumFps 和 useMaximumFps 均为真,则视频将以 30 帧每秒的速度渲染
- useMinimumFps = True <-- 将所有单个片段的帧率设置为最低帧率(推荐)
- useMaximumFps = False <-- 将所有单个片段的帧率设置为最高帧率
- backupVideos = True <-- 自动备份发送到视频生成器的每段视频。这些视频可以通过用户界面重新渲染或删除
常见问题
相似工具推荐
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
openai-cookbook
openai-cookbook 是 OpenAI 官方提供的一套实用代码示例与指南合集,旨在帮助开发者快速上手并掌握 OpenAI API 的核心用法。面对大模型应用中常见的提示词工程、函数调用、数据嵌入及复杂任务编排等挑战,新手往往难以找到标准化的实现路径。openai-cookbook 通过提供经过验证的代码片段和详细教程,有效解决了“如何从零开始构建应用”以及“如何最佳实践特定功能”的痛点。 这套资源主要面向软件开发者和 AI 技术研究人员,同时也适合希望深入理解大模型能力的技术爱好者。虽然示例代码主要以 Python 编写,但其背后的设计思路和技术逻辑具有通用性,可轻松迁移至其他编程语言。其独特亮点在于内容紧跟官方最新特性更新,覆盖了从基础文本生成到高级代理(Agent)构建的全场景需求,且所有示例均支持在本地环境直接运行调试。作为开源项目,它采用宽松的 MIT 许可证,鼓励社区贡献与二次开发,是学习大模型应用开发不可或缺的实战手册。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。