short-video-factory
short-video-factory 是一款高颜值的跨平台桌面端应用，旨在通过 AI 技术让短视频制作变得像“一键工厂”般简单。它主要解决了传统视频剪辑流程繁琐、门槛高以及批量生产效率低的问题。用户只需输入简单的提示词并提供视频分镜素材，系统即可自动完成从文案创作、语音合成到视频剪辑、字幕特效添加的全流程，快速生成高质量的产品营销或泛内容短视频。
这款工具非常适合电商运营者、自媒体创作者、市场营销人员以及希望快速产出视频内容的普通用户。即使没有专业的剪辑技能，也能轻松上手制作出精美的视频。对于需要大量产出视频的团队协作场景，其强大的批量自动处理功能更能显著提升工作效率。
在技术亮点方面，short-video-factory 集成了先进的 AI 模型，支持兼容 OpenAI 接口格式的文案生成，并采用 EdgeTTS 实现自然流畅的语音合成。更值得一提的是，它坚持完全本地化运行，无需将素材上传至云端，在保障用户数据隐私与安全的同时，提供了开箱即用的便捷体验。目前该工具已支持 Windows、macOS 和 Linux 等多个操作系统，并持续更新多语言支持与更多特效功能。
使用场景
某电商运营团队急需为即将到来的促销活动，基于 50 款新品的静态图片和基础参数，快速制作并在抖音、视频号等平台分发大量引流短视频。
没有 short-video-factory 时
- 文案创作耗时：运营人员需手动为每款产品撰写吸引人的脚本，50 个视频仅文案工作就耗费整整两天，且创意容易枯竭。
- 剪辑流程繁琐：设计师需逐个导入素材、匹配背景音乐、人工对齐口播与画面，单条视频制作周期长达 30 分钟以上。
- 多平台适配难：不同平台对字幕样式和视频比例要求不同，重复调整格式导致大量机械性返工。
- 人力成本高昂：为了赶工期，团队不得不临时外包部分剪辑任务，不仅增加了预算，还面临风格不统一和数据泄露的风险。
- 本地部署复杂：尝试其他开源方案时，往往需要配置复杂的 Python 环境和依赖库，非技术人员难以独立上手。
使用 short-video-factory 后
- AI 一键生成脚本：只需输入产品关键词，short-video-factory 即可批量自动生成 50 份风格各异的高质量营销文案，将创作时间缩短至几分钟。
- 全自动混剪合成：工具自动调用 EdgeTTS 生成自然语音，并智能将图片素材与文案、音频进行对齐剪辑，实现“输入素材，输出成片”的无人值守模式。
- 预设模板复用：利用内置的字幕特效和多语言支持，一次性完成所有视频的包装，轻松适配各平台发布标准，无需反复调整。
- 数据安全第一：short-video-factory 完全在本地运行，未上传任何核心产品资料到云端，既节省了外包费用，又确保了商业机密安全。
- 开箱即用体验：作为高颜值跨平台桌面端工具，团队成员无需编写代码或配置环境，下载安装后即可立即投入批量生产任务。
short-video-factory 将原本需要数人协作一周的短视频量产任务，压缩为单人半天即可完成的自动化流程，极大提升了内容营销的响应速度与规模效应。
运行环境要求
- Windows
- macOS
- Linux
未说明
未说明
快速开始
📖 关于项目
短视频工厂是一个开源的桌面端应用，旨在通过AI技术简化短视频的制作流程。用户可以通过简单的提示词文本+视频分镜素材，快速且自动的剪辑出高质量的产品营销和泛内容短视频。该项目集成了AI驱动的文案生成、语音合成、视频剪辑、字幕特效等功能，旨在为用户提供开箱即用的短视频制作体验。
核心功能
- 🤖 AI驱动：集成了最新的AI技术，提升视频制作效率和质量
- 📝 文案生成：基于提示词生成高质量的短视频文案
- 🎥 自动剪辑：支持多种视频格式，自动化批量处理视频剪辑任务
- 🎙️ 语音合成：将生成的文案转换为自然流畅的语音
- 🎬 字幕特效：自动添加字幕和特效，提升视频质量
- 📦 批量处理：支持批量任务，按预设自动持续合成视频
- 🌐 多语言支持：支持中文、英文等多种语言，满足不同用户需求
- 📦 开箱即用：无需复杂配置，用户可以快速上手
- 📈 持续更新：定期发布新版本，修复bug并添加新功能
- 🔒 安全可靠：完全本地本地化运行，确保用户数据安全
- 🎨 用户友好：简洁直观的用户界面，易于操作
- 💻 多平台支持：支持Windows、macOS和Linux等多个操作系统
(返回顶部)
🚀 开始使用
前往 Github Release 下载最新版本
前往 官方文档 查看使用手册
(返回顶部)
🗺️ 路线图
喜欢可以点个 Star 支持一下哦！
下面是已实现和计划中的功能：
- 文案生成，兼容通用的 OpenAI 接口格式
- 语音合成，支持EdgeTTS
- 视频剪辑，文案、视频、音频、字幕合成，自动混剪
- 批量处理，支持一个批量任务，按预设自动持续合成视频
- 多语言支持，能够支持中文、英文等多种语言
- 完善的使用手册
- 更全面的参数调整
- 更多的语音合成API
- 字幕特效，支持多种字幕样式和特效
查看开放问题以获取提议功能（和已知问题）的完整列表。
(返回顶部)
🎞️ 示例视频
注：素材来源于网络，仅用于展示剪辑效果
(返回顶部)
🤝 贡献
贡献让开源社区成为了一个学习、启发和创造的绝佳场所。非常感谢您所做的任何贡献。
如果您有可以改善此项目的建议，请fork本项目仓库并创建一个pull request。您也可以简单地创建一个带有"enhancement"标签的issue。 不要忘记给项目点个Star！再次感谢！
- Fork此项目
- 创建您的功能分支 (
git checkout -b feature/AmazingFeature) - 提交您的更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启一个Pull Request
主要贡献者：
(返回顶部)
💖 鸣谢
(返回顶部)
🎗 许可证
Copyright © 2025 YILS.
(返回顶部)
🐱 捐赠
如果这个项目对你有帮助，欢迎请作者喝杯咖啡(或者啤酒) 🍺
你的 Star ⭐ 和 捐赠 是我持续更新的最大动力！
👉 在此处查看捐赠者名单：千古留名 - 捐赠者留言板
(返回顶部)
⭐ 星标历史
(返回顶部)
版本历史
v1.2.22026/04/07v1.2.12026/03/12v1.2.02026/01/22v1.1.102025/10/22v1.1.12025/08/26v1.1.02025/08/23v1.0.12025/08/12v1.0.02025/08/08v0.7.122025/08/08v0.7.22025/08/07相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
opencode
OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
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。