做影视解说号的朋友肯定是很有体会的, 就是写文案这个东西, 得花上两小时的时间, 配音的话, 也就占用半个小时左右, 剪辑又需要两个小时, 这样的话, 做一个时长为 3 分钟的视频, 就是从最初的产生想法, 一直到最终把作品制作完成这一步为止, 基本上就已经耗掉了大半天的时间。
有没有可能让人工智能把全流程全部做完, NarratoAI 就是专门来做这一件事情的, 它已经把写解说词、制作配音、进行剪辑以及添加字幕这些环节全都实现了自动化处理, 你只需要去给一个视频的主题或者上传相关的素材, 剩下的所有事情它就自动全部解决了。

NarratoAI 是什么
NarratoAI 是一款开源的 AI 影视解说, 以及自动化剪辑工具这个事情的 GitHub, 它拥有 10.5K Stars。它的许可证类型是 MIT 协议。关于作者, 他是 linyqh。另外呢, 它是基于。
本项目是通过对MoneyPrinter以及MoneyPrinterTurbo进行重构开发而成的, 然而从功能层面来讲, 它比之前存在的这两者要丰富和庞大得多。
它的核心能力, 实际上就是, 只有一件事情要做, 也就是, 把那些素材, 转化成那种, 有文案在里面的, 还有配音在里面的, 也有字幕在内的, 最终成品的视频。
这个整个操作流, 是靠着人工智障去驱动的, 也就是说, 利用大型语言模型工具去分析那个视频具体是个啥内容, 然后顺手写出一套解说的脚本, 接下来由一个叫 MoviePy 的工具, 按照上面写的脚本去做剪辑, 然后呢, 再配上由文字转语音技术生成的配音, 以及自动加上对应的字幕, 最后一步, 就是输出那个成品了。
其中非常重要的一点就在于, 它是完全不用花钱的, 并且是在你自己的计算机本地进行安装运行, 这样你的数据信息就不会离开你的电脑设备。不过与此同时呢, 也存在一个版本是在网络云上运行的(NarratoAI.co), 这个版本能够提供在线方面的服务功能。
经过了一遍尝试之后, 发现几个功能是真正最实用的那个样子。
会自动生成解说脚本, 并且接入了大语言模型这些支持像 DeepSeek、Qwen2-VL、Gemini 等选项的技术平台, 人工智能系统在理解了你的视频素材之后, 会自己动笔去写那些解说的词句内容, 所以你压根儿不用再亲自操刀去撰写文案什么的事情, 只要你提前把那个风格和说话的时候的语气给设定清楚了, 它就直接能够产出结果。
它是自动化视频剪辑功能。它会依据脚本来智能地匹配画面, 并且自动地把这些内容合成成视频。这个系统支持多种不同的剪辑模式, 例如影视解说、短剧混剪以及纪录片解说等。
到了0.8.6版本的时候, 还增加了Sonilo AI自动配乐这一项新能力。这项能力能够在合并生成视频的过程当中, 同时为视频配上背景音乐。
它支持多引擎配音加语音克隆这个功能, 系统里面内置了好几个语音合成引擎, 比如说那个名字叫做索引TTS的一点半和二的这个引擎, 它是可以支持语音克隆功能的。什么叫做语音克隆功能? 意思就是您上传一段带有声音的参考音频文件之后, 系统就能把那种声音给克隆出来。
除了这个东西之外, 还有腾讯云的语音合成服务、豆包公司的语音合成服务, 以及奥姆尼声等其它的服务可供选择。您只需要从这些里面选一个自己比较喜欢的声音模板, 然后人工智能就会根据您提供的那些解说类的文稿内容, 直接进行朗读操作。
可以实现自动字幕生成。这个功能支持使用 Fun-ASR 一键转录字幕。当配音文件生成的时候, 系统会自动加上对应的字幕。用户是完全不需要手动去对时间轴的。
你可以把剪辑项目导出成剪映草稿格式。这种格式会被标记为Draft, 然后你能把它导入到剪映软件里面继续做精细调整的动作。对于那些已经习惯了使用剪映软件来操作的人来说, 这种做法是非常友好的, 能够降低他们的使用门槛。
0.8.6 最新版有什么新货
去用 Sonilo AI 来进行配乐的操作。在 WebUI 这个界面里面, 你选择那个「AI 生成配乐」的选项。然后 AI 它就会根据具体的画面内容还有剪辑时的节奏情况自动地帮你生成配乐的部分。
这里最长是支持那种时长为 6 分钟的视频内容的。万一出现生成失败的情况, 那就会自动回退到选择随机背景音乐的那个状态。同时这个过程也是不会中断整个任务的完成的。
IndexTTS-1.5 MLX是在macOS Apple Silicon系统上使用的本地语音克隆引擎, 通过上传参考音频就能实现声音的模仿, 甚至在没有配置GPU的情况下也能够运行。
OmniVoice 是得到了完整的支持的。 这个功能支持三种不同的模式, 分别是自动音色模式, 指令音色模式以及参考音频克隆模式。
怎么上手

关于NarratoAI这款软件, 目前咱们可以看到它提供了不止一种方式进行部署安装的操作。
这个是推荐给新手使用的整合包。请你去 cutagent.online 这个网站进行下载, 并且根据你的电脑系统选择对应版本的整合文件。如果你用的是 Windows 系统的话, 找到 start.bat 这个文件, 然后双击运行它。
如果你用的是 Mac 系统, 那么你应该去找到 start-macos.command 文件并进行双击操作。接下来, 你需要打开浏览器, 在地址栏里输入 localhost:8501, 访问后就可以直接使用相关功能了。整个过程中, 你完全不需要去额外配置任何开发环境。
如果你是在 Mac 系统里进行操作的话, 我们推荐使用 Docker 来进行项目的部署工作。在你把项目代码克隆到本地环境之后, 只需要执行一条 docker compose up -d 的命令, 就可以一次性并且以后台运行的模式把所有相关服务都启动起来, 非常方便。
在本地运行的环境里头, 属于开发人员所使用的操作流程是这样的: 第一步要进行git clone这个动作, 第二步要去执行uv sync, 第三步则需要完成config.toml配置文件的设置环节, 最后一步才是启动操作, 具体的启动指令是使用uv run这一参数组合来接着运行streamlit run这个命令, 目标文件锁定在webui.py上。
对硬件的要求并不高, 只需要配置4核CPU以及8GB的内存就可以让它进行运行工作,对于显卡来说并非必须要有。
跟同类怎么比
现在市面上推出的AI视频工具数量非常多, 不过像NarratoAI这样能够把写脚本、配音以及剪辑这一整个完整的流程全都打通起来的产品, 其实是不多的。
NarratoAI的这个定位是很特别的, 它主要是为那些做影视解说号的创作者设计的, 同时也是为那些搞短视频内容的人设计的, 这是一个全自动的工具, 它不是一个用来编辑视频的通用工具, 但是它在专门的这个小赛道上做得是非常深的。
不是没有槽点
流程的稳定性要看大语言模型。解说脚本的质量高度依赖于你所配置的大模型的具体情况, 比如使用 DeepSeek R1 和使用本地小模型之间的效果差距是非常明显的。只有拥有好的模型, 才能够写出高质量的文案。
语音克隆这档子事情其实是存在一定门槛的。IndexTTS 这个工具要是在本地进行部署操作的话, 是需要你自己单独去把部署包给下载下来的, 而且那个配置的过程对不具备相关技术背景的用户而言来看, 肯定算不上是那种不需要动脑筋的无脑操作。
完整整合包里面是有运行环境的, 它还有依赖库存在一起了, 并且还有模型文件也在其中, 所以这个包的体积达到了几 GB 那样大小, 下载它需要花费时间, 解压它也必须要用到时间。
WebUI也就是Streamlit, 它的功能方面是没有什么问题的, 不过呢界面显得不是那么精致, 和那些商业软件的使用体验来比照的话, 还是存在一定差距的。
说到底
NarratoAI 是我到现在为止看到过的最完整的, 开源的视频解说自动化方案, 10.5K Stars 并不是白来的, 它确实可以帮你省下大量的时间, 如果你正在做影视解说号, 短剧剪辑, 或者是任何需要批量产出视频的内容创作工作, 花半个小时的时间去做一下部署的话, 我觉得这挺值得的。
GitHub:
https://github.com/linyqh/NarratoAI
云端版:https://www.narratoai.co
官方文档:飞书文档
这里的标签包括了#NarratoAI, 还有#AI影视解说, 另外也有#视频自动化剪辑, 同时也涉及#AI配音, 还提到了开源工具, 以及#短视频创作和#内容创作。
请一定要关注我, 因为在接下来的每个期数里面, 我都会去给大家分享一下那个能够帮你省下一些力气、而且作用非常强大的工具。
