“录屏动效自动卡点，AI 大模型严控时长，免 Key 主持人级配音，一键音画字幕秒级出片。”
专为制作高质量 SaaS 功能演示、后台系统操作教程、产品更新讲解打造的现代化工作台。
你不需要看任何复杂的代码或配置！ 只需把本仓库链接发给你的 AI 编程助手，直接发送以下两句提示词之一：
“请帮我安装并启动这个项目，检查系统依赖（Python 和 FFmpeg），启动后告诉我如何打开工作台制作视频。”
“我想用我自己的声音克隆一个专属配音员，请参考仓库中的
custom_voice/README.md和AGENTS.md，一步步指导我录制并帮我配置激活。”
(本项目根目录已内置专门针对 AI 助手的执行手册 AGENTS.md，任何 AI Agent 读完都会全自动为你装配环境并指导操作。)
制作高质量软件教程视频通常有三大门槛：
- 录屏平淡生硬：普通录屏没有重点，观众看不清鼠标点击在哪里。
- 解说音画脱节：录完视频自己配音容易卡顿、语速不一，或者解说还没说完视频就放完了。
- 后期剪辑费时：手动对轴、卡点字幕、分段剪辑极其消耗精力。
OpenScreen Studio + OpenScreen 组合拳彻底解决这一流程：
- 📸 录制端（OpenScreen）：自动捕捉鼠标轨迹，生成专业级平滑镜头缩放、圆角阴影与弹簧光标动效。
- 🧠 编导端（OpenScreen Studio）：自动读取录屏工程的镜头特写与点击交互节拍，根据视频物理秒数，由大模型（DeepSeek / OpenAI / 智谱等）按分镜严卡字数预算，自动撰写音画严密卡点的解说词。
- 🎙️ 合成端（双轨音频架构）：
- 开箱即用标准音色：内置微软 Edge-TTS 广播级自然语音（晓晓、云希、云健等），完全免费、免 API Key、秒级生成。
- 私有专属音色克隆：支持团队每位同事 1:1 录入并克隆自己的真实声线（搭载 F5-TTS 零样本扩散模型 + 广播级母带人声增强链 + 原生时间轴对齐技术，杜绝传统语音识别同音错字，字幕与文案 100% 吻合），一键压制 Apple 风格黑底居中字幕，导出成品 MP4！
为了让大家使用成本最低，工作台设计为双轨音色架构：
flowchart TD
A[启动工作台] --> B{选择解说音色}
B -->|方式一：开箱即用| C[微软标准音色<br>晓晓 · 云希 · 云健]
C -->|免配置 / 0显卡门槛 / 秒级出片| E[FFmpeg 视频合成出片]
B -->|方式二：个性化定制| D[我的专属原声<br>同事 1:1 声线克隆]
D -->|本地 F5-TTS + 原生时间轴字轨对齐| E
- 包含声音：晓晓（知性亲和女声）、云希（阳光活力男声）、云健（沉稳影视男声）、晓伊（温柔客服女声）等。
- 特点：无需下载庞大模型，无需独立显卡，启动后直接可用，生成一段 40 秒配音只需 1 秒钟。
- 特点：视频完全由你本人的真实声线朗读，带个人讲师辨识度，且发音极其平稳、不会有真实录音时的卡壳喷麦。
- 详细制作步骤见下文指引。
只需提供一段你本人 10 ~ 15 秒 的清晰录音，系统就能提取你的声线指纹！
- 录音工具：手机自带录音机即可（推荐 iPhone 录音机，在手机【设置】->【语音备忘录】->【音频质量】选择**“无损压缩”，并在控制中心开启“语音隔离”**）。
- 录音环境：找一个安静的小房间（关紧门窗，避开空调出风口与空旷回音）。
- 录制技巧：嘴巴距离麦克风一拳半（15~20cm），保持平时给同事演示系统的自然、自信讲解语速（约 4.0 ~ 4.5 字/秒）。
- 建议朗读文案（直接照着念即可）：
“大家好，欢迎观看系统功能实操教学。在本期教程中，我将带大家快速了解如何在后台处理新建工单与服务派发流程。”
将导出的录音文件（支持 .wav / .m4a / .mp3，推荐保存为 .wav）拷贝到本项目的 custom_voice/ 目录中，例如命名为：
custom_voice/my_voice.wav
打开 custom_voice/voices.json 文件（如果没有可以直接创建），追加你的专属配置：
[
{
"id": "my_voice",
"name": "张三 (专属原声)",
"role": "产品专家 · 1:1复刻",
"tag": "F5-TTS · 专属音色模型",
"ref_audio": "my_voice.wav",
"ref_text": "大家好，欢迎观看系统功能实操教学。在本期教程中，我将带大家快速了解如何在后台处理新建工单与服务派发流程。"
}
]专属音色克隆搭载 F5-TTS 零样本扩散模型与独创的**【原文原生时间轴对齐 (Verbatim Native Alignment)】**引擎（100% 还原输入文案，0 错别字、毫秒级音画同步与广播级母带人声增强链）。只需在终端运行一次安装：
# 激活虚拟环境后安装专属声音克隆扩展
pip install -r requirements-voice.txt(如果通过 AI 助手安装，直接告诉 AI：“帮我安装专属声音克隆扩展”，AI 会自动为你装配完成)
重启或刷新工作台网页：
- 在 STAGE 2 · 解说音色与语速校准 中，你会立刻看到写着你名字的专属音色卡片；
- 点击卡片右侧的 ▶ 试听按钮，即可先听为快；
- 点击 【🎬 导出成片】，视频就会完全由你自己的声音进行讲解出片！
OpenScreen 是一款优秀的开源录屏工具（开源版 Screen Studio）。请根据您的操作系统下载安装：
| 平台 | 官方直接下载链接 |
|---|---|
| macOS (Apple Silicon M1/M2/M3/M4) | Openscreen-macOS-Apple-Silicon-2.1.2.dmg |
| macOS (Intel 芯片) | Openscreen-macOS-Intel-2.1.2.dmg |
| Windows (x64) | Openscreen.Setup.2.1.2-x64.exe |
| Linux (AppImage) | Openscreen-Linux-2.1.2.AppImage |
(也可访问 OpenScreen 官方 Releases 仓库 获取最新版)
确保电脑已安装 python3 (3.9+) 与 ffmpeg。
# 1. 克隆代码并进入目录
git clone https://github.com/a916791360/openscreen-studio.git
cd openscreen-studio
# 2. 一键运行（自动创建独立虚拟环境并打开浏览器）
# macOS / Linux 用户终端运行：
./start.sh
# Windows 用户直接双击运行：
start.bat系统依赖提示：
- macOS：如未安装 FFmpeg，终端执行
brew install ffmpeg即可。- Windows：终端执行
winget install Gyan.FFmpeg。
服务启动后，浏览器将自动打开工作台：http://localhost:8765。
首次使用，点击工作台右上角的 「模型与提示词设置」：
- 选择服务商预设：支持 DeepSeek（高性价比推荐）、OpenAI、智谱 GLM、硅基流动 或 本地 Ollama。
- 填入 API Key：输入您的 API 密钥，点击 「测试连通性」 验证是否握手成功。
- 点击保存：配置仅加密保存在本地的
llm_config.json中，受.gitignore保护，绝对不会上传或泄露。
- 录制：打开 OpenScreen 录制一段功能操作（无须出声说话），点击导出为 MP4（如保存到“下载”目录）。
- 选择：刷新工作台左下角「录屏媒体库」，系统会自动秒级匹配到对应的 OpenScreen 运镜底稿与遥测节拍。
- 输入要点：在右侧大文本框输入粗略的操作要点（如：
进入工单管理，新建工单，输入故障现象，指定给张工并提交）。 - 智能拟合：点击上方 「智能拟合分镜文案」。AI 会根据特写聚焦、主操作区等时间节拍，严格将字数限制在对应秒数内，生成卡点分镜解说。
- 试听与调整：在左下角选择心仪的配音员（标准音色或你的专属原声），点击微标试听；微调语速基准。
- 一键出片：点击底部 「导出成片 (渲染视频 + AI配音 + 同步字幕)」，系统自动进行音视频合成与字幕压制，提供一键下载与即时播放！
openscreen-studio/
├── studio.py # 工作台核心多线程服务与 Range-streaming 播放器
├── ai_script_generator.py # OpenScreen 遥测节拍解析器与大模型时长约束编导引擎
├── custom_voice_tts.py # 专属音色克隆引擎 (F5-TTS 扩散推理 + 原生字轨对齐 + 广播母带链)
├── requirements-voice.txt # 专属声音克隆扩展依赖清单 (可选)
├── generate_tutorial_audio.py # 独立命令行音频/字幕生成器 (基于 Edge-TTS)
├── custom_voice/ # 👥 团队专属音色库目录
│ ├── README.md # 专属音色录入详细指南
│ ├── voices.json # 音色注册表 (动态加载，支持多人多音色)
│ └── ref_clip_engineer.wav # 预置参考音色范例
├── tokens.css # Linear / Raycast 级工业质感设计系统变量
├── sample_tutorial.txt # 示范台词样本
├── requirements.txt # Python 基础核心依赖
├── start.sh # macOS / Linux 一键极速启动脚本
├── start.bat # Windows 一键极速启动脚本
├── AGENTS.md # 针对 AI 助手 (Cursor/Claude/Antigravity) 的自动部署指引
└── llm_config.example.json # 大模型配置模板 (用户填写的真实 Key 本地保留，不上传)
答：安装启动后，默认自带微软多角色标准音色（晓晓、云希、云健等），直接可用且完全免费免 Key。专属音色（用自己的声音）是按需扩展功能，随时可以录入。
答：双重硬保障！
-
前端与大模型严卡字数：大模型会按
$4.3 \text{ 字/秒}$ 物理速率严格受限，分镜卡片会实时以绿色标明「字数卡准」。 - 画面末尾定格保底 (Hold Last Frame)：即便语速出现微小偏差，系统默认开启保底机制——视频最后一帧自动静止延长，直到配音完整念完，绝不生硬截断语音！
答：完全可以！ 项目根目录附带了专门为 AI 助手设计的 AGENTS.md。同事把代码下载后，直接把仓库交给 Cursor、Claude 或 Antigravity，输入 “请帮我安装并运行这个项目”，AI 助手就会自动完成所有环境装配并指导后续操作。
- 作者与发起人：本项目由 杨冉 (@a916791360) 构思、设计与主导研发并开源。
- 开源协议：本项目采用 MIT License 开放源代码，允许个人及团队自由二次开发、定制与集成。
- 第一权益与署名保障：根据 MIT 协议法律条款，任何第三方分发、二次开发或基于本项目修改衍生时，必须在所有副本或重要部分中完整保留原作者署名及原始版权声明：
Copyright (c) 2026 杨冉 (https://github.com/a916791360) - 隐私与安全：所有视频剪辑、声音合成与字幕压制均在本地离线执行；大模型调用仅直接请求用户填写的官方 API，绝不包含任何第三方遥测或凭据上传。