# 实现方案

开始时间：2026-05-19-00-11-40

## Ubuntu 工具目录

新增 `Tools_scripts_XunFei-Ubuntu/`：

- `requirements-ubuntu.txt`：Ubuntu 脚本所需 Python 依赖。
- `xfyun_tts_ubuntu.py`：核心讯飞 TTS 脚本，支持普通 TTS 与超拟人 TTS。
- `synthesize_xfyun_tts.sh`：普通 TTS Bash 包装入口。
- `synthesize_xfyun_super_tts.sh`：超拟人 TTS Bash 包装入口。
- `check_audio_duration.sh`：检查音频时长的小工具。
- `build_final_video_ubuntu.py`：将单个视频与配音音频合成为最终视频，并根据配音时长自动调整画面速度。

## Ubuntu 工作流文档

新增 `配音生成工作流-Ubuntu-Agent.md`：

- 说明目录结构、依赖安装和环境变量配置。
- 说明配音稿格式。
- 给出普通 TTS、超拟人 TTS、音频时长检查、视频合成的命令示例。
- 给出 Agent 执行清单和常见问题。

## 实现要点

- Python TTS 脚本通过 HMAC-SHA256 生成讯飞 WebSocket 鉴权 URL。
- 配音稿解析兼容 `## 1.` 到 `## 4.` 分段格式。
- `--dry-run` 可在无讯飞凭证时验证配音稿解析结果。
- 视频合成脚本使用 `ffprobe` 计算视频与音频时长，并用 `setpts=PTS/speed` 让画面匹配旁白。
- 输出视频使用 H.264/AAC、yuv420p、faststart，保证浏览器兼容。