vidkit · 视频号成片工作台

给已剪好的竖屏短视频做最后一公里：加字幕、做封面、接片尾、去水印，然后一次性批量导出。 全程在浏览器里操作，本地跑，不上传任何素材。

针对微信视频号的竖屏（720×1280）场景做了适配，但对任何分辨率的视频都能用。

能做什么

步骤	说明	可选
选视频	扫描指定目录，缩略图网格多选	必需
去水印	自动识别角落固定水印并消除，可拖框微调	✅
字幕	FunASR 中文识别 → 网页逐句校对 → 烧进画面	✅
封面	取任意帧 + 醒目标题，可拖拽定位，接到片头当首帧	✅
片尾	上传 logo 视频接在正片后	✅
导出	执行前汇总，批量输出	必需

中间四步都能跳过，各自带独立开关，互不依赖。

几个设计要点

• 字幕预览是真帧：用 libass 实际渲染一帧，与最终烧录同一引擎，不存在"预览看着行、导出偏了"。
• 字幕必须烧进画面：视频号不支持外挂字幕。默认底边距 190px 避开底部按钮遮挡，预览里有安全区标线。
• 封面接进视频：作为第一帧停留 1 秒，上传时选「首帧」即为封面，不用另传图。
• 去水印也作用于封面：封面取自视频帧，不处理的话封面上会残留水印。
• 拼接自动对齐：片头/片尾与正片分辨率、帧率不同会自动缩放补边，无声片段补等长静音，避免音画错位。
• 样式全局统一：所有样式参数存 cache/_style.json，改一次对全部视频生效。

安装

需要先装好 ffmpeg（要求带 libass、libfreetype，Windows 推荐 gyan.dev 的 full build）并加入 PATH：

ffmpeg -version          # 确认可用
pip install -r requirements.txt

字体：默认用微软雅黑 / 黑体（Windows 自带）。其他系统需修改 server.py 里的 FONTS。

运行

python server.py         # 然后打开 http://127.0.0.1:8731

Windows 可直接双击 启动.bat。

默认扫描上级目录的视频，可用环境变量指定：

VIDKIT_MEDIA=/path/to/videos python server.py

首次做字幕识别时会自动下载 FunASR 模型（paraformer-zh + fsmn-vad + ct-punc，约 1GB），之后本地缓存。

输出

导出到 output/：

• 原名_成品.mp4 — 封面片头 + 正片（字幕已烧录、水印已去除）+ 片尾
• 原名_封面.jpg — 单独的封面图

小技巧

• 封面标题里用 [方括号] 包住的词会渲染成高亮色：普通人翻身只有这[三条路]
• 标题支持回车强制换行，也会按字数自动断行
• 「水平居中」勾上时标题只能上下拖，批量做封面时左右严格对齐
• 字幕表格里点任意一句，即可预览那一句的实际效果

说明

• 去水印基于 ffmpeg delogo（用框周围像素插值填补），只对位置固定的水印有效，滚动水印不行。背景越复杂，残留的插值痕迹越明显，把框调小贴紧水印会好一些。
• 若去除的是 AI 生成标识，按《人工智能生成合成内容标识办法》（2025-09 施行）相关要求，发布时应通过平台的「内容由 AI 生成」声明等方式保留标识。

技术栈

FastAPI + 原生 JS 单页（无构建步骤） / ffmpeg + libass / FunASR / Pillow / OpenCV