论文幻灯片转视频

论文幻灯片转视频 是做什么的？

公开入口点为：

<SKILLS_DIR>/paper-slides-to-video/scripts/slides_to_video.py

在包环境中运行：

uv run --project <SKILLS_DIR>/paper-slides-to-video python <SKILLS_DIR>/paper-slides-to-video/scripts/slides_to_video.py <子命令>

精确CLI

• render PDF FRAME_DIR [--dpi 200]
• plan TEX
• narrations FRAME_DIR TEX --annotated-tex ANNOTATED_TEX
• tts FRAME_DIR [--lang zh]
• assemble FRAME_DIR OUTPUT [--pad-sec 0.5] [--speed 1.25]
• cover FIRST_FRAME OUTPUT
• metadata TEX COVER OUTPUT
• full PAPER_DIR --annotated-tex ANNOTATED_TEX

必需完整工作流

1. 在调用此包之前，先编译 slides-beamer/main.pdf。
2. 将 slides-beamer/main.tex 复制为 video/main_with_narration.tex，并为每个渲染的物理页面添加一条非空的 % NARRATION: 注释。这种逐物理页面的约定保证了横向和纵向渲染的一致性：两种方向都由相同的PDF页面组装而成，因此旁白/音频基数约束对每个方向都同等适用。
3. 使用带注释的TeX路径运行 full 命令。

uv run --project <SKILLS_DIR>/paper-slides-to-video python <SKILLS_DIR>/paper-slides-to-video/scripts/slides_to_video.py full "<PAPER_DIR>" --annotated-tex "<PAPER_DIR>/video/main_with_narration.tex"

full 命令在处理前会删除任何过时的旁白输出。它要求精确的PNG/TXT/MP3基数、非空的旁白和音频、可探测的正向音频持续时间，以及包含视频和音频流的组装MP4文件。缺少旁白或MP3会导致非零退出，并且不会留下任何旁白结果。

工具发现

• PDFTOPPM 或 POPPLER_DIR（包含 pdftoppm 的目录），然后是 PATH
• FFMPEG，然后是 PATH
• FFPROBE，然后是 PATH
• EDGE_TTS_BIN，然后是 PATH

静默从来不是隐含的。程序调用者只能通过调用 encode_slide(..., require_audio=False) 来创建有意静音的页面。公共默认值是 require_audio=True。

输出写入 <PAPER_DIR>/video/ 目录下：video_frames/、<paper>_narrated.mp4、cover.png、frames_data.json、narrations.json 和 video_meta.json。

相关技能

• skill://batch-papers-single-omp-full-pipeline
• skill://batch-slides-to-video
• skill://blog-to-bilibili
• skill://edge-tts-retry-video-driver
• skill://index-tts-fallback