摘要:当我们想根据一版 PPT 制作出相对应的解锁视频时,从撰写解锁词,录制音频到剪辑视频,每一个环节都需要投入大量的时间和精力,本方案将依托于阿里云函数计算 FC和百炼模型服务,实现从 PPT 到视频的全自动转换,将静态的 PPT 转化为动态视频。
当我们想根据一版 PPT 制作出相对应的解锁视频时,从撰写解锁词,录制音频到剪辑视频,每一个环节都需要投入大量的时间和精力,本方案将依托于阿里云函数计算 FC 和百炼模型服务,实现从 PPT 到视频的全自动转换,将静态的 PPT 转化为动态视频。
本方案利用函数计算 FC 部署 Web 应用,调用百炼模型服务实现 PPT 到视频的自动转换。视觉模型智能理解 PPT 图文内容,快速生成相匹配的解说词;文本模型对解说词进行优化,提高其可读性和吸引力;语音模型则根据解说词生成生动流畅的旁白音频。整个过程高度集成,只需一键操作,系统即可自动整合图片、文本和音频素材,快速生成对应讲解视频。
在制作线上课程、自媒体内容或者活动宣传视频时,用户通常需要撰写解说词、录制音频和剪辑视频,制作流程繁琐且周期较长。本方案利用函数计算 FC 部署 Web 应用,调用百炼模型服务实现 PPT 到视频的自动转换。
方案中涉及多种模型:视觉模型(qwen-vl-max-latest)用于理解 PPT 图文内容,快速生成与之相匹配的解说词;文本模型(qwen-plus)对解说词进行优化,提高其可读性和吸引力;语音模型(cosyvoice-v1)则根据解说词生成生动流畅的旁白音频。系统自动整合图片、文本和音频素材,将原本静态的 PPT 转化为结构严谨、过渡自然的动态视频。整个过程高度集成化,用户只需进行简单的几步操作,即可轻松实现从 PPT 到视频的转换。
最终的运行环境将与下图展示的架构相似。
本方案的技术架构包括以下云服务:
函数计算 FC:用于部署应用程序。对象存储 OSS Bucket:用于存储从 PPT 文件中分解出的每一页图片。大模型服务平台百炼:提供视觉模型、文本模型和语音模型服务,用于解说词创作、解说词优化和语音合成。部署应用
1. 请点击前往部署[1]打开我们提供的函数计算应用模板,参考下表进行参数配置,然后单击创建并部署默认环境。
部署类型部署方式。直接部署应用名称自动生成。默认角色名称模板所需的角色(如果需要授权,请按照控制台提示进行授权)。默认地域FC部署地域。默认华东1(杭州)对象存储-存储桶名下拉选择Bucket 名称。ppt2video-test百炼API-KEY百炼API-KEY。部署资源中获取的百炼 API-KEYRAM角色ARN函数计算访问对象存储OSS服务时使用的函数角色。如果提示您当前选择的应用还需要额外一些权限,请单击前往授权。2. 应用部署成功后如下图所示。
应用体验
1. 应用部署完成后,可以在环境详情的环境信息中找到示例网站的访问域名。
2. 点击访问域名,即可打开示例应用。
3. 鼠标移动到示例 1,然后单击使用该示例。
4. 当 PPT 被分解成图片后,点击生成解说词(文本理解)按钮,视觉模型将依次分析每一张图片,并为对应的页面创建解说词文案。文本模型会对生成的解说词进行润色,确保表达自然流畅且易于理解。
说明:点击生成解说词按钮右侧的下拉图标,可以选择文本理解或者深度理解。
文本理解:主要根据文字生成解说词,若配图关联度低则不予考虑。深度理解:深入理解并分析 PPT 中呈现的架构图、流程图等视觉信息,解读其含义与逻辑关系。5. 双击解说词区域可直接编辑当前页面的解说词。编辑完成后,只需点击页面其他任意位置即可自动保存更改。
6. 旁白音频提供了两种不同的内置音色供您选择。
7. 点击生成视频按钮,系统会根据解说词自动生成音频和字幕,最终和图片一起制作成动态视频。
说明:
系统将根据解说词生成音频和字幕,最后整合音频、字幕和图片合成视频。生成过程所需时间会根据 PPT 的页数有所不同,整个生成过程预计需要 5 分钟左右,请您耐心等待。为了方便用户快速体验效果,当前应用为演示版本,体验完毕请及时释放资源。若想用于生产环境,建议下载源码:获取源码[2],可以进行二次开发,同时打开登录鉴权功能。总结至此,您已基本了解如何通过函数计算实现从静态 PPT 到动态讲解视频的全过程,更多细节以及后续清理资源,欢迎您移步官网查看详情:
相关链接:
[1] 前往部署
https://fcnext.console.aliyun.com/applications/create?template=ppt2video&deployType=template-direct&from=solution
[2] 获取源码
来源:阿里云云原生