生活娱乐 | Movie Narrator — 一句话生成电影解说视频
一、Demo 简介
Movie Narrator 是一个 AI 驱动的电影解说视频自动生成工具。输入一部电影名，AI 自动完成剧情研究、旁白剧本创作、语音合成、字幕生成、视频渲染全流程，输出一条完整的电影解说短视频。
整个项目从零开始，全程使用 TRAE Work 完成开发和迭代。
- 产品形态：Python CLI 工具 + Web UI（Gradio）
- 面向谁：短视频创作者、影视解说博主、内容生产团队
- 核心功能：
- 一句话生成全流程：输入电影名 → 自动生成 60 秒解说视频（旁白 + 字幕 + 画面 + BGM）
- 多 TTS 引擎支持：Edge TTS（免费）、OpenAI TTS、小米 MiMo TTS（含声音克隆和声音设计），可按需切换
- 多语言字幕：自动翻译生成中英双语字幕，支持原文/翻译/双语三种叠加模式
- 智能场景匹配：检测视频场景，用 Embedding 语义匹配旁白段落到最佳画面
- Web UI 可视化：浏览器操作全流程，实时查看进度，支持中途取消
产品截图：
Web UI 界面 — 浏览器中完成全部操作
多语言字幕开发过程 — TRAE Work 自动实现翻译流水线
日志模块 — TRAE Work 从零构建结构化 Console 协议
二、Demo 创作思路
灵感来源：
做短视频运营的朋友抱怨：一条 60 秒的电影解说视频，要查资料、写文案、录音、配字幕、剪辑，至少 2 小时。我就在想——这些步骤能不能让 AI 全自动化？
想解决的问题：
影视解说视频的创作链路高度结构化（调研 → 文案 → 语音 → 字幕 → 剪辑），每一步都有明确的输入和输出，非常适合用 AI 流水线自动化。但市面上的工具要么只做其中一步（如纯 TTS），要么是封闭的 SaaS（不能自定义模型和声音）。
为什么做这个方向：
- 全链路自动化：不是只做 TTS 或只做字幕，而是一句话进去、一条视频出来
- 本地可控：支持 Ollama 本地模型，也支持远程 API，创作者完全掌控数据
- TTS 引擎可插拔：Edge TTS 免费、OpenAI TTS 标准化、MiMo TTS 支持声音克隆——三种引擎统一接口，一行配置切换
- 工程化质量：14 步流水线、soft/hard 步骤分类、preflight 预检、步骤级重试——不是玩具脚本，是可维护的工程项目
三、Demo 体验地址
方式一：GitHub 源码
完整源码、文档、CI/CD 流水线、CHANGELOG 均在仓库中，可 clone 后本地运行。
方式二：本地快速体验
pip install movie-narrator[full]
mn create --movie "满江红"
方式三：演示视频
四、TRAE 实践过程
整个项目从第一行代码到 v0.4.3，全部使用 TRAE Work 完成开发。以下是关键开发阶段的展示。
4.1 项目搭建 + 核心流水线构建
我向 TRAE Work 描述了产品愿景：“做一个 CLI 工具，输入电影名，自动生成解说视频”。TRAE 帮我完成了：
- 项目脚手架搭建（pyproject.toml、包结构、CLI 入口）
- 14 步流水线架构设计（resolve_video → prepare_assets → research_plot → … → render_video）
- LLM 对接（剧情研究 + 剧本生成）
- TTS 语音合成（Edge TTS 集成）
- MoviePy 视频渲染（字幕叠加 + 音频混合）
这是整个项目的地基，TRAE 一次性帮我生成了可运行的核心链路。
4.2 结构化日志系统构建
流水线跑起来后，我需要一套完整的日志系统来追踪每一步的执行状态。向 TRAE Work 描述需求后，它帮我从零构建了：
utils/log.py— AppLogger 纯文件日志层，双写时间戳日志 + latest.logutils/retention.py— 日志保留策略，自动清理旧日志utils/console.py— Console Protocol + PlainConsole + 工厂函数models.py— StepResult / StepState / Services 数据模型runner.py— 统一状态渲染，每步自动记录耗时和结果
最终 14 个 pipeline step 全部接入结构化日志，99 passed，0 failed。
4.3 多语言字幕功能开发
为了让解说视频面向国际观众，我需要加多语言字幕。我先写了一个方案文档，让 TRAE 评估（它打了 8.5/10 分，指出了 magic number 和反向配置默认值的问题），然后让它按改进建议从零开发：
- 新建
pipeline/translate.py— LLM 翻译 provider，chunk 级重试 + soft-degrade - 三文件字幕输出：
subtitle.srt（原文）+subtitle.<lang>.srt（翻译）+subtitle.bilingual.srt（双语） - 三种叠加模式：original / translated / bilingual
改动：15 files, +1024/-23 lines。测试：129 passed, 27 new。
4.4 Web UI 开发
CLI 门槛高，我决定用 TRAE Work 开发一个 Web UI。TRAE 提出两步实施方案（先重构 pipeline 再加 Web 层），我选择一次性做。TRAE 在 19 分 17 秒内从零构建了完整的 Web 层：
- Pipeline 架构升级：
build_context()+run_pipeline(ctx)拆分，RunController 协作式取消 - Web 包（9 个模块）：Gradio Blocks UI、后台线程桥接（200ms 轮询）、表单、线程安全 Console、取消控制器
- 全部测试通过，26 files, +1482/-51 lines
4.5 TTS 抽象层 + MiMo TTS 集成
为了让用户自由选择语音引擎，我用 TRAE Work 从零构建了 TTS 抽象层：
TTSProvider协议 +BaseTTSProvider（CI 静默回退）- 三种 Provider 实现：Edge TTS（免费）、OpenAI TTS、小米 MiMo TTS
- MiMo TTS 支持三种模式：命名音色、声音克隆（base64 音频）、声音设计（文本描述生成音色）
- SHA256 两级缓存，避免重复合成
4.6 Preflight 预检 + 步骤级重试
为了提升健壮性，我用 TRAE Work 开发了两个关键机制：
- Preflight 预检：流水线执行前探测 LLM 连通性（1-token 请求）和 TTS 凭证，失败立即报错附修复提示，避免静默降级到 Mock 内容
- 步骤级重试：
--retry标志启用交互式 [R]etry / [S]kip / [A]bort，重试时保留 ctx 状态（TTS 缓存自动复用），无需从头重跑
4.7 Python 3.13+ 兼容 + MoviePy 2.x 升级
用 TRAE Work 完成了依赖升级：
- MoviePy 1.x → 2.x API 迁移（6 处 API 重命名）
- Python 3.13 加入 CI 矩阵
[ml]extras（whisperx/sentence-transformers）在 Python 3.14 上自动跳过- 首次运行自动创建
~/.movie-narrator/.env配置文件
关键步骤截图
| 截图 | 对应开发任务 | Session ID |
|---|---|---|
| 日志功能开发截图 | 结构化日志系统从零构建 | 8443a1184bc399ba0c856217d1cfe128 |
| 多语言字幕支持功能开发截图 | 翻译流水线 + 双语字幕从零开发 | 5231e1c0ac4b1d8ac2c274439809f518 |
| Web UI 功能开发截图 | Gradio Web UI + Pipeline 架构升级 | f8c92dedd78815c1e7779fbbdac4d55a |
Session ID（共 3 个）
8443a1184bc399ba0c856217d1cfe128— 日志模块开发（TRAE Work CN 0.1.32, 2026/7/13 15:35）5231e1c0ac4b1d8ac2c274439809f518— Web UI 功能开发（TRAE Work CN 0.1.34, 2026/7/13 23:46）f8c92dedd78815c1e7779fbbdac4d55a— 多语言字幕支持功能开发（TRAE Work CN 0.1.34, 2026/7/13 20:44）
五、报名帖链接
六、技术架构
src/movie_narrator/
├── pipeline/ # 14 步流水线
│ ├── runner.py # 编排器（preflight + retry + soft/hard）
│ ├── preflight.py # 运行前 LLM/TTS 校验
│ ├── research.py # 剧情研究（LLM）
│ ├── script.py # 旁白剧本生成（LLM）
│ ├── tts.py # 语音合成调度
│ ├── translate.py # 多语言翻译（LLM）
│ ├── render.py # MoviePy 2.x 视频渲染
│ └── errors.py # StepAction / PipelineCancelled
├── tts/ # TTS 抽象层
│ ├── edge.py # Edge TTS（免费）
│ ├── openai_provider.py # OpenAI TTS
│ ├── mimo_provider.py # MiMo TTS（声音克隆/设计）
│ └── factory.py # Provider 工厂
├── web/ # Web UI（Gradio）
├── config.py # 27 个配置字段 + 自动初始化
└── cli.py # CLI 入口 + --retry 交互
流水线 14 步：
resolve_video → prepare_assets → research_plot → generate_script →
export_script_md → generate_voice → align_audio → detect_scenes →
match_clips → mix_bgm → translate_subtitles → generate_subtitle →
render_video → export_clips
七、开发心得
用 TRAE Work 从零开发这个项目最大的感受是：AI 不只是写代码，而是参与架构决策。
比如多语言字幕那一步，我先写了个方案文档，TRAE 读完打了 8.5 分，指出"magic number"和"反向配置默认值"两个问题，然后自己改进方案再实施。这不是简单的"你说我写"，而是真正的技术协作。
再比如 Web UI 那一步，TRAE 提出分两步做（降低风险），我选择一次性做（图快），结果 19 分钟完成了 26 个文件的改动，测试全过。这种"AI 提建议、人做决策"的模式，比纯手动效率高了一个量级。
整个项目从第一行 pyproject.toml 到最终发布 v0.4.3，经历了 7 个主要开发阶段，每一步都是用 TRAE Work 完成的——从架构设计、代码编写、测试验证到文档同步，全流程 AI 驱动。
