最近参加了一次英语面试，过程可谓惨不忍睹，很多内容不知道怎么表达，场面一度十分尴尬。此刻，意识到提升英语能力的重要性。我准备用听说结合的方式练习英语。具体来说，就是通过听单词和解释来背单词。听句子和跟读句子来提升口语能力。就像小孩子一样，主要通过耳朵来学习语言。我在网上找到很多英语学习视频，有很多单子句子朗读的，发现大多数内容与工作无关。于是萌生了一个想法：为什么不制作一些完全贴合我学习需求的视频呢？这样的方式不仅可以定制学习内容，还能增加我的学习兴趣。说干就干，于是就开发了一个生成视频的工具。刚做完第一版，能够根据 csv 生成一个读单词的视频。
预期的学习方式
我的目标是每天晚上整理并学习一批单词，将它们生成视频后，第二天上下班开车时播放跟读，或者在空闲时随时观看。这些单词的来源主要是阅读英文书和文档时记录下的不熟悉单词，每天大约学 20-50 个。我会把这些单词收藏到有道词典，其实就是把有道词典当成数据库，不至于重复记录。再把每天的单词整理成包含单词、音标和解释的 CSV 文件。通过开发的工具，根据这个 csv 文件生成视频。最后把视频上传到 YouTube。选择 YouTube 的原因有三点：第一，避免视频占用手机空间；第二，支持多端同步和记录观看进度；第三，我订阅了 YouTube 会员，可以利用后台播放功能，将视频当作音频来听，这也为学习提供了更多便利。
放一张视频截图
技术选型
- Node.js: 我是一个前端，能用 js 写的都用 js 写。因为是工具，写完直接运行就行了，不需要发布，所以就没搞编译啥的。
- FFmpeg：用于处理音视频的合成。
- 百度云语音合成 API：文本生成语音，首次购买可以 2 块钱调 10000 次最质量的语音合成，很划算，效果也不错。
- Canvas：文本生成图片，方便查看单词。
环境准备
我是 Windows 电脑，开发用 WSL（Windows Subsystem for Linux），装的 Ubuntu 系统。
安装 FFmpeg
FFmpeg 是处理音视频的核心工具，安装方式如下：
sudo apt install ffmpeg
初始化项目
创建并初始化一个 Node.js 项目：
csharp
npm init -y安装必要依赖
使用 Yarn 安装依赖：
css
yarn add axios canvas@next dotenv- axios：用于访问百度云语音合成 API，生成单词和解释的音频。
- canvas ：用于绘制单词、音标和解释的图片，提升视频的视觉效果。用 next 版本的原因是
It's the first version to use N-API and prebuild-install. - dotenv：用于加载和管理环境变量，确保 API 密钥等敏感信息安全可控。
开发
整个工具的执行流程如下：
- 读取单词数据：通过 Node.js 读取 CSV 文件，每一行数据包含单词、音标和解释。这些数据构成了生成视频的基本素材。
- 生成音频：将每个单词及其对应的解释发送到百度云语音合成 API，生成语音文件。
- 制作单词图片：利用 Canvas 将单词、音标及解释动态绘制成图片。
- 音频与图片整合：使用 FFmpeg 将生成的音频与对应的图片合成视频，形成一个单词对应的独立视频片段。音频的设计为三次朗读：第一遍正常语速，帮助熟悉发音；第二遍慢速，便于学习；第三遍再次正常语速，强化记忆。
- 合并单词视频：将所有单词的视频片段合并为一个完整的视频文件，方便统一观看。
核心代码几乎都是 Github Copilot 生成，源码： programmer-English
使用方式就是把 csv 文件路径传参给脚本，一段时间后就能生成一个单词的朗读视频。
css
node index.js path-to-csv待优化的内容
- 单词只支持一种词性，后面考虑加多种解释。
- 只有单词，后续可以增加例句，一是深对单词的理解，二是句子才是真正的表达，只学单词是没用的。
大家有更多的想法也欢迎留言。
最后
写这篇文章是觉得自己的工具挺有意思，记录一下。也提醒自己，别忘了面试时的窘境，希望自己知耻而后勇，坚持学习。
再提一下 AI 真的提升了生产力。开发过程核心代码几乎都是 Github Copilot 实现，我完全没有看 Canvas 和 FFmpeg 的 api。图片中的背景图是用文心一言生成的，用 PS 的创成式填充去掉了多余的内容。从创建项目，到生成第一个视频大概用了 2 个半小时。思路是提前想好的，中间加了些调整，比如语音读三遍，中间要慢放。
如果大家也想用同样的方式学习英语，欢迎关注我。让我们一起把英语学习坚持下去。我最近开始读英文原版的《代码大全》第二版，会将里面不认识的单词都整理出来，更新的到频道中。