首先写好文字稿子，然后用google gemini模型生成音频。可以选择很多种人声，我选择了language English(US)和callirrhoe的发声，模型文生音频链接：
https://cloud.google.com/text-to-speech?hl=zh-CN
然后下载音频文件
使用Microsoft Clipchamp打开音频文件，插入图像内容，可以调节音频速度，加入字幕等
然后导出生成文件
完成！
相关推荐
程序员老陆5 小时前
M3U8（HLS 索引协议）深度详解：它不存一帧画面，却指挥了整个互联网视频雪的季节5 小时前
音视频（51-52）hz567896 小时前
视频会议终端品牌如何选择？主流产品特点与选型标准NutShell Wang8 小时前
国产全模态开源潮：从语言模型到视频模型，中国开源生态再升级民乐团扒谱机10 小时前
【读论文】复调音乐信号的主旋律提取：方法、应用与挑战byte轻骑兵11 小时前
【AVDTP】规范精讲[8-3]: 流配置核心三步：从参数下发到动态重配置全拆解微帧Visionular13 小时前
GenOpt像素智绘引擎｜AI生成视频需要怎样的视觉优化算法？杀生丸学AI1 天前
【世界模型】MotionForesight：视频模型应用于未来的三维场景流预测开开心心就好1 天前
视频播放器完美解码集成三款播放器切换使用cuijiecheng20181 天前
RK3588音视频播放器方案对比