vox-director的ffmpeg合成内幕音乐ducking、烧录字幕与水印全流程【免费下载链接】vox-directorTurn one topic into a finished Vox-style paper-collage explainer/ad video — automated end to end on Atlas Cloud ffmpeg. An agent skill.项目地址: https://gitcode.com/gh_mirrors/vo/vox-directorvox-director 能把一个主题自动变成一支 Vox 风格纸拼贴解说视频而最终的final.mp4全部由本地 ffmpeg 一次合成完成。这篇文章带你拆解 scripts/assemble.py 的完整流程音乐 ducking旁白出现时 BGM 自动压低、烧录字幕、以及水印是怎么叠加上去的——全程没有一行手动剪辑。为什么合成是最后一道关键工序整条流水线是节拍地图 → 关键帧 → 动效 → 配音 音乐 →合成。前五步各自产出素材合成步骤 scripts/assemble.py 负责把多段镜头、逐 beat 的旁白、背景音乐拼成一支成品。它的核心思路在文件头注释里写得很清楚旁白和字幕按beat节拍段落组织横跨该 beat 的所有镜头所以画面可以尽情切声音始终对齐BGM 在旁白下方被 duck字幕和水印是 Pillow 生成的 PNG用overlay合成。第一步镜头归一化与无损拼接每段 AI 生成的短片段先被归一化为精确时长的静音视频这里有三个贴心细节慢放不冻帧片段比旁白短用setpts微调放慢来填满而不是tpad定格最后一帧模糊填充背景横竖比例不一致的素材比如 3:4 卡片放进 9:16 画幅会得到模糊放大版做背景而不是黑边统一画布统一缩放到 16:9 / 9:16 / 1:1 对应分辨率24fps。之后用concat协议-c copy把所有片段无损拼成一条无音轨的body_silent.mp4避免二次编码损失画质。第二步音乐 ducking——旁白一出BGM 自动让路这是整篇文章的主角对应 scripts/assemble.py 的音频滤镜链流程是逐 beat 延迟对齐每个旁白文件用adelay推到其 beat 的起始毫秒处混音并补齐时长amix混合后volume提升旁白再apadatrim把旁白轨垫到全片时长——这是关键坑sidechaincompress的输出长度跟随侧链不补齐的话片尾纯音乐段会被-shortest直接剪掉这个坑项目专门记录在 references/models-and-gotchas.md 里旁白轨一分为二asplit复制出两路一路参与混音一路专门做 ducking 的侧链信号BGM 预处理atrim截齐总时长 →volume压低基础音量默认 0.6从 0.9 降下来就是为了让旁白主导→ 结尾 2 秒afade淡出侧链压缩sidechaincompressthreshold0.02:ratio12:attack5:release350——旁白一响BGM 以 12:1 的比例迅速压低旁白停顿后350ms 的慢释放让音乐自然回升听感顺滑不生硬。这套参数保证了人声永远听得清同时背景音乐不抢戏、不突兀。第三步烧录字幕——为什么不用 drawtext本机 ffmpeg 是精简版没有 libass 也没有 drawtext缺 libfreetype。vox-director 的解法很实用用 Python Pillow 把字幕画成透明 PNG再用 ffmpeg 的overlay按时间窗口贴回视频。scripts/text_overlay.py 提供两种字幕风格在beats.json里用caption_style切换风格效果适用场景white默认纯白字 深色描边 高斯模糊软阴影无底条干净克制的标准字幕感paper奶油色剪纸字 墨色描边 从关键帧自动取色的彩色 keyline拼贴风视频字幕颜色随影片主色走paper风格的亮点在accent_color()把关键帧缩到 80×80 量化后按饱和度×亮度×出现频次打分挑出一个醒目色墨西哥片→粉/青绿唐代片→朱红让每支片的字幕色调都与画面呼应。叠加时机用overlay0:0:enablebetween(t,开始,结束)控制——每个 beat 的字幕在其区间内出现前后各留 0.2s / 0.1s 缓冲切换干脆不拖影。字幕字号是min(W,H)×0.045横竖屏都自适应且刻意做得小绝不遮挡拼贴画面。第四步水印——一行文字全程在线水印由 scripts/text_overlay.py 的render_watermark()渲染奶油色小字 墨色描边右下角定位距边 30px无黑色底框默认文案是Made with Atlas Cloud · vox-director。在滤镜链里它是最后一个 overlay字幕之后全片无enable时间窗——即从头到尾常驻但视觉上足够低调不抢画面。想改文案在beats.json里写一个watermark字段即可覆盖。一次编码产出成品上面所有滤镜N 条字幕 overlay 水印 overlay 完整音频链打包进一条-filter_complex视频libx264yuv420p、音频 AAC 一次编码输出out/项目/final.mp4。少一次编码就少一次画质损失速度也快得多。想动手试参考 examples/money-15s.beats.json 这类现成节拍文件配合 SKILL.md 的六步工作流让编码 Agent 帮你跑完全程——你只需批准节拍地图、挑一个喜欢的风格剩下的交给 ffmpeg。【免费下载链接】vox-directorTurn one topic into a finished Vox-style paper-collage explainer/ad video — automated end to end on Atlas Cloud ffmpeg. An agent skill.项目地址: https://gitcode.com/gh_mirrors/vo/vox-director创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考