用豆包让你的画面变成带配音的图片动画

# 用豆包让你的画面变成带配音的图片动画 > 不需要视频剪辑技能，几张图片+一段文字=带配音的漫画动画 --- ## 你能做什么 如果你有： - 几张漫画/插画/产品图 - 一段对话或旁白文字 - 想让它们动起来，配上专业配音 这篇文章教你用**豆包语音（火山引擎TTS）+ FFmpeg**，从零搭建一条"图片→配音动画"的自动化流水线。全程代码，看完就能跑。 --- ## 效果演示 输入：5张漫画分镜 + 7句对话脚本 输出：一个1080×1080的MP4，带角色配音+底部字幕+结尾钩子 配音分层： - 旁白 → 知性女声（灿灿Mars） - 男主 → 低沉男声（M392） - 女配 → 活泼女声（小荷Uranus） --- ## 第一步：申请豆包TTS API 打开火山引擎语音技术控制台： ``` https://console.volcengine.com/speech/new ``` 创建一个API Key。豆包新版控制台只需要一个Key，不需要APPID和Token。 --- ## 第二步：TTS合成（Python） ```python import requests, base64, uuid API_KEY = "你的API Key" def synthesize(text, voice_type="zh_female_cancan_mars_bigtts", output="output.mp3"): headers = {'X-Api-Key': API_KEY, 'Content-Type': 'application/json'} payload = { 'app': {'appid': 'test', 'token': 'x', 'cluster': 'volcano_tts'}, 'user': {'uid': 'test'}, 'audio': {'voice_type': voice_type, 'encoding': 'mp3'}, 'request': {'reqid': str(uuid.uuid4()), 'text': text, 'operation': 'query'}, } r = requests.post('https://openspeech.bytedance.com/api/v1/tts', headers=headers, json=payload) result = r.json() if result['code'] == 3000: audio = base64.b64decode(result['data']) with open(output, 'wb') as f: f.write(audio) print(f"OK: {output}") # 使用 synthesize("这是一个测试。", "zh_female_cancan_mars_bigtts", "test.mp3") ``` --- ## 第三步：制作画面 准备带字幕的配音脚本： ``` 格1_入职介绍 (7s) [旁白·灿灿Mars] 林婉欣入职第一天。 [对话·灿灿Mars] 傅总，这是新来的设计师。 格2_初见对视 (4s) [旁白·灿灿Mars] 她抬起头。四目相对的瞬间—— 格3_深邃对视 (4s) [对话·男声M392] 把入职表放那儿吧。 ``` 每个格子的对话单独合成TTS，这样时长精确可控。 --- ## 第四步：合成视频（FFmpeg） 核心命令： ```bash # 1. 图片→视频片段（每张图按配音时长停留） ffmpeg -y -loop 1 -i panel1.png \ -vf "scale=-1:1080:flags=lanczos,crop=1080:1080" \ -t 7.0 -c:v libx264 seg_01.mp4 # 2. 拼接所有片段 ffmpeg -y -i seg_01.mp4 -i seg_02.mp4 -i seg_03.mp4 \ -filter_complex "concat=n=3:v=1:a=0[out]" \ -map "[out]" video.mp4 # 3. 合并音频 ffmpeg -y -i video.mp4 -i audio.mp3 \ -c:v copy -c:a aac -shortest merged.mp4 # 4. 烧录字幕 ffmpeg -y -i merged.mp4 \ -vf "subtitles='subs.srt':force_style=FontSize=24,FontName=Microsoft YaHei,PrimaryColour=&H00FFFFFF,Outline=1,Alignment=2,MarginV=40" \ output.mp4 ``` --- ## 可用的豆包音色 | 音色ID | 名字 | 适合 | |--------|------|------| | `zh_female_cancan_mars_bigtts` | 灿灿Mars | 旁白/知性女主 | | `zh_male_M392_conversation_wvae_bigtts` | M392 | 低沉男主 | | `zh_female_xiaohe_uranus_bigtts` | 小荷Uranus | 活泼女配 | | `zh_male_ahu_conversation_wvae_bigtts` | 阿虎 | 温暖男配 | --- ## 常见问题 **Q: 图片横版（16:9）在竖版（9:16）视频中太小怎么办？** A: 用 `scale=-1:1080,crop=1080:1080` — 填满高度后裁左右。或者直接用正方形1:1（1080×1080）输出。 **Q: 字幕中的逗号导致FFmpeg报错？** A: `force_style`中的逗号需要转义：`FontSize=24\,FontName=Microsoft YaHei\,...` **Q: 中文路径乱码？** A: 所有中间文件（字幕、拼接列表）放英文路径，最后再拷到目标目录。 --- ## 成本 豆包TTS：约¥2/百万字。一集漫画配音（~200字）成本不到¥0.01。 加上图像生成API（¥0.06/张），一集完整的配音漫画成本不到¥1。 --- *这篇文章是"龙虾大学·AI内容创业"系列的第一篇。下一篇：《豆包语音功能如何搭建——从零配置TTS环境》。*