PromptForge 是一个基于 Stable Diffusion 与多家 AI API 的智能对话式创作工具，也是一套覆盖「生成 → 加工 → 排版 → 分发」的全链路 AI 内容创作引擎。用户通过自然语言描述即可生成高质量图片、视频，甚至完成从小说脚本到成片的全自动多媒体创作，支持本地模型与云端 API 双模式。
交互方式上，PromptForge 提供 CLI 与整体框架调用，GUI 上预设多种生图提示词集合，选择后点击发送即可生图；也可以自己写提示词，纯会话直接触发生图、生视频意图。此外还预设了新闻热点、科技信息，一键获取。
技能系统上，项目集成了多种 SKILLS，每个技能既能独立执行，也能组合使用。图片生成后，支持图片鉴赏并形成图文混排的文章，输出 md / word / pdf / html 等多种格式；还能对生成的文章进行排版，适配微信公众号直接发布。另外集成了多平台分发 SKILL，执行 multi_publish.py 即可一键分发到多个平台。
简单总结要点有：
- 图像生成：本地 Stable Diffusion + 云端多引擎（HuggingFace / 通义万相 / 文心一格 / 腾讯混元 / Pollinations / Agnes / Replicate / Stability AI），支持文生图、图生图、双人 / 多人合成
- 视频生成：文生视频、图生视频，长视频自动分段生成并无缝合成
- 音乐生成：MIDI 编曲 + MusicGen 双引擎，5 种情绪、10+ 编曲风格，输出 MP3
- 语音合成：Edge TTS 长文本分段合成，自动拼接
- 长文写作：小说生成、技术热点文章、图片鉴赏图文混排
- 多媒体成片：小说 → 场景拆分 → 视频 → 配音 → 音乐 → 字幕 → 一键合成
- 排版发布：Markdown 一键排版为微信公众号 HTML（33 主题），支持 md / word / pdf / html 多格式导出
- 多平台分发：通过 social_auto_upload 技能推送至小红书、抖音、快手、B站、视频号、百家号、支付宝生活号、微博、虎扑、YouTube 等 10+ 平台
- 双模式生成：支持本地 Stable Diffusion 模型和多种云端 API（免费 / 付费）
- 图像生成：文生图、图生图、双人合成、多人合成（3+ 张图）
- 视频生成：集成 Agnes 视频模型，按 10 秒分段并自动循环拼接至目标时长
- 多媒体全自动创作：小说脚本 → 场景拆分 → 视频片段 → 语音旁白 → 背景音乐 → 字幕 → 最终成片
- 自然语言交互：通过对话即可生成、修改图片，支持上下文理解与偏好记忆
- 丰富的 API 支持：Pollinations（免费）、Agnes AI（免费）、Free API、通义万相、文心一格、腾讯混元、HuggingFace、Replicate、Stability AI
- 智能意图分析：自动识别文生图、图生图、双人/多人合成、视频生成、多媒体创作、普通对话
- LLM 增强：可选 Ollama 本地大模型优化提示词、生成小说、生成技术文章
- 技能系统：内置
image_generator、video_generator、music_generator、image_curator、wechat_formatter、news_aggregator、novel_writer、tech_hot_article、voice_assistant - 安全过滤：内置内容安全检查器，支持安全开关与敏感词清理
- 轻量级 GUI：基于 Tkinter 的简洁图形界面，支持图片缩略图预览、双击查看大图
- 双模式支持：本地 Stable Diffusion 模型 + 云端 API
- 文生图：输入文字描述生成图片
- 图生图：基于参考图生成新图片
- 多引擎支持：Agnes / Pollinations / HuggingFace / Stability / Replicate / Free API
- 自动回退：API 失败时自动切换到备用引擎
- 多图合成：2 人双人合成，3-6 人多人群像合成
- 文生视频：输入文字描述生成视频
- 长视频拼接：自动拆分多段生成后拼接成长视频（支持 4-12 秒/段）
- 参考图生成：支持上传参考图生成视频
- 支持多引擎：Agnes Video 2.5 Flash
- AI 音乐大师：自动写词、谱曲
- 双模式引擎：MIDI 合成 / MusicGen（Meta）
- 多情绪支持：宁静 / 深情 / 欢乐 / 壮丽 / 神秘 / 浪漫 / 活力
- 智能硬件检测：根据 GPU 自动选择最优模式
- 技术文章生成：基于实时技术热点生成文章，自动配图并输出 Word 文档
- 新闻简报：RSS 多源抓取 + AI 智能摘要，支持 7 大类新闻
- 小说生成：使用本地 Ollama 大模型自动写小说，支持 17 种语言与断点续写
- 目录扫描：自动扫描目录中的图片（png / jpg / jpeg / webp / bmp / gif）
- AI 逐张鉴赏：使用多模态模型描述主体、构图、色彩、光影、风格、氛围
- 智能重试：单张最多重试 3 次，第 2 次起自动换更简单的提示词
- 文件名兜底：连续失败时用文件名生成占位描述，文章不出现空洞
- 多格式输出：Markdown / HTML / Word / PDF / 微信·知乎富文本
- 一键粘贴：生成内联样式 HTML，直接 Ctrl+V 到微信公众号或知乎编辑器
- TTS（语音合成）：支持多语言、多音色
- STT（语音识别）：基于 Whisper 模型
- 长文本处理：自动分段朗读与合并
- 自然语言对话：支持上下文记忆，偏好学习
- 智能意图分析：自动识别 7 种意图（文生图、图生图、双人合成、多人合成、对话、视频、多媒体）
- LLM 增强：可选 Ollama 本地大模型优化提示词
- 安全过滤：内置内容安全检查，独立开关控制
- 双模式切换：本地 / 云端一键切换
- 轻量级 GUI：基于 Tkinter，开箱即用
- 图片预览：双击缩略图查看大图
- 任务状态反馈：实时显示生成进度
- Python 3.8 或更高版本
- 至少 8GB RAM（本地模式建议 16GB+）
- 可选：Ollama（用于 LLM 增强、小说生成、新闻摘要）
- 可选：FFmpeg（用于视频 / 音频合并）
- 可选：FluidSynth + SoundFont（用于 MIDI 音乐合成）
- 视频生成需要可访问 Agnes API，并配置
AGNES_API_KEY
- 克隆项目
git clone https://github.com/austinnie/PromptForge.git
cd PromptForge- 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate # Linux/Mac
# 或
venv\Scripts\activate # Windows- 安装依赖
pip install -r requirements.txtPyTorch 建议按官方说明安装 CPU 或 CUDA 版本：
pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
- 配置环境变量（可选）
cp .env.sample .env
# 编辑 .env 文件，填入你的 API 密钥- 启动应用
python main.py- 选择模式：在工具栏切换
local（本地）或api（云端）模式 - 选择模型 / API：
- 本地模式：点击“📂 选择模型”加载
.safetensors或.ckpt文件 - API 模式：从下拉列表选择提供商（Pollinations、Agnes、通义万相等）
- 本地模式：点击“📂 选择模型”加载
- 输入描述：在输入框用自然语言描述你想要的图片或视频
- 发送：按
Ctrl+Enter或点击“🚀 发送”按钮
| 操作类型 | 示例输入 | 说明 |
|---|---|---|
| 文生图 | “生成一张美丽的日落风景” | 从文字生成图片 |
| 图生图 | “把这张图改成油画风格” | 需先上传 1 张图片 |
| 双人合成 | “让他们拥抱在一起” | 需上传 2 张人物图片 |
| 多人合成 | “把这三个人放在同一个场景里” | 需上传 3 张以上人物图片 |
| 视频生成 | “生成一段 60 秒的日落海浪视频” | 需 API 模式，且选择支持视频的提供商（Agnes） |
| 多媒体创作 | “创作一个关于月光森林的视频” | 全自动：小说 → 视频 → 语音 → 音乐 → 字幕 → 成片 |
| 普通对话 | “你好，能帮我生成图片吗？” | 自然语言问答 |
- 在
.env中配置视频相关参数：
VIDEO_SEGMENT_DURATION=10
VIDEO_AUTO_MERGE=true
VIDEO_DURATION=60- 切换到 API 模式，选择支持视频生成的提供商（如 Agnes）
- 输入视频描述，例如：
生成一段 60 秒的日落海浪视频
- 当
VIDEO_AUTO_MERGE=true时，应用会根据VIDEO_SEGMENT_DURATION自动拆分并合并多个视频片段
注意：Agnes API 单次视频生成时长通常为 4-12 秒，长视频通过分段拼接实现，需要安装 FFmpeg。
输入“创作视频 ...”“全自动 ...”“生成故事 ...”等指令，会触发 MultimediaWorkflow：
- 用 Ollama 生成小说脚本并拆分为场景
- 为每个场景生成视频片段、语音旁白、背景音乐、字幕
- 逐段合并，最终拼接为完整视频
应用会记住你的偏好（风格、场景等），并在后续生成中自动应用。你可以说“显示偏好”“上下文”或“清除上下文”来管理。
- Pollinations AI：无需配置，开箱即用
- Free API：社区免费代理，无需注册（稳定性较差）
- Agnes AI：注册获取 API Key，支持图像、文本、视频、视觉模型，无限期免费
- HuggingFace：获取 Access Token，免费有限速
- Replicate：获取 API Token，按量付费，支持真正的图生图
- Stability AI：获取 API Key，按量付费，支持真正的图生图
- 通义万相（阿里云百炼）
- 文心一格（百度智能云）
- 腾讯混元
# ============================================================
# 生成模式
# ============================================================
GENERATION_MODE=api # local / api
API_PROVIDER=pollinations # pollinations / agnes / huggingface / tongyi / yige / hunyuan / freeapi / replicate / stability
# ============================================================
# 本地模型
# ============================================================
SD_MODEL_PATH=/path/to/model.safetensors
# ============================================================
# Pollinations（免费，无需 Key）
# ============================================================
POLLINATIONS_MODEL=flux
# ============================================================
# Agnes AI（免费，需注册）
# ============================================================
AGNES_API_KEY=your_api_key_here
# 备用路由（主路由不可用时自动切换）
# AGNES_BASE_URL=https://apihub.agnes-ai.cn/v1
# AGNES_BASE_URL=https://api.agnes-ai.cn/v1
AGNES_IMAGE_MODEL=agnes-image-2.1-flash
AGNES_TEXT_MODEL=agnes-2.5-flash
AGNES_VIDEO_MODEL=agnes-video-2.5-flash
AGNES_VISION_MODEL=agnes-2.5-flash
# ============================================================
# 视频生成配置
# ============================================================
VIDEO_SEGMENT_DURATION=10 # 单个视频分段长度（秒）
VIDEO_AUTO_MERGE=true # 是否启用自动循环拼接
VIDEO_DURATION=60 # 目标视频时长（秒）
# 注意：Agnes API 单次 4-12 秒
# ============================================================
# 通义万相（阿里云）
# ============================================================
TONGYI_API_KEY=your_api_key
TONGYI_MODEL=wanx-v1
# ============================================================
# 文心一格（百度）
# ============================================================
YIGE_API_KEY=your_api_key
YIGE_SECRET_KEY=your_secret_key
# ============================================================
# 腾讯混元
# ============================================================
HUNYUAN_SECRET_ID=your_secret_id
HUNYUAN_SECRET_KEY=your_secret_key
# ============================================================
# HuggingFace
# ============================================================
HF_API_TOKEN=your_token
HF_MODEL=sdxl
# ============================================================
# Replicate / Stability（付费，支持图生图）
# ============================================================
REPLICATE_API_TOKEN=your_token
REPLICATE_MODEL=stability-ai/stable-diffusion
STABILITY_API_KEY=your_key
STABILITY_MODEL=stable-diffusion-xl-1024-v1-0
# ============================================================
# Free API（社区免费代理）
# ============================================================
FREEAPI_MODEL=flux
# ============================================================
# 生成参数
# ============================================================
DEFAULT_STEPS=20 # 推理步数
DEFAULT_CFG=7.5 # 提示词引导强度
DEFAULT_STRENGTH=0.35 # 图生图默认强度
DEFAULT_WIDTH=512 # 默认宽度
DEFAULT_HEIGHT=768 # 默认高度
# ============================================================
# 安全
# ============================================================
SAFE_MODE=true
ENABLE_SAFETY_CHECK=true # 是否启用安全检测
# ============================================================
# LLM（Ollama）
# ============================================================
LLM_ENABLED=true
OLLAMA_URL=http://localhost:11434
OLLAMA_MODEL=qwen2.5:1.5b
# ============================================================
# 技术文章配图引擎
# ============================================================
ARTICLE_IMAGE_ENGINE=agnes在 .env 中可调整默认参数：
DEFAULT_STEPS=20 # 推理步数
DEFAULT_CFG=7.5 # 提示词引导强度
DEFAULT_STRENGTH=0.35 # 图生图默认强度
DEFAULT_WIDTH=512 # 默认宽度
DEFAULT_HEIGHT=768 # 默认高度安全开关可在 .env 中配置，用于控制内容安全检查器的行为。
SAFE_MODE=true
ENABLE_SAFETY_CHECK=true # 是否启用安全检测PromptForge/
├── main.py # 应用入口
├── gui/
│ └── app.py # 主界面 (Tkinter)
├── core/ # 核心逻辑
│ ├── intent_analyzer.py # 意图分析
│ ├── prompt_builder.py # 提示词构建
│ ├── context_manager.py # 上下文管理
│ └── safety.py # 安全检查
├── api_engines/ # API 引擎
│ ├── base.py # 基类
│ ├── pollinations.py # Pollinations
│ ├── agnes.py # Agnes AI（图像/文本/视频/视觉）
│ ├── freeapi.py # Free API
│ ├── tongyi.py # 通义万相
│ ├── yige.py # 文心一格
│ ├── hunyuan.py # 腾讯混元
│ ├── huggingface.py # HuggingFace
│ ├── replicate.py # Replicate（支持图生图）
│ └── stability.py # Stability AI（支持图生图）
├── handlers/ # 意图处理器
│ ├── base.py
│ ├── text_to_image.py
│ ├── image_to_image.py
│ ├── couple_handler.py
│ ├── multi_person_handler.py
│ ├── chat_handler.py
│ ├── video_handler.py
│ └── multimedia_handler.py
├── services/ # 服务
│ ├── llm_service.py # Ollama 集成
│ ├── pipeline_pool.py # 模型池管理
│ └── image_processor.py # 图片后处理
├── skills/ # 技能模块
│ ├── image_generator/ # 图像生成
│ ├── video_generator/ # 视频生成
│ ├── music_generator/ # 音乐生成（MIDI + MusicGen）
│ ├── image_curator/ # 图片鉴赏文章生成（MD/Word/PDF/富文本）
│ ├── wechat_formatter/ # 微信排版 + 33 主题 + 可选推送草稿箱
│ ├── news_aggregator/ # 新闻聚合 + AI 摘要
│ ├── novel_writer/ # 小说生成（多语言）
│ ├── tech_hot_article/ # 技术热点文章 + 配图 + Word
│ └── voice_assistant/ # 语音合成 / 识别
├── multimedia/ # 多媒体工作流
│ ├── workflow.py # 全自动创作主流程
│ ├── assembler.py # 视频合成
│ └── subtitle.py # 字幕生成
├── config/
│ └── settings.py # 全局配置
├── .env.sample # 环境变量模板
└── requirements.txt # 依赖列表
- 在
api_engines/创建新引擎类，继承BaseEngine - 实现
generate_single()方法 - 在
api_engines/__init__.py的create_engine()中注册 - 在
config/settings.py添加配置项 - 如果该提供商支持视频生成，请按现有 Agnes 视频流程扩展分段与拼接逻辑
在 core/intent_analyzer.py 的 IntentAnalyzer 类中添加新的触发词和处理逻辑。
技能模块位于 skills/ 目录，每个技能包含：
skill.py：核心实现meta.json：元信息*_cli.py：命令行入口README.md：使用说明
可按需添加新技能模块，并在 skills/__init__.py 中注册。
当前包含：
image_generator：图像生成技能，支持文生图、图生图，多引擎切换与自动回退video_generator：视频生成技能，支持文生视频与长视频分段拼接music_generator：AI 音乐大师，自动写词、谱曲，支持 MIDI 与 MusicGen 两种模式image_curator：图片鉴赏文章生成器，扫描目录中的图片逐张 AI 鉴赏，输出 Markdown / HTML / Word / PDF / 微信·知乎富文本news_aggregator：新闻聚合器，RSS 新闻抓取 + AI 智能摘要，支持多分类novel_writer：小说生成技能，使用本地 Ollama 大模型自动写小说，支持多语言与断点续写tech_hot_article：技术热点文章生成器，基于实时热点生成文章，自动配图并输出 Word 文档voice_assistant：语音合成（TTS）与语音识别（STT）助手，支持多语言与长文本分段
# 文生图
python skills/image_generator/image_generator_cli.py "a beautiful sunset over the ocean" --open
# 指定引擎
python skills/image_generator/image_generator_cli.py "sunset" --engine pollinations --open
# 指定尺寸
python skills/image_generator/image_generator_cli.py "cyberpunk city" --width 1024 --height 768 --open
# 指定推理步数与引导强度
python skills/image_generator/image_generator_cli.py "portrait of a girl" --steps 30 --cfg 7.5 --open
# 指定随机种子（可复现）
python skills/image_generator/image_generator_cli.py "sunset" --seed 12345 --open
# 图生图
python skills/image_generator/image_generator_cli.py "make it oil painting style" --input ./test.png --strength 0.6 --open
# 列出可用引擎
python skills/image_generator/image_generator_cli.py --engines
# 默认 60 秒视频
python skills/video_generator/video_generator_cli.py "月光下的森林，镜头缓缓推进" --open
# 生成 30 秒视频
python skills/video_generator/video_generator_cli.py "日落海边" --duration 30 --open
# 生成 120 秒长视频
python skills/video_generator/video_generator_cli.py "星空" --duration 120 --segment-duration 10 --open
# 指定分辨率
python skills/video_generator/video_generator_cli.py "雪山日出" --width 1280 --height 720 --open
# 指定单段时长
python skills/video_generator/video_generator_cli.py "城市夜景" --duration 60 --segment-duration 5 --open
# 生成后自动打开视频
python skills/video_generator/video_generator_cli.py "森林" --open
# 交互式模式（推荐，会提示选择主题、情绪、时长）
python skills/music_generator/music_generator_cli.py
# 快速生成（主题 + 情绪 + 时长）
python skills/music_generator/music_generator_cli.py --quick "星辰大海" "peaceful" 30
# 快速生成（自定义主题 + 壮丽情绪 + 60 秒）
python skills/music_generator/music_generator_cli.py --quick "月光下的森林" "epic" 60
# 查看帮助
python skills/music_generator/music_generator_cli.py --help
# 多乐器交响乐（高级功能）
python skills/music_generator/generate_symphony.py
可用情绪：peaceful, melancholic, joyful, epic, mysterious
命令行调用
# 全格式生成（默认 md,html,docx,pdf,clipboard），生成后自动打开
python skills/image_curator/image_curator_cli.py output/机甲 --open
# 自定义标题
python skills/image_curator/image_curator_cli.py output/机甲 -t "机甲之美" --open
# 递归子目录
python skills/image_curator/image_curator_cli.py output/机甲 -r
# 限定张数
python skills/image_curator/image_curator_cli.py output/机甲 --max-images 20
# 只生成 Markdown + 微信富文本（最快）
python skills/image_curator/image_curator_cli.py output/机甲 -f md,clipboard
# 只生成 Word 和 PDF
python skills/image_curator/image_curator_cli.py output/机甲 -f md,docx,pdf
# 补跑：只重跑 metadata.json 中描述为空的图片
python skills/image_curator/retry_empty.py output/articles/20260912_HHMMSS_机甲
输出目录：
output/articles/20260912_HHMMSS_机甲/
├── article.md # Markdown 文章
├── article.html # 网页阅读版
├── article.docx # Word（可导入公众号）
├── article.pdf # PDF
├── clipboard.html # 微信/知乎富文本（点"复制全文"）
├── metadata.json # 原始数据
└── assets/ # 本地化图片副本
发布到微信/知乎：
浏览器打开 clipboard.html
点顶部橙色按钮 📋 复制全文
到微信公众平台编辑器 / 知乎编辑器里 Ctrl+V
图片从 assets/ 目录手动拖进编辑器即可
依赖：
pip install requests Pillow python-dotenv python-docx xhtml2pdf
详见 skills/image_curator/README.md
# 默认主题排版
python skills/wechat_formatter/wechat_formatter_cli.py article.md
# 指定主题（赤陶）
python skills/wechat_formatter/wechat_formatter_cli.py article.md --theme terracotta
# 主题画廊：浏览器里用真实文章预览 20 个主题
python skills/wechat_formatter/wechat_formatter_cli.py article.md --gallery
# AI 内容增强：自动识别对话/连续图片/核心观点
python skills/wechat_formatter/wechat_formatter_cli.py article.md --enhance --open
# 文末自动插入二维码引导卡
python skills/wechat_formatter/wechat_formatter_cli.py article.md --footer-image "assets/qr/公众号结束处.png"
# 排版 → 生成封面 → 推送公众号草稿箱
python skills/wechat_formatter/wechat_formatter_cli.py article.md --theme terracotta --cover --publish
# 只生成封面
python skills/wechat_formatter/wechat_formatter_cli.py cover --title "标题" --topic "主题"
输出：output/wechat/<时间戳>_<文章名>/，含 article.html（微信兼容 HTML）、preview.html（浏览器预览，带"复制到微信"按钮）、images/（本地化图片）
发布到公众号：浏览器打开 preview.html → 点右上角"复制到微信" → 到公众号后台 Ctrl+V → 图片从 images/ 拖入（未认证账号推荐此方式）；认证账号可用 --publish 自动推草稿箱
依赖：pip install markdown requests
详见 skills/wechat_formatter/README.md
# Python 调用（推荐）
from skills import NewsAggregator
# 抓取国际新闻，生成简报
aggregator = NewsAggregator({
"output_dir": "./output/news",
"ai_model": "qwen2.5:1.5b",
"validate_feeds": True,
"top_n": 15,
})
result = aggregator.execute(category="world", top_n=15)
print(result["result"]["report_file"])
# 抓取科技新闻
result = aggregator.execute(category="tech", top_n=20)
# 抓取财经新闻
result = aggregator.execute(category="business", top_n=10)
# 抓取中国新闻
result = aggregator.execute(category="china", top_n=15)可用分类：world, tech, business, china, usa, japan, korea
# Python 调用（推荐）
from skills.novel_writer.skill import NovelWriterOllama
# 创建实例
writer = NovelWriterOllama({
"default_model": "qwen2.5:1.5b",
"ollama_url": "http://localhost:11434",
"output_dir": "./skills/novel_writer/output/novels",
})
# 生成科幻小说（1 章，600 字）
result = writer.execute(
genre="科幻",
title="星际行者",
outline="探索未知宇宙，发现外星文明",
characters="主角：李晨，一位勇敢的探险家",
chapter_count=1,
words_per_chapter=600,
)
print(result["result"]["saved_to"])
# 多语言支持（日语）
result = writer.execute(
genre="SF",
title="星の旅人",
outline="宇宙を探検する少年の冒険",
characters="主人公：アキラ",
chapter_count=1,
words_per_chapter=800,
language="ja",
)
# 断点续写（从已有文件继续）
result = writer.execute(
genre="科幻",
title="星际行者",
outline="继续探索",
characters="李晨",
chapter_count=3,
continue_from="./skills/novel_writer/output/novels/zh_星际行者_xxx.txt",
)支持语言：中文、English、日本語、Español、Français、Deutsch 等 17 种
# 随机生成一篇技术文章（默认 1500 字，自动配图 3 张）
python skills/tech_hot_article/tech_hot_article_cli.py
# 指定写作风格
python skills/tech_hot_article/tech_hot_article_cli.py --style "深度技术型"
# 指定使用第 1 个热点
python skills/tech_hot_article/tech_hot_article_cli.py --index 0
# 指定字数
python skills/tech_hot_article/tech_hot_article_cli.py --words 2000
# 指定模型
python skills/tech_hot_article/tech_hot_article_cli.py --model qwen2.5:7b
# 列出当前热点（不生成文章）
python skills/tech_hot_article/tech_hot_article_cli.py --list
# 生成后自动打开 Word 文档
python skills/tech_hot_article/tech_hot_article_cli.py --open
# 组合使用
python skills/tech_hot_article/tech_hot_article_cli.py --style "深度技术型" --words 2000 --open
写作风格：专业分析型, 通俗科普型, 深度技术型, 行业观察型, 趋势预测型
# 文本转语音（TTS）
python skills/voice_assistant/skill.py --action tts --text "你好，欢迎使用 PromptForge"
# 指定语音和语速
python skills/voice_assistant/skill.py --action tts --text "Hello World" --voice en-US-JennyNeural --speed 1.2
# 长文本朗读（会自动分段）
python skills/voice_assistant/skill.py --action tts --text "很长的一段文字..." --voice zh-CN-XiaoxiaoNeural
# 语音识别（STT）
python skills/voice_assistant/skill.py --action stt --audio ./test.mp3 --language zh-CN
# 列出可用语音
python skills/voice_assistant/skill.py --action list_voices
# 指定输出路径
python skills/voice_assistant/skill.py --action tts --text "测试" --output ./output/test.mp3
可用语音：zh-CN-XiaoxiaoNeural, zh-CN-YunxiNeural, en-US-JennyNeural, ja-JP-NanamiNeural, ko-KR-SunHiNeural 等
# 所有 skills 都可以通过统一方式调用
from skills import (
ImageGenerator,
VideoGenerator,
MusicMaestro,
ImageCurator, # ← 新增
NewsAggregator,
NovelWriterOllama,
TechHotArticle,
VoiceAssistant,
)
# 图像生成
img_gen = ImageGenerator({"engine": "agnes"})
result = img_gen.generate("a beautiful sunset")
print(result["result"]["image_path"])
# 视频生成
vid_gen = VideoGenerator({"engine": "agnes"})
result = vid_gen.generate("月光下的森林", duration=30)
print(result["result"]["video_path"])
# 音乐生成
music = MusicMaestro({"music_mode": "auto"})
result = music.execute(topic="星辰大海", emotion="peaceful", duration=30)
print(result["result"]["audio_file"])
# 图片鉴赏文章生成
curator = ImageCurator()
result = curator.curate("output/机甲", title="机甲之美")
print(result["result"]["article_path"])
# 新闻聚合
news = NewsAggregator({"output_dir": "./output/news"})
result = news.execute(category="world", top_n=15)
print(result["result"]["report_file"])
# 小说生成
writer = NovelWriterOllama()
result = writer.execute(
genre="科幻", title="星际行者",
outline="探索宇宙", characters="李晨",
chapter_count=1, words_per_chapter=600,
)
print(result["result"]["saved_to"])
# 技术文章
article = TechHotArticle()
result = article.execute(style="深度技术型")
print(result["result"]["word_file"])
# 语音合成
voice = VoiceAssistant()
result = voice.execute(action="tts", text="你好")
print(result["result"]["audio_path"])| Skill | 命令行工具 | 主要用途 |
|---|---|---|
image_generator |
image_generator_cli.py |
文生图、图生图 |
video_generator |
video_generator_cli.py |
文生视频、长视频拼接 |
music_generator |
music_generator_cli.py |
音乐生成（MIDI/MusicGen） |
image_curator |
image_curator_cli.py |
图片鉴赏文章（MD/Word/PDF/富文本） |
wechat_formatter |
wechat_formatter_cli.py |
微信排版 / 33 主题 / 推草稿箱 |
news_aggregator |
仅 Python 调用 | 新闻抓取 + AI 摘要 |
novel_writer |
仅 Python 调用 | 小说生成（多语言） |
tech_hot_article |
tech_hot_article_cli.py |
技术文章生成 + 配图 |
voice_assistant |
skill.py --action |
TTS / STT |
| Skill | 完整命令行路径 |
|---|---|
image_generator |
python skills/image_generator/image_generator_cli.py |
video_generator |
python skills/video_generator/video_generator_cli.py |
music_generator |
python skills/music_generator/music_generator_cli.py |
image_curator |
python skills/image_curator/image_curator_cli.py |
wechat_formatter |
python skills/wechat_formatter/wechat_formatter_cli.py |
news_aggregator |
Python 调用 from skills import NewsAggregator |
novel_writer |
Python 调用 from skills.novel_writer.skill import NovelWriterOllama |
tech_hot_article |
python skills/tech_hot_article/tech_hot_article_cli.py |
voice_assistant |
python skills/voice_assistant/skill.py --action tts |
部分功能需要额外的外部工具：
| 工具 | 用途 | 安装方式 |
|---|---|---|
| FFmpeg | 视频 / 音频合并 | ffmpeg.org |
| FluidSynth | MIDI → WAV 合成 | 放入 skills/music_generator/soundfonts/ |
| SoundFont (.sf2) | MIDI 音色库 | 放入 skills/music_generator/soundfonts/ |
| Ollama | LLM 增强、小说、新闻摘要 | ollama.com |
欢迎提交 Issue 和 Pull Request！
- Fork 本仓库
- 创建你的特性分支（
git checkout -b feature/AmazingFeature） - 提交更改（
git commit -m 'Add some AmazingFeature'） - 推送到分支（
git push origin feature/AmazingFeature） - 开启 Pull Request
本项目采用 MIT 许可证 - 详见 LICENSE 文件。
- Stable Diffusion - 强大的图像生成模型
- Diffusers - 优秀的扩散模型库
- Pollinations AI - 免费图像生成 API
- Agnes AI - 免费多模态 AI API
- MoviePy - 视频编辑库
- edge-tts - 免费 TTS
- Ollama - 本地大模型运行环境
本项目仅供学习和研究使用。生成的图片、视频、音乐、文章等内容由用户输入的提示词决定，使用者需遵守相关法律法规和服务条款。对于本地模式，请确保使用的模型符合其各自的许可协议。