跳到主要内容

自动化脚本使用说明

一、环境准备​

1. 系统要求​

  • 操作系统: Windows 10+, macOS 10.14+, Ubuntu 18.04+
  • Python: 3.8+
  • FFmpeg: 4.4+
  • 内存: 建议8GB+
  • 硬盘: 建议100GB+可用空间

2. 安装依赖​

安装FFmpeg​

macOS:

brew install ffmpeg

Ubuntu:

sudo apt-get update
sudo apt-get install ffmpeg

Windows:

  1. 从 FFmpeg官网 下载
  2. 解压到指定目录
  3. 将FFmpeg的bin目录添加到系统PATH

安装Python依赖​

# 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate  # macOS/Linux
# 或
venv\Scripts\activate  # Windows

# 安装依赖包
pip install pandas openpyxl ffmpeg-python moviepy pillow

requirements.txt:

pandas\>=2.0.0
openpyxl\>=3.1.0
ffmpeg-python\>=0.2.0
moviepy\>=1.0.3
Pillow\>=10.0.0
requests\>=2.31.0

安装：

pip install -r requirements.txt

二、快速开始​

1. 准备数据文件​

创建Excel文件（例如 products.xlsx）:

product_namepriceproduct_imagesubtitlecta_text
iPhone 15 Pro7999/path/to/image.jpg全新设计立即购买
AirPods Pro1899/path/to/image2.jpg降噪体验抢先购买

或使用CSV文件（products.csv）:

product_name,price,product_image,subtitle,cta_text
iPhone 15 Pro,7999,/path/to/image.jpg,全新设计,立即购买
AirPods Pro,1899,/path/to/image2.jpg,降噪体验,抢先购买

2. 运行脚本​

基础用法:

python batch_video_generator.py \
  --template template.json \
  --data products.xlsx \
  --output ./output

完整参数:

python batch_video_generator.py \
  --template template.json \    # 模板文件路径
  --data products.xlsx \          # 数据文件路径
  --output ./videos \             # 输出目录
  --workers 10 \                  # 并发数
  --sheet Sheet1                  # Excel工作表名称（可选）

3. 查看结果​

生成的文件结构：

output/
├── video_0001.mp4
├── video_0002.mp4
├── video_0003.mp4
├── ...
├── generation_report.json
└── video_generation.log

generation_report.json 示例:

{
  "total": 10,
  "success": 9,
  "failed": 1,
  "failed_items": [
    {
      "index": 5,
      "data": {...},
      "error": "Invalid image URL"
    }
  ]
}

三、脚本参数详解​

命令行参数​

参数必填默认值说明
--template是-模板JSON文件路径
--data是-数据文件路径（Excel/CSV/JSON）
--output否./output输出目录
--workers否5并发渲染数量
--sheet否NoneExcel工作表名称

数据文件格式​

Excel (.xlsx, .xls)​

  • 第一行为列名（对应模板变量名）
  • 从第二行开始为数据
  • 支持多个工作表

CSV (.csv)​

  • 第一行为列名
  • UTF-8编码
  • 逗号分隔

JSON (.json)​

[
  {
    "product_name": "iPhone 15",
    "price": 7999,
    "product_image": "/path/to/image.jpg"
  },
  {
    "product_name": "AirPods",
    "price": 1899,
    "product_image": "/path/to/image2.jpg"
  }
]

四、高级用法​

1. 自定义模板​

创建自己的模板JSON文件，参考模板设计规范。

2. 并发优化​

调整并发数:

# CPU密集型任务
python batch_video_generator.py \
  --workers 4  # 设置为CPU核心数

# IO密集型任务（下载图片等）
python batch_video_generator.py \
  --workers 20  # 可以设置更高

根据系统资源动态调整:

import os

# 获取CPU核心数
cpu_count = os.cpu_count()
workers = cpu_count * 2  # 通常设置为2倍核心数

3. 批量处理策略​

分批处理:

# 将1000条数据分成10批，每批100条
python split_data.py --input large_data.xlsx --batch-size 100

# 逐批生成
for i in {1..10}; do
  python batch_video_generator.py \
    --template template.json \
    --data batch_${i}.xlsx \
    --output ./output/batch_${i}
done

4. 错误重试​

创建 retry.py 脚本：

import json

# 读取失败报告
with open('output/generation_report.json', 'r') as f:
    report = json.load(f)

# 提取失败项
failed_data = [item['data'] for item in report['failed_items']]

# 保存为新的数据文件
import pandas as pd
df = pd.DataFrame(failed_data)
df.to_excel('retry_data.xlsx', index=False)

print(f"已保存 {len(failed_data)} 条失败数据到 retry_data.xlsx")

运行：

python retry.py

# 重新生成失败的视频
python batch_video_generator.py \
  --template template.json \
  --data retry_data.xlsx \
  --output ./output_retry

五、常见问题​

1. FFmpeg未找到​

错误信息:

FileNotFoundError: [Errno 2] No such file or directory: 'ffmpeg'

解决方法:

  • 确认FFmpeg已正确安装
  • 将FFmpeg添加到系统PATH
  • 或在代码中指定FFmpeg路径： 
    os.environ["FFMPEG_BINARY"] = "/usr/local/bin/ffmpeg"

2. 内存不足​

错误信息:

MemoryError: Unable to allocate array

解决方法:

  • 减少并发数：--workers 2
  • 分批处理数据
  • 增加系统内存
  • 优化视频分辨率

3. 图片加载失败​

错误信息:

PIL.UnidentifiedImageError: cannot identify image file

解决方法:

  • 检查图片URL是否有效
  • 确认图片格式支持（JPG、PNG、WEBP）
  • 检查网络连接
  • 本地图片路径是否正确

4. 渲染速度慢​

优化方法:

  • 使用GPU加速（如果支持）
  • 降低视频分辨率
  • 减少特效复杂度
  • 使用更快的编码器
  • 增加并发数

5. 字符编码问题​

错误信息:

UnicodeDecodeError: 'utf-8' codec can't decode byte

解决方法:

# 读取CSV时指定编码
df = pd.read_csv('data.csv', encoding='utf-8-sig')  # 或 'gbk'

# 读取Excel时
df = pd.read_excel('data.xlsx', engine='openpyxl')

六、性能优化建议​

1. 硬件优化​

  • CPU: 多核处理器，提高并发能力
  • 内存: 16GB+，支持同时处理多个视频
  • 硬盘: SSD，提升读写速度
  • GPU: 支持硬件加速，提升渲染速度

2. 软件优化​

使用GPU加速:

# 安装GPU版本的库
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

# 启用FFmpeg GPU加速
ffmpeg -hwaccel cuda -i input.mp4 output.mp4

缓存优化:

# 缓存已下载的素材
import functools

@functools.lru_cache(maxsize=100)
def download_image(url):
    # 下载逻辑
    pass

批量优化:

# 合并多个小任务
def batch_process(items, batch_size=100):
    for i in range(0, len(items), batch_size):
        batch = items[i:i+batch_size]
        # 处理批次
        yield batch

七、最佳实践​

1. 数据准备​

✅ 推荐做法:

  • 使用高质量图片（最小800x800）
  • 图片使用CDN加速
  • 提前验证数据完整性
  • 文本长度控制在规定范围

❌ 避免做法:

  • 图片分辨率过低
  • 使用未经压缩的大图
  • 数据包含非法字符
  • 缺少必填字段

2. 渲染设置​

✅ 推荐做法:

  • 根据平台选择合适分辨率
  • 使用H.264编码（兼容性好）
  • 比特率设置为5-8Mbps
  • 帧率设置为30fps

❌ 避免做法:

  • 过高的分辨率（4K+）
  • 使用未压缩格式
  • 过高的比特率（浪费空间）

3. 批量处理​

✅ 推荐做法:

  • 分批处理大量数据
  • 使用进度监控
  • 保存中间结果
  • 实现错误重试机制

❌ 避免做法:

  • 一次性处理过多数据
  • 忽略错误处理
  • 没有日志记录

八、示例：完整工作流​

1. 准备工作​

# 创建项目目录
mkdir video_project
cd video_project

# 创建虚拟环境
python -m venv venv
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

# 目录结构
video_project/
├── templates/
│   └── product_showcase.json
├── data/
│   └── products.xlsx
├── scripts/
│   └── batch_video_generator.py
└── output/

2. 执行生成​

# 运行脚本
python scripts/batch_video_generator.py \
  --template templates/product_showcase.json \
  --data data/products.xlsx \
  --output output \
  --workers 8

# 查看日志
tail -f video_generation.log

# 查看进度
watch -n 1 'ls output/*.mp4 | wc -l'

3. 后处理​

# 压缩视频（可选）
for file in output/*.mp4; do
  ffmpeg -i "$file" -c:v libx264 -crf 28 "${file%.mp4}_compressed.mp4"
done

# 批量上传到OSS（可选）
python upload_to_oss.py --dir output

九、获取帮助​

查看帮助信息​

python batch_video_generator.py --help

查看日志​

cat video_generation.log

联系支持​

更新记录​

  • 2025-01-08: 初始版本，完成基础脚本和文档