AI处理漫画转视频

AI处理漫画转视频

第一步 从漫画PDF文件读取图片
第二部 图片信息剪裁
第三步 OCR识别处理图片，获取漫画对应的文本信息
第四步 运用阿里云通义大模型千文处理提取的文本信息更符合文本语言
第五步 运用FishVideo大模型将文本信息转变为对应的语音
第六步 图片转视频处理将图片与语音结合并添加转场
第七步 合并视频段

从PDF文件读取图片

import fitz  # PyMuPDF
import osdef extract_images_from_pdf(pdf_path, output_folder):"""从PDF文件中提取所有图片并按顺序保存到指定文件夹参数:pdf_path (str): PDF文件路径output_folder (str): 图片保存目录"""# 创建输出目录os.makedirs(output_folder, exist_ok=True)# 打开PDF文件doc = fitz.open(pdf_path)# 初始化图片计数器image_count = 0# 遍历每一页for page_num in range(len(doc)):page = doc.load_page(page_num)# 获取当前页所有图片列表image_list = page.get_images(full=True)# 遍历当前页的图片for image_index, img in enumerate(image_list, start=1):xref = img[0]  # 获取图片xrefbase_image = doc.extract_image(xref)  # 提取图片信息image_data = base_image["image"]      # 获取图片二进制数据ext = base_image["ext"]               # 获取图片扩展名# 生成图片文件名image_filename = f"image_{image_count + 1}.{ext}"image_path = os.path.join(output_folder, image_filename)# 保存图片with open(image_path, "wb") as img_file:img_file.write(image_data)image_count += 1print(f"成功提取 {image_count} 张图片到目录: {output_folder}")if __name__ == "__main__":# 配置参数（根据实际情况修改）pdf_file = "D:\\BaiduNetdiskDownload\\一-人-之-下第051-100话.pdf"  # PDF文件路径# 自动生成输出文件夹路径（PDF文件名 + _images）base_name = os.path.splitext(os.path.basename(pdf_file))[0]  # 去除扩展名folder_name = f"{base_name}_images"  # 生成文件夹名称output_dir = os.path.join(os.path.dirname(pdf_file), folder_name)  # 完整输出路径# 执行提取extract_images_from_pdf(pdf_file, output_dir)

代码解析

这段代码的主要功能是从指定的PDF文件中提取所有图片，并将这些图片按顺序保存到指定的文件夹中。下面是代码的详细分析：

导入库

import fitz  # PyMuPDF
import os

• fitz是PyMuPDF库的一个模块，用于处理PDF文件，包括读取和提取内容。
• os模块用于文件和目录的操作。

提取函数

def extract_images_from_pdf(pdf_path, output_folder):

• 定义一个名为extract_images_from_pdf的函数，接受两个参数：pdf_path表示PDF文件的路径，output_folder表示保存提取图片的文件夹。

创建输出目录

os.makedirs(output_folder, exist_ok=True)

• 使用os.makedirs创建保存图片的目录，exist_ok=True表示如果目录已存在则不抛出异常。

打开PDF文件

doc = fitz.open(pdf_path)

• 使用fitz.open打开PDF文件，并将其赋值给doc对象。

初始化计数器

image_count = 0

• 初始化image_count变量，用于统计提取的图片数量。

遍历每一页

for page_num in range(len(doc)):page = doc.load_page(page_num)

• 使用for循环遍历PDF的每一页，doc.load_page(page_num)加载当前页。

获取和处理图片

image_list = page.get_images(full=True)

• 获取当前页的所有图片，并将其存储在image_list中。

for image_index, img in enumerate(image_list, start=1):xref = img[0]  # 获取图片xrefbase_image = doc.extract_image(xref)  # 提取图片信息image_data = base_image["image"]      # 获取图片二进制数据ext = base_image["ext"]               # 获取图片扩展名

• 对于每个图片，提取图片的引用（xref），然后获取其详细信息，包括二进制数据和扩展名。

保存图片

image_filename = f"image_{image_count + 1}.{ext}"
image_path = os.path.join(output_folder, image_filename)with open(image_path, "wb") as img_file:img_file.write(image_data)image_count += 1

• 生成图片文件名，构造完整的文件路径，并使用with open将图片数据写入文件。

提示成功信息

print(f"成功提取 {image_count} 张图片到目录: {output_folder}")

• 在控制台输出提取成功的图片数量及其保存路径。

主程序块

if __name__ == "__main__":

• 仅当该脚本作为主程序运行时，以下代码才会执行。

配置参数

pdf_file = "D:\\BaiduNetdiskDownload\\一-人-之-下第051-100话.pdf"  # PDF文件路径

• 设置要提取图片的PDF文件路径。

自动生成输出文件夹路径

base_name = os.path.splitext(os.path.basename(pdf_file))[0]
folder_name = f"{base_name}_images"
output_dir = os.path.join(os.path.dirname(pdf_file), folder_name)

• 自动生成输出文件夹的名称，格式为PDF文件名_images。

执行提取

extract_images_from_pdf(pdf_file, output_dir)

• 调用提取函数，开始提取图片。

Markdown 文件内容

# 从PDF提取图片的Python脚本## 概述
该脚本用于从指定的PDF文件中提取所有图片并将其按顺序保存到指定的文件夹中。使用了`fitz`库（PyMuPDF）来处理PDF文件。## 代码解析### 导入库
```python
import fitz  # PyMuPDF
import os

提取函数

def extract_images_from_pdf(pdf_path, output_folder):

• 参数:
  • pdf_path: PDF文件的路径。
  • output_folder: 存储提取图片的文件夹路径。

创建输出目录

os.makedirs(output_folder, exist_ok=True)

打开PDF文件

doc = fitz.open(pdf_path)

初始化计数器

image_count = 0

遍历每一页

for page_num in range(len(doc)):page = doc.load_page(page_num)

获取和处理图片

image_list = page.get_images(full=True)

保存图片

image_filename = f"image_{image_count + 1}.{ext}"
image_path = os.path.join(output_folder, image_filename)with open(image_path, "wb") as img_file:img_file.write(image_data)image_count += 1

提示成功信息

print(f"成功提取 {image_count} 张图片到目录: {output_folder}")

主程序块

if __name__ == "__main__":

• 配置PDF文件路径和输出文件夹。

使用说明

1. 安装PyMuPDF库：pip install PyMuPDF。
2. 修改pdf_file变量为要提取的PDF文件路径。
3. 运行脚本，提取的图片将存储在指定的文件夹中。

注意事项

• 确保PDF文件路径正确。
• 输出文件夹将自动创建，若已存在则会被忽略。

图片信息剪裁

from PIL import Image
import osdef batch_crop_images(input_folder, output_folder, top, bottom):"""批量裁剪图片（仅修改下边界，保持左右宽度不变）:param input_folder: 输入文件夹路径:param output_folder: 输出文件夹路径:param top: 裁剪区域上边界:param bottom: 裁剪区域下边界"""# 确保输出文件夹存在if not os.path.exists(output_folder):os.makedirs(output_folder)# 遍历输入文件夹中的所有文件for filename in os.listdir(input_folder):if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):image_path = os.path.join(input_folder, filename)with Image.open(image_path) as img:width, height = img.size# 保持左右不变（left=0, right=图片宽度）# 动态调整下边界，确保不超过图片高度adjusted_bottom = min(bottom, height)# 裁剪区域：左=0, 上=top, 右=width, 下=adjusted_bottomcropped_img = img.crop((0, top, width, adjusted_bottom))output_path = os.path.join(output_folder, filename)cropped_img.save(output_path)print(f"裁剪并保存: {output_path}")# 示例调用
input_folder = "D:\\BaiduNetdiskDownload\\051-100_images"
output_folder = "D:\\BaiduNetdiskDownload\\051-100_images2"
top, bottom = 0, 1225  # 仅设置上边界和下边界batch_crop_images(input_folder, output_folder, top, bottom)

代码解析

该代码的主要功能是批量裁剪指定文件夹中的图片，保持左右宽度不变，只调整上下边界。裁剪后的图片将保存到指定的输出文件夹中。以下是代码的详细分析：

导入库

from PIL import Image
import os

• PIL（Python Imaging Library）: 用于图像处理，主要用于打开、操作和保存图像文件。
• os: 用于与操作系统交互，进行文件和目录操作。

批量裁剪函数

def batch_crop_images(input_folder, output_folder, top, bottom):

• 该函数接受四个参数：
  • input_folder: 输入文件夹路径，包含待裁剪的图片。
  • output_folder: 输出文件夹路径，保存裁剪后的图片。
  • top: 裁剪区域的上边界。
  • bottom: 裁剪区域的下边界。

确保输出文件夹存在

if not os.path.exists(output_folder):os.makedirs(output_folder)

• 检查输出文件夹是否存在，如果不存在则创建该文件夹。

遍历输入文件夹中的所有文件

for filename in os.listdir(input_folder):if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):

• 遍历输入文件夹中的所有文件，并筛选出支持的图片格式（.png, .jpg, .jpeg, .bmp, .gif）。

打开和裁剪图片

image_path = os.path.join(input_folder, filename)
with Image.open(image_path) as img:width, height = img.size

• 构造每个图片的完整路径，使用Image.open()打开图片，并获取其宽度和高度。

动态调整裁剪区域

adjusted_bottom = min(bottom, height)

• 确保下边界不超过图片的实际高度，避免裁剪超出图片范围。

裁剪并保存图片

cropped_img = img.crop((0, top, width, adjusted_bottom))
output_path = os.path.join(output_folder, filename)
cropped_img.save(output_path)
print(f"裁剪并保存: {output_path}")

• 使用crop()方法进行裁剪，裁剪区域为左=0，上=top，右=width，下=adjusted_bottom。裁剪后的图片保存到输出路径，并打印保存消息。

示例调用

input_folder = "D:\\BaiduNetdiskDownload\\051-100_images"
output_folder = "D:\\BaiduNetdiskDownload\\051-100_images2"
top, bottom = 0, 1225  # 仅设置上边界和下边界batch_crop_images(input_folder, output_folder, top, bottom)

• 指定输入文件夹、输出文件夹及裁剪的上下边界，然后调用batch_crop_images函数进行批量裁剪操作。

Markdown 文件内容

# 批量裁剪图片脚本## 概述
该脚本用于批量裁剪指定文件夹中的图片，裁剪区域的上下边界可由用户自定义，保持左右宽度不变。裁剪后的图片将保存到指定的输出文件夹中。## 代码解析### 导入库
```python
from PIL import Image
import os

• PIL: 用于图像处理。
• os: 用于文件和目录操作。

批量裁剪函数

def batch_crop_images(input_folder, output_folder, top, bottom):

• 函数接受输入文件夹路径、输出文件夹路径、上边界和下边界。

确保输出文件夹存在

if not os.path.exists(output_folder):os.makedirs(output_folder)

遍历输入文件夹中的所有文件

for filename in os.listdir(input_folder):if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.gif')):

打开和裁剪图片

image_path = os.path.join(input_folder, filename)
with Image.open(image_path) as img:width, height = img.size

动态调整裁剪区域

adjusted_bottom = min(bottom, height)

裁剪并保存图片

cropped_img = img.crop((0, top, width, adjusted_bottom))
output_path = os.path.join(output_folder, filename)
cropped_img.save(output_path)
print(f"裁剪并保存: {output_path}")

示例调用

input_folder = "D:\\BaiduNetdiskDownload\\051-100_images"
output_folder = "D:\\BaiduNetdiskDownload\\051-100_images2"
top, bottom = 0, 1225  # 仅设置上边界和下边界batch_crop_images(input_folder, output_folder, top, bottom)

使用说明

1. 确保已安装Pillow库（可以使用pip install Pillow）。
2. 指定输入文件夹和输出文件夹路径。
3. 调整上边界和下边界参数。
4. 运行脚本，裁剪后的图片将保存到输出文件夹中。

注意事项

• 确保输入文件夹中存在支持的图片格式。
• 裁剪区域的上边界和下边界应确保合理，以避免裁剪超出图片范围。

OCR识别处理图片，获取漫画对应的文本信息

import easyocr
import cv2
import os
import torch
from gc import collect  # 内存回收# ------------------- 配置区域 -------------------
input_folder = r'D:\BaiduNetdiskDownload\051-100_images2'
languages = ['ch_sim', 'en']
supported_exts = ['.jpg', '.jpeg', '.png']
# ----------------------------------------------# GTX 1050Ti 优化参数
config = {'batch_size': 4,           # 显存有限，建议4-6'workers': 2,              # 避免过多线程竞争'fp16': False,             # 1050Ti不支持Tensor Core，关闭半精度'model_load': 'balanced'   # 显存优化模式
}def merge_paragraphs(results):"""轻量级段落合并算法"""if not results:return []# 按Y坐标排序sorted_results = sorted(results, key=lambda x: x[0][0][1])# 合并逻辑（简化版）paragraphs = []current_para = []prev_bottom = -100  # 初始间距for box, text, _ in sorted_results:top = box[0][1]# 行间距超过50像素视为新段落（根据漫画排版调整）if (top - prev_bottom) > 50:if current_para:paragraphs.append(' '.join(current_para))current_para = []current_para.append(text.strip())prev_bottom = box[3][1]  # 更新底部坐标if current_para:paragraphs.append(' '.join(current_para))return paragraphsdef process_image(reader, image_path, output_path):"""处理单张图片并管理显存"""try:# 读取图片img = cv2.imread(image_path)if img is None:raise ValueError("图片读取失败")# 显存优化策略torch.cuda.empty_cache()# 执行OCRresults = reader.readtext(img,batch_size=config['batch_size'],workers=config['workers'],detail=1,          # 必须为1才能获取坐标paragraph=False    # 禁用内置段落合并（使用自定义算法）)# 合并段落paragraphs = merge_paragraphs(results)# 保存结果with open(output_path, 'w', encoding='utf-8') as f:f.write('\n'.join(paragraphs))return Trueexcept Exception as e:print(f"处理失败: {str(e)}")return Falsefinally:collect()  # 强制回收内存if __name__ == "__main__":# 验证CUDAif not torch.cuda.is_available():raise RuntimeError("CUDA不可用，请检查驱动")# 初始化Reader（显存优化配置）reader = easyocr.Reader(lang_list=languages,gpu=True,detector=True,recognizer=True,model_storage_directory=None,download_enabled=False,user_network_directory=None)# 遍历处理total = len([f for f in os.listdir(input_folder) if any(f.endswith(ext) for ext in supported_exts)])processed = 0for filename in os.listdir(input_folder):if not any(filename.lower().endswith(ext) for ext in supported_exts):continueimage_path = os.path.join(input_folder, filename)output_path = os.path.join(input_folder,f"{os.path.splitext(filename)[0]}.txt")print(f"处理中 [{processed+1}\{total}]: {filename[:20]}...", end='', flush=True)if process_image(reader, image_path, output_path):print(" ✓")processed += 1else:print(" ✗")print(f"\n完成！成功处理 {processed}\{total} 张图片")  

代码解析

该代码的主要功能是使用EasyOCR库从指定文件夹中的图片中提取文本，并将提取的文本保存到相应的文本文件中。使用了OpenCV库来读取图像，并且通过PyTorch对GPU进行优化。以下是代码的详细分析：

导入库

import easyocr
import cv2
import os
import torch
from gc import collect  # 内存回收

• easyocr: 用于图像文本识别（OCR）。
• cv2: OpenCV库，用于图像处理。
• os: 用于文件和目录操作。
• torch: PyTorch库，用于深度学习相关操作。
• collect: 从gc模块中导入，用于强制内存回收。

配置区域

input_folder = r'D:\BaiduNetdiskDownload\051-100_images2'
languages = ['ch_sim', 'en']
supported_exts = ['.jpg', '.jpeg', '.png']

• input_folder: 输入图片的文件夹路径。
• languages: 指定OCR识别的语言，这里包括简体中文和英语。
• supported_exts: 支持的图片扩展名列表。

GPU优化参数

config = {'batch_size': 4,           'workers': 2,              'fp16': False,             'model_load': 'balanced'   
}

• batch_size: 设置为4以适应显存限制。
• workers: 工作线程数，避免过多线程竞争。
• fp16: 由于GTX 1050Ti不支持Tensor Core，设置为False以关闭半精度。
• model_load: 使用平衡模式优化显存使用。

段落合并函数

def merge_paragraphs(results):

• 该函数负责将OCR识别的文本结果进行段落合并，以便更好地处理文本输出。

合并逻辑

• 按Y坐标排序，并根据行间距（超过50像素视为新段落）将文本合并。

图像处理函数

def process_image(reader, image_path, output_path):

• 处理单张图片并管理显存，读取图片，执行OCR，合并段落并保存结果。

读取和检查图片

img = cv2.imread(image_path)
if img is None:raise ValueError("图片读取失败")

执行OCR

results = reader.readtext(img,batch_size=config['batch_size'],workers=config['workers'],detail=1,paragraph=False
)

• 使用EasyOCR的readtext方法提取文本，设置详细级别为1以获取坐标。

保存结果

with open(output_path, 'w', encoding='utf-8') as f:f.write('\n'.join(paragraphs))

内存回收

finally:collect()  # 强制回收内存

主程序块

if __name__ == "__main__":

• 确保该代码块仅在脚本作为主程序运行时执行。

验证CUDA

if not torch.cuda.is_available():raise RuntimeError("CUDA不可用，请检查驱动")

• 检查CUDA是否可用，以确保可以使用GPU进行加速。

初始化Reader

reader = easyocr.Reader(lang_list=languages,gpu=True,detector=True,recognizer=True,model_storage_directory=None,download_enabled=False,user_network_directory=None
)

• 初始化EasyOCR的Reader对象，配置使用GPU。

遍历处理图片

total = len([f for f in os.listdir(input_folder) if any(f.endswith(ext) for ext in supported_exts)])

• 统计输入文件夹中支持的图片数量。

处理每张图片

for filename in os.listdir(input_folder):

• 遍历输入文件夹中的每个文件，检查扩展名并调用process_image处理。

打印处理状态

print(f"处理中 [{processed+1}\{total}]: {filename[:20]}...", end='', flush=True)

• 输出当前处理进度。

print(f"\n完成！成功处理 {processed}\{total} 张图片")

• 最后输出处理结果。

Markdown 文件内容

# 使用EasyOCR从图片中提取文本的Python脚本## 概述
该脚本通过EasyOCR库从指定文件夹中的图片中提取文本，并将提取的文本保存到相应的文本文件中。使用OpenCV库读取图像，并通过PyTorch对GPU进行优化。## 代码解析### 导入库
```python
import easyocr
import cv2
import os
import torch
from gc import collect  # 内存回收

配置区域

input_folder = r'D:\BaiduNetdiskDownload\051-100_images2'
languages = ['ch_sim', 'en']
supported_exts = ['.jpg', '.jpeg', '.png']

GPU优化参数

config = {'batch_size': 4,           'workers': 2,              'fp16': False,             'model_load': 'balanced'   
}

段落合并函数

def merge_paragraphs(results):

• 合并OCR结果中的段落，以提高可读性。

图像处理函数

def process_image(reader, image_path, output_path):

• 读取图片，执行OCR，合并段落并保存结果。

主程序块

if __name__ == "__main__":

• 检查CUDA是否可用，并初始化EasyOCR的Reader对象。

遍历处理图片

total = len([f for f in os.listdir(input_folder) if any(f.endswith(ext) for ext in supported_exts)])

• 统计待处理的图片数量，逐一处理并输出处理进度。

使用说明

1. 安装必要的库：pip install easyocr opencv-python torch。
2. 修改input_folder为要处理的图片文件夹路径。
3. 运行脚本，提取的文本将保存为相应的.txt文件。

注意事项

• 确保安装了支持CUDA的PyTorch版本。
• 确保输入文件夹中存在支持的图片格式。

运用阿里云通义千文处理提取的文本信息更符合文本语言

import os
import glob
import datetime
from openai import OpenAI
import openpyxl# 初始化OpenAI客户端
client = OpenAI(api_key="",base_url="https:\\dashscope.aliyuncs.com\compatible-mode\v1",
)# 初始化Excel文件
excel_file = "D:\\text_processing_log.xlsx"
if os.path.exists(excel_file):wb = openpyxl.load_workbook(excel_file)
else:wb = openpyxl.Workbook()
ws = wb.active
ws.title = "处理记录"
if ws.max_row == 1:ws.append(["类型", "内容", "文件路径", "处理时间"])def save_to_excel(question, answer, file_path):"""保存到Excel文件"""timestamp = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")ws.append(["问题", question, file_path, timestamp])ws.append(["回答", answer, file_path, timestamp])wb.save(excel_file)def print_dialog(question, answer, max_width=80):"""在CMD界面美观打印对话"""sep_line = '─' * max_widthprint(f"\n{sep_line}")print(" 问题 ".center(max_width, '░'))print(f"{question}\n")print(" 回答 ".center(max_width, '░'))print(f"{answer}")print(sep_line)def log_error(log_file, message, error=None):"""统一记录错误日志"""timestamp = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")with open(log_file, 'a', encoding='utf-8') as f:log_entry = f"[{timestamp}] {message}"if error:log_entry += f"\n错误详情: {str(error)}"log_entry += "\n" + "-"*50 + "\n"f.write(log_entry)def process_file(file_path, log_file):"""处理单个文件"""try:if os.path.getsize(file_path) == 0:print(f"跳过空文件: {file_path}")returnwith open(file_path, 'r+', encoding='utf-8') as f:original_lines = f.readlines()if not any(line.strip() for line in original_lines):print(f"跳过内容为空的文件: {file_path}")returnf.seek(0)f.truncate()for line_num, line in enumerate(original_lines, 1):try:if not line.strip():f.write(line)continueoriginal_text = line.strip()completion = client.chat.completions.create(model="qwen-plus",messages=[{'role': 'user','content': f'''原本句子中存在错词，不常见词语。可以修改词语和文字不采用偏僻词，不涵盖英语词汇，请严格按正常语序重组句子，只返回修改后的句子，不要任何解释。需要修改的句子：
{original_text}'''}])modified = completion.choices[0].message.contentf.write(modified + line[len(line.rstrip('\n\r')):])# 显示对话并保存print_dialog(original_text, modified)save_to_excel(original_text, modified, file_path)except Exception as e:error_msg = f"文件: {file_path} 第{line_num}行处理失败 - 保留原内容"print(f"\n! 处理异常: {error_msg}")log_error(log_file, error_msg, e)f.write(line)except Exception as e:error_msg = f"文件处理失败: {file_path}"print(f"\n! 严重错误: {error_msg}")log_error(log_file, error_msg, e)def process_folder(folder_path):"""处理整个文件夹"""log_file = os.path.join(folder_path, "processing_errors.log")with open(log_file, 'w', encoding='utf-8') as f:f.write("文本处理异常日志\n")f.write(f"开始时间: {datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n")f.write("="*60 + "\n")txt_files = glob.glob(os.path.join(folder_path, '**', '*.txt'), recursive=True)if not txt_files:print(f"在 {folder_path} 中未找到txt文件")returnprint(f"开始批量处理，共发现 {len(txt_files)} 个文本文件")print(f"处理记录将保存至: {os.path.abspath(excel_file)}")print("="*60)for i, file_path in enumerate(txt_files, 1):print(f"\n正在处理文件 ({i}\{len(txt_files)})：{os.path.basename(file_path)}")process_file(file_path, log_file)print("\n" + "="*60)print(f"处理完成！错误日志已保存至: {log_file}")print(f"共处理 {len(txt_files)*2} 条记录到Excel文件")if __name__ == "__main__":try:process_folder('D:\\BaiduNetdiskDownload\\001-050_images')finally:wb.close()

代码解析

该代码的主要功能是批量处理指定文件夹中的文本文件，使用OpenAI的API对文本内容进行处理，然后将处理的记录保存到Excel文件中，并记录错误日志。以下是代码的详细分析：

导入库

import os
import glob
import datetime
from openai import OpenAI
import openpyxl

• os: 用于文件和目录操作。
• glob: 用于查找符合特定规则的文件路径名。
• datetime: 用于处理日期和时间。
• OpenAI: 用于与OpenAI API交互。
• openpyxl: 用于处理Excel文件。

初始化OpenAI客户端

client = OpenAI(api_key="",base_url="https:\\dashscope.aliyuncs.com\compatible-mode\v1",
)

• 初始化OpenAI API客户端，需提供API密钥。

初始化Excel文件

excel_file = "D:\\text_processing_log.xlsx"
if os.path.exists(excel_file):wb = openpyxl.load_workbook(excel_file)
else:wb = openpyxl.Workbook()
ws = wb.active
ws.title = "处理记录"
if ws.max_row == 1:ws.append(["类型", "内容", "文件路径", "处理时间"])

• 检查Excel文件是否存在，若不存在则创建新的Excel工作簿，并设置工作表标题和表头。

保存数据到Excel

def save_to_excel(question, answer, file_path):

• 该函数接受问题、答案和文件路径，并将它们写入Excel文件中，同时记录当前时间。

打印对话

def print_dialog(question, answer, max_width=80):

• 在命令行窗口美观地打印问题和答案，使用分隔线以增强可读性。

记录错误日志

def log_error(log_file, message, error=None):

• 记录错误信息到日志文件中，格式化输出时间和错误详情。

处理单个文件

def process_file(file_path, log_file):

• 该函数负责读取文本文件，处理每一行文本，并调用OpenAI的API进行文本修改。

检查文件内容

if os.path.getsize(file_path) == 0:print(f"跳过空文件: {file_path}")return

• 跳过空文件和内容为空的文件。

读取和处理文本

with open(file_path, 'r+', encoding='utf-8') as f:original_lines = f.readlines()

• 读取文件所有行，并逐行处理。

调用OpenAI API

completion = client.chat.completions.create(model="qwen-plus",messages=[{'role': 'user','content': f'''原本句子中存在错词，不常见词语。可以修改词语和文字不采用偏僻词，不涵盖英语词汇，请严格按正常语序重组句子，只返回修改后的句子，不要任何解释。需要修改的句子：
{original_text}'''}]
)

• 使用OpenAI的API进行文本修改，API模型为qwen-plus。

保存修改后的文本

f.write(modified + line[len(line.rstrip('\n\r')):])

• 将修改后的文本写回文件，同时保留行末的换行符。

处理整个文件夹

def process_folder(folder_path):

• 遍历指定文件夹中的所有文本文件，并调用process_file进行处理。

日志记录

log_file = os.path.join(folder_path, "processing_errors.log")

• 创建一个日志文件来记录处理过程中出现的错误信息。

查找文本文件

txt_files = glob.glob(os.path.join(folder_path, '**', '*.txt'), recursive=True)

• 使用glob模块查找指定文件夹下的所有文本文件。

主程序

if __name__ == "__main__":

• 该部分保证代码在作为主程序运行时执行文件夹处理函数。

Markdown 文件内容

# 文本处理脚本## 概述
该脚本用于批量处理指定文件夹中的文本文件，使用OpenAI的API对文本内容进行处理，并将处理记录保存到Excel文件中，同时记录错误日志。## 代码解析### 导入库
```python
import os
import glob
import datetime
from openai import OpenAI
import openpyxl

初始化OpenAI客户端

client = OpenAI(api_key="",base_url="https:\\dashscope.aliyuncs.com\compatible-mode\v1",
)

初始化Excel文件

excel_file = "D:\\text_processing_log.xlsx"
if os.path.exists(excel_file):wb = openpyxl.load_workbook(excel_file)
else:wb = openpyxl.Workbook()
ws = wb.active
ws.title = "处理记录"
if ws.max_row == 1:ws.append(["类型", "内容", "文件路径", "处理时间"])

保存数据到Excel

def save_to_excel(question, answer, file_path):

• 保存处理记录到Excel文件。

打印对话

def print_dialog(question, answer, max_width=80):

• 在命令行窗口美观地打印问题和答案。

记录错误日志

def log_error(log_file, message, error=None):

• 记录错误信息到日志文件中。

处理单个文件

def process_file(file_path, log_file):

• 读取文本文件，处理每一行文本，并调用OpenAI的API进行文本修改。

处理整个文件夹

def process_folder(folder_path):

• 遍历指定文件夹中的所有文本文件，并调用process_file进行处理。

使用说明

1. 确保安装了必要的库：pip install openai openpyxl。
2. 填写OpenAI API密钥。
3. 修改文件夹路径以处理文本文件。
4. 运行脚本，处理记录将保存到Excel文件中，错误日志将保存在文件夹中。

注意事项

• 确保OpenAI API服务可用。
• 检查文件夹路径和文件权限。

运用FishVideo大模型将文本信息转变为对应的语音

import os
import logging
from fish_audio_sdk import Session, TTSRequest, ReferenceAudio# 配置日志记录异常
logging.basicConfig(filename='tts_errors.log',level=logging.ERROR,format='%(asctime)s - %(levelname)s - %(message)s'
)def process_directory(target_dir: str):"""处理指定目录下的文本文件Args:target_dir: 包含文本文件和生成音频文件的目录"""session = Session("")processed = 0skipped = 0errors = 0for filename in os.listdir(target_dir):if not filename.endswith(".txt"):continuefile_path = os.path.join(target_dir, filename)base_name = os.path.splitext(filename)[0]audio_path = os.path.join(target_dir, f"{base_name}.mp3")try:# 读取文本内容with open(file_path, "r", encoding="utf-8") as f:text = f.read().strip()# 跳过空文件if not text:logging.info(f"跳过空文件: {filename}")skipped += 1continue# 生成语音文件with open(audio_path, "wb") as f:for chunk in session.tts(TTSRequest(reference_id="7f92f8afb8ec43bf81429cc1c9199cb1",text=text)):f.write(chunk)print(f"生成成功: {filename} -> {os.path.basename(audio_path)}")processed += 1except Exception as e:logging.error(f"文件 {filename} 处理失败: {str(e)}", exc_info=True)print(f"错误: {filename} 转换失败，详见日志")errors += 1# 输出统计报告print(f"\n处理完成: 成功 {processed} 个 | 跳过 {skipped} 个 | 失败 {errors} 个")if __name__ == "__main__":# 使用示例：处理当前目录下的文件process_directory(target_dir="D:\\BaiduNetdiskDownload\\001-050_images")

代码解析

该代码的主要功能是处理指定目录下的文本文件，利用fish_audio_sdk库将文本转换为语音，并生成相应的音频文件。以下是代码的详细分析：

导入库

import os
import logging
from fish_audio_sdk import Session, TTSRequest, ReferenceAudio

• os: 用于文件和目录操作。
• logging: 用于记录日志，方便后续的错误追踪和调试。
• fish_audio_sdk: 语音合成SDK，主要用于将文本转换为语音。

配置日志

logging.basicConfig(filename='tts_errors.log',level=logging.ERROR,format='%(asctime)s - %(levelname)s - %(message)s'
)

• 配置日志记录，日志将被写入tts_errors.log文件，记录错误信息及时间戳。

处理目录函数

def process_directory(target_dir: str):

• 该函数接受一个参数target_dir，表示包含文本文件和生成音频文件的目录。

初始化变量

session = Session("")
processed = 0
skipped = 0
errors = 0

• 创建一个Session对象以进行语音合成。
• 初始化计数器：processed用于记录成功处理的文件数量，skipped用于记录跳过的文件数量，errors用于记录处理失败的文件数量。

遍历文件

for filename in os.listdir(target_dir):if not filename.endswith(".txt"):continue

• 遍历指定目录下的文件，筛选出扩展名为.txt的文件。

处理每个文件

file_path = os.path.join(target_dir, filename)
base_name = os.path.splitext(filename)[0]
audio_path = os.path.join(target_dir, f"{base_name}.mp3")

• 拼接文件路径和音频文件的保存路径。

读取文本内容

with open(file_path, "r", encoding="utf-8") as f:text = f.read().strip()

• 读取文本文件内容，并去除首尾空格。

跳过空文件

if not text:logging.info(f"跳过空文件: {filename}")skipped += 1continue

• 如果文件内容为空，则记录日志并跳过处理。

生成语音文件

with open(audio_path, "wb") as f:for chunk in session.tts(TTSRequest(reference_id="7f92f8afb8ec43bf81429cc1c9199cb1",text=text)):f.write(chunk)

• 调用session.tts生成语音文件并写入到指定的路径。TTSRequest中包含了文本和一个参考ID。

成功处理

print(f"生成成功: {filename} -> {os.path.basename(audio_path)}")
processed += 1

• 打印生成成功的消息，并增加成功处理计数。

错误处理

except Exception as e:logging.error(f"文件 {filename} 处理失败: {str(e)}", exc_info=True)print(f"错误: {filename} 转换失败，详见日志")errors += 1

• 捕获异常，记录错误并增加失败计数。

输出统计报告

print(f"\n处理完成: 成功 {processed} 个 | 跳过 {skipped} 个 | 失败 {errors} 个")

• 在处理完成后输出统计报告。

主程序

if __name__ == "__main__":process_directory(target_dir="D:\\BaiduNetdiskDownload\\001-050_images")

• 主程序入口，调用process_directory处理指定目录下的文本文件。

Markdown 文件内容

# 文本转语音处理脚本## 概述
该脚本用于处理指定目录下的文本文件，通过`fish_audio_sdk`将文本转换为语音，并生成对应的音频文件。处理过程中会记录成功、跳过和失败的文件数量，并将错误日志保存到文件中。## 代码解析### 导入库
```python
import os
import logging
from fish_audio_sdk import Session, TTSRequest, ReferenceAudio

配置日志

logging.basicConfig(filename='tts_errors.log',level=logging.ERROR,format='%(asctime)s - %(levelname)s - %(message)s'
)

• 配置日志记录，记录错误信息到tts_errors.log文件中。

处理目录函数

def process_directory(target_dir: str):

• 处理指定目录下的文本文件，并生成语音文件。

初始化变量

session = Session("")
processed = 0
skipped = 0
errors = 0

遍历文件

for filename in os.listdir(target_dir):if not filename.endswith(".txt"):continue

• 只处理扩展名为.txt的文件。

处理每个文件

file_path = os.path.join(target_dir, filename)
base_name = os.path.splitext(filename)[0]
audio_path = os.path.join(target_dir, f"{base_name}.mp3")

• 生成文本文件的路径和对应的音频文件路径。

读取文本内容

with open(file_path, "r", encoding="utf-8") as f:text = f.read().strip()

跳过空文件

if not text:logging.info(f"跳过空文件: {filename}")skipped += 1continue

生成语音文件

with open(audio_path, "wb") as f:for chunk in session.tts(TTSRequest(reference_id="7f92f8afb8ec43bf81429cc1c9199cb1",text=text)):f.write(chunk)

输出统计报告

print(f"\n处理完成: 成功 {processed} 个 | 跳过 {skipped} 个 | 失败 {errors} 个")

使用说明

1. 确保已安装fish_audio_sdk库。
2. 将要处理的文本文件放入指定目录。
3. 运行脚本，生成的音频文件将与文本文件保存在同一目录中。

注意事项

• 确保fish_audio_sdk的配置正确，API密钥和参考ID有效。
• 检查文件权限，确保可以读取文本文件和写入音频文件。

图片转视频处理将图片与语音结合并添加转场

import os
import glob
import subprocess# 支持的图片和音频扩展名
IMAGE_EXTENSIONS = ['.jpg', '.jpeg', '.png', '.bmp']
AUDIO_EXTENSIONS = ['.mp3', '.wav', '.ogg']def find_audio_file(image_path):"""查找与图片同名的音频文件"""base_name = os.path.splitext(image_path)[0]for ext in AUDIO_EXTENSIONS:audio_path = f"{base_name}{ext}"if os.path.exists(audio_path):return audio_pathreturn Nonedef create_video(image_path, output_folder):"""使用 FFmpeg 创建视频"""base_name = os.path.splitext(os.path.basename(image_path))[0]output_path = os.path.join(output_folder, f"{base_name}.mp4")cmd = ['ffmpeg','-y','-loop', '1','-i', image_path,]if audio_path := find_audio_file(image_path):cmd += ['-i', audio_path]else:cmd += ['-f', 'lavfi','-i', 'anullsrc=cl=stereo:r=44100','-t', '3']cmd += ['-vf', 'scale=trunc(iw\2)*2:trunc(ih\2)*2,fps=24,format=yuv420p',  # 关键修改点'-c:v', 'libx264','-c:a', 'aac','-shortest','-movflags', '+faststart',output_path]try:subprocess.run(cmd, check=True, capture_output=True, text=True)return Trueexcept subprocess.CalledProcessError as e:print(f"FFmpeg 错误: {e.stderr}")return Falsedef process_folder(folder_path):"""处理整个文件夹"""# 收集所有图片文件image_files = []for ext in IMAGE_EXTENSIONS:image_files.extend(glob.glob(os.path.join(folder_path, '*' + ext)))# 创建输出目录output_folder = os.path.join(folder_path, "output_videos")os.makedirs(output_folder, exist_ok=True)# 处理每个图片文件for img_file in image_files:print(f"正在处理: {os.path.basename(img_file)}")if create_video(img_file, output_folder):print(f"成功创建: {os.path.basename(img_file)}.mp4")else:print(f"处理失败: {os.path.basename(img_file)}")print("-" * 50)if __name__ == "__main__":target_folder = "D:\\BaiduNetdiskDownload\\001-050_images"if not os.path.exists(target_folder):print(f"错误: 目录不存在 - {target_folder}")else:process_folder(target_folder)print("全部处理完成！")

代码解析

该代码的主要功能是使用FFmpeg将指定文件夹中的图片转换为视频，并在视频中添加与图片同名的音频文件（如果存在）。以下是代码的详细分析：

导入库

import os
import glob
import subprocess

• os: 用于文件和目录操作。
• glob: 用于查找符合特定规则的文件路径名。
• subprocess: 用于执行外部命令，这里用来调用FFmpeg。

支持的文件扩展名

IMAGE_EXTENSIONS = ['.jpg', '.jpeg', '.png', '.bmp']
AUDIO_EXTENSIONS = ['.mp3', '.wav', '.ogg']

• 定义支持的图像和音频文件扩展名。

查找音频文件

def find_audio_file(image_path):"""查找与图片同名的音频文件"""base_name = os.path.splitext(image_path)[0]for ext in AUDIO_EXTENSIONS:audio_path = f"{base_name}{ext}"if os.path.exists(audio_path):return audio_pathreturn None

• 该函数接收图片路径，查找是否存在与之同名的音频文件，并返回找到的音频文件路径，如果未找到则返回None。

创建视频

def create_video(image_path, output_folder):"""使用 FFmpeg 创建视频"""base_name = os.path.splitext(os.path.basename(image_path))[0]output_path = os.path.join(output_folder, f"{base_name}.mp4")

• 函数负责使用FFmpeg将图片转换为视频。

构建FFmpeg命令

cmd = ['ffmpeg','-y','-loop', '1','-i', image_path,
]

• 使用-loop 1选项使图片循环显示。

添加音频

if audio_path := find_audio_file(image_path):cmd += ['-i', audio_path]
else:cmd += ['-f', 'lavfi','-i', 'anullsrc=cl=stereo:r=44100','-t', '3']

• 如果找到与图片同名的音频文件，则将其添加到FFmpeg命令中；否则，使用虚拟音频源（无声）生成长度为3秒的音频。

设定视频输出参数

cmd += ['-vf', 'scale=trunc(iw\2)*2:trunc(ih\2)*2,fps=24,format=yuv420p','-c:v', 'libx264','-c:a', 'aac','-shortest','-movflags', '+faststart',output_path
]

• 设置视频过滤器，确保宽高是偶数，并设置每秒帧数（fps）为24。视频编码器为libx264，音频编码器为aac。

运行FFmpeg命令

try:subprocess.run(cmd, check=True, capture_output=True, text=True)return True
except subprocess.CalledProcessError as e:print(f"FFmpeg 错误: {e.stderr}")return False

• 执行命令并处理可能出现的错误。

处理文件夹

def process_folder(folder_path):"""处理整个文件夹"""

• 该函数遍历指定目录，处理所有支持的图片文件。

收集图片文件

image_files = []
for ext in IMAGE_EXTENSIONS:image_files.extend(glob.glob(os.path.join(folder_path, '*' + ext)))

• 使用glob查找所有支持的图片文件。

创建输出目录

output_folder = os.path.join(folder_path, "output_videos")
os.makedirs(output_folder, exist_ok=True)

• 创建一个名为output_videos的文件夹，用于保存生成的视频文件。

处理每个图片文件

for img_file in image_files:print(f"正在处理: {os.path.basename(img_file)}")if create_video(img_file, output_folder):print(f"成功创建: {os.path.basename(img_file)}.mp4")else:print(f"处理失败: {os.path.basename(img_file)}")print("-" * 50)

• 对每个图片文件调用create_video函数，并报告处理结果。

主程序

if __name__ == "__main__":target_folder = "D:\\BaiduNetdiskDownload\\001-050_images"if not os.path.exists(target_folder):print(f"错误: 目录不存在 - {target_folder}")else:process_folder(target_folder)print("全部处理完成！")

• 主程序入口，检查目标文件夹是否存在，并调用process_folder处理图像。

Markdown 文件内容

# 图片转视频处理脚本## 概述
该脚本用于将指定文件夹中的图片文件转换为视频，并在视频中添加与图片同名的音频文件（如果存在）。生成的视频文件将保存到一个单独的输出目录中。## 代码解析### 导入库
```python
import os
import glob
import subprocess

支持的文件扩展名

IMAGE_EXTENSIONS = ['.jpg', '.jpeg', '.png', '.bmp']
AUDIO_EXTENSIONS = ['.mp3', '.wav', '.ogg']

查找音频文件

def find_audio_file(image_path):

• 查找与图片同名的音频文件。

创建视频

def create_video(image_path, output_folder):

• 使用FFmpeg将图片转换为视频。

构建FFmpeg命令

cmd = ['ffmpeg','-y','-loop', '1','-i', image_path,
]

添加音频

if audio_path := find_audio_file(image_path):cmd += ['-i', audio_path]
else:cmd += ['-f', 'lavfi','-i', 'anullsrc=cl=stereo:r=44100','-t', '3']

设置视频输出参数

cmd += ['-vf', 'scale=trunc(iw\2)*2:trunc(ih\2)*2,fps=24,format=yuv420p','-c:v', 'libx264','-c:a', 'aac','-shortest','-movflags', '+faststart',output_path
]

处理文件夹

def process_folder(folder_path):

• 处理指定目录中的所有图片文件，并生成视频。

主程序

if __name__ == "__main__":

• 检查目标目录并执行处理。

使用说明

1. 确保已安装FFmpeg并将其路径添加到系统环境变量。
2. 将要处理的图片文件放入指定目录。
3. 运行脚本，生成的视频文件将保存到output_videos子目录中。

注意事项

• 确保文件夹路径和文件权限正确。
• 处理时请检查FFmpeg的输出信息以获取错误提示。

合并视频段

import os
import subprocessdef merge_videos(folder_path, output_file):# 获取所有视频文件video_files = [f for f in os.listdir(folder_path) if f.endswith(('.mp4', '.mkv', '.avi', '.mov'))]video_files.sort()  # 根据名称排序，确保顺序正确# 生成 FFmpeg 需要的输入列表文件list_file = os.path.join(folder_path, 'file_list.txt')with open(list_file, 'w', encoding='utf-8') as f:for video in video_files:f.write(f"file '{os.path.join(folder_path, video)}'\n")# FFmpeg 合并视频ffmpeg_cmd = f'ffmpeg -f concat -safe 0 -i "{list_file}" -c copy "{output_file}"'subprocess.run(ffmpeg_cmd, shell=True, check=True)# 清理文件os.remove(list_file)print(f"合并完成：{output_file}")# 使用示例
merge_videos("D:\\BaiduNetdiskDownload\\001-050_images\\output_videos", "output.mp4")

下面是对您提供的Python代码的详细解析，以及生成的Markdown文件内容。

代码解析

导入库

import os
import subprocess

• os: 用于文件和目录操作。
• subprocess: 用于执行外部命令，这里用来调用FFmpeg。

合并视频函数

def merge_videos(folder_path, output_file):

• 该函数接受两个参数：一个是包含视频文件的文件夹路径，另一个是合并后输出视频文件的名称。

获取视频文件

video_files = [f for f in os.listdir(folder_path) if f.endswith(('.mp4', '.mkv', '.avi', '.mov'))]
video_files.sort()  # 根据名称排序，确保顺序正确

• 获取指定文件夹中的所有视频文件，筛选出扩展名为.mp4、.mkv、.avi和.mov的视频文件，并将其按名称排序，以确保合并顺序正确。

生成FFmpeg输入列表文件

list_file = os.path.join(folder_path, 'file_list.txt')
with open(list_file, 'w', encoding='utf-8') as f:for video in video_files:f.write(f"file '{os.path.join(folder_path, video)}'\n")

• 创建一个名为file_list.txt的文本文件，FFmpeg将使用这个文件来读取需要合并的视频文件路径。每行包含一个视频文件的路径。

执行FFmpeg命令

ffmpeg_cmd = f'ffmpeg -f concat -safe 0 -i "{list_file}" -c copy "{output_file}"'
subprocess.run(ffmpeg_cmd, shell=True, check=True)

• 构建FFmpeg命令，使用-f concat选项来合并文件，并使用-c copy选项以快速地复制视频流而不进行重新编码。通过subprocess.run执行命令。

清理临时文件

os.remove(list_file)
print(f"合并完成：{output_file}")

• 合并完成后删除临时的file_list.txt文件，并打印合并完成的消息。

使用示例

merge_videos("D:\\BaiduNetdiskDownload\\001-050_images\\output_videos", "output.mp4")

• 调用merge_videos函数，传入包含视频文件的文件夹路径和输出文件名。

Markdown 文件内容

# 视频合并脚本## 概述
该脚本用于将指定文件夹中的多个视频文件合并为一个视频，使用FFmpeg工具来完成合并操作。## 代码解析### 导入库
```python
import os
import subprocess

• os: 用于文件和目录操作。
• subprocess: 用于执行外部命令，这里用来调用FFmpeg。

合并视频函数

def merge_videos(folder_path, output_file):

• 该函数接受两个参数：包含视频文件的文件夹路径和合并后输出视频文件的名称。

获取视频文件

video_files = [f for f in os.listdir(folder_path) if f.endswith(('.mp4', '.mkv', '.avi', '.mov'))]
video_files.sort()  # 根据名称排序，确保顺序正确

生成FFmpeg输入列表文件

list_file = os.path.join(folder_path, 'file_list.txt')
with open(list_file, 'w', encoding='utf-8') as f:for video in video_files:f.write(f"file '{os.path.join(folder_path, video)}'\n")

执行FFmpeg命令

ffmpeg_cmd = f'ffmpeg -f concat -safe 0 -i "{list_file}" -c copy "{output_file}"'
subprocess.run(ffmpeg_cmd, shell=True, check=True)

清理临时文件

os.remove(list_file)
print(f"合并完成：{output_file}")

使用说明

1. 确保已安装FFmpeg并将其路径添加到系统环境变量。
2. 将要合并的视频文件放入指定文件夹。
3. 运行脚本，将多个视频合并为一个视频文件。

注意事项

• 确保所有视频文件格式相同，以避免合并时出现问题。
• 处理时请检查FFmpeg的输出信息以获取可能的错误提示。

仓库代码
AIDrow