盘点本地开源语音解说视频生成工具

在 2026 年 10 月 5 日，有开发者在 Reddit 的 LocalLLaMA 社区发帖，盘点了一套基于开源技术搭建的本地解说视频生成工具方案。该方案使用 Kokoro 负责语音生成，Whisper 负责单词级时间轴对齐，通过 Headless Chrome 绘制画面，最后利用 ffmpeg 将各部分合成完整的短视频。

这套工具完全在本地运行，不需要 API Key。发帖者表示该工具虽然能正常工作且无需付费，但功能过于简单，制作多部视频后容易出现视觉同质化现象，因此也在公开征集其他同类的免费本地替代工具或流水线方案。