Skill: mp3-list-to-video#

将文件夹下的所有 MP3 文件按自然顺序拼接成一个 MP4 视频文件。支持两种输出：

• 黑色背景视频：仅拼接音频，画面为黑色
• 菜单高亮视频：画面显示全部歌曲清单，并根据播放时间高亮当前歌曲，右侧默认叠加持续旋转的黑胶唱片

运行时会自动做依赖检查、输入顺序确认和输出媒体流校验。

前提条件#

• ffmpeg: 必须已安装并可在 PATH 中访问
• ffprobe: 必须已安装并可在 PATH 中访问，用于合成后校验输出文件
• Python 3: 用于运行合并脚本
• ffmpeg filters: 生成菜单和黑胶动效时需要 FFmpeg 支持 ass、 rotate、 overlay 滤镜

检查依赖：

bash

which ffmpeg
which ffprobe
python3 --version
ffmpeg -hide_banner -filters | rg ' ass '
ffmpeg -hide_banner -filters | rg ' rotate | overlay '

输入文件#

默认从工作区根目录的 playlist/ 目录读取所有 .mp3 文件，按自然文件名排序后拼接。自然排序会让 10.xxx.mp3 排在 9.xxx.mp3 后面，而不是排在 2.xxx.mp3 前面。

text

playlist/
├── 1.朵.mp3
├── 2.感官先生.mp3
├── 3.I Want It That Way.mp3
└── ...

输出文件#

默认输出到工作区根目录： playlist_output.mp4

• 视频格式：MP4 (H.264)
• 分辨率：1920x1080
• 帧率：30fps
• 音频：AAC 44.1kHz stereo
• 视频流：黑色画面（无实际视频内容）

生成菜单高亮视频时，默认输出：

• 最终视频： playlist_menu_output.mp4
• 菜单背景视频： output/playlist_menu_background.mp4
• 菜单字幕层： output/playlist_menu.ass
• 歌曲时间轴： output/playlist_menu_timeline.json
• 预览抽帧： output/playlist_menu_preview_*.png
• 智能渲染帧： output/playlist_menu_frames/frame_*.png
• 智能渲染计划： output/playlist_menu_frame_plan.json
• 黑胶唱片 PNG： output/playlist_vinyl.png
• 菜单加动效视频： output/playlist_menu_visual.mp4

使用方法#

快速开始#

生成黑色背景的合并视频：

脚本已包含在 skill 的 scripts/ 目录下，直接运行：

bash

python3 scripts/merge_playlist.py

在当前工作区直接调用本 skill 中的脚本时：

bash

python3 .opencode/skill/mp3-list-to-video/scripts/merge_playlist.py

基于已生成的 playlist_output.mp4 生成带歌曲清单和当前歌曲高亮的版本：

bash

python3 .opencode/skill/mp3-list-to-video/scripts/add_playlist_menu.py

上面的命令默认使用优化后的 smart 模式。除非用户明确要求逐帧完整渲染，否则不要使用 --render-mode full。

自定义配置#

脚本支持命令行参数，优先使用参数而不是手改脚本：

bash

python3 scripts/merge_playlist.py \
  --playlist-dir playlist \
  --output playlist_output.mp4 \
  --temp-dir output

可选参数：

• --playlist-dir: MP3 输入目录
• --output: MP4 输出文件
• --temp-dir: 临时文件目录，会写入 concat_list.txt
• --skip-verify: 跳过合成后的 ffprobe 校验，仅在排查问题时使用

菜单高亮脚本支持：

bash

python3 scripts/add_playlist_menu.py \
  --playlist-dir playlist \
  --source-video playlist_output.mp4 \
  --output playlist_menu_output.mp4 \
  --temp-dir output \
  --render-mode smart \
  --jobs 4 \
  --active-seconds 3 \
  --active-frames 60

可选参数：

• --playlist-dir: MP3 输入目录，用来计算每首歌时长和歌曲顺序
• --source-video: 已合并 MP4，用来复用最终音频
• --output: 带菜单高亮的最终 MP4
• --temp-dir: 中间文件目录，会写入 ASS 菜单层、背景视频和时间轴 JSON
• --menu-video: 单独指定菜单背景视频输出路径
• --render-mode: 菜单背景渲染模式，默认 smart；可选 full
• --jobs: smart 模式下并行生成菜单帧的任务数
• --active-seconds: 每首歌开头按高帧密度生成的秒数，默认 3
• --active-frames: 每首歌开头高帧密度段生成的帧数，默认 60
• --disable-vinyl: 禁用右侧旋转黑胶唱片动效
• --vinyl-size: 黑胶唱片尺寸，默认 360
• --vinyl-x: 黑胶唱片左上角 X 坐标，默认 1480
• --vinyl-y: 黑胶唱片左上角 Y 坐标，默认 370
• --vinyl-rotation-seconds: 黑胶唱片转一圈所需秒数，默认 4
• --preview-times: 逗号分隔的抽帧检查时间，例如 00:00:10,00:05:00,00:34:10
• --skip-previews: 跳过合成后的预览帧抽取
• --preview-only: 不重新生成视频，只对已有输出抽取预览帧

只复查已有菜单视频的画面时：

bash

python3 scripts/add_playlist_menu.py \
  --output playlist_menu_output.mp4 \
  --preview-only \
  --preview-times 00:00:10,00:05:00,00:34:10

自动检查机制#

运行脚本时会自动执行以下检查：

1. 依赖检查: 确认 ffmpeg、 ffprobe 和 Python 可用，并打印实际路径/版本
2. 输入检查: 确认 playlist 目录存在，且至少包含一个 .mp3 文件
3. 顺序检查: 打印最终合并顺序，便于确认 1, 2, ..., 10 是否正确
4. 输出文件检查: 确认 MP4 文件存在且大小大于 0
5. 媒体流检查: 使用 ffprobe 确认输出包含 H.264 视频流和 AAC 音频流
6. 规格检查: 确认视频为 1920x1080，音频为 44100Hz 双声道
7. 时长检查: 确认输出时长大于 0，并打印可读时长

菜单高亮脚本还会额外检查：

• source-video 是否存在
• FFmpeg 是否支持 ass、 rotate、 overlay 滤镜
• 每首 MP3 的真实时长
• 每首歌的开始/结束时间，最后一首会对齐 source-video 的总时长，避免封装误差导致结尾空白
• 合成后自动抽取预览帧，默认覆盖首歌、第二首相邻两秒和最后一首；相邻帧用于验证黑胶持续旋转
• 计算预览帧 MD5，确认不同时间点的画面不是完全相同，避免高亮没有随时间变化
• smart 模式会写出帧计划 JSON，记录 active/static 帧数量和每帧持续时间
• 默认生成 playlist_vinyl.png 并叠加旋转动效；最终视频即使当前歌曲不切换，右侧黑胶也会持续运动

合成完成后应看到类似输出：

text

输出校验通过:
  - 文件大小: 39.2MB
  - 时长: 37:35 (2254.633s)
  - 视频流: h264 1920x1080
  - 音频流: aac 44100Hz 2ch

实现原理#

黑色背景合并#

1. 扫描 MP3 文件: 使用 pathlib 扫描 playlist/ 目录，按自然文件名排序
2. 生成 concat 列表: 创建 FFmpeg concat 格式的文件列表
3. 实时生成黑色视频: 使用 FFmpeg lavfi 的 color 滤镜实时生成黑色视频流（避免预生成大文件）
4. 拼接音频: 使用 FFmpeg concat 协议拼接所有 MP3 文件
5. 合并音视频: 将黑色视频流与拼接后的音频合并为最终 MP4
6. 校验输出: 使用 ffprobe 校验文件大小、时长、视频流和音频流

核心 FFmpeg 命令：

bash

ffmpeg -y \
  -f concat -safe 0 -i concat_list.txt \
  -f lavfi -i color=black:size=1920x1080:rate=30 \
  -c:v libx264 -preset ultrafast -pix_fmt yuv420p \
  -c:a aac -shortest \
  output.mp4

菜单高亮背景#

1. 读取歌曲时长: 使用 ffprobe 获取每个 MP3 的真实时长

2. 生成时间轴: 计算每首歌的开始时间和结束时间，例如 00:00 - 04:45

3. 生成 ASS 菜单层: 写入所有歌曲清单，并为每首歌创建只在对应时间段显示的高亮行

4. 生成菜单背景视频:

   • smart 模式：只渲染必要 PNG 帧。每首歌开头 active-seconds 内生成 active-frames 帧，其余静态段只生成 1 帧并用 concat duration 拉长；帧生成会按 --jobs 并行执行
   • full 模式：回退到整段 30fps 渲染，速度较慢但实现直接

5. 生成黑胶动效层: 脚本用内置 PNG 写入逻辑生成透明背景黑胶唱片，不依赖 Pillow 或外部素材

6. 叠加旋转黑胶: 使用 FFmpeg rotate + overlay 将黑胶放到菜单右侧，并按 --vinyl-rotation-seconds 持续转动

7. 融合原音频: 将最终视觉视频与 playlist_output.mp4 的音频流合并

8. 校验输出: 确认最终视频包含视频流、音频流、时长和分辨率

9. 抽帧复查: 从关键时间点抽取 PNG 帧，确认菜单可见且高亮随时间变化

full 模式核心 FFmpeg 命令：

bash

ffmpeg -y \
  -f lavfi -i color=c=0x111214:size=1920x1080:rate=30:duration=2255.2 \
  -vf "ass=filename='output/playlist_menu.ass'" \
  -an -c:v libx264 -preset ultrafast -pix_fmt yuv420p \
  output/playlist_menu_background.mp4

ffmpeg -y \
  -i output/playlist_menu_background.mp4 \
  -i playlist_output.mp4 \
  -map 0:v:0 -map 1:a:0 \
  -c:v copy -c:a copy -shortest \
  playlist_menu_output.mp4

smart 模式的核心思路：

bash

# 对每个需要的时间点生成一张菜单帧；通过 setpts 让 ASS 按全局时间渲染对应高亮
ffmpeg -y -loglevel error \
  -f lavfi -i color=c=0x111214:size=1920x1080:rate=1:duration=1 \
  -vf "setpts=PTS+300/TB,ass=filename='output/playlist_menu.ass',setpts=PTS-STARTPTS" \
  -frames:v 1 -update 1 output/playlist_menu_frames/frame_00100.png

# 使用 concat duration 拉长静态帧，再统一输出 30fps 标准 MP4
ffmpeg -y \
  -f concat -safe 0 -i output/playlist_menu_frames.txt \
  -vf "fps=30,format=yuv420p" \
  -an -c:v libx264 -preset ultrafast -pix_fmt yuv420p \
  output/playlist_menu_background.mp4

# 黑胶动效层叠加
ffmpeg -y \
  -i output/playlist_menu_background.mp4 \
  -loop 1 -framerate 30 -i output/playlist_vinyl.png \
  -filter_complex "[1:v]format=rgba,rotate='2*PI*t/4':ow=iw:oh=ih:c=none[vinyl];[0:v][vinyl]overlay=1480:370,fps=30,format=yuv420p[v]" \
  -map "[v]" -an -c:v libx264 -preset ultrafast \
  output/playlist_menu_visual.mp4

抽帧复查命令：

bash

ffmpeg -y -loglevel error \
  -ss 00:05:00 \
  -i playlist_menu_output.mp4 \
  -frames:v 1 -update 1 \
  output/playlist_menu_preview_0500.png

注意事项#

1. 文件排序#

默认按自然排序（如 1.mp3, 2.mp3, 10.mp3），适合带数字前缀的播放列表。脚本中的排序逻辑：

python

import re
files.sort(key=natural_key)

2. FFmpeg concat 协议#

使用 -f concat -safe 0 格式拼接音频文件，要求：

• 所有 MP3 文件编码参数一致（采样率、声道数）
• 文件列表使用绝对路径避免路径问题

3. 性能优化#

• 使用 -preset ultrafast 加速视频编码（牺牲少量压缩率）
• 黑色视频通过 lavfi 实时生成，无需预生成临时文件
• 音频统一转为 AAC，提升 MP4 兼容性
• 菜单高亮视频默认使用 smart 模式，避免整段 30fps 重渲染
• smart 模式下，长静态区间只生成 1 帧，通过 concat duration 保持时长
• 黑胶唱片动效在菜单背景完成后单独叠加，因此不会被 smart 模式的静态帧优化冻结
• --jobs 控制并行生成帧的 ffmpeg 进程数；机器负载过高时调低，CPU 空闲时可调高
• 如果用户明确需要所有时间点逐帧渲染，使用 --render-mode full

推荐默认策略：

• 不需要动画时，保留默认 --active-seconds 3 --active-frames 60
• 如果只想极速生成静态菜单，可使用 --active-seconds 0 --active-frames 1
• 如果高亮切换需要更细腻，可提高 --active-frames
• 如果机器发热或并行进程太多，可降低 --jobs

4. 手动复查命令#

如果需要在脚本外手动复查黑色背景合并输出，使用：

bash

ls -lh playlist_output.mp4 output/concat_list.txt
ffprobe -v error \
  -show_entries format=duration,size \
  -show_entries stream=index,codec_type,codec_name,width,height,sample_rate,channels \
  -of default=noprint_wrappers=1 \
  playlist_output.mp4
sed -n '1,20p' output/concat_list.txt

菜单高亮视频复查重点：

bash

ls -lh playlist_menu_output.mp4 output/playlist_menu_background.mp4 output/playlist_menu.ass output/playlist_menu_timeline.json
ls -lh output/playlist_menu_frame_plan.json output/playlist_menu_frames.txt output/playlist_vinyl.png output/playlist_menu_visual.mp4
ffprobe -v error \
  -show_entries format=duration,size \
  -show_entries stream=index,codec_type,codec_name,width,height,sample_rate,channels \
  -of default=noprint_wrappers=1 \
  playlist_menu_output.mp4
python3 scripts/add_playlist_menu.py --preview-only --preview-times 00:00:10,00:05:00,00:34:10

验收标准：

• playlist_menu_output.mp4 同时包含视频流和音频流
• 视频分辨率为 1920x1080
• 时间轴 JSON 中每首歌有 start_text 和 end_text
• smart 模式下，帧计划 JSON 中应包含 active/static 帧数量
• 帧计划中的 duration_sum 应接近 total_duration
• 预览帧文件存在，且多个时间点的 MD5 不完全相同
• 打开一个中间时间点预览帧，当前歌曲行应高亮，时间列和歌名列之间应有清楚间距
• 默认预览会抽取第二首歌内相邻 1 秒的两帧，MD5 应不同，以确认黑胶唱片持续旋转

5. 扩展方向#

此 skill 为第一阶段实现（仅拼接音频）。后续可扩展：

• 添加专辑封面作为背景画面
• 添加歌曲名、时间轴等文字叠加
• 生成歌词卡拉OK动画视频（参考 song-movie-generater skill）
• 支持更多音频格式（m4a, flac 等）

菜单高亮视频当前使用静态列表和当前歌曲高亮。可继续扩展：

• 根据专辑封面生成背景图
• 添加播放进度条
• 当前行添加淡入淡出或指示图标
• 歌曲较多时分页显示
• 将黑胶中心标签替换为专辑封面

故障排查#

ffmpeg: command not found#

安装 ffmpeg：

bash

# macOS
brew install ffmpeg

# Ubuntu/Debian
sudo apt install ffmpeg

输出视频时长为 0#

脚本会自动用 ffprobe 检查时长。如果失败：

• 检查 output/concat_list.txt 是否包含所有 MP3
• 检查 FFmpeg 命令是否包含 -shortest 参数
• 单独用 ffprobe playlist_output.mp4 查看输出媒体信息

文件顺序不正确#

检查脚本打印的“合并顺序”。脚本使用自然排序，推荐输入文件使用数字前缀，例如 1.xxx.mp3、 2.xxx.mp3、 10.xxx.mp3。

输出校验失败#

脚本会直接列出失败项，例如缺少视频流、缺少音频流、时长为 0、分辨率不符或采样率不符。先查看脚本打印的错误，再用“手动复查命令”确认具体媒体流信息。

菜单文字无法显示中文或日文#

菜单脚本默认使用 macOS 上常见的 Hiragino Sans GB。如果目标机器没有该字体，修改 scripts/add_playlist_menu.py 中的 FONT_NAME，或安装支持中日文的字体。修改字体后运行 --preview-only 抽帧确认中文、日文和英文都正常显示。

菜单文字太挤或重叠#

菜单脚本中的布局常量控制文字位置：

• NUMBER_X: 序号列
• TIME_X: 时间列
• TITLE_X: 歌名列
• ROW_START_Y: 第一行纵向位置
• ROW_HEIGHT: 行高

如果时间和歌名贴得太近，优先调大 TITLE_X。调整后先运行：

bash

python3 scripts/add_playlist_menu.py --preview-only --preview-times 00:05:00

如果已改动 ASS 生成逻辑且需要完整重渲染，再运行完整菜单生成命令。

智能渲染速度或质量不合适#

默认参数针对“每首歌开头 3 秒生成 60 帧，其余静态段 1 帧”的场景：

bash

python3 scripts/add_playlist_menu.py \
  --render-mode smart \
  --jobs 4 \
  --active-seconds 3 \
  --active-frames 60

调整建议：

• 生成太慢：降低 --active-frames 或 --jobs
• 开头动画/高亮过渡不够细：提高 --active-frames
• 机器 CPU 足够：提高 --jobs
• 怀疑 concat 或时间轴问题：临时使用 --render-mode full 回退整段渲染

黑胶唱片位置或速度不合适#

默认黑胶参数：

bash

python3 scripts/add_playlist_menu.py \
  --vinyl-size 360 \
  --vinyl-x 1480 \
  --vinyl-y 370 \
  --vinyl-rotation-seconds 4

调整建议：

• 唱片挡住菜单文字：调大 --vinyl-x 或调小 --vinyl-size
• 唱片太靠右或超出画面：调小 --vinyl-x
• 转得太快：调大 --vinyl-rotation-seconds
• 转得太慢：调小 --vinyl-rotation-seconds
• 不需要动效：使用 --disable-vinyl

ffmpeg 不支持 ass 滤镜#

菜单高亮视频依赖 ass 滤镜。检查：

bash

ffmpeg -hide_banner -filters | rg ' ass '

如果没有输出，需要安装带 libass 的 FFmpeg。

相关 Skills#

• song-movie-generater: 生成带歌词卡拉OK动画的视频，功能更丰富
• gequbao-downloader: 从歌曲宝下载 MP3，配合此 skill 可实现"下载+拼接"完整流程