Saya membuat alat yang dapat menghasilkan video dengan narasi, subtitle, dan BGM hanya dari satu skrip (YAML)

Karena ini pertama kalinya saya mengedit video dan satu video bisa memakan waktu setengah hari, saya mengotomatiskan proses editing dalam bentuk kode.

Input-nya hanya satu berkas YAML berisi narration / visual / callout untuk tiap adegan.
Dengan satu baris python3 src/pipeline.py scenario.yaml config.yaml, Anda akan mendapatkan mp4 yang sudah jadi.

Pipeline (Python):

• Skrip → narasi TTS (bisa ditukar antara say / Supertone / ElevenLabs, hasil di-cache)
• Timing subtitle dibagi otomatis sesuai panjang narasi, narasi = subtitle identik
• Subtitle·callout dirender ke PNG lalu dioverlay (dipilih karena build ffmpeg ini tidak punya libass/drawtext — kontrol outline Hangul dan posisi piksel justru lebih mudah)
• Video ponsel vertikal otomatis dikoreksi rasio aspeknya dengan blur padding latar belakang (dengan satu baris config untuk 16:9 ↔ 9:16 shorts)
• Narasi digabung (concat) + BGM di-mix (BGM otomatis dipotong sesuai akhir video + fade untuk mencegah "ekor hitam")
• Setelah render selesai, drift durasi dan kecerahan frame terakhir diperiksa otomatis

Ini khusus untuk video subtitle faceless, dan saya benar-benar memakai alat ini untuk menghasilkan video di channel YouTube saya.

Batasan: subtitle tidak sinkron per kata, melainkan per adegan (dibagi proporsional berdasarkan jumlah karakter).
Selain itu, alat ini dibuat dengan asumsi ffmpeg di lingkungan ini tidak memiliki libass, jadi metode PNG overlay menjadi default.

Tujuannya bukan menggantikan editor secara sempurna, melainkan membuat proses 'skrip → video draft awal' praktis menjadi 0 detik agar biaya produksi berulang bisa dihilangkan.

Smoke test (memverifikasi seluruh pipeline tanpa key, menggunakan suara say macOS):
python3 -m pip install -r requirements.txt
python3 demo/make_placeholders.py
python3 src/pipeline.py demo/scenario.yaml demo/config.yaml

MIT. Masukan sangat saya hargai.