相信你有在抖音或视频号刷到过这样的视频

这样由微信对话合成的视频，因为内容有趣，很多人都喜欢看，播放量都是很恐怖的。 做这样的视频也很赚钱，某位大v的收益

原理就是利用巨大的播放量，添加商品推广链接，有人通过链接购买商品，你赚取佣金​。

制作这样的视频，一般做法是：

1. 去网上找对话素材
2. 找一个模拟微信对话的工具
3. 使用对话模拟器生成图片
4. 对图片进行剪辑，生成视频

这样下来几个步骤其实挺麻烦的，并且制作每个视频其实都属于是重复劳作。

所以我们今天，教大家制作一个一键生成微信对话视频的工具，让你能够省时省力，抢占先机！

先看成品

只需要在界面点点点就能生成视频了，很方便有木有！

技术原理

用到的技术有

1. 爬虫——从百度爬取图片
2. ocr识别——识别图片文字
3. 模拟微信对话工具
4. server服务
5. playwright自动化操作
6. 图片处理
7. 音频处理
8. 视频处理
9. 桌面gui

原来用到了这么多技术！不过不用担心，我都已经写好了，本文就是教大家怎么实现的，想直接用成品的同学，点击下面的链接获取！

链接：https://pan.baidu.com/s/1u78R9vhtnY5fwehlK17Z6Q?pwd=yb87 提取码：yb87

思路

1. 根据关键字在百度图片批量下载数据
2. 使用ocr识别图片中的文字
3. 分析文字的位置，区分左右对话
4. ocr精度有限，手工校对文字
5. 启动一个模拟微信对话服务
6. 进行自动化操作，将结果进行截图
7. 将截图、音频进行合成视频

根据关键字在百度图片批量下载数据

我们从https://image.baidu.com/search搜索图片，提取出每张图片的地址，然后进行下载，主要代码如下(代码为主要部分代码)

url = (
    "https://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj"
    "&ct=201326592&is=&fp=result&queryWord=%s&cl=2&lm=-1&ie=utf-8&oe=utf-8"
    "&adpicid=&st=-1&z=&ic=&hd=&latest=&copyright=&word=%s&s=&se=&tab=&width=&height=&face=0"
    "&istype=2&qc=&nc=1&fr=&expermode=&force=&pn=%s&rn=%d&gsm=1e&1594447993172="
    % (search, search, str(pn), self.__per_page)
)
# 设置header防403
try:
    time.sleep(self.time_sleep)
    req = urllib.request.Request(url=url, headers=self.headers)
    page = urllib.request.urlopen(req)
    self.headers["Cookie"] = self.handle_baidu_cookie(
        self.headers["Cookie"], page.info().get_all("Set-Cookie")
    )
    rsp = page.read()
    page.close()
except UnicodeDecodeError as e:
    self.logger.error(e)
    self.logger.error("-----UnicodeDecodeErrorurl:", url)

使用ocr识别图片中的文字

使用cnocr库，我们就能实现本地ocr识别，而不需要网络，代码如下

self.model = CnOcr(
            det_model_name="ch_PP-OCRv3_det",
        )
out = self.model.ocr(
    cv2.imdecode(self.read_file(f), -1),
)
for i in out:
    i["score"] = float(i["score"])
    i["position"] = i["position"].astype(float).tolist()
    target_path.joinpath(file_name + ".json").write_text(
        json.dumps(out, ensure_ascii=False, indent=4)
    )

分析文字的位置，区分左右对话

我们基于文字的内容和位置，判断文字是属于

• 标题——距离顶部的位置<30并字数不大于5
• 同一句话——两句话的距离<50
• 左边的人说的——句子位置离左边更近
• 右边的人说的——句子位置离右边更近 主要逻辑如上，代码如下

res = []
"""去掉标题栏"""
if json_content and "中国" in json_content[0]["text"]:
    # 中国联通行，去掉
    x = json_content[0]["position"][0][0]
    for i in range(1, len(json_content)):
        if abs(json_content[i]["position"][0][0] - x) <= 20:
            continue
        else:
            break
    json_content = json_content[:i]

"""去掉‘微信’"""
if (
    json_content
    and "微信" in json_content[0]["text"]
    and len(json_content[0]["text"]) < 8
):
    json_content = json_content[1:]

"""首行是否为标题"""
if not json_content:
    return res
left_top_position = json_content[0]["position"][0]
left_top_position_x = left_top_position[0]
left_top_position_y = left_top_position[1]
if left_top_position_y < 30 and len(json_content[0]["text"]) < 5:
    # 认为是标题
    res.append({"position": "title", "text": json_content[0]["text"]})
    json_content = json_content[1:]

"""同一句话判断的阈值"""
same_sentence_threshold = 30
for i in range(1, len(json_content)):
    same_sentence_threshold = min(
        same_sentence_threshold,
        abs(
            json_content[i]["position"][0][1]
            - json_content[i - 1]["position"][0][1]
        ),
    )
same_sentence_threshold = max(50, same_sentence_threshold + 35)  # 误差

if not json_content:
    return res
"""找到左侧和右侧的位置"""
left_around_position = min([i["position"][0][0] for i in json_content])
right_around_position = max([i["position"][1][0] for i in json_content])

"""判断左右"""
n = len(json_content)
text = ""
position_left = 0
position_right = 0
for i in range(n):
    if re.compile(r"[0-9]{1,2}:[ ]{0,1}[0-9]{1,2}").findall(
        json_content[i]["text"]
    ):
        # 微信时间
        continue
    if "微信" in json_content[i]["text"]:
        # ”微信“标题
        continue

    if (
        i > 0
        and abs(
            json_content[i]["position"][0][1]
            - json_content[i - 1]["position"][0][1]
        )
        < same_sentence_threshold
    ):
        # 认为当前话跟上一句话是同一句话
        text += json_content[i]["text"]
    else:
        # 现在是另一个人说话，将上一个说的话保存
        if text:
            if res and res[-1]["position"] == "left":
                # 如果上一句话是左边说的，我们更倾向于下一句话是右边的人说的
                float_value = 25
            else:
                # 否则，更倾向于左边的人说的
                float_value = -5
            if not res:
                # 第一句话更倾向于右边的人说的
                float_value = 25
            if abs(position_left - left_around_position) + float_value < abs(
                position_right - right_around_position
            ):
                # 离左侧更近
                res.append({"position": "left", "text": text})
            else:
                # 离右侧更近
                res.append({"position": "right", "text": text})
        text = json_content[i]["text"]
        position_left = json_content[i]["position"][0][0]
        position_right = json_content[i]["position"][1][0]
if text:
    if res and res[-1]["position"] == "left":
        # 如果上一句话是左边说的，我们更倾向于下一句话是右边的人说的
        float_value = 25
    else:
        # 否则，更倾向于左边的人说的
        float_value = -5
    if not res:
        # 第一句话更倾向于右边的人说的
        float_value = 25
    if abs(position_left - left_around_position) + float_value < abs(
        position_right - right_around_position
    ):
        # 离左侧更近
        res.append({"position": "left", "text": text})
    else:
        # 离右侧更近
        res.append({"position": "right", "text": text})
if len(res) == 1:
    return []
return res

当然了，判断无法百分百正确，所以我们后续添加了手工修正

ocr精度有限，手工校对文字

基于flet库, 实现了ui界面

启动一个模拟微信对话服务

我们启动了一个fastapi服务，用于调用模拟微信对话

app = FastAPI()

app.mount(
    "/static",
    StaticFiles(directory=MAIN_PATH.joinpath("weixin_chat", "static")),
    name="static",
)

@app.route("/")
def index(*args, **kwargs):
    return HTMLResponse(
        MAIN_PATH.joinpath(
            "weixin_chat",
            "index.html",
        ).read_text(encoding="utf-8")
    )

进行自动化操作，将结果进行截图

使用playwright库，打开浏览器，自动化进行操作，输入每条对话内容后，进行截图，保存到本地。

browser = playwright.chromium.launch(headless=True)
context = browser.new_context()

page = context.new_page()
page.goto("http://127.0.0.1:36999")
page.wait_for_load_state()
"""生成标题"""
if formatted_jsons[0]["position"] == "title":
    page.fill(title, formatted_jsons[0]["text"])
    formatted_jsons = formatted_jsons[1:]
else:
    titles = ["佳佳", "小小", "♥", "❀", "啊呜", "奔波儿灞与灞波儿奔", "亲亲"]
    page.fill(title, random.choice(titles))
time.sleep(0.2)
"""跳转到对话页"""
page.click(
    "#vueApp > div > div.edit-content > div.tab > ul > li:nth-child(2) > a"
)
time.sleep(0.2)
page.wait_for_selector(
    "#tabContent2 > div > div.dialog-user-items > div:nth-child(1) > div > a.dialog-user-face-a > input[type=file]"
)
"""清空对话"""
page.on("dialog", lambda dialog: dialog.accept())
page.click(clear_conv)
time.sleep(0.2)
"""选取头像"""
photos = self.two_random_photo()
page.set_input_files(my_photo, photos[0])
time.sleep(0.2)
page.set_input_files(second_photo, photos[1])
time.sleep(0.2)
_uuid = "".join(
    re.compile(r"[0-9a-zA-Z\u4e00-\u9fa5]*").findall(
        "".join(map(lambda e: e["text"], formatted_jsons))
    )
)
save_path = WORK_PATH.joinpath(self.keyword, "images", _uuid[:15])
save_path.mkdir(parents=True, exist_ok=True)
index = 0
for _json in formatted_jsons:
    if _json["position"] == "left":
        page.click(select_left)
    else:
        page.click(select_right)
    time.sleep(0.2)
    page.fill(input_words, _json["text"])
    page.click(add_words)
    time.sleep(0.2)
    save_file = save_path.joinpath(f"{index}.jpg")
    page.locator(target_area).screenshot(
        path=save_file, quality=100, type="jpeg"
    )
    index += 1

将截图、音频进行合成视频

截图、音频合成视频，我们用到了moviepy,Pillow库，将图片按照名称，以固定的间隔拼合为视频，并在每个拼合的位置添加微信消息提示音。

images = glob.glob(str(path.joinpath("*.jpg")))
if not images:
    return
images = sorted(images, key=lambda e: int(e.split("\\")[-1].split(".")[0]))
images = self.resize_images(images)
if not self.output_path:
    video_path = WORK_PATH.joinpath(self.keyword, "output")
    video_path.mkdir(parents=True, exist_ok=True)
else:
    video_path = Path(self.output_path)
video_file = video_path.joinpath(str(path).split("\\")[-1] + ".mp4")
fps = 1 / 1.5
video_clip = ImageSequenceClip(images, fps=fps)
during = video_clip.duration
wechat_audio = AudioFileClip(
    str(MAIN_PATH.joinpath("wechat_sound", "9411.mp3"))
)
audio_clips = []
i = 0
while i < during:
    audio_clips.append(wechat_audio.set_start(i))
    i += 1.5
final_audio_clip = CompositeAudioClip(audio_clips).set_fps(44100)
video_clip = video_clip.set_audio(final_audio_clip.subclip(0, during))
video_clip.write_videofile(str(video_file))
self.logger.info(f"{video_file}生成完成")

这样我们的视频就制作完成啦。

成果

生成完后，文件保存在workspace/output文件夹中

效果⬇ 可能有的小伙伴会说：就这？真的有人看？

我还真做了测试，在抖音发了两个视频！

第一个只有167的播放量，第二个视频就冲到了1.6万！

所以完全是行得通的！

需要的小伙伴，点击⬇链接获取全部源代码！

链接：https://pan.baidu.com/s/1u78R9vhtnY5fwehlK17Z6Q?pwd=yb87 提取码：yb87