> 关键词：WorkBuddy、Python 自动化、python-docx、Pillow、edge-tts
> 适用场景：一次内容创作要同时交付 Word / Markdown / 长图 / 配音视频 等多种形态

---

## 一、先说痛点：同一篇稿子，我手工做了四遍

上个月准备一次课程展示，需要一份 3—5 分钟的口播稿。稿子本身不难，难的是**交付形态**：

| 形态 | 用途 |
|---|---|
| .docx | 打印上交，要排版规范 |
| .md | 自己留档，带调研依据和备注 |
| 长图 .png | 手机转发，长按可读 |
| 配音视频 + 字幕 | 直接当作业视频交 |

第一版我手工做了四遍：Word 里排一次版，Markdown 里再抄一次，长图用排版工具截图，视频用剪映对着配音打轴。**改一个字，四个文件全部重来。** 三轮修改之后我放弃了，改用 WorkBuddy 写脚本，做成“单一内容源 + 多路导出”。

现在：**改内容只改一处，一条命令重出全部产物。**

---

## 二、架构：单一内容源（Single Source of Truth）

核心思路只有一句话：**把内容抽成一个 Python 数据结构，所有产物都从它渲染。**

```python
# _gen_docx.py —— 唯一的内容源
SECTIONS = [
    ("一、开场（约 30 秒）", [
        "老师好，我是……",
    ]),
    ("二、目标与背景（约 80 秒）", [
        "第一部分……",
        "第二部分……",
    ]),
]
```

其余脚本一律 `import` 它：

```python
# _gen_md.py
import _gen_docx as g          # 导入即重新生成 docx，保证同源
for title, paras in g.SECTIONS:
    ...
```

这样做的收益：
- **不会出现“docx 和 md 内容不一致”**——这是双份维护最常见的事故；
- 字数、时长统计只需实现一次；
- 后续新增产物（PDF、HTML、语音）只加一个渲染器，不动内容。

---

## 三、四路渲染器

### 3.1 Word：用 python-docx 一次排好版

```python
from docx import Document
from docx.shared import Pt, Cm
from docx.oxml.ns import qn

def set_font(run, name_cn="宋体", size=12, bold=False):
    run.font.name = name_cn
    run.font.size = Pt(size)
    run.font.bold = bold
    run._element.rPr.rFonts.set(qn("w:eastAsia"), name_cn)   # 中文字体必须设 eastAsia
```

三个容易踩的点：
1. **中文字体要同时设 `run.font.name` 和 `eastAsia`**，否则中文回落到默认字体；
2. 正文用“首行缩进 + 1.5 倍行距”，`first_line_indent = Pt(24)` 对 12pt 字正好两个字符；
3. 页边距用 `Cm()`，不要用 `Inches()` 混着写，后期调版会乱。

### 3.2 Markdown：同一份数据换个渲染器

```python
lines = [f"# {HEAD}\n"]
for title, paras in g.SECTIONS:
    lines.append(f"## {title}\n")
    lines.extend(p + "\n" for p in paras)
open("稿子.md", "w", encoding="utf-8").write("\n".join(lines))
```

写文件一律显式 `encoding="utf-8"`——Windows 默认 GBK，中文会直接报错或乱码。

### 3.3 微信长图：Pillow 排版 + 字宽测量自动换行

长图的关键不是画图，是**换行算法**。中文没有空格，不能按词断行，必须逐字测量：

```python
def wrap(text, font, usable):
    lines, cur = [], ""
    for ch in text:
        if font.getlength(cur + ch) <= usable:   # 实测像素宽度
            cur += ch
        else:
            lines.append(cur); cur = ch
    if cur: lines.append(cur)
    return lines
```

先算总高度、再建图、再落字，避免画布超出：

```python
height = PAD + sum(len(wrap(t, f, usable)) * LH + GAP for t, f in blocks) + PAD
img = Image.new("RGB", (1080, height), "white")
```

字体用系统字体绝对路径（`C:\Windows\Fonts\msyh.ttc`），宽 1080 正好适配手机阅读。

### 3.4 配音视频：最难的一步，逐句 TTS 是错的

**踩过的坑**：为了让字幕对齐，我一开始把稿子拆成句子，逐句调用 TTS 再拼接。结果每句之间出现 0.7—1.0 秒死白、语调断裂，听起来像机器人念课文。

**正解**：**整段一次性合成**，再用返回的时间戳反推句边界。

```python
import edge_tts

communicate = edge_tts.Communicate(text=full_text, voice="zh-CN-XiaoyiNeural", rate="+0%")
boundaries = []
with open("audio.mp3", "wb") as f:
    async for chunk in communicate.stream():
        if chunk["type"] == "audio":
            f.write(chunk["data"])
        elif chunk["type"] == "SentenceBoundary":
            boundaries.append(chunk)     # 含 offset / duration / text
```

关键细节：
- edge-tts 默认返回 **`SentenceBoundary`**（不是 `WordBoundary`），字段为 `offset` / `duration` / `text`；
- **`offset` 单位是 100 纳秒**，转秒要 `/ 10_000_000`；
- 用 `text.find(boundary["text"])` 把每个边界映射回自己的分句数组，段内句间空隙可以做到 0.00 秒；
- `rate` 用 `+0%`。`+8%` 会明显赶，情感直接丢掉。

拼接与编码用 `imageio_ffmpeg`（本机没有系统 ffmpeg 也能跑）：

```python
import imageio_ffmpeg
ffmpeg = imageio_ffmpeg.get_ffmpeg_exe()   # 无需装系统 ffmpeg
```

字幕与语音严格同步的稳妥做法是：**逐句独立切片编码，再 concat 拼接**——比拼事件 `concat demuxer` 可靠得多。切片用累计帧数取整控制：

```python
frames = int((end - start) * fps)     # 每段帧数
```

---

## 四、五个真实坑与解法

| # | 坑 | 现象 | 解法 |
|---|---|---|---|
| 1 | 逐句 TTS | 句间 0.7—1.0s 死白、语调断裂 | 整段合成 + 时间戳反推分句 |
| 2 | 中文字体未设 eastAsia | 中文回落到默认字体，排版全乱 | `rFonts.set(qn("w:eastAsia"), "宋体")` |
| 3 | 盘符漂移 | 脚本里写死 `E:\`，换台机器就找不到盘 | 用 ctypes 枚举可移动盘按卷标定位 |
| 4 | 覆盖只读文件 | `cp` 报 Permission denied | 先 `rm -f` 再 `cp -f` |
| 5 | 双源维护 | docx 改了、md 忘了改 | 内容抽成 SECTIONS，其余全部 import |

盘符定位这段值得单列，外接硬盘盘符会变，硬编码必挂：

```python
import ctypes
k = ctypes.windll.kernel32
buf = ctypes.create_unicode_buffer(512)
k.GetLogicalDriveStringsW(512, buf)
for d in buf[:].split("\x00"):
    if d and k.GetDriveTypeW(d) == 2:          # 2 = 可移动
        vol = ctypes.create_unicode_buffer(64)
        k.GetVolumeInformationW(d, vol, 64, None, None, None, None, 0)
        if vol.value == "KINGSTON":            # 按卷标认盘，不看盘符
            print("外接盘：", d)
```

---

## 五、实测数据

| 指标 | 手工流程 | 流水线 |
|---|---|---|
| 一次修改到全部产物更新 | 约 40 分钟 | 约 12 秒 |
| 产物一致性风险 | 高（4 份手工同步） | 零（同源） |
| 字数 / 时长统计 | 手工数 | 脚本自动（剔标点算纯口播字数） |
| 新增一种产物 | 重做一遍 | 加一个渲染函数 |

时长估算用 **200—230 字/分钟**折算，实测与平台配音 `+0%` 语速吻合。

---

## 六、复现清单：四步跑通

目录结构（一个任务一个目录，脚本与产物同放）：

```text
口播稿/
├─ _gen_docx.py      # 内容源 SECTIONS + docx 渲染 + 字数/时长统计
├─ _gen_md.py        # import _gen_docx，导出 md
├─ _gen_image.py     # import _gen_docx，导出长图与纯文本
└─ _gen_video.py     # import _gen_docx，TTS + 字幕 + 拼接
```

四个命令，依次执行：

```bash
python _gen_docx.py    # 1. 出 docx，并打印字数与预计时长
python _gen_md.py      # 2. 出 md
python _gen_image.py   # 3. 出长图 png + 纯文本 txt
python _gen_video.py   # 4. 出配音 mp3 + 字幕 srt + 成片 mp4
```

依赖（Windows 实测）：

```bash
pip install python-docx Pillow edge-tts imageio-ffmpeg
```

> 关键约定：`_gen_docx.py` 里的 `SECTIONS` 是**唯一可改的内容**。其他三个脚本只管渲染，永远不要往里写正文。

---

## 七、适用边界

**适合**：同一内容多形态交付、需要反复改稿的场合——课程作业、路演稿、通知公告、对外汇报。

**不适合**：
- 一次性的、不需要改的短文本（写脚本的时间比重抄一遍长）；
- 需要精细视觉设计的排版（长图适合文字流，不适合图文混排）；
- 强依赖平台模板的场景（如公文红头、报表格式），仍建议用 Office 模板。

---

## 八、结语

这套东西的价值不在“自动化”三个字，而在**把内容从格式里解耦**。内容只维护一份，格式随便加。上面 4 个渲染器加起来不到 300 行代码，但把“改一个字重做四遍”变成了“改一处、重跑一条命令”。

如果你也在用 WorkBuddy 处理中文文档交付，建议从最小的那一步开始：**先把内容抽成数据结构**。这一步做完，后面的产物都是顺手的。

---

*本文使用 WorkBuddy 完成开发与调试，`#WorkBuddy #Python自动化 #办公效率`*

关键词：WorkBuddy、Python 自动化、python-docx、Pillow、edge-tts 适用场景：一次内容创作要同时交付 Word  Markdown  长图 / 配音视频 等多种形态

WorkBuddy 实战：一次写作、五件产物——我搭了一条中文交付物自动流水线

同一份口播稿要交四种形态，手工做四遍、改一个字全部重来。本文用 WorkBuddy 把内容抽成单一数据源，再用四个渲染器导出 docx / Markdown / 长图 / 配音视频+字幕，附完整代码与 5 个实测坑的解法。

编程语言

开发工具

WorkBuddy实现单一内容源多形态交付，通过Python自动化整合python-docx、Pillow和edge-tts，一键生成Word、Markdown、长图及配音视频。解决逐句TTS不同步、中文字体缺失等痛点，改稿仅需编辑SECTIONS数据，显著提升办公效率。

2026上云采购 | AI焕新·智启新局

workbuddy

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

WorkBuddy 实战：一次写作、五件产物——我搭了一条中文交付物自动流水线-腾讯云开发者社区-腾讯云

WorkBuddy 实战：一次写作、五件产物——我搭了一条中文交付物自动流水线

WorkBuddy 实战：一次写作、五件产物——我搭了一条中文交付物自动流水线

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐