今天要演示的是一个书单选书视频自动化工作流。它基于 Coze 平台，将书籍信息、封面图片、配套音频与视频合成能力结合在一起，能够实现从选书到生成完整短视频的全流程。工作流的设计逻辑不仅覆盖了数据处理、批量任务调度，还融合了大模型在音频合成、图像生成和视频渲染等方面的能力。通过表格化的整理，我们可以直观理解工作流中涉及的核心模型、Node 节点以及它们的角色定位。
文章目录
- 工作流介绍
- 核心模型
- Node节点
- 工作流程
- 大模型应用
- 语音合成
- 使用方法
- 应用场景
- 开发与应用
工作流介绍
该工作流的核心价值在于：将外部书籍数据接入后，自动处理封面与时间线信息，再配合语音合成、背景音效和图像叠加，最终输出适合发布的短视频内容。整体流程强调批量化、高并发执行，并借助多个节点协同，实现图文声像的有机组合。
核心模型
在该工作流中，核心模型主要体现在对语音合成与视频合成的调用上。语音合成模型根据输入文本和预设音色生成自然的语音文件；视频合成模型则负责将书籍图像、音频与效果轨道整合成最终视频。它们是实现自动化视频生产的关键支撑点。
| 模型名称 | 说明 |
|---|---|
| 语音合成 (speech_synthesis) | 将书籍金句文本转化为配音，支持多音色选择，生成自然语音 |
| 视频合成 (gen_video) | 结合草稿链接渲染完整视频，整合图片、音频与效果 |
Node节点
节点设计涵盖了批处理、文本与图片处理、音频生成与合成等环节，每个节点承担不同的工作职责。例如，批处理-书本封面图片用于批量
