gemini-youtube-automation
Gemini 驱动的全自主 YouTube 课程自动化 pipeline，从选题到发布全程 AI 执
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
Gemini 驱动的全自主 YouTube 课程自动化 pipeline，从选题到发布全程 AI 执
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你还在为制作 YouTube 教程熬夜写脚本、录视频、反复剪辑吗？ 印度开发者 Chaitanya 彻底解决了这个痛点——他写了一个完全自主运行的 AI Agent，每天早上 7:00 自动选题、写脚本、配音、渲染视频、生成缩略图，然后上传到 YouTube。整个过程零人工干预，频道里的每一条视频都出自这条 pipeline。
这个项目就是 gemini-youtube-automation，目前已收获 298 Stars 和 141 Forks，被社区评为"最实用的 AI 自动化案例"之一。
图1：项目作者 Chaitanya 的 GitHub 头像
在 AI 工具遍地开花的当下，大多数项目的 demo 停留在"输入 prompt 得到输出"的玩具级别。但这个项目不一样——它是一个真正运转在生产环境里的端到端 pipeline，从内容策划到视频发布，覆盖了内容创作的完整链路。
它的出现解决了一个真实的痛点：个人创作者想做教程系列，但精力有限，产出会断断续续。有了这个自动化 pipeline，可以一次性规划好几十期课程内容，然后让 AI 每天自动推进，把"内容创作"变成一条真正的工业流水线。
从技术角度看，这个项目也是一个很好的 LLM Agent 实践范例——它展示了如何将多个 API 服务串联起来，让大语言模型真正"动手做事"，而不是仅仅回答问题。
项目的技术架构非常清晰，可以分为 7 个环节：
**图2：每日 pipeline 执行流程图（README 原图）
整个流程由 GitHub Actions 的 cron 定时任务触发（每天 7:00 AM UTC），跑在 GitHub 提供的免费 ubuntu-latest Runner 上，完全零服务器成本。流程结束后，pipeline 会自动将 content_plan.json 标记完成并 push 回仓库，形成一个闭环的自动化系统。
脚本生成完全交给 Google 的 Gemini 2.5 Flash 模型。项目作者设计了巧妙的 prompt 策略：
这意味着整个频道的知识体系都是 AI 自己规划并扩展的，开发者只需要确保 API 额度充足。
文本转语音用的是 Google 免费开源的 gTTS（Google Text-to-Speech），输出 MP3 后再用 pydub 转为 WAV 格式以确保与 MoviePy 的兼容性。每张幻灯片有独立的配音片段，MoviePy 会精确对齐音频时长与画面停留时间。
背景图通过 Pexels API 动态搜索，根据幻灯片标题生成相关关键词（如 "abstract AI neural network"），自动获取 2x 分辨率的图片。获取失败时降级为纯色深色背景。
最终的画面渲染使用 Pillow 绘制 PPT 风格的幻灯片：深色半透明标题栏、居中正文文字、高斯模糊背景图、页码和进度指示。
MoviePy 是这个 pipeline 的核心渲染引擎。每个 lesson 生成两类视频：
FFmpeg 在底层负责最终的视频编码和音频混合。workflow 里还专门 patch 了 ImageMagick 的 policy.xml，将最大图片尺寸放宽到 16384 像素，避免 Pillow 渲染大尺寸幻灯片时被系统策略拦截。
上传部分使用 Google 官方的 youtube-data-api-v3 Python 库，通过 OAuth 2.0 完成认证。长视频和短视频依次上传，中间间隔 30 秒避免 API 限流。每次运行会上传自定义缩略图，提升视频点击率。
项目没有提供 Dockerfile 或 docker-compose.yml，这可能是初期设计上的一点遗憾。对于习惯本地运行或 Docker 部署的开发者来说，需要直接操作 Python 环境。
不过换个角度看，GitHub Actions 本身就是最优雅的部署方案：
部署需要配置的 4 个 GitHub Secrets：
GOOGLE_API_KEY：Google AI Studio 的 Gemini API 密钥PEXELS_API_KEY：Pexels 图库 API 密钥CLIENT_SECRET_B64：YouTube OAuth 客户端凭证（base64 编码）CREDENTIALS_B64：YouTube OAuth 访问令牌（base64 编码）配置完成后，每天 7:00 AM UTC 就会自动触发一次完整流程。当天生成的视频会出现在你的 YouTube 频道里，content_plan.json 自动标记完成并 commit 回仓库。
项目代码采用标准的 Python 模块化结构：
gemini-youtube-automation/
├── main.py # pipeline 编排：选题 → 视频生成 → 上传 → 更新状态
├── src/
│ ├── generator.py # 核心生成逻辑：Gemini 调用、语音合成、视觉渲染、视频合成
│ └── uploader.py # YouTube OAuth 认证与上传
├── content_plan.json # 课程计划表（pipeline 自己维护）
├── requirements.txt # 依赖清单
└── .github/workflows/
└── main.yml # GitHub Actions 工作流定义
src/generator.py 是最核心的模块，集成了 5 个外部服务（Gemini、gTTS、Pexels、Pillow、MoviePy），约 400 行代码，函数职责划分清晰：内容生成、语音合成、图片获取、画面渲染、视频合成各自独立。
src/uploader.py 处理 OAuth 2.0 的完整生命周期——首次运行触发本地浏览器授权，之后自动刷新过期 token，在 GitHub Actions 的无头环境中也能正常工作。
整体代码注释充分，README 文档详尽（包含完整的流程图、设置步骤、技术栈表格），文档质量极高。但测试方面没有独立的测试套件，代码质量评分的可靠度有待验证。
根据 content_plan.json 的记录，该 pipeline 已经成功生成了 31 期课程，涵盖：
生成式 AI 基础：LLM 原理、Prompt Engineering、RAG、向量数据库
AI Agent：规划与推理、工具调用、记忆系统、多 Agent 协作
图像生成：GAN、Diffusion Model、Text-to-Image
高级主题：MLOps、Fine-tuning、计算机视觉
每期既有 16:9 的完整课程视频，也有 9:16 的 Shorts 精华版，真正实现了一个内容创作者需要的所有格式。
gTTS 语音质量有限：免费 gTTS 的英语发音是机器腔，音质不如 ElevenLabs 等商业方案。对于面向英语市场的频道，长期使用可能影响观众留存。
Pexels 图片版权风险：自动获取的图库图片虽然 Pexels 授权可商用，但高频使用同一来源可能让视频画面风格趋于同质化。
Gemini API 费用：Gemini 2.5 Flash 虽然价格较低，但每天跑一次完整的课程生成（涉及课程规划、lesson 脚本、hashtag 生成），API 消耗不可忽视。
YouTube 政策风险：纯 AI 生成内容且自动发布，存在违反 YouTube 服务条款的潜在风险，需关注平台政策变化。
无容错机制：pipeline 中任何一个环节失败（如 API 超时、图片获取失败）都会导致当天运行中断，已生成的视频也可能丢失。
gemini-youtube-automation 是一个极具创意且真正实用的 AI Agent 项目。它证明了大语言模型不仅仅是聊天机器人，更是一套自动化流水线的调度中心——Gemini 负责"动脑"，MoviePy+FFmpeg 负责"动手"，GitHub Actions 负责"按时执行"，三者配合天衣无缝。
对于 AI 开发者来说，这个项目的参考价值远不止于"YouTube 自动化"本身，它的模块化架构设计、多 API 串联模式、以及 GitHub Actions 原生部署策略，都是值得学习的工程实践。
推荐指数：★★★★☆
本分析基于 GitHub 最新代码（最后推送：2026-07-03）和项目 README 文档生成。