最近参加了一次英语面试，过程可谓惨不忍睹，很多内容不知道怎么表达，场面一度十分尴尬。此刻，意识到提升英语能力的重要性。我准备用听说结合的方式练习英语。具体来说，就是通过听单词和解释来背单词。听句子和跟读句子来提升口语能力。就像小孩子一样，主要通过耳朵来学习语言。我在网上找到很多英语学习视频，有很多单子句子朗读的，发现大多数内容与工作无关。于是萌生了一个想法：为什么不制作一些完全贴合我学习需求的视频呢？这样的方式不仅可以定制学习内容，还能增加我的学习兴趣。说干就干，于是就开发了一个生成视频的工具。刚做完第一版，能够根据 csv 生成一个读单词的视频。

预期的学习方式

我的目标是每天晚上整理并学习一批单词，将它们生成视频后，第二天上下班开车时播放跟读，或者在空闲时随时观看。这些单词的来源主要是阅读英文书和文档时记录下的不熟悉单词，每天大约学 20-50 个。我会把这些单词收藏到有道词典，其实就是把有道词典当成数据库，不至于重复记录。再把每天的单词整理成包含单词、音标和解释的 CSV 文件。通过开发的工具，根据这个 csv 文件生成视频。最后把视频上传到 YouTube。选择 YouTube 的原因有三点：第一，避免视频占用手机空间；第二，支持多端同步和记录观看进度；第三，我订阅了 YouTube 会员，可以利用后台播放功能，将视频当作音频来听，这也为学习提供了更多便利。

放一张视频截图

技术选型环境准备

我是 Windows 电脑，开发用 WSL（Windows Subsystem for Linux），装的 Ubuntu 系统。

安装 FFmpeg

FFmpeg 是处理音视频的核心工具，安装方式如下：

sudo apt install ffmpeg

初始化项目

创建并初始化一个 Node.js 项目：

npm init -y

安装必要依赖

使用 Yarn 安装依赖：

yarn add axios canvas@next dotenv

开发

整个工具的执行流程如下：

读取单词数据：通过 Node.js 读取 CSV 文件，每一行数据包含单词、音标和解释。这些数据构成了生成视频的基本素材。生成音频：将每个单词及其对应的解释发送到百度云语音合成 API，生成语音文件。制作单词图片：利用 Canvas 将单词、音标及解释动态绘制成图片。音频与图片整合：使用 FFmpeg 将生成的音频与对应的图片合成视频，形成一个单词对应的独立视频片段。音频的设计为三次朗读：第一遍正常语速，帮助熟悉发音；第二遍慢速，便于学习；第三遍再次正常语速，强化记忆。合并单词视频：将所有单词的视频片段合并为一个完整的视频文件，方便统一观看。

核心代码几乎都是 Github Copilot 生成，源码： programmer-English

使用方式就是把 csv 文件路径传参给脚本，一段时间后就能生成一个单词的朗读视频。

node index.js path-to-csv

待优化的内容单词只支持一种词性，后面考虑加多种解释。只有单词，后续可以增加例句，一是深对单词的理解，二是句子才是真正的表达，只学单词是没用的。