如何通过文本输入程序化实现ASCII小人Maurice的说话口型动画

你设计的Maurice原始结构如下，仅需修改第4行的嘴巴区域即可实现说话动效：

___  ___
 .  | .
     \
   .-_)
.______,

方案一：代码自动化实现（可复用性高） #

步骤1：预设嘴型帧 #

提前制作3-5个不同开合程度的嘴型替换文本，满足日常说话动效需求即可：

• 闭合（静止状态）： .-_)
• 微张（轻音、气音）： . _)
• 半开（中等音量发音）： . )
• 大开（重音、高声发音）： . )

可以把以上内容存储为数组供后续调用，示例Python代码：

mouth_frames = [
    "   .-_) ",  # 闭合
    "   . _) ",  # 微张
    "   .  ) ",  # 半开
    "   .   ) "  # 大开
]

步骤2：生成旁白文本对应的响度时间戳 #

不需要复杂的AI模型，用本地离线工具即可完成：

• 用离线TTS工具（如eSpeak、Pyttsx3）输入旁白文本，导出两个文件：旁白音频文件、每个音节的时间戳与对应响度标记文件
• 建立响度到嘴型的映射规则：响度越高，对应调用开合度越大的嘴型帧，规则可根据实际演示效果调整

步骤3：合成动画与视频 #

• 按照你需要的视频帧率（通常24/30fps）拆分时间切片，每个切片对应一帧画面
• 每个时间切片匹配对应时间点的响度，调用对应嘴型帧替换原始Maurice的第4行，生成当前帧的完整ASCII形象
• 用OpenCV等工具把逐帧ASCII内容渲染为视频帧，和旁白音频对齐合并，即可得到最终同步动效视频

方案二：零代码快速实现（适合短演示视频） #

如果仅需要做短时间的课程演示视频，不需要复用工具，可直接用剪辑软件快速完成：

• 把4种不同嘴型的Maurice分别导出为透明背景的图片
• 将旁白音频导入剪辑工具，根据音频波形的起伏匹配嘴型：波形峰值对应大张嘴型，平缓区域对应闭合/微张嘴型，手动拼接即可，1分钟的旁白内容仅需10分钟左右就能完成，精度足够满足课程演示要求

内容的提问来源于stack exchange，提问作者Joshua Favorite