一个文档，可以是一本PDF电子书，或者是一系列的HTML文件，或者是一系列的视频文件，或者是一系列的音频文件，或者是一系列的GIF动画文件。 本软件产品中提到的源总目录是按照书籍的章、节、小节的三级结构组织安排的。生成一个文档所需的所有素材都以文件的形式保存在这些目录中。在生成过程中本软件将自动读取这些目录中的素材文件来生成音视频和电子书文件。 总目录中的title_zh.txt表示生成中文视频等文档时使用的文档标题，title_en.txt表示生成英文文档时使用的文档标题。不仅总目录存在标题文件，另外的几个级别的目录中也存在标题文件。其它语言的文档的标题文件以类似格式存在于各级目录中。 具体某种特定语言使用哪两个英文字母作为语言标记，请参考TTS和录音选项界面中的TTS语言列表。当TTS语言选择中文时，生成时将使用文件名包含zh标记的title_zh.txt文件。这些目录中另外的语言相关的文本文件的选择的规则，和标题文件类似。
一个文档有一个或多个章组成。每一个章可以理解为一个目录。 在章目录中包含章的标题文件。本软件会自动读取对应的语言版本的标题文件中的文本字符串作为标题显示在视频画面中。
文档的每一个章包含一个或多个节。 在节目录中包含节的标题文件。
文档的节包含一个或多个小节。小节目录中除了标题文件之外，还包含各种素材文件。 生成一个文档所需的所有素材包含三种类型：图片、文本、标题。图片用来生成视频画面以及电子书画面。每一个图片对应视频的一个画面。文本用来生成语音数据以及PDF画面和HTML文本。标题也会出现在视频画面和PDF画面以及HTML画面中。 本软件产品仅支持JPG和PNG以及TIF格式的图片文件，图片文件如果不是JPG格式将会自动转换为JPG格式的图片文件。 本软件所使用的所有文本文件必须为UTF-8编码，否则可能无法正确解析或者出现乱码现象。小节目录中可以提供两个文本文件，以中文版本为例，image_zh.txt用于对图片进行概要描述，这个文件中的文本信息将会覆盖在PDF页面的图片上，因此文本应该尽量简略。detail_zh.txt用于对图片进行详细描述，这个文件中的文本信息会以独立页面的形式存在于PDF页面中，因此可以适度使用比较长的文本。在生成音视频时这两种文本都会通过TTS转换为声音数据，在生成视频字幕时都会转化为字幕数据，在生成HTML文件时都会以文字的形式存在。