AI 视频流水线怎么做:四个环节
一句话答案:一条无人值守的视频流水线只需要四个环节——脚本 → 素材 → 配音字幕 → 成片渲染,每个环节都可以用现成开源工具串起来,单条成本可以做到 1 毛钱以内。
四个环节
1. 脚本
- 把选题拆成"一句一个想法"的分镜,每句对应一个画面
- 判断标准:每一句能不能独立成为一屏字幕
- 输出:
narration列表(每句 10–25 字)
2. 素材
素材按独占性排序,优先用别人没有的:
| 来源 | 成本 | 独占性 |
|---|---|---|
| 录屏(产品/终端/后台) | 0 | ★★★ |
| 手机实拍 | 0 | ★★★ |
| AI 生图 | 几分/张 | ★★ |
| 免费 B-roll(Pixabay 等) | 0 | 无 |
比例原则:空镜打底 60%,AI 生图 30%,动态素材 10%。图够用就别动,只有观众该记住的那几秒才值得做成视频。
3. 配音与字幕
- 配音:TTS(MiniMax / Edge TTS 均可),固定一个声音当"超级符号",不要每期换
- 字幕:一句一屏,按字数自动缩字号;关键词高亮
4. 成片渲染
- 用 Remotion(React 写视频)或 ffmpeg 拼接
- 输入一份
timeline.json:每段 = 素材路径 + 时长 + 字幕文本 - 先渲 0.25 倍速代理片看节奏,再全高清渲
真实耗时与成本
| 环节 | 人工介入 | 耗时 |
|---|---|---|
| 脚本 | 写/改一次 | 20–40 分钟 |
| 素材 | 缺的材料出清单补拍 | 30–120 分钟(首次建池更久) |
| 配音+渲染 | 全自动 | 5–20 分钟(取决于片长) |
| 合计 | — | 2–3 小时/条(熟练后) |
三个坑
- 黑素材:下载的 B-roll 可能是全黑的(文件损坏)。入库前必须做亮度体检,低于阈值直接标记不可用。
- 文件路径:渲染引擎只读 public 目录,素材要先同步进去并统一命名(中文名容易出编码问题)。
- 字幕过载:一屏塞两句,完播率必跌。一句一屏是硬规则。