# 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

1. **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。
2. **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）。
3. **字幕过载**：一屏塞两句，完播率必跌。一句一屏是硬规则。

## 延伸阅读

- [内容创作者怎么持续输出](content-rhythm.md)
- [怎么让内容被 AI 引用](get-cited-by-ai.md)
