一个人的 AI 视频流水线：从一份口播稿到每天三档出片

把这周的记录摊开看，有一个很清楚的变化：上周你还在看 Jev、Decisions API 这类「模型和成本」话题，这周的重心挪到了云端 Agent 能不能替你产出内容。

• 选型类：三少科技「Dots、Muse、Grok Bot 选哪个？」、Fanko「Muse、dots、小龍蝦差在哪」、灵姐「实测 Dot 后才看懂 OpenAI 的 DevDay 布局｜Dot vs Muse」。
• 出片类：AI超元域「Meta Muse 免费视频生成实测」、Web3村长「Muse 实测 7 天：打造全自动自媒体矩阵」、AI学长小林「一份口播稿如何变成整期动画」，以及你收藏的抖音「Codex 做视频，这 6 个 Skill 就足够」和豆包 AI 漫剧教程。
• 电竞类：你点赞并收藏了「拳头暗示李哥四连冠？李哥的个人 MV 来了」——10/9 上线的世界赛主题曲《Know My Name》MV。

AI学长小林在视频开头说：「这期视频里大家看到的所有动画，没有一帧是我手动做的……整个过程我只做了两件事：审稿以及审画面。」——这就是本文要拆的那条线。

小林的做法是在 Claude Code 里写几个 Skill——他的说法是「写给 AI 的说明书」。写口播稿的那个 Skill 里规定：用词要口语化、句子不能太长、开头不要用「今天我们来聊一聊」这类套话。给 AI 一个主题和大致结构（先讲技术组成、再讲内容、再讲时间轴、最后讲导出），由它补全细节写成口播稿。

• 为什么先固化 Skill：有了 Skill，每期稿子的风格才稳定；后面的配音、字幕、动画都跟着稿子走。
• 人必须审稿：他强调「宁可多花一点时间」，因为稿子里一个事实错了，配音、字幕、动画要全部返工。
• 和你的现状对照：你的推送已经有一份共享 Skill 和固定版式，稿子这一层其实已经搭好了一半——缺的是一份「口播稿 Skill」。

• 句级不够，要词级：一句话 3–4 秒，关键词可能在第 2.6 秒才出口；动画如果在句首弹出，画面会抢在声音前面。Whisper 本身就能给出每个词的毫秒级时间。
• Whisper 的坑：专有名词常被识别错（他举的例子是 GSAP、Three.js 被拆得七零八落）。解决办法是把口播稿交给 AI，让它按稿子修正转录里的错字。
• 你手上已有的：vyibc-voice 能合成配音，vyibc-youtube 的转写也是 Whisper——这两步不用新买工具。

这周你看到的出片方法，其实分成两派。它们不是替代关系，而是适合不同片型。

1. 这一段（3–8 秒）观众心里在想什么问题？
2. 用什么画面来比喻？（例：讲两样东西价格一样，就画一个天平，两边各放一个价格标签）
3. 画面怎么变：开始是什么、发生什么动作、最后变成什么——不能只是淡入淡出。
4. 卡在哪个关键词上？（说到「一样」两个字时，天平正好回到水平）

小林补的一条规矩影响最大：每个画面片段里，至少要有一个东西的动作导致另一个东西发生变化——价格标签落下，天平才往那边歪。有因果，画面才像在讲一件事。

• 先上传一张照片，让 Muse 生成定装照：正面、浅灰无缝背景，提示词里写明保留脸型、眼距、眉形、发际线，「不要瘦脸、不要放大眼睛、不要换年龄」。
• 再单独生成服装图（只改衣服、不换脸）和空镜场景图（不要人物）。
• 最后用三张图合成视频：图一锁脸型发型，图二锁服装，图三锁场景，再按 0–3 秒 / 3–7 秒 / 7–10 秒写动作和对白。
• 这和你 flow-character 技能里「定稿角色、身材比例、服装」的思路一致，可以直接互相借鉴。

代码写完不急着给人看。小林让 AI 先做两轮自检：

• 跑脚本查硬伤：有没有元素跑出画面、同一屏字是不是太多、有没有哪段画面停太久没动、要卡的关键词在字幕里找不到。
• 截图自己看：每隔 5 秒截一张，AI 逐张检查箭头指没指对、元素有没有互相遮挡。
• 人工审一遍：初稿就是个网页，浏览器里直接播；不满意的地方描述得越细越好，让 AI 改。

这一套和你推送长图的做法几乎同构：你已经在用「网页渲染 → 截图 → 逐段检查有没有溢出、遮挡、切断」的流程，只是把 2 张长图换成了 14,400 帧。

Web3村长用 Muse 一周跑出的日程：视频素材每天三档（早上 8:30、11:30、晚上 6:30），X 和 Threads 每天三个时段发帖互动，Instagram 每天两档，还让它接管了博客动态。他的架构值得照抄的一点是中转站：Muse 是自己的一台云电脑，不能直接把文件放进你本地，所以他在 Cloudflare 上部署了开源的 CunFetch 做中间存储，本地电脑用定时任务在发布前拉取视频、封面、标题和标签，再用 CunPush 多平台发布。

• 视频号让 Muse 自动发布「老是发布不成功」，后来改成本地发布。
• 视频号隔一天多就要重新扫码登录。
• Muse 用的是机房动态 IP，小红书直接登录不上——做账号要考虑这一点。
• 用量：一天约几千万输入 token、输出不到 20 万；免费额度用了 82%，额外赠送的那部分还没动（博主截图口径）。

与其拿假题目练手，不如直接用接下来三周最热的素材。世界赛主题曲 MV 10/9 上线，全程以 Faker 为主线（esportnow：开头 Nadir 被 Varus 抓、2017–2019 冠军旗帜，结尾停在第七座召唤师杯的空位）；拳头和 SoundCloud 同时放出了官方分轨做 Remix 赛。

1. 60 秒「MV 里藏了 Faker 几座冠军」逐帧解析（代码动画路）：口播稿 Skill 出稿 → vyibc-voice 配音 → Whisper 词级时间轴 → 节拍表四问 → 网页动画逐帧导出。这类「说到哪一帧，画面停在哪一帧」的片子正是代码动画的强项。
2. 一支 Remix 同人 MV（生成式路）：用官方分轨做一版换曲风，画面用 Flow 或 Muse 按「定装照 → 服装 → 场景」三图锁定后生成，规避直接复刻官方英雄形象。

1. 10 分钟：照小林的规矩写一份「口播稿 Skill」：口语化、短句、禁用套话开头、每段标出要卡的关键词。
2. 30 分钟：拿 MV 彩蛋这个题目，先写一份 1 分钟以内的口播稿并亲自审一遍事实（冠军年份、空奖杯位）。
3. 1 小时：TTS 配音 + Whisper 词级时间轴，再让 AI 按稿子修正专有名词（Faker、Nadir、召唤师杯）。
4. 半天：按「节拍表四问 + 因果动作」让 AI 写网页动画，跑脚本自检、每 5 秒截图自查，最后逐帧导出 30fps。
5. 10/21 前：用 Remix 分轨做第二支，画面走 Flow / Muse 三图锁定法；跑通后把两条路踩过的坑写回 Skill，下次直接复用。