一句话总结:写稿、配音、做动画、渲染、导出发布包——这一整套以前要折腾两天的活,现在是一条命令。而且它强制输出动画视频,不是把图片拼一拼。
大家好,我是程序员晚枫。
短视频这事,我算是踩得比较狠的。
做一条 60 秒的知识类短视频,你要处理的东西有:写稿、拆段、配音、做动画、渲染、导出、配封面、写文案。七件事,任何一件没对齐,最后那条片子就是废的。
我做过最痛的一次:稿子写好了,配音也合成好了,动画渲染完一看——前三秒是黑的。
原因很蠢:动画的第一帧用了「从透明渐入」,而渲染工具从第一帧就开始录,于是开头就是一片黑,配音已经在说话了。画面和声音对不上,整个片子废了,重做。
那次之后我明白了一件事:做视频最贵的不是生成,是返工。
所以我把这套流程整个写成了一个 Skill:knowledge-short-video(知识短视频)。
SkillHub 发布页:知识短视频:https://skillhub.cn/skills/user_bf8c5b73/wanfeng-knowledge-short-video
一、它适合做哪类视频
先划清楚范围,这很重要:
| 适合 | 不适合 |
|---|---|
| 60–90 秒 | 长讲解视频 |
| 9:16 竖版 | 横版 |
| 单人口播讲解型 | 真人出镜 |
| 无人出镜、以排版为主 | 纯图片拼接(它强制输出动画视频) |
| 中文 TTS 配音 | — |
主题不限:AI 工具、美食、职场、育儿、历史、健身、财经、心理……只要是「C 端知识科普」,都行。
二、先说三个工程决定,比功能更重要
功能谁都能写,这三个决定才是这套流程能复用的原因。
决定一:模板和口播稿解耦
一个任务 = 一份视觉模板 + 一份口播稿 → 多个配音变体
意思就是:稿子和视觉模板分开存。 要换 TTS 引擎、换声音、换语速,走「变体」流程,模板一个字都不用改。
我一条稿子经常要出 2–3 版:标准版、快节奏版、换个声音版。以前每一版都要重做一遍动画,现在只需要跑一条命令。
决定二:时间由实测配音时长驱动
不是拍脑袋估算。
流程是:先把稿子合成配音 → 量出每一段实际有多长 → 把这些真实时间反向注入到动画模板里 → 渲染。
所以画面是跟着声音走的,卡点是准的。
决定三:一条命令产出变体
1 | ./tools/run-variant.sh <任务> <变体> |
这一条命令串起了:TTS → 拼接 → 注入时间 → QA → 渲染 → 抽帧。
任一步失败即停,并保留中间物。 这一点很重要——半路失败时你能看到它停在哪一步、当时的中间文件是什么,而不是对着一个空白报错发呆。
三、开工前只问你 4 个问题
它有个 Step 0,一次性把 4 个开关问完,问完就干活,不来回追问:
| # | 开关 | 默认值 | 你要改成别的时 |
|---|---|---|---|
| ① | 封面风格 | A · swiss-grid | 4 选 1:swiss-grid / warm-grain / nyt-graph / embedded-captions |
| ② | 放不放 IP 信息(头像、slogan) | 不放 | 放的话你自己提供 IP 名和 slogan |
| ③ | 结尾要不要引导关注 | 不引导 | 要的话你给话术 |
| ④ | 用什么配音 | 系统默认 TTS | 你也可以给 4 参数 / API 文档链接 / 客户端代码路径 |
你沉默就全走默认,但必须问过。
那两个默认「不放」是有道理的:商业感越弱,平台越推荐。 我自己号的封面到现在都没放 Logo。
四、7 步流程
1 | Step 0 4 开关一次性确认 |
顺序不可乱。 特别是 Step 1 和 Step 5——文本没确认就合成配音,等于 100% 返工。
Step 1 写稿:≥20 句是硬下限
少于 20 句就意味着内容没展开。视频的节奏也需要句子撑着,20 句是最低配。
另外两条要求:
- 第一句话必须把人留住。 前 3 秒留不住人,后面写得再好也没用——他已经划走了。
- 要绑具体的东西。 「AI 工具很好用」❌ → 「Cursor 进了我日常写作流,每周省 10 小时」✅。做美食就写「做了 20 次才稳定」;做职场就写「5 年 HR 看过的 1000 份简历」。
稿子还要拆成 segments.txt(段号|类型|文本),一段一行,这个段数和动画模板里的占位符数量必须严格一致。
Step 4:必须是动画,不是图片拼接
这是它和一堆「一键生成视频」工具最不一样的地方。
它用 GSAP 的 fromTo 驱动元素动效——文字飞进来、卡片弹开、数字滚动。
明确规定:不允许用 ffmpeg 把静态图 concat 起来。 图片拼接出来的东西,平台一眼就能看出来是糊弄的。
五、5 条硬错误,工具会直接拦住你
这 5 条不是警告,是lint / resync / render 工具会自动检测并中止的硬错误:
| # | 硬错误 | 为什么致命 |
|---|---|---|
| H1 | 段数与模板占位符对不上 | 对不上直接拒绝渲染 |
| H2 | 残留 __XXX__ 占位符 | 画面上出现 __S03__ 这种鬼东西 |
| H3 | 配音片段时间重叠 | 全黑视频的根因(就是我踩过的那次) |
| H4 | 动画元素缺 data-track-index | 时间轴对不上 |
| H5 | 背景音乐音量 > 0.25 | 旁白被 BGM 盖住 |
任何一条为真 → 修完再继续,不会产出一个残缺的视频。
这 5 条全是从真实踩坑里长出来的。H3 就是开头黑屏那次的病根。
六、还有一条「最容易踩」的约定
所有音频文件必须在同一个目录。
scene_NN.wav(每段单独配音)、narration.wav(拼接后的完整配音)、timeline.json(实测时长)——三者必须在同一个目录里。
TTS 写进去、拼接读同一个目录、注入时间也读它。
把它们拆到不同目录,是历史返工的根因。 我见过太多「文件明明在,为什么读不到」的怪事,根因都是这个。
七、目录长什么样
1 | 20260629_203000_什么是Token/ |
任务目录必须带时间戳:YYYYMMDD_HHMMSS_<任务名>。为什么?因为你一定会连续做多个任务。 用 Process/ 这种名字,第二个任务就把第一个覆盖了。
每做完一步,立刻清理中间产物
| 阶段 | 删掉什么 |
|---|---|
| Step 1 | 早期草稿(script-v0.md、script-v1.md) |
| Step 3 | 验证用的 cover-v1.png |
| Step 4 | 预览截图 |
| Step 5 | 每段独立 wav(留 narration.wav 就够) |
| Step 6 | 几千张原始帧 |
保留:成品 + 配置。删除:截图、预览图、测试 HTML、中间 wav、原始帧。
一个任务做完,目录里躺着几千张 PNG,下次你都不知道哪个是能用的。
八、交付给你的是 3 个文件
1 | video_full.mp4 + cover.png + publish.md |
就这 3 个。 不是全套。
短视频的最小发布包就是「视频 + 一张封面 + 一份文案」,你打开就能发。多给一堆中间文件,你反而不知道哪个该发。
publish.md 里是标题、简介和 hashtag。
九、怎么装
方式一:从 GitHub 拉源码(本地用)
1 | git clone https://github.com/CoderWanFeng/wanfeng-skills.git |
用的是 GSAP 动画、CDP 单 Chrome 长连接渲染,不调用任何付费生成接口(TTS 除外,可以用你自己的)。
方式二:从 SkillHub 一键安装(其他支持 Skill 的 AI 工具)
打开发布页:
知识短视频:https://skillhub.cn/skills/user_bf8c5b73/wanfeng-knowledge-short-video
在支持 Skill 安装的 AI 工具里,可以直接发送下面这句话:
1 | 请根据 https://skillhub.cn/install/skillhub.md,安装 @user_bf8c5b73/knowledge-short-video。 |
也可以在发布页下载 Zip 包手动安装。
源码在这:
整个仓库:wanfeng-skills 仓库首页:https://github.com/CoderWanFeng/wanfeng-skills
如果你也在做知识类短视频,我最想说的是那条最反直觉的:别把稿子和动画模板写在一起。 解耦之后,换声音、换语速、出版本,都不用重做动画。
用的时候有问题,欢迎到 GitHub 提 Issue,也可以在文章下面留言。
科技不高冷,AI 很好用。我是晚枫,关注我,一起把 AI 真正用起来。
参考链接
- knowledge-short-video Skill 源码:https://github.com/CoderWanFeng/wanfeng-skills/tree/main/skills/knowledge-short-video
- 知识短视频 SkillHub 发布页:https://skillhub.cn/skills/user_bf8c5b73/wanfeng-knowledge-short-video
- SkillHub 安装说明:https://skillhub.cn/install/skillhub.md
- wanfeng-skills 仓库首页:https://github.com/CoderWanFeng/wanfeng-skills
- GSAP 官方文档:https://gsap.com/docs/v3/
- HyperFrames 模板库:https://hyperframes.mintlify.app/showcase

