AI自动化视频实战:输入一个人名,4分钟生成历史人物短视频草稿

摘要：基于Codec搭建自动化流水线，把剧本生成、配图、视频片段和剪映组装串成一条链路。输入人物名称，即可自动输出标题、字幕、画面素材与可二次编辑的剪映草稿。

前面我们已经讲过智能体的底层能力与技能包搭建方法。当你把 CLI、API、规划、记忆、反馈组合起来，并且封装成稳定技能，就可以进一步搭建更完整的自动化工作流。

AI 自动化视频制作，就是一个典型应用：不是让AI一次性“生成完整视频”，而是把复杂视频生产拆成多个可执行节点，再由智能体按顺序完成。

这套流水线的核心价值，不是追求一步到位，而是把重复、耗时、规则清晰的工作交给工具自动执行，让人只做最终审核和二次优化。

一、先看整体流程：AI如何自动制作短视频

历史人物类短视频自动化流水线，通常分为四步：

1. 剧本生成：输入人物名称，自动生成标题、生平字幕和画面描述；

2. 配图生成：根据画面描述批量生成历史纪录片风格图片；

3. 视频片段生成：相邻图片之间生成过渡视频，形成动态画面；

4. 剪映草稿组装：自动把素材、字幕、标题和背景音乐组合成剪映本地草稿。

这四步串起来，就是一条完整的短视频生产链路。

其中最关键的提效方式，是把大量串行工作改成并行执行。比如配图、视频片段这类耗时任务，不需要等前一张完全生成后再做下一张，而是通过 API 并发调用，让多个任务同时进行。

二、第一步：用 DeepSeek V4 自动生成剧本

剧本是整条视频的基础。没有稳定剧本，后面的配图和剪辑就会失控。

在这一环节，智能体的任务不是“自由发挥”，而是按固定格式输出：

- 标题

- 生平字幕

- 画面描述

为了保证输出稳定，需要提前给模型设定规则：

- 不要生成配图或视频，只输出文字内容；

- 全部内容保存到本地文件夹；

- 画面描述不少于 100 字，统一历史纪录片风格；

- 标题尽量简短，适合短视频画面展示；

- 每个历史人物单独建立文件夹，避免素材混乱。

标题格式可以固定为：

XX的跌宕一生

这种标题结构简单，适合批量生成，也不容易在剪辑软件中出现排版问题。

三、第二步：调用火山引擎 API 批量生成配图

剧本完成后，智能体会把画面描述转成图片。

这里建议调用火山引擎即梦系列 API。它的作用不是替代人工审美，而是把重复的图片生成工作批量完成。

实际操作中，有几个关键点：

1. 并行调用，减少等待时间

图片生成通常比较耗时。如果一张一张串行生成，8张图可能需要很久；改成并行调用后，可以明显缩短总时长。

2. 使用中文提示词并确保编码正确

图片生成提示词尽量使用中文，并明确统一风格。历史人物类内容可以固定为：

古代历史纪录片风格，写实电影感，服饰符合历史背景，画面沉稳，光影自然。

同时要注意中文提示词的编码问题，尽量使用 UTF-8，避免出现乱码。

3. 做好异常重试

如果某张图生成失败或触发内容安全限制，智能体应自动替换同义词或调整描述后重新生成，而不是直接中断整条链路。

四、第三步：生成视频片段，让画面动起来

图片本身是静态的，要做成短视频，还需要生成动态片段。

常用方法是：以相邻两张配图作为首尾帧，生成中间过渡视频。

比如第1张图和第2张图生成一段过渡，第2张和第3张再生成一段，依次连接。8张配图通常可以产出7段过渡视频。

测试阶段建议选择即梦 1.0 ProFast，参数可以先固定为：

- 分辨率：480P

- 比例：9:16 竖屏

- 声音：静音

这样做的目的不是追求最终画质，而是先快速验证整条链路是否通顺。

视频生成完成后，不要急着下载全部文件。可以先保存视频 URL，通过任务 ID 轮询生成状态。确认完成后，再进入组装环节。

五、第四步：自动组装成剪映草稿

这是很多人最关心的一步：AI 能不能直接把素材拼成视频？

答案是：可以，但最好先输出“可二次编辑的草稿”，而不是直接导出成片。

这里可以借助剪映小助手作为桥梁。智能体自动完成：

- 创建剪映草稿；

- 导入图片和视频片段；

- 添加标题和字幕；

- 匹配背景音乐；

- 输出本地草稿文件。

生成后的草稿可以在剪映中继续修改，比如调整字幕位置、更换画面、修改音乐节奏等。

这个环节有一个非常重要的配置点：

PC 剪映草稿存储路径，必须和剪映小助手配置路径完全一致。

如果路径不一致，智能体可能已经完成了“组装”，但剪映无法正常读取草稿。

六、为什么这套流程适合批量生产？

这套流水线真正的优势，不是单条视频做得多么惊艳，而是稳定、可复用、可扩展。

1. 中间结果全部留存

每一步生成的内容都会保存下来，比如剧本、图片链接、视频链接、草稿文件。后续某一个环节出错，不需要从头重做，只需要重跑故障节点。

2. 测试和生产可以分层

前期测试用低成本模型快速跑通链路；流程稳定后，再把关键环节升级成更高质量模型。

3. 场景容易扩展

虽然案例是历史人物科普，但框架并不局限于此。只要替换提示词、模型和输出规则，同样可以适配：

- 电商商品视频

- 人物口播视频

- 知识科普短视频

- 图文转视频项目

七、实操时的避坑建议

1. 不要一开始就追求高质量

很多人会在测试阶段反复纠结图片好不好看、视频够不够清晰。这会导致链路迟迟跑不通。

正确顺序是：

先跑通，再优化。

2. API 调用要遵守平台限制

并发调用虽然能提速，但不能无限并发。常规单账号并发上限大约为 10，具体要以平台规则为准。

3. 超时要自动重试

API 任务可能出现临时超时或网络波动。建议设置合理的超时阈值，并在失败后自动重试。

4. DeepSeek 异常时，直接描述问题

如果 DeepSeek 调用报错，不需要复杂排查，直接把问题描述给智能体。

5. 草稿路径必须一致

剪映组装失败，很多时候不是素材问题，而是路径配置不一致。

八、这套自动化流程的本质是什么？

它并不是“AI 替代剪辑师”，而是把规则清晰、重复耗时的部分自动化。

人负责制定标准、审核结果、优化风格；AI 负责执行剧本、生成素材、拼接草稿。

所以，AI 自动化视频制作的重点，不是模型越高级越好，而是流程是否稳定。

一个稳定的自动化流程，应该做到：

- 输入简单；

- 步骤清楚；

- 中间结果可查；

- 失败可重试；

- 最终输出可人工二次编辑。

结语

AI 自动化视频制作，可以理解为一条由多个 API 和工具节点组成的流水线。

输入一个人物名称，智能体依次完成剧本生成、配图生成、视频片段生成和剪映草稿组装。全程不需要人工守在电脑前一步步操作，最终输出一个可以继续编辑的本地草稿。

这套方法最适合批量生产规则清晰的短视频。先把链路跑通，再逐步升级模型和参数，就是最高效的实战路径。

话题标签：  #AI视频   #自动化视频   #智能体   #短视频制作   #API工作流