夜雨聆风
先说一下背景。
我是老刘，搞了半年 AI 工具相关的自媒体。公众号「老刘ai实战笔记」，每天两三百阅读。
说实话，挺迷茫的。
但有一条路是走通的——用 AI 做短视频。从文案到配音到剪辑，我摸索了半年，踩了不少坑，最后搞出了一套免费工具链。
今天掏心窝子分享一下，希望对同样在做的朋友有用。
第一步：找素材，别从零开始
很多人做短视频最大的问题是——每次从零开始。
写稿、找素材、配音、剪辑，一条视频耗半天。写了一周，人就废了。
我现在的做法是：建素材库。
把你刷到的爆款视频、金句、观点，全部存下来。文案提取我用的是 TranscriptGenerate，免费的。
怎么用？
复制视频链接，粘贴进去 等几秒，全文就出来了 复制到备忘录，打上标签
我建了一个文件夹叫「选题库」，按话题分类。有了这个库，你永远不会没东西写。
第二步：AI 写文案，别自己憋
有了素材库，下一步是写稿。
以前我都是自己写。打开文档，对着空白页面发呆半小时。后来我换了个思路——让 AI 做初稿，我来改。
工具：Codex CLI（OpenAI 官方命令行工具）
具体步骤：
1. 从素材库里找 3-5 条相关文案
2. 扔给 AI，告诉它："帮我用这些素材写一条 60 秒短视频文案，口语化，不要太正式"
3. AI 出初稿，我改 2-3 遍
关键技巧：不要让它一次写好。告诉 AI 你要的语气、时长、目标观众，它才能写出能用的东西。
一份 60 秒的脚本，原来我写要一小时。现在 10 分钟搞定。
第三步：配音，别用自己的声音（除非你是天选之人）
很多人纠结配音。
用自己声音？不够好听。用 AI 配音？怕太假。
说实话，现在的 TTS 已经很强了。我用的是 edge-tts（微软的免费 TTS），选 Yunyang 这个声音，调到 +20% 语速、-3Hz 音调，效果很自然。
操作就一行命令：
```
edge-tts --voice zh-CN-YunyangNeural --text "文案内容" --write-media output.mp3
```
踩坑提示：语速别调太快。我之前为了省时间调到 +50%，听起来像 2 倍速，观众直接划走。+20% 最稳。
第四步：配画面，用电影素材
画面是短视频的灵魂。很多人这里卡住——找不到合适的素材。
我的做法比较野：用电影素材。
建一个电影素材库，按情绪分类（孤独、挣扎、励志、觉醒）。做视频的时候，根据文案情绪选对应的画面拼接。
拼接参数（给懂的人看）：
```
分辨率：1920×1440（4:3 竖版）
帧率：30fps
编码：h264，CRF17（无损）
```
关键规则：拼接时用 `-c copy` 直通原画质，不要重编码。一条 60 秒视频，拼接只要 3 秒。
第五步：合成输出
有了文案配音 + 画面素材，最后一步是合成。
流程：
1. 选画面 → 按文案情绪排序
2. 拼接画面（`-c copy` 直通）
3. 替换音频（配音 + BGM）
4. 调整音量（BGM 0.15，配音 1.0）
5. 导出成品
这套流程的真相
说实话，这套流程不是什么黑科技。
工具都是免费的。流程也不复杂。关键就两点：
1. 建库 — 把素材积累起来，不要每次都从零开始
2. 跑通 — 把工具串起来，形成一条流水线
我现在的产出是：一条 60 秒视频，从文案到成片，40 分钟。
原来一天一更都勉强，现在一天三条不是问题。
工具清单（全免费）
| 环节 | 工具 | 用途 |
|------|------|------|
| 文案提取 | TranscriptGenerate | 提取全网视频文案 |
| 文案写作 | Codex CLI / ChatGPT | AI 写初稿 |
| 配音 | edge-tts（微软） | 免费文字转语音 |
| 素材库 | 本地文件夹（ffmpeg 预处理） | 电影/视频素材分类存储 |
| 剪辑合成 | ffmpeg | 拼接 + 混音 + 导出 |
写在最后。
半年了，我的公众号流量还是不高。但短视频这条线，确实跑通了。
如果你也在做 AI 工具方向的内容，或者想做短视频但不知道从哪入手，不妨试试这套流程。
工具都是现成的。
迈出第一步，比什么都重要。
（文章配图来源于网络及工具截图，仅用于功能演示说明。）
