夜雨聆风前两天一个朋友跟我吐槽，说想做视频号副业，报了个"AI短视频训练营"，交了899，学完发现最值钱的那一招，就是教他用软件自动生成文案、自动配音、自动剪视频。
我听完就笑了。那玩意儿他一分钱不用花。GitHub 上有人早做成了开源工具，4.4k star，下载下来双击就能跑。
说真的，做短视频最贵的从来不是设备或素材，是你被"副业课"割的那一刀。
你不是不会做短视频，你是被剪辑这道坎吓退的
很多人心里都住着一个"做短视频"的念头。
想做带货，手机里拍了一堆产品素材；想做知识科普，脑子里有观点就是开不了口；想做治愈系语录号，存了一文件夹好看的风景空镜。
但最后都没动。为什么？卡在剪辑。
你打开剪映，面对时间轴上几十段素材，脑子是懵的：先放哪段？配什么音乐？字幕怎么跟得上人声？配音要自己录，一录就结巴。好不容易剪完一条，两小时过去了，发出去三个赞。
"我不是这块料。"这是绝大多数人的结论。
但我越看越觉得，这个结论下早了。你不是不会做内容，你是被"剪辑"这件技术活在门口吓退了，而这件事，现在其实可以整个交给机器。
那些卖你几千块的课，核心就这一招
市面上"AI短视频副业课"五花八门，话术都差不多：教你用 AI 写脚本、用 AI 配音、用工具自动混剪、批量起号、矩阵放大。
听起来很高深对吧？好像不交钱就摸不到门道，不交钱就会被时代甩下。
我跟你讲句大实话：这些课里真正能落地的核心能力，就是一个"自动流水线"——把文案、配音、字幕、剪辑串成一条线，你只管喂素材，机器负责跑完。
这事儿开源社区早就有人做出来了，而且免费。
它就是「短视频工厂」（Short Video Factory），一个 GitHub 上 4.4k+ star 的开源桌面软件。你不用看懂代码，下载安装包双击就能用，跟装个微信差不多门槛。
那些课收你几千块教的"AI能力"，这个工具白送。我不是说所有课都是割韭菜，系统性的陪跑对纯小白有它的价值。但如果你要的只是"自动写文案、自动配音、自动混剪"这一套，真没必要先交一笔智商税。
它是怎么把一条视频"造"出来的
我尽量说人话，不堆术语。
整个过程你只需要干两件事：写一句需求，准备好视频素材。剩下的，软件自己跑。
第一步，写提示词。比如你告诉它："给一款无线蓝牙耳机写30秒带货文案，卖点是降噪和长续航。"它调用一个 AI 大模型，几秒钟吐出分镜脚本。
第二步，把你的视频片段丢进一个文件夹。剩下的混剪、配乐，软件自动搞定。
中间到底发生了什么？它用 AI 把你的文案写成脚本，调用语音合成把文字念出来（同时自动生成对齐的字幕），再从你的素材库里随机抽片段、按语音时长裁切拼接，最后叠上背景音乐，渲染成一条成片。竖屏 1080×1920、横屏 1920×1080，你要哪种它出哪种。
最烦人的字幕对齐它顺手就解决了。字幕的时间戳是直接从语音生成出来的，不会出现"第三秒画面还在放前一句、字幕却跳到下一句"的尴尬。以前手动拖字幕轨对时间，对得人眼晕，现在这一步直接没有。
一条视频从"一堆素材"到"能发的成片"，你按的按钮不超过三个。
最关键是，这里面最容易被课拿来说事的两条——配音 和 写文案——它都给你免了。
语音合成用的是微软 Edge 那个"大声朗读"引擎（EdgeTTS），内置几百种音色，中文有晓晓、云扬，不用你付一分钱，也不用你去申请什么 Key。
写文案接的是通用的 AI 接口，官方直接推荐一个免费的模型（GLM-4.5-Flash），注册就能用。当然你也可以换成 DeepSeek、Kimi 或者自己本地部署的模型，想用哪个接哪个，只要接口兼容标准格式就行。
一句话：别人拿这几样拼成课卖你钱，它把它们拼成工具送你用。
你可以算笔账。以前做一条带货短视频：写脚本半小时，自己录配音反复重来二十分钟，对齐字幕十五分钟，剪素材找 BGM 又是一个钟头。保守说，两三个小时才出一条，还是糙的。用这个工具，写一句需求、丢一文件夹素材、点一下渲染，喝口水的功夫成片就出来了。这不是"快一点"，是把你最耗神的步骤整个删掉。
最让我放心的一点：你的素材不出这台电脑
做内容的人，多少都有点素材隐私焦虑。
我见过有人不敢用云端剪辑工具，怕自己的产品素材、没公开的内容被传到别人服务器上。这种担心不矫情，是真问题，尤其电商和做私域的，素材就是生意本身。
「短视频工厂」这款工具，从设计上就规避了这点：它基本全程在本地跑。
你的视频素材、你的各项配置、你生成的成片，全存在你电脑本地的数据库里（SQLite），不上传任何云端。除了调用你自己配置的 AI 接口和微软的语音服务，它不碰你的数据。
对一个怕内容被抄、怕素材外泄的人来说，这一点有时候比"免费"还重要。你用着顺手，心里也踏实。
想搞矩阵号批量产出？它也能扛
如果你只是一个人做一个号，上面那些功能已经够用了。
但有些人想的是另一件事：矩阵号。一个产品同时铺五六个号，内容形式差不多，但要持续地出。
这种需求，手动剪会累死。这款工具里有个"批量任务"：你配好一个任务，它按设定循环自动合成多条视频。素材库里多丢点片段，它就能一直给你出片，适合做矩阵号批量生产。
我不是鼓吹你去铺一堆号搞搬运，那没意义。但如果你本来就有真实需求——比如电商上架几十个 SKU，每个都要配一条短视频——这个功能能替你省下一个剪辑师的人力。
我见过一个小卖家，淘宝店二十来个 SKU，以前每次上新都卡在"没视频"。后来素材拍一批扔进去，配不同的文案批量出，一个下午把全店短视频补齐了。这种活儿不性感，但省下来的时间，是真金白银。
谁最适合用这个工具（对号入座）
不想绕弯子，直接列人：
如果你属于上面任何一类，又一直卡在"不会剪、没时间剪"，那这条路子你该试试。
新手怎么上手，三步出片
怕复杂？我给你拆成最笨的三步。
第一步，下载安装包。 去 GitHub 的 Releases 页面，选你系统对应的那一个：Windows 是 exe，mac 是 dmg，Linux 是 AppImage。下载，双击，装好。全程不需要你配任何开发环境，这是它最良心的地方——很多同类开源项目要你装 Node、配依赖，直接劝退一半人，它直接打包好了原生安装包。
第二步，配置一下 AI。 打开软件，在文案区点"配置"，填三样东西：模型名字、接口地址、你的 Key。用官方推荐那个免费的就行，填完点"测试"，通了就保存。
第三步，一键生成。 在提示词框写你的需求，点"生成"出文案，挑个喜欢的音色，点"渲染"。等进度条跑完，成片就在你指定的文件夹里了。
就这样。没有第二步的第二步，没有隐藏关卡，没有"扫码进群领取进阶教程"。
几个你可能踩的坑，先说清楚
任何工具都有脾气，我挑几个最常见的，免得你到时候抓瞎。
macOS 第一次打开可能弹"无法验证开发者"。这是开源项目没做苹果公证导致的，不是软件有毒。去系统设置-隐私与安全性，点"仍要打开"就行，或者终端敲一行命令解除隔离。
加了背景音乐后人声忽大忽小？这是早期版本的老毛病，已经修好了，把软件升到最新版（v1.2.1 以上）就好。
语音合成失败，先检查网络能不能连上微软那个语音服务，公司内网可能把相关连接拦了。
想换模型、接本地 Ollama 都行，只要接口兼容标准格式就能填进去用。
这些坑项目的文档里都写了，遇到问题先去翻一眼，比在群里瞎问强。
泼盆冷水：工具不是印钞机
最后说点不好听但有用的。
工具再好，也不替你想内容。AI 写出来的文案是及格线，不是爆款保证；批量出的视频是数量，不是质量。它能把你从最累的苦力里捞出来，让你把劲使在刀刃上，但红不红，最后还是看你那点真东西。
别指望装了软件明天就变现。它解决的是"做不出来"的问题，解决不了"做不火"的问题。这两件事，得分开想。
说回开头那件事
我那个花899报课的朋友，听完我讲完这工具，沉默了三秒，说了句："早知道我把这钱买排骨不香吗。"
香。当然香。
工具是死的，主意是活的。一个免费开源、本地运行、数据不出本机的 AI 剪辑工具摆在那，你接不接，取决于你想不想动。
想做视频号副业、想给产品配短视频、想做语录号但一直没开张的人，我今天把路指到这了。
剩下那道坎，其实早就不在剪辑上了。
项目地址（自取，免费）：
你被"AI副业课"割过最狠的一次是多少钱？或者你最想用 AI 帮你把哪种视频自动化？评论区聊聊，我挑几个帮你看看怎么落地。
如果这篇文章帮你省下了一笔智商税，转发给那个正准备报课的朋友，比请他吃饭实在。
往期推荐