#视频 · AI 短帖与讨论

做AI视频，5个Skill串起来就是一条完整的生产线。从文案到配音、数字人、字幕动画，再到最终导出，每一步都有对应工具负责。 第一个是video-use，负责整个视频工作流的统筹，从文案、分镜、素材到交付要求统一管理，最后再检查字幕、音频和画面有没有问题。第二个是OpenVoice，负责固定音色。准备一段干净的人声参考，后面生成的视频都可以继续保持同一个声音。 第三个是HeyGen，负责数字人口播。把人物形象、文案和配音交进去，就能生成口型、表情和人物动作都自然的数字人视频。第四个是Remotion，负责时间线和可编程视频。字幕什么时候出现、画面什么时候切、动画什么时候进场，都可以精准控制。 第五个是FFmpeg，负责最后的音视频处理。删静音、统一响度、合并音轨、转码、压缩和最终导出都交给它。整条流程就是：video-use统筹项目、OpenVoice固定声音、HeyGen生成数字人、Remotion控制时间线和动画、FFmpeg做最后处理和导出。对于想做AI视频但不知道从哪开始的人来说，这个流程框架值得收藏。

Google发布Gemini Omni 1.1 Flash，这是他们最新的多模态视频生成和编辑模型。 这次更新的核心亮点是场景延伸能力的大幅提升。之前Veo只能基于1秒的上下文来延伸场景，现在Omni 1.1可以直接基于10秒的原始视频上下文进行场景延伸。这意味着生成的视频会更加连贯，前后一致性更好，可以讲更长的故事。 除了场景延伸，Omni 1.1还加入了4K分辨率提升、首帧末帧控制、快速360p草稿模式等实用功能。4K提升意味着你可以用低分辨率先快速生成效果，确认没问题后再提升到4K发布。首帧末帧控制则让你可以精确指定视频的开始和结束画面。 对于AI视频创作者来说，这个模型的升级是实打实的生产力提升。之前做AI视频最头疼的就是前后不连贯、镜头切换突兀，现在10秒的上下文长度基本可以覆盖大多数短视频场景。而且4K提升和草稿模式的组合，让整个工作流变得更加高效。

做AI短剧的，这套开源工作流你迟早会用上。drama-skills，一个漫剧工作室把自己产线蒸馏出来的10个skill，GitHub 1000多星。 他们从2025年做了上千个短剧项目，自建工具前后端写了近8万行代码，在模型和需求的迭代速度面前，慢慢维护不动了。于是干脆抛开一体化图形工具，把历史工程和图片视频提示词经验，全蒸馏成agent能读的skill。 一个点子或一部长篇，一路做成分集剧本、人物设定、分镜关键帧、图片提示词和视频提示词，每集只维护五份Markdown，所有权和连续性都衔接好。 最关键的设计是把确认放在生产之前：提示词先落进文件，skill展示这次要生成的准确数量、参数和输出，你看过预览明确点头，才送去烧钱生成。Claude Code、Codex都能装，MIT开源。 对于想做AI短剧但不知道从何入手的人来说，这套工作流提供了一个清晰的路径。

视频剪辑赛道已经卷到看不懂了。刚刷到一个开源项目video-use，GitHub直接干到4.2万星。 它不是帮你剪，是压根不用你动手。你丢一句人话进去，脚本、素材、配音、字幕、成片，全给你跑完。 最离谱的是，你丢一条爆款视频进去，它能把人家的脚本结构、镜头节奏、画面风格全拆了，然后给你出好几套复刻方案。底层12条流水线、100多个工具、700多个Agent技能包。 这哪是工具，这是直接塞给你一个制作团队。以后做短视频可能真不用自己动手了。 对于想做视频但没有专业剪辑技能的人来说，这个开源项目值得关注。

🎬 做AI视频，这5个Skill必装！ 从文案到配音、数字人、字幕动画，再到最终导出，每一步都有对应工具负责。5个串起来，基本就是一条完整的AI视频生产线。 第一个，video-use负责整个视频工作流，从文案、分镜、素材到交付要求统一管理，最后再检查字幕、音频和画面有没有问题。 第二个，OpenVoice负责固定音色。准备一段干净的人声参考，后面生成的视频都可以继续保持同一个声音。 第三个，HeyGen负责数字人口播。把人物形象、文案和配音交进去，就能生成口型、表情和人物动作。 第四个，Remotion负责时间线和可编程视频，字幕什么时候出现、画面什么时候切、动画什么时候进场，都可以精准控制。第五个，FFmpeg负责最后的音视频处理，删静音、统一响度、合并音轨、转码、压缩和最终导出都交给它。 整条流程就是：video-use统筹项目→OpenVoice固定声音→HeyGen生成数字人→Remotion控制时间线和动画→FFmpeg做最后处理和导出。这条生产线效率极高，一个人就能完成原来需要整个团队的工作。

最近AI视频编辑赛道出了个开源项目，GitHub直接4.2万星，它不是帮你剪视频，而是压根不用你动手。 你丢一句人话进去，脚本、素材、配音、字幕、成片，全部自动跑完。更厉害的是，你丢一条爆款视频进去，它能把脚本结构、镜头节奏、画面风格全拆了，然后给你出好几套复刻方案。 底层12条流水线、100多个工具、700多个Agent技能包。这哪是工具，这是直接塞给你一个制作团队。 对视频创作者来说，这是一个需要认真对待的信号。当AI能把剪辑、配音、字幕这些技术活全部自动化后，视频行业的竞争维度会发生根本性变化——从「谁剪得好」变成「谁的创意更好」。 以前靠剪辑技术吃饭的人，需要重新思考自己的核心竞争力。工具会越来越强，但创意和审美是AI暂时替代不了的。与其焦虑被替代，不如把精力放在提升内容策划和选品能力上。 对于想入局短视频但一直被技术门槛卡住的人来说，这反而是个好消息——技术门槛被抹平了，创意和执行力才是决定因素。