今天講一個(gè)我自己每天都在用的東西，視頻號(hào)粉絲做到 6100，每天我只手動(dòng)干一件事：發(fā)布

880c0206e68697eb76d0c24d8b168c4d.jpg 起因

做視頻號(hào)之前算過(guò)一筆賬，一條 5 分鐘的口播視頻，寫稿、錄音、剪輯、加字幕、加 BGM，最快 2 小時(shí)。一周三條，光是視頻就得吞掉 6 小時(shí)

太重了，做不下去

后來(lái)我換了個(gè)思路：公眾號(hào)文章已經(jīng)在寫，能不能讓 Coding Agent 把文章直接變成視頻？

折騰了幾周，把整條鏈路全打通。現(xiàn)在每天早上寫完公眾號(hào)，對(duì) Agent 說(shuō)一句"文章轉(zhuǎn)視頻 + 路徑"，喝杯茶回來(lái) MP4 已經(jīng)躺在那里，我只需要點(diǎn)"發(fā)布"

一句話生成視頻，里面到底發(fā)生了什么

7 個(gè) Agent Skills 串成一條流水線，互相調(diào)度，全程無(wú)人值守

你的文章（Markdown）
        │
        ▼
┌─────────────────────────────────┐
│ 口播稿改寫              │
│  把書面語(yǔ)改成口語(yǔ)，去掉代碼塊， │
│  調(diào)整節(jié)奏，加開場(chǎng)白和結(jié)束語(yǔ)     │
│  內(nèi)部還會(huì)調(diào)用一個(gè)標(biāo)題生成器     │
└─────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────┐
│ 豆包 TTS 配音           │
│  調(diào)用 seed-icl-2.0 模型 +       │
│  你自己克隆的音色 → 輸出 MP3    │
│  整條視頻用你自己的聲音         │
└─────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────┐
│ 火山 ASR 時(shí)間戳對(duì)齊     │
│  把 MP3 喂給 volc.seedasr.auc， │
│  返回每個(gè)字的出現(xiàn)時(shí)刻（毫秒級(jí)） │
└─────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────┐
│ Remotion 渲染豎版視頻   │
│  Node.js + Remotion +           │
│  思源宋體，文字逐字出現(xiàn)，       │
│  9:16 豎版，干凈利落            │
└─────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────┐
│ BGM 混音                │
│  ffmpeg 把人聲和 BGM 按比例混合 │
│  人聲 1.0、BGM 0.15 → 成品 MP4  │
└─────────────────────────────────┘
        │
        ▼
   你只做這一步：發(fā)布

5 個(gè) Skill，1 個(gè)標(biāo)題生成器，1 個(gè)主編排 Skill，加起來(lái) 7 個(gè)文件，整條鏈路自動(dòng)跑通

實(shí)測(cè)數(shù)據(jù)

• 1500 字公眾號(hào)文章 → 2-3 分鐘豎版視頻

• 渲染耗時(shí)（Apple M2/M3 本地）：8-12 分鐘

• 每條視頻 API 成本：約 0.1 元（TTS + ASR）

• 字幕和聲音的同步精度：肉眼無(wú)錯(cuò)位

• 聲音是你自己的克隆音色，不是機(jī)器音

下載到的是一個(gè) zip 包，約 31 MB（思源宋體字體已經(jīng)塞在里面，不用再單獨(dú)下）

article-to-video-skills-share.zip
├── README.md                       入口導(dǎo)航
├── INSTALL.md                      給 Coding Agent 看的安裝指引
├── PROMPT-FOR-AGENT.md             開箱即用的安裝提示詞，復(fù)制粘貼給 Agent
├── SETUP-FOR-HUMAN.md              給你看的 API 申請(qǐng)清單 + 費(fèi)用估算
├── requirements.txt                Python 依賴清單
└── skills/
    ├── 1-article-to-video/         主編排 Skill，觸發(fā)詞："文章轉(zhuǎn)視頻"
    │   ├── SKILL.md
    │   └── scripts/
    ├── 1-video-script-converter/   口播稿改寫
    │   ├── SKILL.md
    │   ├── scripts/
    │   ├── references/
    │   └── assets/
    ├── 1-title_generator/          標(biāo)題生成
    │   └── SKILL.md
    ├── 1-doubao-tts-voice-clone/   豆包 TTS + 音色克隆
    │   ├── SKILL.md
    │   ├── tts_voice_clone.py
    │   └── test_tts_voice_clone.py
    ├── 1-audio-to-video/           火山 ASR 時(shí)間戳
    │   ├── SKILL.md
    │   ├── scripts/
    │   └── assets/
    ├── 1-remotion-audio-to-video/  Remotion 渲染（含字體）
    │   ├── SKILL.md
    │   ├── scripts/
    │   └── assets/
    │       └── SourceHanSerifSC-VF.ttf   57MB，已內(nèi)嵌
    └── 1-video-bgm-mixer/          ffmpeg BGM 混音
        ├── SKILL.md
        └── scripts/

所有代碼都做了脫敏處理，我的 API Key、音色 ID、品牌名、工作區(qū)路徑全部替換成占位符（${YOUR_VOICE_ID}、${YOUR_BRAND_NAME}、${WORKSPACE_ROOT}這種形式），安裝時(shí)由 Agent 引導(dǎo)你填上自己的值

安裝流程

1. 解壓 zip 包

2. 把PROMPT-FOR-AGENT.md里那段提示詞整段復(fù)制，粘給你的 Coding Agent

3. Agent 會(huì)問(wèn)你：工作區(qū)在哪、API Key 是多少、音色 ID 填什么、品牌名叫什么

4. Agent 自動(dòng)幫你復(fù)制 skill 目錄、替換占位符、裝 Python 依賴、裝 npm 依賴、把字體復(fù)制到系統(tǒng)目錄

5. 裝完后對(duì) Agent 說(shuō)"文章轉(zhuǎn)視頻"，能跑通就是 OK

整個(gè)過(guò)程 15-30 分鐘，絕大部分時(shí)間在等npm install

適合誰(shuí)

• 已經(jīng)在寫公眾號(hào)或博客，想低成本同步做視頻號(hào)

• 有 Coding Agent 基礎(chǔ)，知道 Claude Code 或 Cursor 怎么用

• 想用自己的聲音做視頻，不想露臉

• 不想每條視頻耗 2 小時(shí)

• 完全沒接觸過(guò) Coding Agent，需要先去看入門教程

• 想做真人出鏡或剪輯花哨的視頻，這套是固定豎版字幕口播風(fēng)格

• 不愿意配置 API Key（這套依賴火山引擎，繞不開）

500 元，一次買斷

包含：

• 完整的 31MB zip 包（7 個(gè) Skill + 4 份文檔 + 字體 + Python 依賴清單）

• 一對(duì)一安裝答疑（48 小時(shí)內(nèi)響應(yīng)，把錯(cuò)誤信息發(fā)我，大概率是路徑或 Key 配置問(wèn)題）

加我微信備注"視頻技能包"

總結(jié)

這套東西的價(jià)值，不在于"AI 生成視頻"這個(gè)功能本身，市面上工具一抓一大把

它的價(jià)值在于：和你已經(jīng)在做的事（寫公眾號(hào)）無(wú)縫銜接，復(fù)用你的聲音、你的文風(fēng)、你的更新節(jié)奏，把視頻號(hào)的更新成本壓到接近于零

你寫完文章，剩下的事 Agent 全包了，你只需要做最后一件事：發(fā)布