正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Damn！喵个咪终于有人把跨国视频内容流水线做成完全开源的免费工具了，喜大普奔！！ GitHub 上拿下 1.1 万星标的 OpenCreator，最狠的一点是把多平台分发的繁琐环节全压进了一台本地电脑，比如你扔进去一个 40分钟的长视频，单次运行直接搞定全篇字幕断句、多语种翻译和语音配音，中途不需要人工去拉一条时间轴。谁能想到三个月前多平台矩阵分发还是靠剪辑民工拼体力, 今天一个人用单机开源工具就能当成流水线来跑了，效率提升N倍🤯 做视频出海或跨平台分发的朋友都清楚，传统流程最折磨人的地方在于工具割裂。你得先找工具下载，丢进语音模型转文字，找大模型润色翻译，再手动导入剪辑软件对齐口播节奏，最后还要一帧帧裁切画面改竖屏。这个项目把整条链路全焊死在了一起，输入一个公开视频链接或本地素材，它内置的流水线会自动估算口播语速并对齐音轨，文本太长时还会调用语言模型重新精简成口语表达，直接解决配音赶不上画面的死穴。真正让我觉得有意思的是它的多端适配，横屏长视频跑完之后，系统能顺手自适应成适合竖屏信息流的排版，连封面素材都能同步生成，直接对应 YouTube、TikTok、B站和抖音的内容规格。关键是它有完整的开源桌面端，底层模型和 TTS 语音服务全部支持自由配置，不用再按分钟给第三方 SaaS 平台交昂贵的切片订阅费。内容创作者和出海团队，这个项目值得拉回本地跑一遍。一键克隆安装的命令和本地运行的踩坑建议, 我全部整理在评论区一楼了，老规矩自取喔😉

AYi

67,872 subscribers

22,127 次观看 • 7 天前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

6 条评论

AYi 的头像

AYi7 天前

很多做自媒体和出海团队的朋友想本地跑起来试试, 替大家把核心链路和运行准备梳理清楚了: 开源项目地址在 GitHub 搜索 krillinai 旗下的 OpenCreator, 之前叫 KrillinAI。如果本地有现成的 Node 与 Python 环境, 只需要拉取代码并启动: git clone OpenCreator corepack enable pnpm install pnpm web:dev 建议大家在实际使用时注意两点: 第一是对音频质量的要求。长视频背景音过大时, 建议先开启工具自带的人声分离模块, 否则 100 多种语言的识别准确率会有轻微波动。 第二是算力开销。横屏转竖屏涉及视觉主体追踪, 本地显卡显存建议在 8G 以上, 如果没有独立显卡也可以接入云端接口来跑繁重的音视频渲染。拿来搬运消化高质量长视频, 是目前市面上最省心的一体化方案。

Kiki 的头像

Kiki7 天前

这个好厉害，YouTube、TikTok、B站和抖音的内容规格孰能对应？

Demetre Minchev 的头像

Demetre Minchev6 天前

@tatian

bin sun 的头像

bin sun7 天前

1.1 万星说明痛点真实：跨国分发的脏活（字幕/裁切/平台规格）才是内容团队时间黑洞。本地一机跑完比再买一套 SaaS 划算，尤其要控素材出境时。接下来看它是否支持批量模板+失败重试队列。

Wuki 的头像

Wuki7 天前

开源神器啊，直接省下几万SaaS费 🤝 good stuff on your timeline! followed :)

热币反93小禾的头像

热币反93小禾7 天前

这效率简直是个人创作者的开挂神器

相关视频

卧槽！这个项目可以啊！又一个完整的AI视频创作平台开源了，前后端都是MIT协议。 Magiviz把“写剧本 → 定角色 → 画分镜 → 生成视频 → 成片”做成了全流程AI工作流，最长支持生成60秒视频，内置12种主流视频模型。作者说好开源就开源，代码已经全部放出来。现在做AI视频工具的人越来越多，但能把从剧本到成片的完整链路开源出来的还不多。对想自建或二次开发视频生成系统的人来说，这是一个可以直接上手的基础。创作精良的1080可以看看那个五折的平台搞一下！多个选择！开源视频工作流正在从单点模型，走向完整可复用的创作平台。你会考虑基于它二次开发自己的视频工具吗？项目地址见原贴👇

卧槽！这个项目可以啊！又一个完整的AI视频创作平台开源了，前后端都是MIT协议。 Magiviz把“写剧本 → 定角色 → 画分镜 → 生成视频 → 成片”做成了全流程AI工作流，最长支持生成60秒视频，内置12种主流视频模型。作者说好开源就开源，代码已经全部放出来。现在做AI视频工具的人越来越多，但能把从剧本到成片的完整链路开源出来的还不多。对想自建或二次开发视频生成系统的人来说，这是一个可以直接上手的基础。创作精良的1080可以看看那个五折的平台搞一下！多个选择！开源视频工作流正在从单点模型，走向完整可复用的创作平台。你会考虑基于它二次开发自己的视频工具吗？项目地址见原贴👇

Berryxia.AI

22,893 次观看 • 1 个月前

这才是真正的 AI 剪辑神器。开源项目 Pixelle-Video — 一个把短视频做成流水线的工具。以前做一个视频：写脚本、找素材、配音、剪辑一套下来，半天没了。 Pixelle-Video 直接把流程砍到只剩一步：输入一个主题剩下的全自动：写文案、出画面、配音、加 BGM，最后直接给你成片。但真正厉害的，不是自动。而是你可以完全掌控它：模型自己选声音自己换画面 workflow 自己搭这已经不仅仅是工具了，是一条能批量出片的流水线你甚至可以直接批量跑内容，做账号矩阵。你不再做视频，你已经可以生产视频了。

这才是真正的 AI 剪辑神器。开源项目 Pixelle-Video — 一个把短视频做成流水线的工具。以前做一个视频：写脚本、找素材、配音、剪辑一套下来，半天没了。 Pixelle-Video 直接把流程砍到只剩一步：输入一个主题剩下的全自动：写文案、出画面、配音、加 BGM，最后直接给你成片。但真正厉害的，不是自动。而是你可以完全掌控它：模型自己选声音自己换画面 workflow 自己搭这已经不仅仅是工具了，是一条能批量出片的流水线你甚至可以直接批量跑内容，做账号矩阵。你不再做视频，你已经可以生产视频了。

开发者Hailey

55,440 次观看 • 5 个月前

震惊了，抖音上祁博士一天卖 50w 的数字人 agent，我2 分钟就开发完成了。用的就是Pixelle-Video这个项目，已经22k stars。包括数字人口播、动作迁移、图生视频全支持。支持ComfyUI，输入主题，从写脚本到加 BGM 到出片，一条龙自动跑视频。老王部署到本地，做了个简短的视频，属于插图式的视频，如果你需要更复杂的视频，需要自己配置云端模型比如 seedance2，kling 等等。 Pixelle-Video 最厉害的地方，是它把视频生产完全做成了可配置，支持本地部署模型和云端大模型。文案、画面、配音、剪辑，它拆成四个可替换的模块，每块后面都能换模型，可以自由切换模型，使用非常方便 >文案层：LLM 读主题，吐出带时间戳的结构化脚本，每>句对应一段画面。 >画面层：脚本每句转生图提示词，扔给 ComfyUI 或直连 DashScope 出图，图生视频和数字人口播也走这一层。 >语音层：脚本原文走 TTS 合成，多语言加音色克隆，不用自己录音。 >合成层：画面对齐语音时间轴，叠上 BGM，输出 MP4。仓库： P.S. 想到了就能出片，懂一点 AI 编程，这个项目就能自己做成适合各行业的数字人 agent。

震惊了，抖音上祁博士一天卖 50w 的数字人 agent，我2 分钟就开发完成了。用的就是Pixelle-Video这个项目，已经22k stars。包括数字人口播、动作迁移、图生视频全支持。支持ComfyUI，输入主题，从写脚本到加 BGM 到出片，一条龙自动跑视频。老王部署到本地，做了个简短的视频，属于插图式的视频，如果你需要更复杂的视频，需要自己配置云端模型比如 seedance2，kling 等等。 Pixelle-Video 最厉害的地方，是它把视频生产完全做成了可配置，支持本地部署模型和云端大模型。文案、画面、配音、剪辑，它拆成四个可替换的模块，每块后面都能换模型，可以自由切换模型，使用非常方便 >文案层：LLM 读主题，吐出带时间戳的结构化脚本，每>句对应一段画面。 >画面层：脚本每句转生图提示词，扔给 ComfyUI 或直连 DashScope 出图，图生视频和数字人口播也走这一层。 >语音层：脚本原文走 TTS 合成，多语言加音色克隆，不用自己录音。 >合成层：画面对齐语音时间轴，叠上 BGM，输出 MP4。仓库： P.S. 想到了就能出片，懂一点 AI 编程，这个项目就能自己做成适合各行业的数字人 agent。

产品经理老王霸

200,623 次观看 • 3 个月前

这可能是我用过最牛的开源视频翻译工具了！完全自动化的工作流，从下载视频到生成字幕、配音，全搞定！不管是 YouTube 还是本地视频，都能一键制作出专业级字幕，连配音都可以个性化！链接：

这可能是我用过最牛的开源视频翻译工具了！完全自动化的工作流，从下载视频到生成字幕、配音，全搞定！不管是 YouTube 还是本地视频，都能一键制作出专业级字幕，连配音都可以个性化！链接：

露西的百宝箱

87,519 次观看 • 2 年前

抖音祁博士那套数字人 Agent产品，一天居然能卖 50 万。同样的东西，老王2 分钟就在本地电脑部署好了。用的就是 Pixelle-Video 这个开源项目，GitHub 上都 22k 星了。数字人口播、动作迁移、图生视频全支持，底层接的是 ComfyUI。给它一个主题，从写脚本、配图、配音到加 BGM、出片，一条龙就跑完一条视频。 Pixelle-Video 最厉害的地方，是它把视频生产完全做成了可配置，支持本地部署模型和云端大模型。文案、画面、配音、剪辑，它拆成四个可替换的模块，每块后面都能换模型，可以自由切换模型，使用非常方便。简单说，就是四步：写稿、出图、配音、剪成片。 >写稿你把主题扔给大模型，它给你一份分镜脚本。每句话都标了时间，还写清楚这句该配什么画面。后面全都围着这份稿子走。 >出图脚本里每一句，再变成生图提示词，交给 ComfyUI 或 DashScope 出图。要动的就走图生视频，要真人出镜口播的走数字人。画面都在这一步搞定。 >配音脚本原文直接进 TTS 念出来。换语言、克隆某个音色，也在这里做，不用自己录。 >剪成片画面按语音时间轴一段段对齐，铺上 BGM，导出 MP4。现在，立刻，跟你的 AI 去对话，让他帮你安装，本地就能运行了。

抖音祁博士那套数字人 Agent产品，一天居然能卖 50 万。同样的东西，老王2 分钟就在本地电脑部署好了。用的就是 Pixelle-Video 这个开源项目，GitHub 上都 22k 星了。数字人口播、动作迁移、图生视频全支持，底层接的是 ComfyUI。给它一个主题，从写脚本、配图、配音到加 BGM、出片，一条龙就跑完一条视频。 Pixelle-Video 最厉害的地方，是它把视频生产完全做成了可配置，支持本地部署模型和云端大模型。文案、画面、配音、剪辑，它拆成四个可替换的模块，每块后面都能换模型，可以自由切换模型，使用非常方便。简单说，就是四步：写稿、出图、配音、剪成片。 >写稿你把主题扔给大模型，它给你一份分镜脚本。每句话都标了时间，还写清楚这句该配什么画面。后面全都围着这份稿子走。 >出图脚本里每一句，再变成生图提示词，交给 ComfyUI 或 DashScope 出图。要动的就走图生视频，要真人出镜口播的走数字人。画面都在这一步搞定。 >配音脚本原文直接进 TTS 念出来。换语言、克隆某个音色，也在这里做，不用自己录。 >剪成片画面按语音时间轴一段段对齐，铺上 BGM，导出 MP4。现在，立刻，跟你的 AI 去对话，让他帮你安装，本地就能运行了。

产品经理老王霸

40,841 次观看 • 3 个月前

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。

小互

22,976 次观看 • 1 年前

这个人把搬运 YouTube 视频做成了完整的全自动化流程：丢进去一个 YouTube 链接，它就可以下载视频，按需识别和翻译字幕，生成标题、简介、标签和分区，经过自动或人工审核，再投到 AcFun、bilibili。还能监控指定频道和关键词，把发现的新视频继续送进任务队列。跑起来之后，它就是一条不会下班的视频运营流水线。项目已经在 Github 开源，完全免费。

这个人把搬运 YouTube 视频做成了完整的全自动化流程：丢进去一个 YouTube 链接，它就可以下载视频，按需识别和翻译字幕，生成标题、简介、标签和分区，经过自动或人工审核，再投到 AcFun、bilibili。还能监控指定频道和关键词，把发现的新视频继续送进任务队列。跑起来之后，它就是一条不会下班的视频运营流水线。项目已经在 Github 开源，完全免费。

柴郡🔔｜Crypto+AI Plus

25,052 次观看 • 2 个月前

卧槽，真的被这个东西惊到了。挖到一个叫 KrillinAI 的本地工具，免费，视频翻译、精准字幕、超自然配音、声音克隆，全流程一条龙搞定。中英互翻效果特别稳， Whisper识别准确率高得离谱， LLM按段翻译上下文不乱， CosyVoice的TTS听着几乎像真人在说话。支持Win和Mac，下载即用，还能直接用yt-dlp扒油管或者本地上传。横屏竖屏自动适配，出海做内容的真的可以直接拿去用了。以前为了翻一个视频又是剪映又是各种插件，现在一个工具全搞定，字幕对齐干净，配音自然度超出预期。免费、本地跑、无水印。

卧槽，真的被这个东西惊到了。挖到一个叫 KrillinAI 的本地工具，免费，视频翻译、精准字幕、超自然配音、声音克隆，全流程一条龙搞定。中英互翻效果特别稳， Whisper识别准确率高得离谱， LLM按段翻译上下文不乱， CosyVoice的TTS听着几乎像真人在说话。支持Win和Mac，下载即用，还能直接用yt-dlp扒油管或者本地上传。横屏竖屏自动适配，出海做内容的真的可以直接拿去用了。以前为了翻一个视频又是剪映又是各种插件，现在一个工具全搞定，字幕对齐干净，配音自然度超出预期。免费、本地跑、无水印。

HankAI

103,078 次观看 • 1 个月前

ElevenLabs 推出 Dubbing V2 端到端的AI配音模型... 最大的变化：配音不再是"先转写、再翻译、最后合成"三段式拼接，而是模型直接基于原始表演建模声音。并将音色、情绪、演绎都跟着穿越进每一种语言也就是说，同一个人开口讲六国语言，听上去还是他本人，连情绪和呼吸节奏都对得上 Dubbing v2 支持 90 多种语言和口音，原理：它针对原始表演来生成，而不是针对一段转录文本，所以语气、情绪、表达方式会跨语言保留下来，声音克隆全自动，会给原说话人建一个声音模型并应用到所有目标语言，保留身份、音高和语气，不用手动设置。另外支持音频、视频和文字三种输入具体能力： • 音色穿越：不是模仿你的声音，是你的声音直接在另一种语言里说话 • 情绪保真：原片里你笑你叹气你激动，译版照样有 • 同步感知翻译：译文长度匹配原片口型和停顿，不会嘴动完了字幕还在跑 • 措辞本地化：不是字面直译，每种语言用自己的表达方式 • 端到端全自动：传一个视频进去出一份配音，中间没有手工拼接视频里他们演了三个场景： MrBeast 风格的荒岛求生在 English/German/French 之间无缝切换一段财务部门的快节奏对白试连贯性一个童话故事试表达力

ElevenLabs 推出 Dubbing V2 端到端的AI配音模型... 最大的变化：配音不再是"先转写、再翻译、最后合成"三段式拼接，而是模型直接基于原始表演建模声音。并将音色、情绪、演绎都跟着穿越进每一种语言也就是说，同一个人开口讲六国语言，听上去还是他本人，连情绪和呼吸节奏都对得上 Dubbing v2 支持 90 多种语言和口音，原理：它针对原始表演来生成，而不是针对一段转录文本，所以语气、情绪、表达方式会跨语言保留下来，声音克隆全自动，会给原说话人建一个声音模型并应用到所有目标语言，保留身份、音高和语气，不用手动设置。另外支持音频、视频和文字三种输入具体能力： • 音色穿越：不是模仿你的声音，是你的声音直接在另一种语言里说话 • 情绪保真：原片里你笑你叹气你激动，译版照样有 • 同步感知翻译：译文长度匹配原片口型和停顿，不会嘴动完了字幕还在跑 • 措辞本地化：不是字面直译，每种语言用自己的表达方式 • 端到端全自动：传一个视频进去出一份配音，中间没有手工拼接视频里他们演了三个场景： MrBeast 风格的荒岛求生在 English/German/French 之间无缝切换一段财务部门的快节奏对白试连贯性一个童话故事试表达力

小互

12,522 次观看 • 4 个月前

$兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。$

兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。

小互

41,028 次观看 • 1 年前

上个月一个朋友跟我说他要做自媒体，辞职了，全职搞我说牛逼啊，一个月后怎么样了？他说：我这一个月，60% 的时间花在了剪视频上不是没东西拍——选题库存了几十个，每条都有爆款潜质但一条 5 分钟的视频，从粗剪到精剪到加字幕到调色到配乐到转场，搞一整天一个月下来就发了 8 条，涨粉不到 500 他跟我说，他觉得自己不是在做内容创作，是在做剪辑民工我听完第一反应是：这怎么能是这样作为一个做过产品的人，我很清楚——自媒体的生产链有两段：第一段是内容生产：选题、写脚本、拍摄第二段是后期生产：剪辑、字幕、配音、特效、调色、渲染大部分人的瓶颈根本不在第一段，是在第二段而且第二段的成本高得离谱—— 自己剪？一条视频 4-6 小时，一周更三条就是 15 个小时，一个月 60-80 个小时，等于每天下班后的全部自由时间找人做？一条带基础特效的视频报价 800-2000，一个月出四条就是 3000-8000 做 MG 动效？After Effects 学半年起步，外包一条 30 秒少说三五千然后你告诉我自媒体是试错成本最低的创业方式？？？可能只有不做视频的时候，自媒体成本才低但问题是，从策划到后期，这整条链路恰恰是最适合 AI 接管的我给他推了一个东西，叫 Fotor 的 Fotor Agent 别把它当成市面上那些“一句话出视频”的工具——那些出来的都是不能改的 MP4，错个字就得全盘重跑，烧钱又浪费时间 Fotor Agent 是一个全流程的 AI 制作人——你丢一个 Brief 或者一条竞品视频链接进去，它自己分析结构、规划分镜脚本，然后调配你的实拍素材和它自己生成的 MG 动效，最后在多轨时间线上排好所有元素出来的是一个完全可编辑的工程项目——视频轨、音频轨、字幕轨、MG 轨分开管理，改哪里改哪里，不用从头来我试了一下他堆积了一个月没剪的素材丢了十几条实拍片段 + 一份产品 Brief 进去它自己规划了脚本结构，挑了亮点片段，加了字幕和转场，排好了时间线十来分钟，成片出来了。我在时间线上调了两处，导出，搞定然后我做了一件更离谱的事——我试了它的 MG 动效能力丢了一份 PDF 产品文档进去，让它做一条 30 秒的 4K 动态信息图出来了,成本多少？$0.06 一秒，30 秒不到 2 美金以前找外包做一条同样的 MG 动效，报价少说三五千人民币，周期一到两周现在 40 分钟出初版，成本十几块钱，而且还能在时间线上直接改这意味着什么？ 1、做自媒体的：以前剪一条视频一天，现在一天能出三五条。后期时间从 60% 压到 10%，剩下的时间全拿来做内容 2、接视频制作单的：品牌方一条产品视频报价 5000-2 万，你的制作成本几块钱到几十块。客户要改？不用从头做，时间线上改完重新导出，十分钟搞定 3、做课程视频的：录屏 + PPT + 口播素材丢进去，自动编排成完整课程，还能加章节标题和过渡动效它和市面上其他 AI 视频工具最大的区别： Seedance、Sora 那些是生成素材的——但“生成一段 clip”不等于“做完一条视频” “一句话出成片”的工具市面上一堆，但出来的全是封死的 MP4，改不了就得全部重跑 Fotor Agent 是从前期策划到后期工程全链条交付——而且能吃你的真实素材，最高 30 个文件单个 5GB，实拍的东西直接丢进去对了，后来我那朋友用了一周,从一个月 8 条变成了一周 8 条他说他终于觉得自己是在做内容创作了，不是在做视频民工链接放评论区：

上个月一个朋友跟我说他要做自媒体，辞职了，全职搞我说牛逼啊，一个月后怎么样了？他说：我这一个月，60% 的时间花在了剪视频上不是没东西拍——选题库存了几十个，每条都有爆款潜质但一条 5 分钟的视频，从粗剪到精剪到加字幕到调色到配乐到转场，搞一整天一个月下来就发了 8 条，涨粉不到 500 他跟我说，他觉得自己不是在做内容创作，是在做剪辑民工我听完第一反应是：这怎么能是这样作为一个做过产品的人，我很清楚——自媒体的生产链有两段：第一段是内容生产：选题、写脚本、拍摄第二段是后期生产：剪辑、字幕、配音、特效、调色、渲染大部分人的瓶颈根本不在第一段，是在第二段而且第二段的成本高得离谱—— 自己剪？一条视频 4-6 小时，一周更三条就是 15 个小时，一个月 60-80 个小时，等于每天下班后的全部自由时间找人做？一条带基础特效的视频报价 800-2000，一个月出四条就是 3000-8000 做 MG 动效？After Effects 学半年起步，外包一条 30 秒少说三五千然后你告诉我自媒体是试错成本最低的创业方式？？？可能只有不做视频的时候，自媒体成本才低但问题是，从策划到后期，这整条链路恰恰是最适合 AI 接管的我给他推了一个东西，叫 Fotor 的 Fotor Agent 别把它当成市面上那些“一句话出视频”的工具——那些出来的都是不能改的 MP4，错个字就得全盘重跑，烧钱又浪费时间 Fotor Agent 是一个全流程的 AI 制作人——你丢一个 Brief 或者一条竞品视频链接进去，它自己分析结构、规划分镜脚本，然后调配你的实拍素材和它自己生成的 MG 动效，最后在多轨时间线上排好所有元素出来的是一个完全可编辑的工程项目——视频轨、音频轨、字幕轨、MG 轨分开管理，改哪里改哪里，不用从头来我试了一下他堆积了一个月没剪的素材丢了十几条实拍片段 + 一份产品 Brief 进去它自己规划了脚本结构，挑了亮点片段，加了字幕和转场，排好了时间线十来分钟，成片出来了。我在时间线上调了两处，导出，搞定然后我做了一件更离谱的事——我试了它的 MG 动效能力丢了一份 PDF 产品文档进去，让它做一条 30 秒的 4K 动态信息图出来了,成本多少？$0.06 一秒，30 秒不到 2 美金以前找外包做一条同样的 MG 动效，报价少说三五千人民币，周期一到两周现在 40 分钟出初版，成本十几块钱，而且还能在时间线上直接改这意味着什么？ 1、做自媒体的：以前剪一条视频一天，现在一天能出三五条。后期时间从 60% 压到 10%，剩下的时间全拿来做内容 2、接视频制作单的：品牌方一条产品视频报价 5000-2 万，你的制作成本几块钱到几十块。客户要改？不用从头做，时间线上改完重新导出，十分钟搞定 3、做课程视频的：录屏 + PPT + 口播素材丢进去，自动编排成完整课程，还能加章节标题和过渡动效它和市面上其他 AI 视频工具最大的区别： Seedance、Sora 那些是生成素材的——但“生成一段 clip”不等于“做完一条视频” “一句话出成片”的工具市面上一堆，但出来的全是封死的 MP4，改不了就得全部重跑 Fotor Agent 是从前期策划到后期工程全链条交付——而且能吃你的真实素材，最高 30 个文件单个 5GB，实拍的东西直接丢进去对了，后来我那朋友用了一周,从一个月 8 条变成了一周 8 条他说他终于觉得自己是在做内容创作了，不是在做视频民工链接放评论区：

超级个体｜柿子

74,968 次观看 • 4 天前

我靠，原来抖音一晚上卖 50w 的数字人，都是基于这个项目开发的。叫MoneyPrinterTurbo，7.4 万 star。输个主题，AI 写文案、自动从 Pexels 扒无版权素材、配音、加字幕、配 BGM、合成出片。我已经部署到自己的mac 电脑，并拿山海经 12 祖巫的故事跑了1次，还挺好玩，只需要输入一个标题，出来的视频成品基本不用改。 LLM 写稿、TTS 配音、素材搜索、字幕识别、视频合成，五条互不搭边的技术链路，被它串成了一条自动化流水线。每一步的提供商都是可配置的。拆开看，总共有这几个能力可供我们学习： → 脚本层：接了 15 种大模型，内置 20 多套爆款模板，支持中文 → 素材层：自动跑 Pexels 扒无版权视频，也能往里扔自己的素材 → 配音层：9 种语音合成方案，Edge TTS 免费，Azure 和 ElevenLabs 可切 → 字幕层：Whisper 做精准对齐，Edge 做快速生成，字体大小颜色随便调 → 合成层：MoviePy 把所有东西拼成一条高清视频，竖屏横屏都行对电脑配置很低，CPU 就能跑，根本不用显卡。还自带的 Web 界面，也能用 API 和命令行。讲真，这配置对普通电脑来说挺友好的。想做内容的，不想露脸，就先把仓库 clone 下来跑通一条视频，看看它怎么把五步串成一步。做开发的，抄它的模块化思路。插件式架构加多方案可替换，自己项目里就能用这套拆法。别只收藏啊，你看老王搞得成片，是那么个意思了。然后，你拆一遍它的流水线怎么搭的，比收藏 100 个工具值。

我靠，原来抖音一晚上卖 50w 的数字人，都是基于这个项目开发的。叫MoneyPrinterTurbo，7.4 万 star。输个主题，AI 写文案、自动从 Pexels 扒无版权素材、配音、加字幕、配 BGM、合成出片。我已经部署到自己的mac 电脑，并拿山海经 12 祖巫的故事跑了1次，还挺好玩，只需要输入一个标题，出来的视频成品基本不用改。 LLM 写稿、TTS 配音、素材搜索、字幕识别、视频合成，五条互不搭边的技术链路，被它串成了一条自动化流水线。每一步的提供商都是可配置的。拆开看，总共有这几个能力可供我们学习： → 脚本层：接了 15 种大模型，内置 20 多套爆款模板，支持中文 → 素材层：自动跑 Pexels 扒无版权视频，也能往里扔自己的素材 → 配音层：9 种语音合成方案，Edge TTS 免费，Azure 和 ElevenLabs 可切 → 字幕层：Whisper 做精准对齐，Edge 做快速生成，字体大小颜色随便调 → 合成层：MoviePy 把所有东西拼成一条高清视频，竖屏横屏都行对电脑配置很低，CPU 就能跑，根本不用显卡。还自带的 Web 界面，也能用 API 和命令行。讲真，这配置对普通电脑来说挺友好的。想做内容的，不想露脸，就先把仓库 clone 下来跑通一条视频，看看它怎么把五步串成一步。做开发的，抄它的模块化思路。插件式架构加多方案可替换，自己项目里就能用这套拆法。别只收藏啊，你看老王搞得成片，是那么个意思了。然后，你拆一遍它的流水线怎么搭的，比收藏 100 个工具值。

产品经理老王霸

184,777 次观看 • 3 个月前

又调整了一些细节，全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，目前基本能 100% 还原和超越抖音爆款视频了。 1、给标题，说一下要讲的书 2、A 读情绪，写文案，人再改文案 3、TTS生配音 4、生图和视频，视频可做可不做，我白嫖了 grok 生视频 5、组装视频和生成剪映草稿这里面视频模型不需要特别的贵的模型，简单模型即可，我本地部署了一个，太压的卡了，太慢了

又调整了一些细节，全程用 codex 完成的这个视频工作流，一个skill 跑完整个流程，目前基本能 100% 还原和超越抖音爆款视频了。 1、给标题，说一下要讲的书 2、A 读情绪，写文案，人再改文案 3、TTS生配音 4、生图和视频，视频可做可不做，我白嫖了 grok 生视频 5、组装视频和生成剪映草稿这里面视频模型不需要特别的贵的模型，简单模型即可，我本地部署了一个，太压的卡了，太慢了

产品经理老王霸

53,188 次观看 • 1 个月前

由于市面上的 AI 手绘视频越来越多，我干脆把整套流程做成了一个本地 24 小时不间断生产的 AI 手绘视频系统我统一做了 10 种画面风格，从声音克隆、分镜、插画生成，到白板动画、字幕、最终合成，全部自动化你只需要做 3 件事： · 上传一段 10–30 秒参考声音 · 粘贴一段你想表达的文案 · 选择一种画面风格然后剩下的全部交给系统： · 自动克隆你的声音 · 根据口播节奏拆分分镜 · 自动生成统一风格插画 · 自动绘制白板笔迹动画 · 自动生成字幕 · 自动渲染并合成完整视频我自己的方案是：本地 TTS + Codex Image 接口 + 本地电脑渲染基本可以做到一台电脑 24 小时持续生产如果你手里有 20x 账号，产能基本不用太担心。之前看到太多人都在做 AI 手绘视频，但大部分还是一个视频一个视频地手动做所以我更想解决的是：不是怎么生成一条 AI 视频，而是怎么把 AI 视频真正做成一条自动化生产线项目已经全部开源，能跑的代码都放出来了功能演示👇 创作不易，如果觉得有用，帮忙转发关注一下，也欢迎直接拿去改

由于市面上的 AI 手绘视频越来越多，我干脆把整套流程做成了一个本地 24 小时不间断生产的 AI 手绘视频系统我统一做了 10 种画面风格，从声音克隆、分镜、插画生成，到白板动画、字幕、最终合成，全部自动化你只需要做 3 件事： · 上传一段 10–30 秒参考声音 · 粘贴一段你想表达的文案 · 选择一种画面风格然后剩下的全部交给系统： · 自动克隆你的声音 · 根据口播节奏拆分分镜 · 自动生成统一风格插画 · 自动绘制白板笔迹动画 · 自动生成字幕 · 自动渲染并合成完整视频我自己的方案是：本地 TTS + Codex Image 接口 + 本地电脑渲染基本可以做到一台电脑 24 小时持续生产如果你手里有 20x 账号，产能基本不用太担心。之前看到太多人都在做 AI 手绘视频，但大部分还是一个视频一个视频地手动做所以我更想解决的是：不是怎么生成一条 AI 视频，而是怎么把 AI 视频真正做成一条自动化生产线项目已经全部开源，能跑的代码都放出来了功能演示👇 创作不易，如果觉得有用，帮忙转发关注一下，也欢迎直接拿去改

陈硕KAI

48,653 次观看 • 1 个月前

Codex 自己配音更离谱的是，用的还是我自己的声音。一个 41K Star 的开源项目：Voicebox。它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费以前做配音，要么买付费软件，要么用云端 TTS。现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。一句话：它像是开源版 ElevenLabs + AI Agent 语音中枢。如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

Codex 自己配音更离谱的是，用的还是我自己的声音。一个 41K Star 的开源项目：Voicebox。它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费以前做配音，要么买付费软件，要么用云端 TTS。现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。一句话：它像是开源版 ElevenLabs + AI Agent 语音中枢。如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

猪脚饭.Ai

51,926 次观看 • 2 个月前

免费模型 + 开源工作流，免费做 AI 视频我用开源项目 LocalMiniDrama 做了一个测试输入一句话：「一个中国美女在海边玩耍」再接入免费的 Agnes 模型，从故事、分镜到视频生成，完整流程都跑通了自动生成角色、场景、分镜，并最终生成了一条 15 秒视频。从故事到画面，整个流程都可以在本地完成最后生成了一条视频开源地址：

免费模型 + 开源工作流，免费做 AI 视频我用开源项目 LocalMiniDrama 做了一个测试输入一句话：「一个中国美女在海边玩耍」再接入免费的 Agnes 模型，从故事、分镜到视频生成，完整流程都跑通了自动生成角色、场景、分镜，并最终生成了一条 15 秒视频。从故事到画面，整个流程都可以在本地完成最后生成了一条视频开源地址：

撸毛吃猪脚饭| 美股合约首选Gate

14,432 次观看 • 1 个月前

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。模型可直接处理原始的图像和声音用一个类比讲清楚传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言内置 Thinking 模式（逐步推理）和原生 Function Calling

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。模型可直接处理原始的图像和声音用一个类比讲清楚传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言内置 Thinking 模式（逐步推理）和原生 Function Calling

小互

57,664 次观看 • 3 个月前

你必装这 4 个工具，让 Codex 5 分钟做出专业级视频，效率拉满之前做做一条完整视频，需要脚本用一个工具、配音用一个工具、剪辑和字幕又要切好几个软件，大概需要花费3小时现在你只要把选题和素材丢进去，脚本、配音、动态画面和字幕，全部由它自己跑完。直接跟Codex说：请帮我安装并配置下面 4 个视频制作工具 1、HyperFrames：负责“想” 把一个选题自动拆成脚本、分镜和具体场景，先把视频骨架搭好。 2、ElevenLabs：负责“说” 把文案直接变成自然 AI 配音，音色、语速、停顿都能控制。 3、Remotion：负责“动” 按分镜把文字、图片和素材组合成动态画面，动效、转场、渲染一次完成。 4、Captions：负责“字” 自动把配音对齐字幕时间轴，统一字体、颜色和关键词高亮。视频剪辑师看到这篇内容，都会感觉饭碗要被抢了

你必装这 4 个工具，让 Codex 5 分钟做出专业级视频，效率拉满之前做做一条完整视频，需要脚本用一个工具、配音用一个工具、剪辑和字幕又要切好几个软件，大概需要花费3小时现在你只要把选题和素材丢进去，脚本、配音、动态画面和字幕，全部由它自己跑完。直接跟Codex说：请帮我安装并配置下面 4 个视频制作工具 1、HyperFrames：负责“想” 把一个选题自动拆成脚本、分镜和具体场景，先把视频骨架搭好。 2、ElevenLabs：负责“说” 把文案直接变成自然 AI 配音，音色、语速、停顿都能控制。 3、Remotion：负责“动” 按分镜把文字、图片和素材组合成动态画面，动效、转场、渲染一次完成。 4、Captions：负责“字” 自动把配音对齐字幕时间轴，统一字体、颜色和关键词高亮。视频剪辑师看到这篇内容，都会感觉饭碗要被抢了

govin.eth | G哥

170,639 次观看 • 27 天前

这绝逼是目前我用过最能打的 AI 视频工具，没有之一！！！纯纯的解放生产力，简直就是抖音、微信视频号起号的神器！！兄弟们，你们敢相信视频里这个 1 分钟的水循环科普动画，是我几句提示词直接跑出来的吗？没给任何素材，没有抽卡碰运气，喵个咪，真的是把短视频的制作门槛彻底砸穿了。以前这种信息型 MG动画视频，基本只能交给会 AE 的人一帧一帧做，贵、慢、学习成本还高。这样一条外包通常要 3000 到 8000 块、制作周期一两周的 60 秒科普动画，我用 Fotor Video Agent 实测跑出来，大概只花了 10 分钟，全程只点了一次方案确认，剩下的它全部搞定，真的牛逼！！脚本、中文配音、15 个动画场景和可编辑多轨项目，它一口气全给做好了，质感完全可以直接发抖音和微信视频号起号。以前这些零件要分开做，再丢进剪映里手动拼，这次全在一个系统里自动编排到时间线上，我没再切软件。更绝的是生成完如果想微调，根本不用推倒重抽，直接在时间线上改场景，画布上点文字和颜色就能改，调声音也不用重烧，这体验太爽了。很多人以为这又是那种输入一句话吐出一段不可控短视频的抽卡玩具，之前我也试过很多 AI 视频工具，要么画面飘忽不定，要么只能生成一段写死的 MP4，但这次自己跑了一遍才发现完全不是一回事。我没准备任何分镜和素材，只给了它一段明确的水循环科普需求，后面的活基本都是 Agent 在接力跑： 1️⃣它先理顺水循环的结构，拆出 6 章旁白脚本让我确认，没有擅自跳步直接生成。 2️⃣配音给了 7 种中文音色试听，我挑了 Kian 男声，声音很自然，没有那种塑料廉价感。 3️⃣最狠的是分镜对齐，它按配音时长把旁白拆成 15 句话，对应生成 15 个独立 MG 场景，从蒸发、凝结到地下水和径流，画面和解说卡得很准。 4️⃣背景音乐和海浪、雨声、水滴这 8 处场景音效也全配齐了，跟旁白分轨铺在时间线上，听感非常干净。以前做一条这样的片子，得凑齐分镜师、插画师、配音员和剪辑师。现在一个会选题、脚本扎实的人，自己就能跑通整条动画生产线。做过内容的人都懂，真正的痛点不是偶尔撞大运出一条爆款，而是能不能稳定出货。科普、历史、商业拆解、读书解说、报告可视化，这类结构清晰的内容，现在都能用这条线批量跑。现在接视频商单的逻辑也变了，客户付钱从来不只是买第一版好看，是买后续能改。普通 AI 工具只给一条写死的 MP4，改个字都要重抽，Fotor 端出来的是能继续改的工程文件，场景、字幕、颜色、声音和时长随时能调，这才是能持续接单的交付状态。我顺手翻了下 Fotor 的工作台，Video Agent 只是其中一块，里面还有 AI 生图、生视频、UGC 数字人和商品视频这些入口，更像一整套给创作者准备的营销工作台，这次我只深测了 Video Agent，其他的等我测完再聊。最后想说，AI工具把视频制作门槛打下来了，但最后能不能打动人，拼的依然是你的选题和脚本，以及最重要的，就是你的审美和品味，这个需要我们持续的提升和沉淀。 Fotor #fotorai #fotorvideoagent

这绝逼是目前我用过最能打的 AI 视频工具，没有之一！！！纯纯的解放生产力，简直就是抖音、微信视频号起号的神器！！兄弟们，你们敢相信视频里这个 1 分钟的水循环科普动画，是我几句提示词直接跑出来的吗？没给任何素材，没有抽卡碰运气，喵个咪，真的是把短视频的制作门槛彻底砸穿了。以前这种信息型 MG动画视频，基本只能交给会 AE 的人一帧一帧做，贵、慢、学习成本还高。这样一条外包通常要 3000 到 8000 块、制作周期一两周的 60 秒科普动画，我用 Fotor Video Agent 实测跑出来，大概只花了 10 分钟，全程只点了一次方案确认，剩下的它全部搞定，真的牛逼！！脚本、中文配音、15 个动画场景和可编辑多轨项目，它一口气全给做好了，质感完全可以直接发抖音和微信视频号起号。以前这些零件要分开做，再丢进剪映里手动拼，这次全在一个系统里自动编排到时间线上，我没再切软件。更绝的是生成完如果想微调，根本不用推倒重抽，直接在时间线上改场景，画布上点文字和颜色就能改，调声音也不用重烧，这体验太爽了。很多人以为这又是那种输入一句话吐出一段不可控短视频的抽卡玩具，之前我也试过很多 AI 视频工具，要么画面飘忽不定，要么只能生成一段写死的 MP4，但这次自己跑了一遍才发现完全不是一回事。我没准备任何分镜和素材，只给了它一段明确的水循环科普需求，后面的活基本都是 Agent 在接力跑： 1️⃣它先理顺水循环的结构，拆出 6 章旁白脚本让我确认，没有擅自跳步直接生成。 2️⃣配音给了 7 种中文音色试听，我挑了 Kian 男声，声音很自然，没有那种塑料廉价感。 3️⃣最狠的是分镜对齐，它按配音时长把旁白拆成 15 句话，对应生成 15 个独立 MG 场景，从蒸发、凝结到地下水和径流，画面和解说卡得很准。 4️⃣背景音乐和海浪、雨声、水滴这 8 处场景音效也全配齐了，跟旁白分轨铺在时间线上，听感非常干净。以前做一条这样的片子，得凑齐分镜师、插画师、配音员和剪辑师。现在一个会选题、脚本扎实的人，自己就能跑通整条动画生产线。做过内容的人都懂，真正的痛点不是偶尔撞大运出一条爆款，而是能不能稳定出货。科普、历史、商业拆解、读书解说、报告可视化，这类结构清晰的内容，现在都能用这条线批量跑。现在接视频商单的逻辑也变了，客户付钱从来不只是买第一版好看，是买后续能改。普通 AI 工具只给一条写死的 MP4，改个字都要重抽，Fotor 端出来的是能继续改的工程文件，场景、字幕、颜色、声音和时长随时能调，这才是能持续接单的交付状态。我顺手翻了下 Fotor 的工作台，Video Agent 只是其中一块，里面还有 AI 生图、生视频、UGC 数字人和商品视频这些入口，更像一整套给创作者准备的营销工作台，这次我只深测了 Video Agent，其他的等我测完再聊。最后想说，AI工具把视频制作门槛打下来了，但最后能不能打动人，拼的依然是你的选题和脚本，以及最重要的，就是你的审美和品味，这个需要我们持续的提升和沉淀。 Fotor #fotorai #fotorvideoagent

AYi

390,993 次观看 • 23 天前

做短视频最烦的，根本不是剪辑。是你刚想动手，前面还有选题、脚本、素材；后面还有配音、字幕、导出。 ShortGPT 这个开源项目抓的就是这条链路。给它一个主题，它会自动写脚本、找素材、生成旁白，再剪成 Shorts / TikTok 风格的视频。它不是“一键爆款”。但对想批量测试内容的人来说，真正值钱的不是某一条视频，而是把重复流程先跑起来。

做短视频最烦的，根本不是剪辑。是你刚想动手，前面还有选题、脚本、素材；后面还有配音、字幕、导出。 ShortGPT 这个开源项目抓的就是这条链路。给它一个主题，它会自动写脚本、找素材、生成旁白，再剪成 Shorts / TikTok 风格的视频。它不是“一键爆款”。但对想批量测试内容的人来说，真正值钱的不是某一条视频，而是把重复流程先跑起来。

axiaisacat

10,055 次观看 • 2 个月前