竖屏短视频创作工作流
写文章写得手酸，转视频又两眼一抹黑？
别慌，今天给你分享一套我一直在用的短视频创作工作流——用 AI 助手 + edge-tts 配音 + Remotion 渲染，从文章到抖音竖屏视频，全自动搞定！
🎬 这套工作流能做什么？
想象一下：你有一篇文章，想把它变成一条抖音竖屏视频。
以前你需要：
- 学配音软件 🎙️
- 学剪辑软件 🎞️
- 折腾半天才能出一个片
现在你只需要：
- 丢给 AI 助手 → 自动生成分镜脚本
- 自动配音合成 → 拿到实际时长
- 自动渲染出片 → 直接发抖音 🚀
全程你只需要做一件事：告诉 AI "帮我把这篇文章做成视频"
📦 前置依赖（必须先安装）
⚠️ 使用此技能前，必须先安装以下两个工具。本电脑已安装，其他电脑请按以下地址下载。
1. edge-tts（配音合成）
下载地址： https://gitee.com/cao15110/jineng
用途：将文本合成高质量 MP3 配音，完全免费，无需 API Key。
2. remotion（视频渲染）
安装方式：
# 官方版本，使用 skillhub 安装
skillhub install remotion-video-toolkit
# 或用备份下载地址（不更新）
# https://gitee.com/cao15110/jineng
用途：React 代码 → MP4 视频，支持动画、图表、数据驱动。
⚠️ Chrome headless-shell 下载坑点
首次使用 remotion 渲染视频时，会自动下载 Chrome Headless Shell（约 100MB）。 经常遇到网络问题导致下载失败！
解法：
- 从备份地址下载：https://gitee.com/cao15110/jineng
- 下载后，手动放置到
node_modules/.remotion/chrome-headless-shell/目录 - 缓存后，后续渲染秒启动，不再重复下载
💡 核心原则：配音先行
这是我踩了无数坑才总结出来的黄金法则：
先配音，再画分镜。
配音时长 ≠ 预估时长，必须实测后再修正，避免画面和配音对不上。
很多人做视频都是先规划时间轴，再配文案——结果配音出来发现节奏不对，白干。
正确的流程是：
- 写配音文案
- 用 edge-tts 生成配音
- 拿到实际配音时长
- 再反向规划分镜时间轴
- 最后渲染出片
这才是专业视频制作的标准流程！
🛠️ 工具链介绍
1. edge-tts —— 免费配音神器
微软 Edge 浏览器的文字转语音（TTS）引擎，完全免费，音质媲美真人！
支持的中文语音：
| 语音 | 风格 | 适用场景 |
|---|---|---|
zh-CN-XiaoxiaoNeural |
女声，温柔亲和 | vlog、旁白 |
zh-CN-YunxiNeural |
男声，磁性深沉 | 知识科普、故事讲述 |
zh-CN-YunyangNeural |
男声，新闻播报 | 新闻、汇报 |
zh-CN-XiaoyiNeural |
女声，活泼可爱 | 年轻、搞笑 |
特点：
- 完全免费，无需 API Key
- 支持语速/音调调节
- 自动输出配音时长
- Python 一键调用
2. Remotion —— 代码驱动的视频渲染
用 React 代码写视频，支持动画、图表、字幕，数据驱动的视频批量生产神器！
特点：
- 用代码控制每一帧
- 支持复杂动画效果
- 数据驱动，批量生产
- 输出 MP4 竖屏视频
竖屏尺寸： 1080×1920（9:16，完美适配抖音）
3. ffmpeg —— 音视频混音
最后一步，把配音混进视频，输出最终成片。
📝 标准制作流程（6步法）
Step 1️⃣ 需求确认
确定视频类型、目标受众、核心信息。是要做知识科普？产品展示？还是情感语录？
Step 2️⃣ 分镜生成
生成分镜脚本，包含：
- 场景描述
- 画面内容
- 配音文案
- 预估时长
分镜示例：
场景1（0-6秒）：开场抓眼球
- 画面：大字标题 + 渐变背景
- 配音："还在逐行对比Word文档？太慢了！"
场景2（6-16秒）：步骤1-3
- 画面：白色卡片逐个弹出
- 配音：介绍三个步骤
场景3（16-20秒）：步骤4 + 配图
- 画面：左文字 + 右截图
- 配音："点击确定，自动生成对比报告"
Step 3️⃣ 视觉方案
- 配色：深色渐变 or 浅色专业风
- 字体：大号粗体，高对比度
- 布局：竖屏优先，抖音风
Step 4️⃣ 配音确认 ⭐（关键步骤）
# 一键生成配音，自动输出时长！
python synthesize.py \
--text "你的配音文案" \
--voice zh-CN-YunxiNeural \
--output voiceover.mp3
# 输出示例：
# 已生成: voiceover.mp3
# 大小: 189792 bytes
# 时长: 00:00:31 (31.63s) ← 直接拿到时长！
拿到配音时长后，反向修正分镜时间轴。
Step 5️⃣ 修改分镜脚本
根据实际配音时长，调整：
- 总帧数 = 配音秒数 × 30
- 修改 Remotion 的
Root.tsx中的durationInFrames - 重写视频组件代码
Step 6️⃣ 渲染出片
# 渲染视频（无音频）
npx remotion render src/index.ts MyVideo out/video.mp4
# 混音（配音 + 视频）
ffmpeg -i out/video.mp4 -i voiceover.mp3 \
-c:v copy -c:a aac -shortest \
out/final.mp4
🎯 典型场景模板
| 场景 | 分镜重点 | 配音风格 | 动画效果 |
|---|---|---|---|
| 语录/鸡汤 | 大字标题 + 背景图 | 磁性/温柔，慢速 | 逐字淡入，打字机 |
| 知识科普 | 图表 + 关键词高亮 | 清晰播报，中速 | 数据弹出 |
| 产品展示 | 产品图 + 价格标牌 | 专业简洁，快速 | 缩放滑入 |
| 数据报告 | 柱状图/折线图 | 正式沉稳，慢速 | 图表从下往上长 |
| 故事叙述 | 分场景 + 转场 | 情感起伏，节奏变化 | 淡入淡出 |
⚠️ 踩坑记录（血泪教训）
| 坑 | 症状 | 解法 |
|---|---|---|
PowerShell 不支持 && |
报错"运算符不是有效语句分隔符" | 用分号 ; 或分开执行 |
edge-tts --output 报错 |
unrecognized arguments |
改用 --write-media |
| 配音和画面对不上 | 节奏完全乱套 | 配音先行，实测后再画分镜 |
| ffmpeg 命令找不到 | ffmpeg 未识别 |
用 imageio-ffmpeg 自带的路径 |
| Chrome 下载超时 | 渲染卡住不动 | 从备份地址下载：https://gitee.com/cao15110/jineng |
🚀 我的实战案例
案例：WPS对比Word教程视频
需求： 把一篇 WPS 教程文章做成抖音竖屏视频
流程：
- 读取文章，提取核心步骤（5步对比法）
- 写抓眼球的配音文案（"还在逐行对比？太慢了！"）
- edge-tts 生成配音 → 拿到 31.63 秒时长
- 规划分镜时间轴（949帧 @30fps）
- Remotion 渲染视频
- ffmpeg 混音
成片：
- 时长：31.56 秒
- 分辨率：1080×1920（竖屏）
- 文件大小：2.17 MB
- 直接发抖音！🎉
💪 总结
这套工作流让短视频创作变得：
- 快：从文章到成片，30分钟搞定
- 专业：配音 + 动画 + 竖屏，抖音风满满
- 可控：配音先行，时间轴精准把控
如果你也想快速把文章变成视频，推荐试试这套工作流！
相关技能：
edge-tts—— 免费配音合成remotion-video-toolkit—— 代码驱动的视频渲染video-creation—— 短视频创作工作流（完整攻略）
技能包下载地址：
https://gitee.com/cao15110/jineng
有问题欢迎留言交流！👇
