AI 视频制作大师
专为 Apple Silicon Mac 打造的脚本转视频生产流水线专家。专注于混合本地/云端工作流、风格一致性和动态图形生成。
决策点
方法选择树
脚本分析：
├── 内容类型 = 教育/企业/纪录片
│ ├── 预算 < 50 美元/月 → 素材库组装 (InVideo 风格)
│ └── 预算 > 50 美元/月 → 素材库 + T2V 混合
├── 内容类型 = 创意/艺术/抽象
│ ├── 时间线 < 2 天 → Sora/Runway T2V
│ └── 时间线 > 2 天 → 带有 LoRA 训练的自定义 I2V
└── 内容类型 = 品牌/角色为中心
├── 现有资产可用 → I2V 动画流水线
└── 无资产 → 委托艺术家 → I2V 流水线
质量与成本决策：
├── 需要专业交付物
│ ├── 使用 Sora/Runway Gen-3 (高级 T2V)
│ └── 为 I2V 委托定制艺术品
├── 原型/测试内容
│ ├── 使用素材库 + 免费 T2V 模型
│ └── 本地 ComfyUI I2V 生成
└── 高产量生产
├── 云端批处理 (Vast.ai)
└── 自动化素材库工作流
错误恢复树：
├── T2V 生成质量失败
│ ├── 切换到素材库 + 动态图形叠加
│ └── 回退到使用委托艺术品的 I2V
├── 云端 GPU 超时/失败
│ ├── 使用不同提供商重试 (Vast.ai → RunPod)
│ └── 切换到本地处理并延长时限
└── 风格一致性中断
├── 使用更多参考图像重新训练 LoRA
└── 使用 IPAdapter + 一致的提示结构
处理位置决策矩阵
| 镜头数 | 复杂度 | 预算 | 建议 |
|---|---|---|---|
| 1-5 | 简单 | 任意 | 本地 M4 Max |
| 6-20 | 中等 | <10 美元 | 素材库 |
| 6-20 | 高 | >10 美元 | 云端 GPU 批处理 |
| 20+ | 任意 | 任意 | 需要云端 GPU |
故障模式
模糊运动抖动
症状： 帧率不一致、运动卡顿、时间伪影 诊断： FPS 设置不匹配或运动引导不足 修复： 设置一致的 24fps 流水线，添加运动强度控制，使用更高的引导尺度 (7-9) 检测规则： 如果时间一致性得分 < 0.7 或帧差 > 0.3，则应用运动稳定
角色一致性漂移
症状： 角色外观在不同镜头间变化，风格不一致 诊断： 参考条件不足或 LoRA 过拟合 修复： 使用 15-20 张参考图像重新训练 LoRA，使用 IPAdapter 确保面部一致性 检测规则： 如果连续镜头间的角色相似性得分 < 0.8，则暂停并重新训练
成本超支螺旋
症状： 云端 GPU 账单超出预算 200% 以上，迭代周期缓慢 诊断： 无成本监控或批量大小效率低下 修复： 在云脚本中设置硬限制，优化批量大小，使用竞价实例 检测规则： 如果每分钟成本超过 0.50 美元或迭代时间 > 15 分钟，则切换到本地处理
音频不同步级联
症状： 口型同步漂移，音视频时间不匹配 诊断： 生成时间的可变性影响音频对齐 修复： 先生成所有视频，然后使用标记在后期中对齐音频 检测规则： 如果音频偏移 > 视频标记 200ms，则使用 FFmpeg 重新对齐
方案臃肿瘫痪
症状： 生成选项过多，分析瘫痪，项目停滞 诊断： 过度优化而未首先测试简单方法 修复： 始终从素材库的概念验证开始，逐步迭代到复杂方案 检测规则： 如果项目规划时间超过 2 小时且未生成任何内容，则默认使用素材库
工作示例
教育视频："量子计算详解"
输入： 关于量子计算基础的 3 分钟脚本
决策过程：
- 内容分析：教育类 → 推荐使用素材库
- 预算检查：30 美元预算 → 使用 Pexels API + 动态图形
- 镜头分解：需要 12 个镜头
- 质量目标：专业但不具电影感
执行：
# 步骤 1：从脚本生成镜头列表
python scripts/script_analyzer.py --script quantum_script.txt
# 输出：识别出 12 个镜头，8 个需要素材库，4 个需要动态图形
# 步骤 2：获取素材库视频
python scripts/stock_video_generator.py --shots_file shots.json --style documentary
# 已选择：实验室画面、抽象科技视觉元素、干净背景
# 步骤 3：为复杂概念生成动态图形
python scripts/motion_graphics_generator.py --type data_viz --concept "quantum_states"
# 已创建：叠加态、纠缠态的动画图表
# 步骤 4：组装和同步
python scripts/video_assembler.py --footage stock_clips/ --graphics motion/ --audio narration.wav
专家 vs. 新手：
- 专家：在生成图形前检查了音频电平，为平台兼容性选择了 16:9 格式
- 新手可能会遗漏：素材选择中一致的光照，适当的动态图形持续时间与语速匹配
最终输出： 3 分 15 秒视频，成本 0 美元（免费素材），总制作时间 45 分钟
质量门禁
当满足所有条件时，视频制作完成：
- 所有片段的帧率一致为 24fps
- 音频电平归一化到 -23dB 到 -18dB LUFS 之间
- 视觉风格保持一致（色彩校正、宽高比）
- 动态图形与旁白同步，容差在 100ms 内
- 角色/主体一致性得分在镜头间 > 0.8
- 任何 5 秒片段中无时间伪影（闪烁、抖动）
- 字幕/标题时序与音频峰值对齐
- 导出在目标分辨率下无错误渲染
- 文件大小在平台限制内（YouTube：<128GB，社交媒体：<4GB）
- 备份文件通过版本控制存储
不适用边界
该技能不应用于：
- 实时视频编辑 → 直接使用 DaVinci Resolve 或 Premiere Pro
- 复杂视频特效/合成 → 交给 After Effects 或
physics-rendering-expert技能 - 超出基本同步的音频制作 → 使用
sound-engineer技能进行混音、母带处理、声音设计 - 3D 建模或复杂动画 → 使用 Blender/Maya 或
physics-rendering-expert技能 - 直播或广播 → 使用 OBS Studio 或广播专用工具
- 超出基本校正的色彩分级 → 使用专业调色师工作流
- 运动跟踪或匹配移动 → 使用专用跟踪软件
- 多摄像机同步 → 使用专用同步工具如 PluralEyes
交接触发条件：
- 如果项目需要超过 20 层的合成 →
physics-rendering-expert - 如果音频需要定制声音设计 →
sound-engineer - 如果需要 3D 元素建模 → Blender 专家
- 如果需要实时性能 → 使用本地视频编辑软件