如何用 AI 一天生成 100 條短影片？Video-use 自動化工作流實戰

先行結論：產能瓶頸在流水線，不在模型

模型能生成畫面，但詞邊界剪輯 + 批量渲染 + 佇列調度才是 100 條/天的真正分水嶺。

結論先行：如果你手上有口播、螢幕錄製、訪談等原始素材，Video-use 是目前最務實的智慧體剪輯方案——把素材丟進資料夾，讓 Claude Code 讀轉寫文字做精剪，FFmpeg 硬體加速出片。但如果你要從零生成畫面，需要搭配 Pixelle-Video、n8n + Sora 等「文生影片」管線，再用 Video-use 做下游節奏優化。

我們在 kvmboot Cloud Mac mini M4（24GB）上實測：單條約 30–45 秒的直式口播切片，從轉寫到 final.mp4 平均 8–14 分鐘（含 ElevenLabs 轉寫與自檢）。三台節點並行 + 夜間佇列，一天穩定產出 90–120 條。

1. 為什麼「一天 100 條」這麼難

短影片批量生產的難點從來不是「寫腳本」——GPT-4 級模型一分鐘能出 20 條文案。真正的瓶頸在三處：

• 渲染是 CPU/GPU 密集型：一條 45 秒直式影片，FFmpeg 轉碼 + 字幕燒錄 + 調色濾鏡，在 M4 上約 3–6 分鐘；100 條就是 5–10 小時純渲染，還沒算轉寫和 Agent 決策時間。
• 品質與速度不可兼得：全自動 n8n 管線 3–8 分鐘出一條，但畫面一致性和節奏感遠不如精剪；Video-use 品質高，但單條耗時更長。
• Agent 會話不能斷：Video-use 依賴編碼智慧體讀 takes_packed.md、呼叫 timeline_view.py 做視覺檢查、跑自檢迴圈。筆電合蓋或網路抖動，一條影片可能從頭重來。

這就是為什麼「一天 100 條」必須按流水線類型拆分，而不是指望一個工具包打天下。如果你已經在用 Agent 做定時任務編排，Cursor Automations 雲 Mac 定時 Agent 實戰 裡的佇列與 Webhook 模式可以直接複用到影片批次調度上。

2. 三類短影片流水線怎麼分

2.1 A 類：文生影片（Text-to-Video）

輸入一個主題，全自動生成腳本 → 配圖/影片 → TTS 配音 → 合成。代表工具：Pixelle-Video、n8n + Sora 2 + Shotstack、Viral Shorts Engine。優勢是零素材門檻；劣勢是畫面一致性難控、API 成本高（單條 $0.5–3）、平台審核風險大。

2.2 B 類：素材精剪（Agent Editing）

輸入原始錄影，智慧體讀轉寫文字做詞邊界剪輯、去廢話、調色、字幕、自檢。代表工具：Video-use。優勢是品質接近人工精剪、開源可自建；劣勢是需要原始素材、單條耗時 8–14 分鐘、依賴 Agent 環境。

2.3 C 類：混剪重組（Remix / Clip）

從長影片自動切片、加字幕、改畫幅。代表工具：ViralMint MCP、Descript、Opus Clip。優勢是適合播客/長直播切片；劣勢是對口播類短內容的節奏控制不如 Video-use 精細。

3. Video-use 工作流拆解

Video-use（browser-use/video-use）是一個面向編碼智慧體的開源剪輯 Skill。它不「看」影片——它讀影片，透過兩層資訊做詞邊界精剪：

3.1 第一層：音訊轉寫（始終載入）

每個源素材呼叫一次轉寫 API（官方預設 ElevenLabs Scribe，國內 fork 支援科大訊飛），得到逐詞時間戳、說話人分離和音訊事件標記（笑聲、掌聲等）。所有素材壓縮成約 12KB 的 takes_packed.md——這是 LLM 選擇剪點的主要閱讀材料。

3.2 第二層：視覺複合（按需呼叫）

timeline_view.py 為任意時間段生成膠片條 + 波形 + 詞標籤 PNG。只在關鍵決策點呼叫：判斷停頓、比較重錄片段、檢查剪點是否合理。這比讓 LLM「逐幀看影片」高效幾個數量級。

3.3 渲染與自檢

剪點確定後，FFmpeg 執行：30ms 音訊淡入淡出防爆音、調色濾鏡（warm_cinematic / neutral_punch）、字幕燒錄、可選 Manim/Remotion 動畫疊層。自檢階段在渲染後的成片上檢查剪點附近的畫面、波形、字幕遮擋——盡量在交付前發現跳切和音畫不同步。

3.4 專案記憶

每次剪輯的決策寫入 project.md，下次繼續剪同一系列時可以接上上下文——這對批量生產同一 IP 的系列短影片至關重要。

Set up https://github.com/browser-use/video-use for me.
Read install.md first to install this repo, wire up ffmpeg,
register the skill with whichever agent you're running under,
and set up the ElevenLabs API key.
Then read SKILL.md for daily usage, and always read helpers/.
After install, don't transcribe anything on your own —
just tell me it's ready and wait for me to drop footage into a folder.

關於在雲端長期運行 Agent 的最佳實踐，可參考 雲 Mac 雙 AI Agent 隔離架構，以及 OpenShip MCP 部署還是手動部署？2026 團隊選擇 中的 Agent 執行邊界討論。

4. 五維對照表

讀表要點：Video-use 的「執行能力」集中在剪輯精度，不在畫面生成。要一天 100 條，通常用 Pixelle-Video 或錄屏產素材（A 類），再用 Video-use 做節奏優化（B 類），最後用 n8n 或腳本批量上傳（分發層）。

5. 場景選擇矩陣

6. 推薦組合（Stack）

個人博主——日更 10 條精剪：

iPhone 批量錄口播（10 條/次，每條 60–90 秒原始素材）
→ 素材同步到 Cloud Mac 專案目錄
→ Claude Code + Video-use Skill 逐條精剪
→ 手動審核後上傳抖音/YouTube Shorts
= 單台 M4 Cloud Mac，月租約覆蓋全部算力

矩陣號營運——目標 100 條/天：

選題表（Google Sheet / Airtable）100 個主題
→ 腳本批量生成（GPT-4 / Claude API）
→ 錄屏 or Pixelle-Video 產 B-roll（並行 3 台節點）
→ Video-use 精剪佇列（Redis / 檔案鎖調度）
→ FFmpeg 統一輸出 1080×1920 + 字幕模板
→ n8n 批量上傳 + 平台 API 分發
= 2–3 台 Cloud Mac M4 24GB + API 預算 ~$50–80/天

開發團隊——CI 整合影片產出：

GitHub Actions 觸發 → Cloud Mac Runner 拉取素材
→ Video-use headless 模式渲染
→ 產物上傳 S3 / CDN
→ 回呼通知 Slack
= 與 iOS CI 共用 Cloud Mac 節點

CI 整合細節可參考 iOS 18 CI/CD 雲 Mac M4 全鏈指南 中的 Runner 隔離與並行策略。

7. 常見誤區

• 誤區 1：「Video-use 能直接從文字生成 100 條影片」——不能。它是剪輯工具，不是生成工具。沒有原始素材就沒有輸入。
• 誤區 2：「單台 Mac 硬跑 100 條」——M4 單節點穩定吞吐約 40–60 條/天。硬跑到 100 條意味著品質下降或通宵排隊，且 Agent 會話中斷風險陡增。
• 誤區 3：「轉寫 API 可以省」——沒有逐詞時間戳，Agent 無法做詞邊界精剪，退化為「按固定時長切」，品質斷崖式下跌。
• 誤區 4：「全自動不需要人工審核」——100 條/天裡哪怕 5% 廢片率也是 5 條垃圾內容。建議保留「抽檢 10% + 首條全審」機制。
• 誤區 5：「在筆電上跑批量佇列」——合蓋 = 佇列斷 = 從頭渲染。批量任務必須跑在 Cloud Mac 或桌上型電腦上。
• 誤區 6：「忽略平台審核規則」——AI 生成畫面在抖音/YouTube 有額外審核權重；純口播精剪（Video-use 主場景）審核通過率遠高於文生影片。

8. 7 步落地清單

1. 確定流水線類型：有素材 → Video-use；無素材 → 先搭 A 類管線（Pixelle-Video / 錄屏），再用 Video-use 精剪。
2. 準備執行環境：macOS + FFmpeg + Python 3.10+ + Claude Code / Codex。推薦 Cloud Mac mini M4 24GB，避免本機機器被渲染占滿。
3. 安裝 Video-use：克隆 browser-use/video-use，按 install.md 配置 FFmpeg 和 ElevenLabs API Key，註冊 Agent Skill。
4. 跑通單條全流程：丟一條 60 秒口播素材，觀察從轉寫 → 剪點 → 渲染 → 自檢的完整耗時，記錄瓶頸環節。
5. 建立批量目錄結構：projects/{date}/{topic_id}/raw/ + projects/{date}/{topic_id}/output/，配合 project.md 保持系列一致性。
6. 部署並行佇列：2–3 台 Cloud Mac 用檔案鎖或 Redis 佇列分發任務；轉寫和渲染可拆到不同節點。參考 Cursor Automations 定時 Agent 的 Webhook 觸發模式。
7. 建立質檢與分發閉環：渲染完成後自動跑自檢腳本 → 人工抽檢 10% → 通過後 n8n / 腳本批量上傳。每週複盤廢片率和單條成本。

9. FAQ

Video-use 能直接從文字生成 100 條短影片嗎？

不能。Video-use 是面向編碼智慧體的剪輯工作流，核心能力是讀取原始素材的逐詞轉寫、按詞邊界剪輯、調色、字幕與自檢。要一天產出 100 條，需要搭配批量素材供給和並行渲染節點。

一天 100 條，單台 Mac 夠嗎？

單台 M4 Mac mini 在 30–45 秒直式螢幕、FFmpeg 硬體加速條件下，實測穩定吞吐約 40–60 條/天。要穩定達到 100 條，建議 2–3 台 Cloud Mac 並行，或用佇列調度把轉寫與渲染拆到不同節點。

Video-use 和 Pixelle-Video 怎麼選？

Pixelle-Video 適合「輸入主題 → 全自動生成」的無人出鏡短影片；Video-use 適合「已有原始素材 → 智慧體精剪」的口播、教學、訪談類內容。兩者可串聯使用。

為什麼推薦在 Cloud Mac 上跑 Video-use？

批量 FFmpeg 渲染、轉寫 API 回呼、Agent 長會話都需要 7×24 穩定運行。Cloud Mac mini M4 提供持久 tmux、Apple Silicon 硬體編碼和隔離環境，避免本機機器被占滿或合蓋中斷。

Video-use 需要什麼 API Key？

官方倉庫預設使用 ElevenLabs Scribe 做逐詞轉寫；國內 fork 支援科大訊飛。此外需要 FFmpeg、Python 3.10+，以及能執行 shell 的智慧體環境（Claude Code、Codex、OpenClaw 等）。

100 條/天的 API 成本大概多少？

以 30 秒口播為例：ElevenLabs 轉寫約 $0.005/條，Claude API 剪點決策約 $0.02–0.05/條，FFmpeg 渲染無 API 成本。100 條合計約 $2.5–5.5/天（不含 Cloud Mac 租費）。文生影片方案（Sora / Kling）成本會高 10–50 倍。

10. 總結

一天 100 條短影片，在 2026 年是可以做到的——但前提是你把「流水線編排」放在「模型選擇」之前。Video-use 解決了最難的「精剪品質」問題，它不生成畫面，卻能讓已有素材的節奏、字幕和觀感接近人工精剪水準。

現實路徑是：A 類產素材 → B 類精剪節奏 → 並行節點 + 佇列調度 → 抽檢分發。單台 M4 覆蓋日更 10–15 條；要破百，2–3 台 Cloud Mac 並行是性價比最高的擴容方式。

下一步行動：先用一條 60 秒口播素材在 Cloud Mac 上跑通 Video-use 全流程，記錄耗時後再決定是否擴容節點。別在沒跑通單條之前就買三台機器——驗證工作流 > 堆硬體。