如何用 AI 一天生成 100 条短视频？Video-use 自动化工作流实战

先行结论：产能瓶颈在流水线，不在模型

模型能生成画面，但词边界剪辑 + 批量渲染 + 队列调度才是 100 条/天的真正分水岭。

结论先行：如果你手上有口播、屏幕录制、访谈等原始素材，Video-use 是目前最务实的智能体剪辑方案——把素材丢进文件夹，让 Claude Code 读转写文本做精剪，FFmpeg 硬件加速出片。但如果你要从零生成画面，需要搭配 Pixelle-Video、n8n + Sora 等「文生视频」管线，再用 Video-use 做下游节奏优化。

我们在 kvmboot Cloud Mac mini M4（24GB）上实测：单条约 30–45 秒的竖屏口播切片，从转写到 final.mp4 平均 8–14 分钟（含 ElevenLabs 转写与自检）。三台节点并行 + 夜间队列，一天稳定产出 90–120 条。关键词：AI 短视频 · Video-use · 自动化工作流

1. 为什么「一天 100 条」这么难

短视频批量生产的难点从来不是「写脚本」——GPT-4 级模型一分钟能出 20 条文案。真正的瓶颈在三处：

• 渲染是 CPU/GPU 密集型：一条 45 秒竖屏视频，FFmpeg 转码 + 字幕烧录 + 调色滤镜，在 M4 上约 3–6 分钟；100 条就是 5–10 小时纯渲染，还没算转写和 Agent 决策时间。
• 质量与速度不可兼得：全自动 n8n 管线 3–8 分钟出一条，但画面一致性和节奏感远不如精剪；Video-use 质量高，但单条耗时更长。
• Agent 会话不能断：Video-use 依赖编码智能体读 takes_packed.md、调用 timeline_view.py 做视觉检查、跑自检循环。笔记本合盖或网络抖动，一条视频可能从头重来。

这就是为什么「一天 100 条」必须按流水线类型拆分，而不是指望一个工具包打天下。如果你已经在用 Agent 做定时任务编排，Cursor Automations 云 Mac 定时 Agent 实战 里的队列与 Webhook 模式可以直接复用到视频批次调度上。

2. 三类短视频流水线怎么分

2.1 A 类：文生视频（Text-to-Video）

输入一个主题，全自动生成脚本 → 配图/视频 → TTS 配音 → 合成。代表工具：Pixelle-Video、n8n + Sora 2 + Shotstack、Viral Shorts Engine。优势是零素材门槛；劣势是画面一致性难控、API 成本高（单条 $0.5–3）、平台审核风险大。

2.2 B 类：素材精剪（Agent Editing）

输入原始录像，智能体读转写文本做词边界剪辑、去废话、调色、字幕、自检。代表工具：Video-use。优势是质量接近人工精剪、开源可自建；劣势是需要原始素材、单条耗时 8–14 分钟、依赖 Agent 环境。

2.3 C 类：混剪重组（Remix / Clip）

从长视频自动切片、加字幕、改画幅。代表工具：ViralMint MCP、Descript、Opus Clip。优势是适合播客/长直播切片；劣势是对口播类短内容的节奏控制不如 Video-use 精细。

3. Video-use 工作流拆解

Video-use（browser-use/video-use）是一个面向编码智能体的开源剪辑 Skill。它不「看」视频——它读视频，通过两层信息做词边界精剪：

3.1 第一层：音频转写（始终加载）

每个源素材调用一次转写 API（官方默认 ElevenLabs Scribe，国内 fork 支持科大讯飞），得到逐词时间戳、说话人分离和音频事件标记（笑声、掌声等）。所有素材压缩成约 12KB 的 takes_packed.md——这是 LLM 选择剪点的主要阅读材料。

3.2 第二层：视觉复合（按需调用）

timeline_view.py 为任意时间段生成胶片条 + 波形 + 词标签 PNG。只在关键决策点调用：判断停顿、比较重录片段、检查剪点是否合理。这比让 LLM「逐帧看视频」高效几个数量级。

3.3 渲染与自检

剪点确定后，FFmpeg 执行：30ms 音频淡入淡出防爆音、调色滤镜（warm_cinematic / neutral_punch）、字幕烧录、可选 Manim/Remotion 动画叠层。自检阶段在渲染后的成片上检查剪点附近的画面、波形、字幕遮挡——尽量在交付前发现跳切和音画不同步。

3.4 项目记忆

每次剪辑的决策写入 project.md，下次继续剪同一系列时可以接上上下文——这对批量生产同一 IP 的系列短视频至关重要。

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.

关于在云端长期运行 Agent 的最佳实践，可参考 为什么 Claude Code 要跑在云 Mac 上。

4. 五维对比表

读表要点：Video-use 的「执行能力」集中在剪辑精度，不在画面生成。要一天 100 条，通常用 Pixelle-Video 或录屏产素材（A 类），再用 Video-use 做节奏优化（B 类），最后用 n8n 或脚本批量上传（分发层）。

5. 场景选择矩阵

6. 推荐组合（Stack）

个人博主——日更 10 条精剪：

iPhone 批量录口播（10 条/次，每条 60–90 秒原始素材）
→ 素材同步到 Cloud Mac 项目目录
→ Claude Code + Video-use Skill 逐条精剪
→ 手动审核后上传抖音/视频号
= 单台 M4 Cloud Mac，月租约覆盖全部算力

矩阵号运营——目标 100 条/天：

选题表（Google Sheet / Airtable）100 个主题
→ 脚本批量生成（GPT-4 / Claude API）
→ 录屏 or Pixelle-Video 产 B-roll（并行 3 台节点）
→ Video-use 精剪队列（Redis / 文件锁调度）
→ FFmpeg 统一输出 1080×1920 + 字幕模板
→ n8n 批量上传 + 平台 API 分发
= 2–3 台 Cloud Mac M4 24GB + API 预算 ~$50–80/天

开发团队——CI 集成视频产出：

GitHub Actions 触发 → Cloud Mac Runner 拉取素材
→ Video-use headless 模式渲染
→ 产物上传 S3 / CDN
→ 回调通知 Slack
= 与 iOS CI 共用 Cloud Mac 节点，参考 iOS CI 全链指南

CI 集成细节可参考 iOS 18 CI/CD 云 Mac M4 全链指南 中的 Runner 隔离与并行策略。

7. 常见误区

• 误区 1：「Video-use 能直接从文字生成 100 条视频」——不能。它是剪辑工具，不是生成工具。没有原始素材就没有输入。
• 误区 2：「单台 Mac 硬跑 100 条」——M4 单节点稳定吞吐约 40–60 条/天。硬跑到 100 条意味着质量下降或通宵排队，且 Agent 会话中断风险陡增。
• 误区 3：「转写 API 可以省」——没有逐词时间戳，Agent 无法做词边界精剪，退化为「按固定时长切」，质量断崖式下跌。
• 误区 4：「全自动不需要人工审核」——100 条/天里哪怕 5% 废片率也是 5 条垃圾内容。建议保留「抽检 10% + 首条全审」机制。
• 误区 5：「在笔记本上跑批量队列」——合盖 = 队列断 = 从头渲染。批量任务必须跑在 Cloud Mac 或台式机上。
• 误区 6：「忽略平台审核规则」——AI 生成画面在抖音/视频号有额外审核权重；纯口播精剪（Video-use 主场景）审核通过率远高于文生视频。

8. 7 步落地清单

1. 确定流水线类型：有素材 → Video-use；无素材 → 先搭 A 类管线（Pixelle-Video / 录屏），再用 Video-use 精剪。
2. 准备执行环境：macOS + FFmpeg + Python 3.10+ + Claude Code / Codex。推荐 Cloud Mac mini M4 24GB，避免本地机器被渲染占满。
3. 安装 Video-use：克隆 browser-use/video-use，按 install.md 配置 FFmpeg 和 ElevenLabs API Key，注册 Agent Skill。
4. 跑通单条全流程：丢一条 60 秒口播素材，观察从转写 → 剪点 → 渲染 → 自检的完整耗时，记录瓶颈环节。
5. 建立批量目录结构：projects/{date}/{topic_id}/raw/ + projects/{date}/{topic_id}/output/，配合 project.md 保持系列一致性。
6. 部署并行队列：2–3 台 Cloud Mac 用文件锁或 Redis 队列分发任务；转写和渲染可拆到不同节点。参考 Cursor Automations 定时 Agent 的 Webhook 触发模式。
7. 建立质检与分发闭环：渲染完成后自动跑自检脚本 → 人工抽检 10% → 通过后 n8n / 脚本批量上传。每周复盘废片率和单条成本。

9. FAQ

Video-use 能直接从文字生成 100 条短视频吗？

不能。Video-use 是面向编码智能体的剪辑工作流，核心能力是读取原始素材的逐词转写、按词边界剪辑、调色、字幕与自检。要一天产出 100 条，需要搭配批量素材供给和并行渲染节点。

一天 100 条，单台 Mac 够吗？

单台 M4 Mac mini 在 30–45 秒竖屏、FFmpeg 硬件加速条件下，实测稳定吞吐约 40–60 条/天。要稳定达到 100 条，建议 2–3 台 Cloud Mac 并行，或用队列调度把转写与渲染拆到不同节点。

Video-use 和 Pixelle-Video 怎么选？

Pixelle-Video 适合「输入主题 → 全自动生成」的无人出镜短视频；Video-use 适合「已有原始素材 → 智能体精剪」的口播、教程、访谈类内容。两者可串联使用。

为什么推荐在 Cloud Mac 上跑 Video-use？

批量 FFmpeg 渲染、转写 API 回调、Agent 长会话都需要 7×24 稳定运行。Cloud Mac mini M4 提供持久 tmux、Apple Silicon 硬件编码和隔离环境，避免本地机器被占满或合盖中断。

Video-use 需要什么 API Key？

官方仓库默认使用 ElevenLabs Scribe 做逐词转写；国内 fork 支持科大讯飞。此外需要 FFmpeg、Python 3.10+，以及能执行 shell 的智能体环境（Claude Code、Codex、OpenClaw 等）。

100 条/天的 API 成本大概多少？

以 30 秒口播为例：ElevenLabs 转写约 $0.005/条，Claude API 剪点决策约 $0.02–0.05/条，FFmpeg 渲染无 API 成本。100 条合计约 $2.5–5.5/天（不含 Cloud Mac 租费）。文生视频方案（Sora / Kling）成本会高 10–50 倍。

10. 总结

一天 100 条短视频，在 2026 年是可以做到的——但前提是你把「流水线编排」放在「模型选择」之前。Video-use 解决了最难的「精剪质量」问题，它不生成画面，却能让已有素材的节奏、字幕和观感接近人工精剪水准。

现实路径是：A 类产素材 → B 类精剪节奏 → 并行节点 + 队列调度 → 抽检分发。单台 M4 覆盖日更 10–15 条；要破百，2–3 台 Cloud Mac 并行是性价比最高的扩容方式。

下一步行动：先用一条 60 秒口播素材在 Cloud Mac 上跑通 Video-use 全流程，记录耗时后再决定是否扩容节点。别在没跑通单条之前就买三台机器——验证工作流 > 堆硬件。