导语
一人公司做短视频内容获客，最大的瓶颈不是创意，而是每一条视频的边际制作成本。本文拆解基于 WorkBuddy 构建的短视频自动化流水线，覆盖脚本生成、画面生成、数字人口播、合成输出四个环节，展示如何将视频制作流程系统化、自动化。
背景：一人公司的生产力困境
传统短视频制作流程：编导写脚本 → 剪辑找素材 → 配音录声音 → 后期加字幕。一人操作，至少半天到一天，边际成本极高。
核心策略：不追求单条爆款，追求将单条视频生产成本降至接近零，用数量覆盖概率。
流水线架构设计
第一环：脚本生成模块
输入 ：关键词 输出：结构化 JSON（含选题、hook、干货段落、引导语）
架构设计：
- 选题 Skill：输入关键词，自动生成 40 个选题方向
- 脚本 Skill：根据选中的选题，生成完整短视频脚本
- 结构固定：3 秒 hook → 干货内容 → 引导关注
- 输出格式为 JSON，供后续环节程序化读取
选择 JSON 而非文本格式，是因为后续环节对接的是工具链，工具读取 JSON 的效率远高于自然语言解析。
第二环：画面生成模块
输入 ：脚本 JSON（含画面描述词） 输出：一组画面素材（图片）
对接即梦 AI API，即梦 Skill 自动读取 JSON 中的画面描述词，逐条调用 API 生成图片。策略：生成 4-6 张，从中选取最优可用素材，不追求每张精修。
第三环：数字人口播模块
输入 ：脚本文案 输出：口播视频文件
解决一人公司"无人出镜"的痛点。数字人 Skill 接收文案，自动调用数字人平台 API 生成口播视频，口型、表情、动作后台渲染，只需指定数字人形象。
第四环：合成输出模块
输入 ：画面素材 + 数字人口播视频 输出：最终短视频文件
基于 LibTV 做底层调度，由 WorkBuddy 合成 Skill 统一接管：
- 画面素材排成时间线
- 数字人口播视频对齐到画面轨道
- 配音文件生成字幕并压制
- 添加背景音乐
- 输出最终视频
架构核心价值
确定性优先
传统模式下，每一步都需要人工决策（脚本质量、画面适配、配音效果、字幕校对），每一步都在消耗决策能量。
自动化后，仅需决策选题，其余由 Skill 链自动执行。
决策与执行分离
一人公司最值钱的不是执行能力，而是决策能力。自动化流水线将执行层完全标准化，将人的精力集中在选题决策这一高价值环节。
总结
WorkBuddy 短视频自动化链路的本质不是技术堆叠，而是将制作流程固化为可复用的系统。一人公司做内容，不需要奇迹，需要一条能自动跑的生产线和一个能持续做决策的自己。
