最近看到一份AI视频项目清单，里面提到了MoneyPrinterTurbo、video-shotcraft、AI-Youtube-Shorts-Generator、FireRed-OpenStoryline和jianying-editor-skill。
乍一看，它们似乎都是"一句话自动生成视频"。但逐个核对官方仓库后，我发现这5个项目并不在同一条赛道：有的是完整内容流水线，有的是给编码Agent使用的Skill，有的是长视频切片工具，还有的是对剪映桌面端的自动化封装。
所以，本文不做"5款神器排行榜"，也不把官方演示写成个人实测。更有用的问题是：你现在卡在视频生产的哪一步，哪个项目最适合解决这个瓶颈？
说明：本文依据项目官方仓库、README和许可证信息整理，核对日期为2026年8月30日。"支持某功能"表示官方资料中存在相应能力，不代表笔者已经完成所有环境下的全流程实测。项目功能、依赖和兼容性会变化，安装前请再次查看官方说明。
一、先说结论：这5个项目不是同一种工具
一条常见的AI视频生产链路，大致可以拆成下面几步：
选题与资料
脚本与旁白
分镜与素材
剪辑、字幕和长转短
编辑器精修与最终交付
这5个项目的核心位置分别是：
MoneyPrinterTurbo：从主题或关键词出发，组织脚本、素材、配音、字幕和成片。
video-shotcraft：用镜头配方、动效示例和Remotion模板制作产品宣传片。
AI-Youtube-Shorts-Generator：从已有长视频中识别高光，生成竖屏短视频。
FireRed-OpenStoryline：通过自然语言规划视频，并在对话中持续修改故事和镜头。
jianying-editor-skill：用自然语言辅助建立剪映时间线，继续完成字幕、特效和导出。
如果你只想记住一句话：不要选"功能看起来最多"的项目，要选"最接近当前输入和交付目标"的项目。
二、MoneyPrinterTurbo：适合从一个选题开始搭流水线
项目地址：
https://github.com/harry0703/MoneyPrinterTurbo
一句话定位：输入主题、关键词或自定义脚本，自动完成脚本生成、素材匹配、配音、字幕、背景音乐和视频合成。
它适合解决什么问题？
很多新账号的难点不是不会剪，而是手里只有一个选题，不知道如何快速变成可观看的短视频。MoneyPrinterTurbo把多个环节串在一起，更接近"主题到素材拼接型短片"的自动化流水线。
按照当前官方文档，它支持WebUI、API、CLI和Agent等使用方式，可以调用多种大模型与语音服务，也支持在线素材源和本地素材。画面比例覆盖常见的9:16竖屏和16:9横屏，并支持批量生成。
适合谁？
适合知识类、资讯类、解说类短视频创作者，也适合希望把脚本、配音、字幕和合成接入内部流程的开发者。
上手前要知道什么？
第一，它更像"脚本生成＋素材检索＋自动剪辑"，并不是一个凭空生成所有画面的通用视频大模型。
第二，仓库代码采用MIT许可证，不代表整个使用过程零成本。大模型、TTS、文生视频、素材服务或自动发布服务都可能产生费用。
第三，自动匹配的画面不一定真正理解上下文。事实、素材相关性、字幕、节奏和背景音乐仍需人工审核。
如果你手里只有选题，希望尽快搭出第一版内容，MoneyPrinterTurbo是这5个项目中最接近起点的选择。
三、video-shotcraft：适合产品宣传片和电影感镜头包装
项目地址：
https://github.com/Vincentwei1021/video-shotcraft
一句话定位：它不是传统桌面剪辑软件，而是一套面向Claude Code、Codex等编码Agent的镜头配方、动效示例和Remotion视频制作方法。
它适合解决什么问题？
如果你已经有产品截图、网页、功能卖点和品牌色，却不知道镜头怎么运动、节奏如何设计、界面怎样展示得更高级，video-shotcraft的价值会比较明显。
截至本文核对日期，官方README列出了152张镜头配方卡和209个动态预览，并提供Remotion TSX实现、完整宣传片模板、节拍剪辑、音效设计和质量检查方法。它强调的不是"替你找一个随机滤镜"，而是把产品演示拆成可复用的镜头语言。
适合谁？
适合SaaS产品、桌面应用、开源项目或功能发布视频的制作人员，尤其适合已经使用Codex等编码Agent，并能接受React、TypeScript和Remotion工作流的开发者。
上手前要知道什么？
第一，它不是输入一个主题就能生成任意内容的通用视频工具。你仍要准备真实产品素材、卖点、文案和品牌规范。
第二，使用它通常需要Node.js、Remotion和浏览器渲染环境。无头Linux渲染还要留意浏览器、并发和资源下载问题。
第三，仓库采用Apache-2.0许可证，但Remotion和音频素材有各自的许可条件。尤其是商业项目，不能只看主仓库许可证就直接发布。
第四，模板演示中的截图只能当示例。正式发布前，应替换成自己的素材，并检查页面中是否包含账号、客户名称、邮箱、令牌或其他隐私信息。
如果你的目标是做产品宣传片，而不是批量生成资讯口播，video-shotcraft比"全自动成片工具"更对路。
四、AI-Youtube-Shorts-Generator：适合把长视频拆成Shorts
项目地址：
https://github.com/Anil-matcha/AI-Youtube-Shorts-Generator
一句话定位：对已有长视频进行转写、片段筛选、高光排序和竖屏重构，生成多条短视频。
它适合解决什么问题？
课程、访谈、播客、直播回放往往信息密度很高，但重新剪成多条Shorts非常耗时。这个项目的核心不是从零生成新视频，而是从长内容里寻找值得单独发布的片段。
官方文档展示了两种运行路线。默认API模式会调用MuAPI完成部分处理；本地模式使用yt-dlp、faster-whisper、FFmpeg和OpenCV处理下载、转写及画面重构。超过一定时长的视频还会被分块分析，并处理重叠片段。
适合谁？
适合已经积累课程、采访、播客、直播或知识分享长视频，希望批量复用内容的创作者和内容团队。
上手前要知道什么？
第一，它是"长视频转短视频"，不是"输入一句话生成原创Shorts"。没有长视频素材，就不是它最擅长的场景。
第二，本地模式也不等于严格离线。按照官方说明，片段选择与排序仍会调用OpenAI或Gemini等大模型服务，除非自行替换这一层。
第三，"viral score"只能作为项目内部的启发式评分，不能保证真实播放量、完播率或平台推荐结果。
第四，README标注项目采用MIT许可证，但代码许可证不会自动授予源视频的转载权。用YouTube链接下载成功，也不代表获得了改编、商用或再次发布的权利。
如果你有大量自己的长视频，AI-Youtube-Shorts-Generator能明显缩短"找高光＋做竖屏适配"的时间。
五、FireRed-OpenStoryline：适合边聊边改的故事化视频创作
项目地址：
https://github.com/FireRedTeam/FireRed-OpenStoryline
一句话定位：以自然语言驱动视频规划和编辑，通过对话持续调整脚本、素材、镜头和风格。
它适合解决什么问题？
传统的一键成片更像单次任务：输入要求，等待结果。如果结果只差一个镜头，往往还要重新生成。FireRed-OpenStoryline强调human-in-the-loop，也就是让人持续参与，用自然语言提出局部修改，而不是把控制权完全交给模型。
根据官方资料，它可以进行在线素材搜索和整理、脚本生成、片段切分与内容理解，并把可复用的编辑风格保存为Skill。项目提供CLI、Web、MCP Server、Docker和Agent Skills等入口。
适合谁？
适合希望在对话中反复打磨故事线、需要复用团队风格，或者愿意搭建较完整AI多媒体环境的创作者和开发者。
上手前要知道什么？
第一，它在这5个项目中部署门槛相对较高。官方推荐Python 3.11和Conda环境，还要下载模型与资源、安装依赖并配置API Key。
第二，Linux和macOS提供了自动化安装路线，Windows需要手动处理部分模型和资源，因此Windows新手要预留更多排错时间。
第三，完整功能可能涉及LLM、视觉模型、TTS、在线素材和AIGC视频服务。项目能在本机启动，不代表所有素材和请求都只在本地处理。
第四，自动搜索到的素材、字体、音乐和AI转场仍有独立许可与成本。官方仓库采用Apache-2.0，也只解决代码层面的许可问题。
如果你看重"可以继续对话修改"，而不是一次生成后就结束，FireRed-OpenStoryline值得优先研究。
六、jianying-editor-skill：适合把自动化结果送进剪映继续精修
项目地址：
https://github.com/luoluoluo22/jianying-editor-skill
一句话定位：使用自然语言辅助完成素材导入、配音、字幕、音乐、特效、时间线编排和导出，并保留剪映工程供人工继续调整。
它适合解决什么问题？
很多创作者并不想抛弃剪映，而是希望把重复操作自动化，例如批量铺素材、加字幕、放音乐、套基础特效，再回到熟悉的时间线上处理细节。jianying-editor-skill更像剪映工作流的自动化助手，不是剪映的开源替代品。
适合谁？
适合已经使用剪映专业版交付，希望用Agent建立工程、处理字幕或生产模板化内容的创作者。
上手前要知道什么？
第一，官方README当前把Windows与剪映专业版5.9及以下作为功能最完整的组合，自动导出也依赖该版本范围。软件升级后，自动化链路可能失效。
第二，macOS支持仍带有实验性质，而且不支持完整自动导出；CapCut国际版和移动端也不在当前支持范围内。
第三，它需要兼容Skill的Agent。当前README主要列出的客户端并不等于对所有Agent都完成了零配置适配。如果准备用于Codex，应按仓库结构核对Skill加载方式和实际能力。
第四，仓库采用MIT许可证，但剪映软件、云端音乐、字体、特效以及用户导入素材仍受各自条款约束。
第五，如果README提供了从网络下载后直接执行的脚本，不建议不经检查就复制运行。更稳妥的做法是先查看仓库、锁定版本、阅读脚本，再在独立测试环境中安装。
如果你最终仍要在剪映里细修，它比强行更换整套编辑器更贴近现有习惯。
七、5秒选型：你现在卡在哪一步？
只有一个选题，不知道如何变成脚本和素材：
优先看MoneyPrinterTurbo。
已经有产品截图和卖点，想做电影感宣传片：
优先看video-shotcraft。
已经有课程、访谈、播客或直播长视频：
优先看AI-Youtube-Shorts-Generator。
想像聊天一样持续调整故事、镜头和风格：
优先看FireRed-OpenStoryline。
最终一定要进入剪映继续精修：
优先看jianying-editor-skill。
电脑配置一般：
优先选择可以调用云端API的路线，但要提前设置预算上限，并确认素材是否允许上传第三方服务。
处理客户素材或内部资料：
重点检查数据到底在哪里处理。所谓"本地部署"可能只是控制程序在本地运行，模型、转写、配音或素材搜索仍然会访问外部API。
八、这5个项目能不能串起来？
可以组合，但不要误以为它们是即插即用的一套产品。项目之间的素材目录、时间线、字幕格式、依赖和运行环境并不统一，通常需要人工导出、转换或写一层胶水代码。
比较现实的组合有以下几种：
从零做知识短视频：
MoneyPrinterTurbo生成第一版脚本和素材型成片，再进入剪映检查事实、字幕、节奏和品牌元素。
做产品发布宣传片：
video-shotcraft负责镜头语言和Remotion渲染，必要时再把成片或素材导入剪映完成配音、字幕和平台版式适配。
建立长内容复用矩阵：
AI-Youtube-Shorts-Generator先从课程或访谈中找高光，再进入剪映统一封面、字幕样式、片尾和账号视觉。
探索故事化视频：
FireRed-OpenStoryline负责对话式规划与迭代，确认故事线后再进入固定编辑流程完成交付。
真正高效的做法不是让一个项目包办全部，而是让每个模块只解决自己最擅长的问题，并保留人工验收节点。
九、新手第一次测试，建议按这7步走
第1步：只选一个项目。
先写清楚自己已有的输入和想得到的输出。例如"我有一段10分钟自有访谈，希望得到两条60秒竖屏短片"。不要一次安装5个项目，否则出现问题时很难定位。
第2步：先检查仓库身份。
核对owner、仓库完整地址、README、LICENSE、Release和最近维护情况。同名仓库可能不止一个，功能和安装方式不能混用。
第3步：准备无隐私的测试素材。
使用自己拥有版权的30至60秒样片，不要一开始就上传客户文件、内部录屏、身份证件、聊天记录或带账号信息的界面截图。
第4步：在独立环境中安装。
Python项目使用独立虚拟环境，Node项目锁定依赖版本。不要在不了解脚本内容的情况下，把远程下载命令直接交给Shell执行。
第5步：只配置最少能力。
先接通一个LLM、一个语音或一个素材源，跑通最短链路后再增加功能。云端API要设置额度提醒，密钥只放在环境变量或专用配置文件中，不要写进文章、截图和代码仓库。
第6步：人工检查输出。
至少检查事实、字幕、画面与旁白是否匹配、音乐和字体授权、人物肖像、节奏、片尾信息以及平台规则。
第7步：小批量稳定后再自动发布。
先连续生成少量视频，记录失败率、单条成本和人工修正时间。没有人工审核前，不建议直接连接批量发布账号。
十、最容易踩的6个坑
- 开源不等于免费
代码可免费获取，不代表大模型API、转写、配音、文生视频、GPU、存储和素材授权都免费。
- 代码许可证不等于成片授权
仓库许可证主要约束代码。源视频、图片、音乐、字体、人物肖像和模型输出可能有独立权利要求。
- 本地部署不等于数据不出电脑
只要配置了第三方LLM、TTS、素材搜索或视频生成API，部分数据就可能发送到外部服务。
- 一键成片不等于一键发布
自动生成结果仍可能存在事实错误、错别字、音画不匹配、人物不一致、节奏拖沓和平台审核风险。
- Skill不等于完整应用
Skill通常只是Agent的操作说明和工具封装，真正运行还需要Python或Node环境、浏览器、FFmpeg、模型、素材和凭据。
- 热度不等于生产成熟度
GitHub Star只能说明关注度。正式使用前还要看许可证、Release、Issue维护、安装文档、失败恢复、版本锁定和长期维护情况。
十一、总结
这5个项目没有绝对的第一名，因为它们解决的根本不是同一个问题。
从一个选题起步，优先看MoneyPrinterTurbo；做产品宣传片，优先看video-shotcraft；把课程、访谈或播客拆成Shorts，优先看AI-Youtube-Shorts-Generator；想通过对话不断修改视频，优先看FireRed-OpenStoryline；工作流最终落在剪映，就重点研究jianying-editor-skill。
与其追求"输入一句话，完全不用管"，不如把AI放在最耗时、最重复的环节，再把事实审核、审美判断、版权确认和最终发布留给人。这样才更接近一套能长期运行的自媒体工作流。
参考资料：
原始内容：
https://x.com/fhwofjow51260/status/2093676714866123231
MoneyPrinterTurbo：
https://github.com/harry0703/MoneyPrinterTurbo
video-shotcraft：
https://github.com/Vincentwei1021/video-shotcraft
AI-Youtube-Shorts-Generator：
https://github.com/Anil-matcha/AI-Youtube-Shorts-Generator
FireRed-OpenStoryline：
https://github.com/FireRedTeam/FireRed-OpenStoryline
jianying-editor-skill：
https://github.com/luoluoluo22/jianying-editor-skill
#AI视频 #开源项目 #AIGC #视频生成 #视频剪辑 #长视频转短视频 #Shorts #分镜 #剪映自动化 #Codex #自媒体 #内容创作