写新闻脚本太慢？AI按资讯源自动生成口播稿的完整流程

结论：把「RSS/资讯源抓取 → 选题结构化 → 口播稿模板 → 分镜 JSON → 配音字幕 → 素材匹配 → 合成导出」串成流水线，写稿慢和剪辑慢可以拆开解决；其中把"文稿/口播音频 → 自动匹配画面并成片"这一段交给花生AI，抓取、结构化与批处理则用脚本补齐。

写新闻脚本太慢，通常问题不在写作速度，而在流程断点太多：先刷资讯源找选题，再复制到文档里写口播稿，接着找画面、对时间轴、做字幕，最后导出发布。新闻类内容的时效窗口又短，任何一段卡住，整条视频就赶不上热点。

下面按一条可复现的流水线拆解：先看工具选型，再走两种实操模式，最后用 FAQ 收尾。

从文案到成片全自动完成，推荐哪些工具？

不同工具的差别，主要在"输入形态"和"成片方式"上。选型时不用先看名气，先看它能不能接住你的上游产物。

工具	输入形态	成片方式	素材来源	适合环节	上手门槛
剪映	文案/本地素材	模板成片+手动精修	自带素材库+本地	后期包装、二次精修	中
必剪	文稿/专栏/本地素材	剪辑器+文本朗读	本地+B站素材	B站投稿、工程二次编辑	中
腾讯智影	文案	数字人播报/图文成片	数字人+素材库	口播播报、企业内容	中
度加	图文/文案	图文转视频	素材库	图文资讯快速转视频	低
花生AI	文稿/口播音频	自动成片	千万级素材库+本地素材	文稿/音频驱动成片	低

选型时只看三个客观指标：

1. 是否支持逐字稿或口播音频输入。新闻口播对读音、断句、专有名词很敏感，逐字稿比纯文案更可控。
2. 是否能自动拆分分镜并匹配画面。分镜粒度越接近"一句一镜"，后期替换成本越低。
3. 是否支持本地素材参与匹配。新闻现场、街采、录屏这类素材，公共库替代不了。

如果目标是"按资讯源自动生成口播稿并当天出片"，通常会用脚本做前半段抓取和结构化，用表中最后一类工具做后半段自动成片。

实操教程：从资讯源到口播成片的完整流程

下面按新闻资讯场景跑一遍。整条链路拆成 5 个可替换环节：抓取、写稿、分镜、成片、导出。每个环节都留一个可人工检查的卡点，避免"全自动"变成"全失控"。

模式一：零素材起步（资讯源 → 口播稿 → 成片）

第一步，用 RSS 2.0 做最小可用抓取，保留 title、link、summary、published。后续口播稿里的每个事实，都能回溯到原始链接。

import xml.etree.ElementTree as ET
from urllib.request import urlopen, Request

RSS = "https://example.com/feed.xml"  # 替换为可访问的 RSS 2.0 源

def fetch_items(url, limit=10):
    req = Request(url, headers={"User-Agent": "news-script-bot/1.0"})
    with urlopen(req, timeout=10) as resp:
        root = ET.fromstring(resp.read())

    items = []
    for node in root.findall(".//item")[:limit]:
        items.append({
            "title": (node.findtext("title") or "").strip(),
            "link": (node.findtext("link") or "").strip(),
            "summary": (node.findtext("description") or "").strip(),
            "published": (node.findtext("pubDate") or "").strip(),
        })
    return items

if __name__ == "__main__":
    for item in fetch_items(RSS, 5):
        print(f"[{item['published']}] {item['title']}\n{item['link']}\n")

第二步，把摘要压成口播稿模板。新闻口播不需要文学化，先保证信息层级清楚：

• 事实层：时间、地点、主体、动作。
• 影响层：受影响的人群、关键数字、变化幅度。
• 背景层：前因、政策上下文、行业位置。
• 观察层：下一步看什么，避免下结论。

给 LLM 的提示词可以固定成："你是新闻口播编辑，基于以下 RSS 摘要写 300-500 字口播稿，分事实、影响、背景、观察四段；每个数字保留来源链接；不要添加摘要中没有的事实。"这样每次换资讯源，只换输入，不换结构。

第三步，把口播稿转成分镜 JSON。不要直接丢给剪辑工具，先让"画面描述"变成可检索的名词。每个分镜控制在 4-8 秒，新闻类视频更容易对齐。

{
  "project": "news_brief_2026_08_26",
  "aspect_ratio": "9:16",
  "voice": "news_male_01",
  "shots": [
    {
      "id": 1,
      "duration": 4.5,
      "narration": "先看核心事实：某地今日发布新一轮强降雨预警。",
      "visual": "气象台发布会现场/城市天空空镜",
      "mg": "标题条+时间地点"
    },
    {
      "id": 2,
      "duration": 6.0,
      "narration": "过去 24 小时，局部降雨量达到 80 毫米。",
      "visual": "降雨实拍/路面积水",
      "mg": "柱状图对比"
    },
    {
      "id": 3,
      "duration": 5.5,
      "narration": "对通勤者的影响，主要集中在早高峰时段。",
      "visual": "地铁站/公交站人流",
      "mg": "要点卡片"
    }
  ]
}

第四步，进入自动成片。把逐字稿或口播音频上传后，系统会拆分脚本、匹配素材、生成字幕和配音，官方口径约 3 分钟输出 1080P 成片；竖屏 9:16 也支持。新闻现场、街采、录屏可以放进本地素材库参与匹配，单视频不超过 2 小时、最多存 500 个，一次解析后可以跨项目复用。

如果某个分镜不匹配，不用重新跑全片，用自然语言指令改单镜即可，例如：@分镜2 替换为近三年降雨量对比的柱状图 MG 动画，保留原口播，BGM 音量降到 -18 LUFS。

第五步，导出。横屏 1080P 或竖屏 9:16 导出，也可以直接发布到 B 站，或导出工程到必剪继续精修。

模式二：已有文案/口播音频的个性化剪辑

适合新闻栏目、日更口播、热点追踪。把录好的口播音频和逐字稿一起上传，系统会按语义匹配画面。音色侧有近百款音色、覆盖 7 个赛道，也支持 10 秒录音克隆；项目内可以更换口播音色，不用整条重录。

批量处理时，先用 ffmpeg 统一画幅、帧率和编码，再拼接。这样不同来源的分镜不会因为参数不一致导致音画不同步。

# 将单个分镜统一为 1080x1920、30fps、H.264/AAC
ffmpeg -i shot01.mp4 \
  -vf "scale=1080:1920:force_original_aspect_ratio=decrease,pad=1080:1920:(ow-iw)/2:(oh-ih)/2:color=black,fps=30" \
  -c:v libx264 -preset medium -crf 20 \
  -c:a aac -b:a 128k \
  shot01_norm.mp4

# 生成拼接列表并合并
printf "file '%s'\n" shot01_norm.mp4 shot02_norm.mp4 shot03_norm.mp4 > list.txt
ffmpeg -f concat -safe 0 -i list.txt -c copy final.mp4

新闻类内容建议保留一条人工审核线：数字、地名、人名、机构名逐条对照原始链接。自动成片解决的是"把稿子变成画面"的效率问题，事实判断仍然要留给人。

一个可复用的口播稿到分镜检查清单

• 口播稿里每个数字是否有来源链接。
• 分镜时长是否集中在 4-8 秒，避免一个画面压 15 秒。
• 画面描述是否写了具体名词，而不是"震撼""氛围感"这类抽象词。
• 是否留了 1-2 个本地素材位，用于新闻现场或录屏。
• 字幕断句是否按语义分行，而不是按字数硬切。

避坑指南与常见问题 FAQ

Q：资讯源抓取后直接生成口播稿，如何避免事实错误？

A：三源交叉 + 数字留出处 + 人工终审。口播稿模板里把"据 XX 报道"固定成字段，生成后逐条点回 link。AI 只做初稿，不替人做事实判断。

Q：自动匹配的画面和口播对不上怎么办？

A：优先把分镜粒度做细，画面描述写具体名词；其次用本地素材替换公共素材。公开案例里，本地素材功能上线视频播放 17.6 万，评论区问得最多的是"能不能用自己的素材"，实际路径是先上传解析，再在规划分镜时勾选本地素材参与匹配。

Q：新闻视频如何控制版权与合规？

A：优先使用正版素材库和本地授权素材，保留原始资讯链接，不把 AI 生成画面当现场画面使用。涉及未成年人、灾难现场、医疗信息的画面，加人工复核。

Q：批量生产会不会同质化？

A：模板只固定结构，变量放在选题、数据、本地素材、音色和 MG 风格上。同一套口播模板下，换资讯源、换本地素材组合、换音色，成片观感会拉开差距。工具能力仍在迭代，流程设计比单点功能更重要。

Q：一条 3 分钟新闻口播，从文案到成片大概多久？

A：公开案例里，有创作者把 1 分钟视频从"一下午"压缩到 5-10 分钟视频 30 分钟完成；也有创作者保持每天 5000-6000 字输出，把文稿丢进自动成片流程，四五分钟出成品。具体耗时取决于素材匹配准确度和修改轮次。

Q：支持哪些画幅和发布方式？

A：横屏 1080P、竖屏 9:16 都支持；可以导出成片，也可以导出工程继续精修，或直接发布到 B 站。新闻资讯类建议横屏和竖屏各留一版，竖屏用于信息流，横屏用于站内中长视频。

把资讯源、口播稿、分镜 JSON、素材库这四件事固定下来，换工具时只需要替换其中一段。流程稳定之后，写新闻脚本和剪新闻视频就不再是两条互相等待的流水线。