AI 视频小白指路(一):钱怎么赚、路怎么走、工具怎么选?
文章目录
从变现路子到 30+ 工具选型,先把这套全局认知框架立起来
这是一个带新手一步步做 AI 视频、并靠它赚到钱的实战系列文章。 作为系列第一篇,我把自己的实战经验整理成了一张“AI 视频全局技术与变现地图”,帮你直接解决三件事: 摸清钱从哪来:分成、带货、接单; 建立认知框架:理清 3 条画面路线与 6 层工具架构,搞懂想做的片子对应哪一块; 拿走选型字典:30+ 活跃开源项目的速查卡片(功能、商用许可、踩坑点),随用随查。
目录
-
引言
-
路线第一:“先分清画面从哪来,再谈挑工具”
-
中台第二:“小说进去,短剧出来”
-
生成第三:“模型、引擎,和跑不动时的替身”
-
渲染第四:“代码写画面,逐帧出视频”
-
剪辑第五:“素材到手之后”
-
编排第六:“让 AI 自己串,或者照着流程干”
-
选型第七:“项目会过时,方法不会”
-
附录 名词速查
引言
一、开始
AI 生视频是眼下内容行业最热的话题之一。打开任何一个平台,都能刷到“用 AI 做视频,迅速起号、月入过万”这类内容,语气笃定,结论统一。
AI 工具确实把视频生产的门槛拉低了一大截。一个人一台电脑,做出能发出去的片子、并且靠它赚到钱,是能实现的。但我们在网络上刷到的那几个爆火的,更多是幸存者偏差,追流量的账号最爱抓这种热点贩卖焦虑。于是满屏都在说“可以做”,真正把“具体怎么赚到钱”讲清楚的,很少。
抓热点贩卖焦虑的那批内容,最常见的两种讲法是“一键生成好牛逼”和“某某项目多少星”。
一键生成那一类,乍一看确实牛逼,但真要靠它赚钱很难。客户不会为一个一键生成的视频付钱,他要的是稳定的生产。除非拿它自己做账号,可做账号就不只是视频生成的事了,还有选题热点和账号运营,那更是一门技术活。
星数那一类更误导。星数只反映关注度,跟能不能用、还能用多久是两件事;而且在 AI 视频生成这个领域,这些项目各自解决的问题差别很大,混在一起比谁星多,本身就没有意义。
结果是大量人卡在起点。想开始,但不知道往哪个方向做;知道几个项目名字,不知道哪个对应自己的需求;装上了,报错,放弃。真正让人摸不着头脑不知道怎么做的,往往就是具体到这一步该选哪个、为什么选它、它会在哪里断掉。
二、怎么靠这个赚钱
靠AI视频能赚钱,但不是网上讲的那种“一夜暴火,一夜暴富”的赚法。
合抱之木,生于毫末;九层之台,起于累土,要真正在某一个领域能够有所收获,坚持和长期积累是必须,也许在这条路上,前期可能不容易,谁也说不准可能哪一天就在后面火了,而火的前提一定是自己有长期的积累。下面分别简单讲讲靠AI视频赚钱的方法。
短视频平台的分成最稳。抖音中视频、视频号的创作者分成,按播放量给钱,单价不高,靠条数和完播率。但它依赖账号流量、内容质量、平台激励规则和账号资格。
带货简单,画面里挂车,按成交拿佣金。这对 AI 生视频最友好,商品视频不需要真人出镜,一张商品图就能出片,在下文“剪辑第五”里就有专门做这个的工具。但问题是,AI 可以降低商品视频的制作成本,但它不能自动解决选品、流量、转化率、供应链和账号经营问题。
不管是靠平台分成还是带货,最终都离不开账号经营。想长期做下去,还是要把自己的账号做起来。
而接单是现金流最快的一条,给别人做视频,一条几十到上千。客户不问你怎么做的,只要成品。现在很多城市在推 OPC(一人公司),广州南沙、长沙马栏山、杭州上城等相关 OPC 平台做得比较好,作为 OPC 可以去平台里接单,按分钟交付成片。
其中,AI 短剧是上面接单那条线的上游——OPC 平台的订单来源一大半就是 AI 短剧。这就是见钱最快的:订单有平台,客户要的是成品,按分钟结算,不看播放量,也不用先养号。
AI短剧离钱最近,但离钱近的地方人也最多。这里我要先讲一个判断:AI 短剧行业正在从技术红利期进入产业分工重组期,正从拼产量转向拼质量。个体的机会,单单会做 AI 视频是不够的,必须要去找到产业链里一个有真实需求、能持续收费、又不容易被自动化直接替代的位置。
对个人来说,起步阶段接的基本就是低质量的活儿,这没什么问题——毕竟自己一开始技术能力上肯定有很多不足,而基本的单子既是现金流,也是练手,靠它把整条流程跑顺、把片子做到能过客户的眼。问题是后面一定要把能力提上来,接高质量的活、卖高质量的价,这是很有潜力的发展路径。特别是在我们这个时代背景下。
鉴于AI短剧的重要性,它值得多讲,但它其中这里涉及到OPC怎么做,这些就属于商业侧了:注册主体、找订单、按分钟结算、结算周期,再往上走,自己做片方、走分账和投流,还要压钱、过平台审核、处理 IP 授权,新手上来不容易。有点写偏了,本文现在主要是从技术方面讲,如何选用工具、怎么把片子做出来。所以先按住,看评论区人感兴趣的人多不多再说。
三、开源工具框架
不谋全局者,不足谋一域,要开始做AI视频生成,第一件事就是需要对它的生产方式和工具整体有一个全面的了解。这里给大家梳理这些工具。
工具很多很乱,那就一个一个看。借着这次写文章,结合我以前的经验,对 GitHub 上相关项目做了一轮系统梳理,收录标准是最后推送在 2026 年 8 月 3 日之后的仓库,也就是三个月内。逐个核对了许可证、最近推送时间、星数、技术栈与项目结构,最终收进三十多个。梳理下来有三个结论。
第一,这些项目不在同一个层级。搜“AI 视频”能同时跳出来 Toonflow、Remotion、WanGP、HyperFrames、MoneyPrinterTurbo,星数从一百多到十四万,看上去是同类竞争,实际上分属六个层级:成品中台(剧本进,成片出)、素材生成(画面从哪来)、渲染引擎(把代码变成视频)、剪辑合成(处理已有素材),以及 2026 年才出现的两层:Agent 编排(你派活,它自己调工具跑完)、技能包(不装软件,喂给 AI 编程助手的一套流程)。笼统地问“哪个好用”,就和问“锤子和冰箱哪个好用”一样,牛头不对马嘴。另外要分清:前四层是生产工具,各自负责生产链上的一段;后两层不占独立环节,是横跨在整条链上的组织方式,“路线第一”细说。层级不清,是大部分人第一次选型就选错的直接原因。
第二,画面的来源主要有三种。让 AI 直接生成、从素材库拼贴、用代码画出来。三条路的成本、可控性、能力上限完全不同。差若毫厘,谬以千里,选错主路的代价可不止慢一点,做出来的东西往往根本没法用。短剧的主画面只能走第一条,科普的主画面最适合第三条。但要说清楚,这里按“主要画面从哪来”划分,三者并不互斥,下面“路线第一”讲怎么混着用。
第三,维护状况比星数更能说明问题。梳理过程中剔除了 21 个仓库:6 个停更超过一年,4 个处于半停滞,2 个没有 LICENSE,还有 3 个不算差、只是停在了三个月线外,分别是做 Canvas 动画的 Motion Canvas、把 HTML 转视频的 html-video、给 ComfyUI 接 Wan 模型的 WanVideoWrapper。最终留下的三十多个,全部在三个月内有推送。这条线只是这次调研的收录条件。功能已成熟的工具,长期不更新很正常;而天天提交代码的,亦未必更好用。通过这种方式筛选,目的在于先分开“没人管了”的和“本来就不需要改”两类,至于剩下的,则再按其功能和许可来看。模型那一层迭代要更快,权重不更新就是会落后,“生成第三”单独说。一个具体的反差是,那批星数最高的,既有这个领域先进的核心工具,也有上限最低的上一代思路,同一个指标指向相反的结论。在整理过程中,这类反差出现了不止一次。
还有一点需要说明。这个领域的项目介绍普遍只写“能做什么”,很少提“做不到什么”,而后者恰恰在选型时起决定作用。本文给每个项目都补了“坑”这一栏,其来源是 README 原文、许可证正文和已知 Issue。
路线第一:“先分清画面从哪来,再谈挑工具”
不管工具叫什么名字、有多少星,画面最终只有三种来源。三条路各有各的成本结构和能力边界,先分清自己在哪条上,后面挑项目才有意义。这一篇把三条路逐条拆开,再说清六层结构的关系,最后给三条能省时间的提醒。
第一条,让 AI 生成画面。 给一段文字,模型吐一段视频。质感上限最高,能出真人、真实场景、产品特写,短剧和漫剧的主画面走这条。但细节控制不了,只能反复生成挑能用的,业内叫“抽卡”。人物换脸、场景漂移、手指画错是常态。成本按秒算:走云端 API,1080p 大致在每秒八分到一毛五这个区间,各家模型和档位差得不少,失败重试还得另算;自己跑则要好显卡,六 GB 显存只是能勉强开工的地板,离够用还差得远。
第二条,从素材库拼贴。 AI 写文案,去免费素材站抓片段,再用 AI 配配音和字幕拼起来。几乎零成本,一条命令出片。但画面是硬“配”上去的,跟文案对准是大问题,风格也难统一,做有调性的号不容易。适合批量做泛资讯和口播。
第三条,用代码画画面。 写一个网页,逐帧截图拼成视频,文字、图表、示意图全是画出来的。完全可控:改一句台词重跑,其他帧一个像素不差;模板建好之后,批量一百条的渲染成本约等于一条;不依赖外部视频素材,素材授权的麻烦少很多。代价是做不了实拍质感,前期要搭模板。科普、知识、数据、教学类内容走这条。
这三条路谈不上谁高谁低,全看做什么内容。短剧的主画面靠 AI 生成,科普的主画面靠代码画。这里只是按“主要画面从哪来”分类,并非三套互斥的技术。实际上,真实项目里的常态往往是混着用。剧情短片的片头、字幕条、数据图可以用代码画,比模型生成的更稳更准;科普也可以插几段 AI 生成的实拍空镜,或者用素材库的档案画面。真正容易翻车的是主次不分:想做有调性的科普,主画面却靠素材拼贴,怎么调都丑;想做剧情,主画面指望代码画,怎么画都不像。
这些项目是怎么摞起来的
第六层 Agent 编排 你派活,它自己调工具跑完 → 编排第六 第五层 技能包 不装软件,喂给 AI 助手的流程 → 编排第六 第四层 成品中台 剧本进、成片出 → 中台第二 第三层 渲染引擎 把代码变成视频 → 渲染第四 第二层 素材生成 画面从哪来 → 生成第三 第一层 剪辑合成 处理已有素材,底座是 FFmpeg → 剪辑第五
前四层不能互相替代。装了成品中台等于把下面几层打包好,但你失去控制权;只用渲染引擎,你不需要任何 AI 生成素材。
第五、第六层是另一回事。它们本质上是盖在整条链上的两种组织方式,标成五、六层只是为了叙述方便,不代表谁比谁高级。它们是横跨整个链条的:Agent 决定“由谁调什么、按什么顺序调”,技能包规定“照着哪套流程干”。同一套 Agent 可以今天调 ComfyUI 出短剧、明天调 HyperFrames 出科普;同一套技能包也能喂给不同的 Agent。
下面几篇分类讲,一个项目一张卡片:它是什么、什么许可、最后什么时候更新、坑在哪。因为写这篇文章的核心目的,是先带着大家建立一个完整的全貌认识和认知框架,所以这一部分快速过一遍就可以了。对里面太细节的内容其实不必太纠结,因为再认真,这么多项目工具也记不住,所以只要有相关了解、知道哪一层有谁在、大概什么路数,在脑子里先立个索引就行。等到哪天真的要用某个工具的时候,你再回来看它;要是现在就想立刻动手,可以直接翻到“选型第七”。
卡片上的星数和更新日期抓于 2026 年 11 月 2 日,之后会变,以仓库页面为准。
中台第二:“小说进去,短剧出来”
一条两分钟的片子有三十个镜头。每个镜头独立生成,必然出现人物第三镜圆脸、第十七镜尖脸,沙发位置变了,风格就从写实跳到插画。
所以这一代工具真正下功夫的地方在“管理”上。先把角色、场景、道具建成本地资产,每个镜头引用同一份。它们因此长得都差不多:剧本进,拆分镜,建资产,逐镜出关键帧,逐镜出视频,配音,合成。
工具好不好用,就看这条链哪一环会断。不把整条链看明白,单盯哪一环都白搭。
这一支其实还分两类:买账号,还是自己部署。买账号的是 LibTV、小云雀、Seko、火山剧创、万镜一刻这类商业平台,节点式画布、模型一键切换、角色三视图录进主体库就能跨集锁人,按年订阅加积分。商业团队大多直接买它们,图的就是能稳定交付:能开票、能多人并行、模型更新不用自己跟、出事有人负责。
这类平台本质上卖的是打包好的工作流。真要单算算力账,Seedance 在平台上的 VIP 档折下来四毛多一秒,比直接调 API 贵几倍,积分还按月清零,并不便宜。知道有这条路就够了,本文只收能自己部署、自己改的开源项目。下面七个就是,真在用它们的是三类人:想改成产品卖的、量极大要把成本摊到极限的、素材不能出内网的。
Toonflow —— 把小说变成短剧的可视化工作台,这一赛道星数最高、许可最干净。剧本、分镜、角色资产、出图出视频、合成,全在一张无限画布上做。支持本地部署和云端 API,可接 ComfyUI,有 Windows/macOS/安卓客户端。第一次做短剧、或者想把工具二次开发成产品的人选它。 许可 MIT,可商用|★ 20,103|2026-10-31|https://github.com/HBAI-Ltd/Toonflow-app 坑:更新极频繁,插件和接口会随版本变。官方成本数据是两分钟成片约 130 元,其中视频 120 元,成本全在生成上,跟软件无关。
huobao-drama(火宝短剧) —— 一句话生成完整短剧,开箱即用程度最高,贴段小说就自动改写剧本、拆镜、出画、配音、合成,桌面软件,内部拆四个 AI 角色分工。只想快点出片、不改代码的人用它。 许可 CC BY-NC-SA 4.0,代码不可商用|★ 16,867|2026-10-25|https://github.com/chatfire-AI/huobao-drama 坑有两个。一是许可要拆两半看:代码不能商用,不能商业部署、不能做付费服务、不能转售;ShareAlike 还会传染,改了它的代码做成产品,产品也得同协议开源、同样不可商用。至于用它生成的视频,通行理解是“程序输出不算对代码的改编”,所以不受这条许可约束,发布、接单、走平台分账是常见做法。但这是理解不是判例,真要拿它做商业交付,最好自己再确认一遍,别把这段当法律意见。二是桌面版用不了图生视频,官方写明 Seedance 这类模型要公网地址引用本地参考图,桌面版没公网入口会直接报错,而角色一致性恰恰靠参考图注入,所以想在桌面版跑通“人物不换脸”大概率不行,得部署到服务器。
ArcReel —— 能导出剪映草稿的自部署工作台,小说或剧本进,建资产、分镜、出片,最后导成剪映草稿。这一篇里只有它能把成片交给剪映精修,等于“AI 出粗坯 + 人做精修”,目前最实际的生产方式就是这个。不满意 AI 直出、习惯手工精修的人用它。 许可 AGPL-3.0,网络服务化需开源|★ 5,961|2026-11-01|https://github.com/ArcReel/ArcReel 坑:Python 技术栈,要装依赖起服务,比桌面软件麻烦。
aid-studio —— 功能覆盖最全的一站式平台,把配音做进了主流程。剧本、角色场景、智能分镜、出图出视频、配音、成片预览都有,多模型接入,可自部署。想少装几个软件、画面和配音一起搞定的人用它。 许可 MIT,可商用|★ 1,230|2026-10-30|https://github.com/shijue-aid/aid-studio 坑:Java 技术栈,部署门槛稍高。仓库改过地址,gzxx-2025/aid-studio 已 404,认准 shijue-aid。
LocalMiniDrama —— 完全本地、数据不出本机的短剧工具,故事、分镜、视频全程本地完成。素材涉密、或者有强显卡想省 API 费的人用它。 许可 MIT,可商用|★ 2,303|2026-10-30|https://github.com/xuanyustudio/LocalMiniDrama 坑:“本地”意味着生成也在本地,要 8 GB 以上显存,主流 12 GB 起。没有独显的话这个卖点就没了,直接选 Toonflow 更省事。
printfilm —— 分步走的漫剧和短视频工具,每一阶段都能停下来检查、改完再继续:创作设置 → 文案与分镜 → 参考图生图 → 图生视频 → 合成预览。默认 9:16 竖屏、约 60 秒,也能选静图成片。不想一键到底、想每一步都看一眼的人用它。 许可 MIT,可商用|★ 7,397|2026-11-02|https://github.com/yi1108/printfilm 坑:版本只到 0.2.0,界面和接口都还在变,文档跟不上功能。中文项目,遇到问题基本只能看源码。
BigBanana-AI-Director —— 主张“反抽卡”的工业化流水线,走“剧本 → 资产 → 关键帧 → 生成”的固定顺序,宣称能精确控角色一致性、场景连续性和镜头运动。认可“流程比模型重要”的人看它。 许可自定义,商用需核对|★ 2,399|2026-10-06|https://github.com/shuyu-labs/BigBanana-AI-Director 坑:许可证 GitHub 识别为 Other,商用前必须完整读一遍 LICENSE。文档全在 README,没有独立文档站。
所以挑这一层的工具,核心是看它的资产和流程管理顺不顺手。想快点出片选 huobao,想许可干净、能二次开发选 Toonflow,想交给剪映精修选 ArcReel,想连配音一起做选 aid-studio。另外算账时别只盯软件免不免费,大头全花在生成上,两分钟成片按一百块上下预估。
生成第三:“引擎、模型,和跑不动时的替身”
这一层做的事情是:产出一段几秒的无声画面,至于怎么把画面接成片子它不管。其中分三段看:引擎决定你能不能开工,模型决定画面长什么样,前端决定显卡差的人还有没有路。
引擎:把模型串成一张图
ComfyUI —— 本地生图生视频的事实标准,也是整个领域星数最高的项目。它本身是一套节点式推理引擎,负责把模型、LoRA、ControlNet、采样器、后处理串成一张图跑出结果。它最值钱的地方在于可积累:工作流能存成 JSON、能通过 API 调用、能批量跑,换模型不用重搭流程,跑一百条和跑一条的成本几乎一样。闭源平台给不了这个,在可灵、即梦里你只能改提示词,改不了流程。 许可 GPL-3.0,自己用不触发义务、分发修改版需开源|★ 144,648|2026-11-02|https://github.com/Comfy-Org/ComfyUI 坑:一是要显卡,低于 6 GB 连图都勉强;二是插件碎片化,一个工作流依赖一堆第三方节点包,主程序一升级旧工作流就报错,这是它最大的维护成本;三是 GPL 传染,改过的版本分发出去、或做成产品卖,必须开源。
装它的人一般还要装一个:ComfyUI-Manager(★ 16,700,GPL-3.0,插件管理器,几乎必装),用来装、升级、回滚各种第三方节点包。以前还有一个常被推荐的 WanVideoWrapper(★ 6,803),把 Wan 视频模型接进 ComfyUI;它停在 2026 年 5 月,而 ComfyUI 现在已经原生支持 Wan 系,不必再叠这一层。
模型:画面由它决定
Wan 2.2 —— 阿里通义万相的开源视频模型,国内本地跑视频的事实标准底座,能文生视频和图生视频,很多上层短剧软件背后用的就是它。有强显卡、想自搭生成流程的人用它。 许可 Apache-2.0,可商用|★ 18,324|2026-09-21|https://github.com/Wan-Video/Wan2.2 坑:最低档 TI2V-5B 要 8 GB 显存,往上 12 和 24 GB。显存不够就直接报错跑不动。模型文件十几 GB,硬盘要留空间。
HunyuanVideo —— 腾讯混元的视频模型,走画质路线。 许可自定义,GitHub 识别为 Other,商用前必须自己读一遍 LICENSE|★ 12,712|2026-10-08|https://github.com/Tencent-Hunyuan/HunyuanVideo 坑:许可证不是标准协议,这是它最大的不确定性。
这一层停更的要特别小心:Open-Sora 停在 2026-04,CogVideo 停在 2025-11,LTX-Video 停在 2026-01,都超过三个月。模型迭代比软件快得多,一个季度就是一个版本,停三个月基本等于被拉开一代,所以这一篇不收录它们。软件停更还能凑合用,模型停更不行,权重不更新,画质和一致性就直接落后。
前端:显卡差的人怎么开工
WanGP —— 专为“显卡穷”做的加速前端,一个界面接 Wan 2.1/2.2、LTX、MiniMax H3、Qwen Image、Hunyuan Video、Flux,量化和分块优化做得最狠,把“6 GB 显存也能跑”变成现实,GTX 10 系老卡也能用。 许可自定义,商用需核对|★ 11,281|2026-11-01|https://github.com/deepbeepmeep/WanGP 坑:6 GB 只是能跑起来的硬底线,分辨率和帧数都会打折,低于 6 GB 这条路直接不通,只能走云端 API。
SwarmUI —— 另一套前端,★ 4,735,MIT,底层还是同一套节点,界面比 ComfyUI 原生顺手。 坑:换界面不换能力,显存不够照样跑不动。
这一层决定画面的上限,也是全文里唯一躲不开花钱的一环。买卡是一次性投入,租 API 是按秒付,两条路都贵,区别只在钱怎么付,中间没有更便宜的第三条路。有卡就先装 ComfyUI 配 Wan;没卡别在装环境上耗时间,直接按秒租 API。
渲染第四:“代码写画面,逐帧出视频”
原理只有三步:写一个网页(HTML/CSS/JS);用工具拿一个“时间”驱动它,零秒时画面这样,零点一秒时变那样;每帧截一张图,三十张是一秒,编码成 MP4。关键只有一个函数:
render(t) // 给一个时间 t,返回此刻的画面
画面完全由 t 决定,没有拍、没有抽卡,同样的代码永远出同样的画面。
这个方法的好处很直接。改台词不用重剪全片,只要重跑那一帧就可以了。第一百条和第一条完全一致。模板建好之后,批量一百条的渲染成本约等于一条(注意只是渲染这一环,选题、脚本、配音、人工检查一样要花时间)。数字也不会错,生成模型会把 1969 写成 1986,代码画的数字就是你写进去的那个。代价是做不了实拍质感,第一条要先搭模板,可能比用现成软件还慢。想省事,就别从这条路开始;决定走了,前面几条慢是正常的。
总之一句话:代码做视频省下的是后期的返工成本。
HyperFrames —— 写 HTML 出 MP4,这一类里的首选。HeyGen 开源,专为 AI 助手设计。一个视频项目就是一堆普通网页,时间轴用 HTML 属性控制:data-start 出现时间、data-duration 持续时间、data-track-index 轨道层级。有 Windows 桌面客户端,也能 npx hyperframes init / preview / render 走命令行。自带约 450 个现成组件(转场、字幕、图表、地图、3D、镜头运动),科普最常画的图表地图基本不用自己写,官方还有一篇无真人科普指南 docs/guides/faceless-explainer.mdx。 许可 Apache-2.0,可商用|★ 76,728|2026-11-01|https://github.com/heygen-com/hyperframes 坑:桌面客户端是 HeyGen 的商业入口,可能要注册登录、可能有付费档,这点没有实测。引擎不含 FFmpeg,要自己装。版本还在 0.8.x,1.0 之前接口会变。
Multiplane —— 中文项目,和 HyperFrames 同类,但把“确定性”当核心命题。禁止取当前时间、随机数、CSS 动画这类“每次跑都不一样”的写法;lint 一秒内扫出哪行破坏确定性;verify 乱序渲染、多进程各跑一遍,逐像素比对。 许可 Apache-2.0,可商用|★ 136|2026-10-25|https://github.com/LBEILC/Multiplane 坑:星数只有 136,没有那 450 个组件,版式全要自己搭。适合已经被返工折磨过、现在要锁死一致性的团队,第一次做视频别从它开始。
Remotion —— 用 React 写视频,生态最大,几乎所有“代码做视频”的需求都有人实现过。 许可商业许可,三人内免费|★ 69,548|2026-11-01|https://github.com/remotion-dev/remotion 坑:两条。要写 React,会 HTML/CSS/JS 不等于会 React;许可是商业许可,三人以内免费,超出约每人每月 25 美元,自动化渲染每次 1 分钱、月最低 100 美元。自己玩没事,做成产品要把这笔钱算进去。
Manim —— 3Blue1Brown 那套数学动画的社区版,Python 写代码生成公式推导、几何变换、坐标系动画。讲“为什么 e 是自然常数”“傅里叶变换在干什么”,用它。 许可 MIT,可商用|★ 42,089|2026-10-29|https://github.com/ManimCommunity/manim 坑:只管公式和几何,做不了排版、字幕、转场。做纯数学科普时它和 HyperFrames 是配合关系,出一段动画再拼进成片。
fframes —— Rust 写的程序化视频框架,主打渲染快,MIT 许可。嫌 Remotion 编译慢、又不愿意用 HTML 那一套的人可以看它。 许可 MIT,可商用|★ 3,131|2026-11-02|https://github.com/dmtrKovalenko/fframes 坑:生态小,遇到问题基本只能读源码。2021 年的老仓库今年重启,属于第二春,稳定性还要时间验证。
MoviePy —— Python 的剪辑库,FFmpeg 之上的一层封装,能做裁切、拼接、加字幕、叠音轨、转场。做科普时它只负责最后的拼装。 许可 MIT,可商用|★ 15,072|2026-08-26|https://github.com/Zulko/moviepy
做科普、数据、教学类竖屏视频,直接上 HyperFrames 就行,不用在别处比较太久。要公式动画再加 Manim,要“每次渲染逐像素一致”才考虑 Multiplane(第一次做视频不适合)。已经用 React 且团队三人以内,Remotion 也行。
剪辑第五:“素材到手之后”
这一层不生产画面,只处理已经存在的画面:拼、切、加字幕、配音、转码、导出。所有项目最后都落在 FFmpeg 上,区别只是封装了多少。
MoneyPrinterTurbo —— 主题进、成片出,AI 写文案、抓免费素材、配音、加字幕、拼片。这个领域的国民项目,十三万七千星。适合批量做泛资讯、口播、鸡汤。 许可 MIT,可商用|★ 137,432|2026-11-02|https://github.com/harry0703/MoneyPrinterTurbo 坑:画面全部来自素材库拼贴,风格不统一、对不准文案,做不出有调性的号。它很好上手,但上限低。它的星数本身也是个提醒:这个领域关注度最高的东西,往往跟能力强弱无关。
pyJianYingDraft —— 用 Python 生成剪映草稿,代码排好时间轴和字幕,人再打开剪映精修。国内最能落地的一个:AI 负责粗剪和排版,人负责审美和节奏,两边都不浪费。 许可 Apache-2.0,可商用|★ 4,778|2026-10-14|https://github.com/GuanYixuan/pyJianYingDraft 坑:跟着剪映版本走,剪映改草稿格式它就得跟着改。它解决的是人与机器的“交接”问题,别指望用它一键全自动。
NarratoAI —— 给一段影视或长视频,自动写解说词、配音、剪出对应画面,影视解说号的标准工具。 许可 MIT,可商用|★ 11,688|2026-10-24|https://github.com/linyqh/NarratoAI 坑:依赖你已有的原始视频,本身不生成画面。
autoclip —— 给一个链接,把长视频自动剪成各平台短视频。播客、访谈、课程进来,自动切条,生成字幕封面发布文案,适配抖音、小红书、TikTok、Reels、Shorts。 许可 MIT,可商用|★ 9,929|2026-11-02|https://github.com/zhouxiaoka/autoclip 坑:同样依赖已有长视频,适合“一鱼多吃”,不适合从零做内容。
VideoLingo —— 字幕切分、翻译、对齐、配音一条龙,出海做多语言的绕不开。 许可 Apache-2.0,可商用|★ 19,044|2026-09-30|https://github.com/Huanshere/VideoLingo 坑:翻译质量取决于你接的模型,配音自然度取决于 TTS,它只负责把流程串起来。
ClipForge —— 上传一张商品图就产出一条带货短视频,提炼卖点、写种草脚本、锁定商品原图不变形,出抖音小店、快手、小红书、TikTok Shop 的片子。 许可 AGPL-3.0|★ 1,158|2026-10-26|https://github.com/xixihhhh/clipforge 坑:只在电商场景有用,做科普用不上。但这一类的核心难点它解决对了:商品不能变形、logo 不能糊,通用模型一转就废。
同类里还有 VideoCaptioner(字幕断句校正,★ 16,445)、OpenCreator(原 KrillinAI,视频翻译配音,★ 14,096)、SmartSub(字幕加配音克隆,★ 5,925),做的事和上面重叠,按需要挑一个就行。
说到底,这一层全是 FFmpeg 的封装,挑工具就是挑封装到哪一步。要现成成片看 MoneyPrinterTurbo,想“机器粗剪、人做精修”看 pyJianYingDraft 和 ArcReel,手上已有素材要切看 NarratoAI 和 autoclip,要出海多语言看 VideoLingo。
编排第六:“让 AI 自己串,或者照着流程干”
君子生非异也,善假于物也。2026 年新出现的这两类,相对更先进。他们的共同点是把“人操作软件”换成“人下指令”,让你借工具借力借得更彻底。它们分工不同,一般要结合起来用:Agent 是能自己规划、调用工具、把活干完的那套运行机制;技能包是喂给它的流程和知识,告诉它这件事按什么顺序做。实际用法是拿一个 Agent,装上一套技能包,再让它干活。以下具体分说。
Agent 编排:你派活,它跑完
OpenMontage —— 让 AI 自己串起整条生产线的编排框架。自称含十二条制作管线、一百多个工具、七百多个 agent 技能与制作知识文件,目标是把 AI 编程助手变成一间视频制作公司。 许可 AGPL-3.0|★ 75,163|2026-10-28|https://github.com/calesthio/OpenMontage 坑:体量巨大,没法装上即用,学习曲线陡。AGPL-3.0 网络服务化会传染。星数涨得极快(三月建仓,七个月七万五),建议先读 README 判断实质再决定。
video-use —— 把原始素材丢进文件夹,跟 Claude Code 聊天,拿回 final.mp4。做的是剪辑:去口癖、去停顿、自动调色、烧字幕,还会自己调 HyperFrames、Remotion、Manim 生成动画叠加层,然后逐帧自检剪切点。 许可 MIT,可商用|★ 30,403|2026-10-08|https://github.com/browser-use/video-use 坑:它只处理你已有的素材,本身不生成画面。跑一遍烧的都是 token,批量用之前先算清楚账。
ViMax —— 港大数据智能实验室,把导演、编剧、制片拆成不同 agent 分工,从剧本推到成片。 许可 MIT,可商用|★ 12,837|2026-09-30|https://github.com/HKUDS/ViMax 坑:学术项目,Python 3.12 加 uv,工程化程度不如商业产品。更适合拿来看思路,真当生产工具用会很吃力。
waoowaoo —— 中文项目,号称工业级全流程 AI 影视生产平台,Agent 驱动。 许可不规范,商用需读 LICENSE|★ 14,762|2026-09-21|https://github.com/waooAI/waoowaoo 坑:中文文档友好,但许可证是 Other,商用前必须自查。
这一类还有一个 hypit(★ 27,530),传一个爆款视频让 agent 批量复刻变体,涨得很快,但许可文件不规范,而且“复刻爆款”这件事本身有平台规则风险,不推荐新手碰。
技能包:不装软件,喂给 AI 助手
这一类本质上是一堆 Markdown 加脚本,放进 Claude Code 或 Codex 的技能目录,AI 就按这套流程干活。它只提供作业流程和方法,模型得自己接,渲染器也得自己装。
video-shotcraft —— 镜头语言技能包,教 AI 怎么把一句话拆成可剪辑的镜头序列,带在线成品画廊。 许可 Apache-2.0,可商用|★ 16,149|2026-10-29|https://github.com/Vincentwei1021/video-shotcraft 坑:它管“怎么拍”,不管“怎么画”,画面还得靠模型或代码。
lemo-opuscar —— 66 个用代码做的电影风格,直接给 Claude Code 用。 许可 MIT,可商用|★ 11,035|2026-10-31|https://github.com/lemomo-ai/lemo-opuscar 坑:风格是模板,模板不等于能力,撞车的概率比想象中高。
shuohao-skills —— 短剧全流程技能:拆角色、排大纲、出场景与道具设定、写剧本、切分镜。 许可 Apache-2.0,可商用|★ 5,892|2026-10-26|https://github.com/eternityspring/shuohao-skills 坑:只覆盖“前期”,出图和出片要另接。同类还有 drama-skills(★ 3,677,MIT,多了审核环节)。
anything2explainer —— 中文作者写的一套科普视频方法论技能包,给 Claude Code 或 Codex 用,给个主题两三小时产出一条有配音、字幕、章节进度条的科普片,每帧都是代码画的。 许可 PolyForm Noncommercial,禁商用|★ 2,989|2026-09-18|https://github.com/Vincentwei1021/anything2explainer 坑:禁商用、横屏 1280×720(抖音要竖屏)、Windows 没测过,别拿来做商业号。
值得抄的是它把审美写成了可检查的数字。每块字幕中文不超过 16 字;主角高度不低于 170 像素;最大物体小于 110 像素的状态不超过 45 帧;每个镜头最多一处闪烁特效;静止画面占比不超过 40%;画面上的每个数字、年份、机构、术语,都要能在调研文档里找到来源网址。最后那条是科普的生死线,生成模型做不到,代码可以。
第二个值得抄的是先定稿再排画面:先把解说词完全定稿,再把每句的帧号硬编码进画面代码。顺序错了,返工成本翻十倍。
总的来看,这两层给的是方法和调度。底层模型还得自己接,渲染器也得自己装。新手别从这里起步,先用熟一两个具体工具,再让 agent 替你调它们,否则它跑错了你也看不出错在哪。
选型第七:“项目会过时,方法不会”
项目会一个个过时,方法不会。这一篇的顺序是:先定方向,再验项目,最后动手。名单会变,这个顺序不用变。
先回答三个问题
开始动手之前,先问自己三个问题:
第一个问题,我要成片还是控制权?想快点出片不管过程,找成品中台(中台第二)。画面必须精确、能改、能批量,找渲染引擎(渲染第四)。已有素材只想剪快点,看剪辑合成(剪辑第五)。想让 AI 自己串起来,看 Agent 与技能包(编排第六)。
第二个问题,画面从哪来?AI 生成要花钱或要好显卡,素材拼贴免费但没调性,代码绘制免费且可控但没有实拍质感。这决定成本量级,比软件免费不免费重要得多。
第三个问题,我是在做片子还是做产品?做片子给自己发、接单,重点看工具本身许不许可商用;做产品是卖软件、卖服务、给别人部署,就必须挑 MIT 或 Apache-2.0。
这里有个最容易漏的地方:一个项目开源、许可宽松,只说明它的代码能用,不代表它调用的模型也能商用。实际要分开看四样东西。
-
项目代码:MIT、GPL、AGPL、CC 这些,管的是你能不能改、能不能分发。
-
模型权重:各家自己的使用协议,有的只许研究不许商用,跟代码许可完全无关。
-
云端 API:服务商的调用条款、输出归谁、能不能用于商业用途。
-
输入与输出:字体、配乐、第三方图片、图表数据,各有各的授权。
任何一样卡住,整条路都走不通。本文每张项目卡片标的许可,只说第一样。剩下三样,用哪个模型、接哪家 API,那就要自己去看那家的条款了。
代码许可,看名字就够
最常见的那几种,认得名字基本就能判断:MIT、Apache-2.0、BSD 最松,商用、改、闭源分发都行,保留版权声明即可,Apache 多一条专利授权;MPL-2.0 折中,只传染你改过的那几个文件;GPL-3.0 可以商用,但分发出去的版本必须开源;AGPL-3.0 更严,做成网络服务给别人用也算分发;CC BY-NC-SA 明确禁商用,改动版还得同协议开源;PolyForm 系列同样禁商用。没写 LICENSE 的,默认保留所有权利,商用和分发修改版都不行。
判断一个项目还能不能用
卡片上的数字只是入口。真要装之前,多看三样。
一看最后推送时间,少看星数。 三个月内有推送的可以试;三到十二个月的算半停滞,能用但别指望它修 bug;超过一年基本等于废弃,只值得读代码学思路。软件可以放宽,成熟的工具长期不更新很正常;模型不能放宽,权重不更新就是落后一代。
二看有没有 LICENSE。 没有 LICENSE 默认保留所有权利,千万别当成随便用。写着 Other 或自定义的,必须打开正文读一遍,别信 GitHub 那个标签。这一篇里 HunyuanVideo、waoowaoo、BigBanana、WanGP 都属于这一类,商用前都得自己确认。
三看星数和时间的比值。 2020 年攒到两万星,和 2026 年 3 月攒到两万星,热度差几十倍。新仓库几个月冲上十万星,多半是营销;老项目慢慢涨星,才是真有人在用。
顺手再看一眼 Issue:数量多但作者在回,是健康;一堆“还在维护吗”没人答,是危险;数量很少但全是“装不上”,多半文档烂或者已经坏了。
按你要做的事,直接找
方向和项目都验完,如果还是不知道从哪下手,照这个顺序找。
做 AI 短剧、漫剧,主画面靠 AI 生成,先看 Toonflow;需要把成片交给剪映精修,看 ArcReel;想自己搭生成管线,ComfyUI 配 Wan 2.2。预算按两分钟成片百元上下准备,或者备一张 12 GB 以上的显卡。
做知识科普、数据、教学,主画面靠代码画,先看 HyperFrames;要公式动画,再加 Manim。会 HTML/CSS 就够,另外把 FFmpeg 和 Node 装上。
做泛资讯、口播,主画面靠素材拼贴,看 MoneyPrinterTurbo。它不吃显卡也不吃 API,但画面跟文案对不准这件事改不了。
做电商、带货,看 ClipForge,核心是商品图不能变形、logo 不能糊。
做影视解说、长视频切片、出海多语言,看 NarratoAI、autoclip、VideoLingo,前提是你已经有素材。
想让人工智能自己跑全程,看 OpenMontage 和 video-use,代价是要能读代码、能算 token 成本。
这张单子只是个入口,真要拍板选哪个,还得回头翻对应那一篇的“坑”。
开工前先装这几样
不管走哪条路,有三样是共用的,先装好能省掉一半报错。
FFmpeg。 绝大多数“代码做视频”的项目都不自带,要自己装,而且得确认它进了系统 PATH,否则命令行只会回一句“找不到命令”。装完重开终端,PATH 的改动对已经开着的窗口不生效。
Node 22 以上。 HyperFrames 要 22,Multiplane 要 24,Remotion 也要。版本低了连包都直接装不上。
npm 能连上。 npm 或 npx 卡住不动,十次有九次是连不上官方源,换成国内镜像就行。
另外两样看路线。走 AI 生成要能配 API Key,配不上就没有画面;本地跑要显卡,6 GB 是地板,8 到 12 GB 才顺手。
走到这一步,剩下的只有一件事:把第一条片子做出来。
这一篇给的是地图:六个层各管什么、三个方向各自通向哪里、哪些项目已经不能选。地图能指路,但具体走哪条得自己定,答案取决于四件只有你知道的事:预算多少、有没有显卡、要不要商用、能不能接受改代码。这四件事定下来,能选的项目通常只剩一个。
所以往下不用再找“更好的工具”了。选一条,跑通一次完整流程:写脚本、配画面、配音、加字幕、导出、发出去。第一次不一定好看,但它会告诉你卡在哪一环,是画面出不来、节奏不对,还是配音出戏。知道卡在哪,才知道下次该换什么。
下一篇我将从这条流程的第一笔写起:选题、脚本、配音、画面,一步步做一条完整的片子出来。再往后是谈钱,分成、带货、接单三条的门槛和真实收入,以及短剧那条产业链为什么是最大的一块,又为什么不适合一上来就碰。
附录 名词速查
Star(★) 收藏数,类似点赞,只看关注度,看不出能不能用。
推送 / Commit 最后一次改代码的时间,比星数重要得多。
Issue 别人报的问题,看数量更看作者回不回。
LICENSE 法律上允许你做什么,商用前必看。
MIT / Apache-2.0 最宽松的两类,可商用,不用开源自己的修改。
AGPL-3.0 强传染性许可,做成网络服务给别人用,修改必须开源。
CC BY-NC-SA 禁商用许可,NC 就是不能拿来赚钱。
无 LICENSE 不等于随便用,默认保留所有权利。
CLI / npx 命令行用法,要开终端敲命令,不是双击图标。
FFmpeg 处理音视频的底层工具,绝大多数做视频的项目都要先装它。
显存 / VRAM 显卡内存,不是硬盘,决定能不能本地跑模型,6 GB 是地板。
TTS 文字转语音,也就是 AI 配音。
抽卡 反复生成直到出满意结果,AI 生成的核心痛点。
成品中台 把剧本到成片整条流程打包好的软件,装了就能出片。
渲染引擎 用代码逐帧画画面、再编码成视频的工具。
节点 / 工作流 ComfyUI 那一套:把模型和控制条件串成一张图,能存成 JSON 反复用。
Agent 能自己规划、调工具、把活干完的运行机制。
技能包(Skill) 一堆 Markdown 加脚本,喂给 AI 助手照着做,本身不提供能力。
沿着这个主题继续读
从一篇文章,找到相关的教程、经验和阅读路径。





