企业官网建设流程全解析

做短视频和内容创作的人，应该都有一个共同感受：真正消耗时间的不是“创意”，而是那些重复又绕不开的执行动作。写文案、找素材、配音、加字幕，四步流程看起来不复杂，但每天做三条视频，每一条都要重复一遍，累积起来就是巨大的时间开销。

很多人尝试用 AI 工具来解决，但实际使用中会发现，打开网页版工具、复制粘贴、下载文件、再手动合成，这中间有一大半时间其实浪费在“搬运数据”上。AI 只是帮你生成了内容，并没有帮你完成流程。

更高效的做法是：把脚本和 AI 服务串成一条自动化流水线，用命令行一次跑完“写稿—找素材—配音—字幕—合成”的所有步骤。这篇文章会讲清楚这条流水线怎么设计、怎么搭建、怎么运行，以及会遇到哪些坑。

1. 这篇文章真正要解决的问题

内容创作者做一条普通的视频，通常会经历以下步骤：

• 写文案：根据主题整理资料，写出 800 字左右的脚本。
• 找素材：根据文案内容搜索图片或视频片段，逐个下载。
• 配音：把文案转成音频，通常要试听几个音色，调整语速。
• 加字幕：把配音内容转成字幕文件，再手动校对时间轴。
• 合成：在剪辑软件里把图片、音频、字幕组合成视频。

这五个步骤里，真正需要人类判断的其实只有“文案创意”和“素材筛选”，剩下的动作都是机械操作。机械操作就意味着一件事：可以被脚本替代。

所谓“AI 流水线”，不是让 AI 一次生成完整视频，而是把这条生产链路里的每个环节拆开，分别接入合适的 AI 能力或自动化工具，再用脚本把它们串联起来。这样的好处有三个：

1. 每个环节可以单独调试和替换。今天用这套 TTS，明天可以换成别的引擎，不用重写全部代码。
2. 中间产物可以缓存。某一步失败，修复后不需要从头再跑。
3. 可以批量生产。给一个主题列表，脚本自动循环生成多条视频。

从投入产出比来看，这个方案真正降低的是“重复劳动”的成本，而不是“创意决策”的成本。适合个人创作者、自媒体小团队，也适合需要批量产出科普类或资讯类内容的运营人员。如果你只是偶尔做一条视频，传统手工方式可能更灵活，但如果每周都要出几条，就值得把流水线搭起来。

2. 理解流水线的核心概念

要搭这条流水线，先理解几个关键概念。

2.1 什么是“脚本”

这里的脚本不特指某种语言，而是指你用来编排工具和调用 API 的程序。Python 是最合适的选择，因为它处理文本、调用命令行、操作文件都很方便。你也可以用 Shell 脚本，但涉及到错误处理和数据传递时，Python 更友好。

脚本在整个流水线里扮演“胶水”角色：它负责把不同工具粘在一起，传递中间文件，判断每一步是否成功，并在失败时给出清晰的错误信息。

2.2 什么是“AI 服务”

流水线中的“AI”通常不是指本地运行的某个大模型，而是以 API 形式提供的服务。比如：

• 文本生成：文案由大语言模型 API 生成。
• 语音合成：配音由 TTS 服务或本地模型生成。
• 语音识别：字幕由 Whisper 等模型把音频转成文字。

这些能力都可以通过简单的 HTTP 请求或 Python 库调用。流水线要做的，就是把它们串起来，还要考虑限流、重试、缓存这些实际问题。

2.3 什么是“流水线”

流水线是一种生产方式，把复杂的生产任务拆成多个阶段，每个阶段有明确的输入和输出。

传统手工流程和自动化流水线的区别可以用一个表格对比：

从架构上看，流水线不复杂，核心就是“阶段 + 中间文件 + 状态管理”。每个阶段读入文件，处理后输出新文件，下一个阶段再把输出当作输入。

3. 整体架构设计

下面是一条可行的五阶段流水线架构，这里先用文字描述清楚，后面会给出具体实现。

阶段一：文案生成 输入：主题或关键词 输出：text/xxx.txt 阶段二：素材准备 输入：文案或关键词 输出：assets/xxx/ 目录下的图片/视频文件 阶段三：配音合成 输入：文案 txt 文件 输出：audio/xxx.mp3 阶段四：字幕识别 输入：音频文件 输出：subtitle/xxx.srt 阶段五：视频合成 输入：图片、音频、字幕 输出：video/xxx.mp4

每个阶段相对独立，中间产物都落到磁盘上。这样做的好处是：如果字幕识别很慢，或素材下载失败，你可以单独重新跑对应阶段，而不需要从头生成文案。

实际项目中，我不建议把五个阶段写成一个巨大的代码文件。更好的做法是：每个阶段一个脚本，由主控脚本统一调用。这样单步调试方便，也更容易接入定时任务或 CI/CD。

4. 环境准备与前置条件

下面是本文示例所用的技术栈，版本请以实际安装为准，这里演示的是通用思路。

• 操作系统：Windows / macOS / Linux 均可。
• Python：3.9 或更高版本。
• FFmpeg：用于视频合成和音频处理，必须安装并加入系统 PATH。
• TTS：使用 edge-tts，一个基于微软语音服务的免费 Python 库。
• 字幕识别：使用 OpenAI Whisper 的 Python 包。
• 文案生成：使用大语言模型 API，示例中以 OpenAI 兼容接口为例。

4.1 安装 Python 和虚拟环境

建议用虚拟环境隔离依赖，避免污染全局 Python。

python -m venv venv source venv/bin/activate # Windows 下是 venv\Scripts\activate

4.2 安装依赖包

pip install edge-tts openai-whisper requests PyYAML

FFmpeg 的安装方式因系统而异，在 Ubuntu 上可以用apt install ffmpeg，在 macOS 上可以用brew install ffmpeg，在 Windows 上建议直接下载官方可执行文件并配置 PATH。

安装完成后，可以用以下命令验证：

ffmpeg -version whisper --help edge-tts --list-voices | head -20

如果都正常，环境就准备好了。

5. 核心代码实现

下面按阶段给出可运行的代码片段。代码以 Python 为主，涉及命令行工具时会用subprocess调用。

5.1 文案生成模块

这个模块的作用是接收一个主题，输出一篇文章或口播文案。生产环境建议调用大模型 API，代码中会用一个公共函数封装请求逻辑。

文件路径：src/generate_script.py

# -*- coding: utf-8 -*- import os import requests API_URL = os.getenv("LLM_API_URL", "https://api.openai.com/v1/chat/completions") API_KEY = os.getenv("LLM_API_KEY", "") def build_messages(topic: str) -> list: return [ { "role": "system", "content": "你是一名短视频口播文案作者。请根据用户提供的主题，生成约800字的口播文案。" "要求：语言自然，段落清晰，适合朗读，不加表情符号。" }, { "role": "user", "content": f"主题：{topic}" } ] def generate_script(topic: str, output_path: str) -> str: """调用大模型 API 生成文案，并写入指定文件。""" if not API_KEY: raise RuntimeError("请设置 LLM_API_KEY 环境变量") payload = { "model": os.getenv("LLM_MODEL", "gpt-4o-mini"), "messages": build_messages(topic), "temperature": 0.7, } headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json", } resp = requests.post(API_URL, json=payload, headers=headers, timeout=60) resp.raise_for_status() data = resp.json() content = data["choices"][0]["message"]["content"].strip() os.makedirs(os.path.dirname(output_path), exist_ok=True) with open(output_path, "w", encoding="utf-8") as f: f.write(content) return content if __name__ == "__main__": import sys topic = sys.argv[1] if len(sys.argv) > 1 else "为什么程序员需要自动化" out = sys.argv[2] if len(sys.argv) > 2 else "text/script.txt" generate_script(topic, out) print(f"文案已生成：{out}")

关键点：

• API Key 通过环境变量注入，不要写死在代码里。
• 使用raise_for_status()让请求失败时中断并抛错，方便排查。
• 文案直接写入text/目录，作为后续阶段的输入。

5.2 素材准备模块

素材获取要注意版权合规。本文以 Pixabay 的免费素材 API 为例，你完全可以替换成自己的素材库或商业授权图库。

文件路径：src/download_assets.py

# -*- coding: utf-8 -*- import os import requests import urllib.parse PIXABAY_API_KEY = os.getenv("PIXABAY_API_KEY", "") PIXABAY_API_URL = "https://pixabay.com/api/" def search_free_image(query: str, save_dir: str) -> str: """根据关键词搜索免费图片并下载第一张到本地。""" if not PIXABAY_API_KEY: # 没有 API Key 时，创建一个占位文件，方便测试流程 os.makedirs(save_dir, exist_ok=True) placeholder = os.path.join(save_dir, "placeholder.txt") with open(placeholder, "w", encoding="utf-8") as f: f.write("请填写素材 API Key 或使用自定义素材库") return placeholder params = { "key": PIXABAY_API_KEY, "q": urllib.parse.quote(query), "image_type": "photo", "per_page": 3, } resp = requests.get(PIXABAY_API_URL, params=params, timeout=30) resp.raise_for_status() data = resp.json() if not data["hits"]: raise RuntimeError(f"未找到与 {query} 相关的素材") image_url = data["hits"][0]["largeImageURL"] os.makedirs(save_dir, exist_ok=True) file_name = f"{sanitize_filename(query)}.jpg" file_path = os.path.join(save_dir, file_name) with requests.get(image_url, stream=True, timeout=60) as r: r.raise_for_status() with open(file_path, "wb") as f: for chunk in r.iter_content(chunk_size=8192): f.write(chunk) return file_path def sanitize_filename(name: str) -> str: # 去掉文件名中不允许的字符 return "".join(c for c in name if c.isalnum() or c in ("-", "_")) if __name__ == "__main__": import sys query = sys.argv[1] if len(sys.argv) > 1 else "technology" out_dir = sys.argv[2] if len(sys.argv) > 2 else "assets/default" result = search_free_image(query, out_dir) print(f"素材已保存：{result}")

如果没有配置素材 API Key，这个脚本会生成占位文件，让整条流水线在无外部素材的情况下也能先跑通。这种做法在搭建阶段非常实用。

5.3 配音合成模块

edge-tts 支持多语言和多种音色，命令行和 Python 两种方式都可以调用。这里用 Python 方式，方便在主控脚本里传递参数。

文件路径：src/make_audio.py

# -*- coding: utf-8 -*- import asyncio import edge_tts VOICE_MAP = { "female": "zh-CN-XiaoxiaoNeural", "male": "zh-CN-YunxiNeural", } async def synthesize(text: str, voice: str, output_path: str) -> None: communicate = edge_tts.Communicate(text, voice) await communicate.save(output_path) def make_audio(text_file: str, output_file: str, voice: str = "female"): with open(text_file, "r", encoding="utf-8") as f: text = f.read().strip() voice_name = VOICE_MAP.get(voice, VOICE_MAP["female"]) asyncio.run(synthesize(text, voice_name, output_file)) print(f"配音已生成：{output_file}") return output_file if __name__ == "__main__": import sys text_file = sys.argv[1] if len(sys.argv) > 1 else "text/script.txt" out_file = sys.argv[2] if len(sys.argv) > 2 else "audio/audio.mp3" make_audio(text_file, out_file)

这里有一个值得注意的点：edge-tts 需要联网调用微软的语音合成服务，所以运行环境需要能正常访问相关域名。在无网或受限网络环境里，可以替换成其他本地 TTS 引擎，比如 pyttsx3，但音质通常会差一些。

5.4 字幕生成模块

字幕生成使用 Whisper 完成。Whisper 会把语音转成带时间戳的文字，并支持直接输出.srt字幕文件。

文件路径：src/make_subtitle.py

# -*- coding: utf-8 -*- import subprocess import sys import os def make_subtitle(audio_file: str, output_srt: str, model_name: str = "small"): # Whisper 会根据音频时长识别，模型越大越准但越慢。 cmd = [ "whisper", audio_file, "--model", model_name, "--language", "Chinese", "--output_format", "srt", "--output_dir", os.path.dirname(output_srt) or ".", ] try: subprocess.run(cmd, check=True) except subprocess.CalledProcessError as e: print(e.stderr) raise # whisper 默认输出文件名与输入音频同名 base = os.path.splitext(os.path.basename(audio_file))[0] generated_srt = os.path.join(os.path.dirname(output_srt) or ".", f"{base}.srt") if os.path.exists(generated_srt): os.rename(generated_srt, output_srt) print(f"字幕已生成：{output_srt}") return output_srt if __name__ == "__main__": audio_file = sys.argv[1] if len(sys.argv) > 1 else "audio/audio.mp3" out_srt = sys.argv[2] if len(sys.argv) > 2 else "subtitle/subtitle.srt" make_subtitle(audio_file, out_srt)

第一次运行 Whisper 时，它会自动下载对应模型到本地缓存，所以耗时较长。建议先运行一次让模型下载完毕，再进入正式流程。

5.5 视频合成模块

视频合成使用 FFmpeg，可以把图片、音频、字幕合并成一个 MP4。示例代码用一张图片作为视频画面，并把字幕烧制到画面上。

文件路径：src/make_video.py

# -*- coding: utf-8 -*- import subprocess import sys def make_video(image_file: str, audio_file: str, subtitle_file: str, output_file: str): # 如果图片不是视频，需要先让 FFmpeg 循环该图片来生成视频流 cmd = [ "ffmpeg", "-y", "-loop", "1", "-i", image_file, "-i", audio_file, "-vf", f"subtitles='{subtitle_file}'", "-c:v", "libx264", "-tune", "stillimage", "-c:a", "aac", "-b:a", "192k", "-pix_fmt", "yuv420p", "-shortest", output_file, ] subprocess.run(cmd, check=True) print(f"视频已生成：{output_file}") return output_file if __name__ == "__main__": image = sys.argv[1] if len(sys.argv) > 1 else "assets/default/technology.jpg" audio = sys.argv[2] if len(sys.argv) > 2 else "audio/audio.mp3" sub_file = sys.argv[3] if len(sys.argv) > 3 else "subtitle/subtitle.srt" video = sys.argv[4] if len(sys.argv) > 4 else "video/output.mp4" make_video(image, audio, sub_file, video)

一个常见麻烦：FFmpeg 的subtitles滤镜对路径中的特殊字符很敏感，尤其 Windows 下容易报错。如果遇到问题，建议把中间文件都放在简单路径下，避免中文和空格。

6. 流水线主控脚本

上面五个模块各自独立运行，但每次手动执行还是太麻烦。接下来用 Python 主控脚本把它们串起来。

文件路径：src/pipeline.py

# -*- coding: utf-8 -*- import os import subprocess import sys from pathlib import Path BASE_DIR = Path(__file__).resolve().parent.parent TEXT_DIR = BASE_DIR / "text" ASSETS_DIR = BASE_DIR / "assets" AUDIO_DIR = BASE_DIR / "audio" SUBTITLE_DIR = BASE_DIR / "subtitle" VIDEO_DIR = BASE_DIR / "video" def run_step(step_name: str, cmd: list): print(f"\n===== 开始：{step_name} =====") result = subprocess.run(cmd) if result.returncode != 0: raise RuntimeError(f"步骤失败：{step_name}") print(f"===== 结束：{step_name} =====\n") def run_pipeline(topic: str): for d in [TEXT_DIR, ASSETS_DIR, AUDIO_DIR, SUBTITLE_DIR, VIDEO_DIR]: d.mkdir(parents=True, exist_ok=True) script_file = TEXT_DIR / "script.txt" asset_dir = ASSETS_DIR / topic audio_file = AUDIO_DIR / "audio.mp3" subtitle_file = SUBTITLE_DIR / "subtitle.srt" video_file = VIDEO_DIR / f"{topic}.mp4" python_bin = sys.executable # 阶段一：生成文案 run_step("生成文案", [ python_bin, str(BASE_DIR / "src" / "generate_script.py"), topic, str(script_file) ]) # 阶段二：下载素材 run_step("下载素材", [ python_bin, str(BASE_DIR / "src" / "download_assets.py"), topic, str(asset_dir) ]) # 阶段三：生成配音 run_step("生成配音", [ python_bin, str(BASE_DIR / "src" / "make_audio.py"), str(script_file), str(audio_file) ]) # 阶段四：生成字幕 run_step("生成字幕", [ python_bin, str(BASE_DIR / "src" / "make_subtitle.py"), str(audio_file), str(subtitle_file) ]) # 阶段五：合成视频 # 这里示例只使用素材目录中的第一张图片，实际可自行扩展。 first_image = None for f in asset_dir.iterdir(): if f.suffix in (".jpg", ".jpeg", ".png"): first_image = str(f) break if not first_image: raise RuntimeError("素材目录中没有图片文件") run_step("合成视频", [ python_bin, str(BASE_DIR / "src" / "make_video.py"), first_image, str(audio_file), str(subtitle_file), str(video_file) ]) print(f"\n全部完成，视频文件位于：{video_file}") if __name__ == "__main__": if len(sys.argv) < 2: print("用法：python pipeline.py <主题>") sys.exit(1) run_pipeline(sys.argv[1])

主控脚本最大的作用是提供统一入口，同时保证每一步失败时都会停止并给出提示。这会比写一个长 shell 脚本更易维护。

7. 运行结果与效果验证

执行下面的命令运行整条流水线：

cd pipeline-demo export LLM_API_KEY="你的API密钥" export LLM_API_URL="https://api.openai.com/v1/chat/completions" python src/pipeline.py "程序员为什么要学自动化"

预期输出大致如下：

===== 开始：生成文案 ===== 文案已生成：text/script.txt ===== 结束：生成文案 ===== ===== 开始：下载素材 ===== 素材已保存：assets/程序员为什么要学自动化/程序员为什么要学自动化.jpg ===== 结束：下载素材 ===== ===== 开始：生成配音 ===== 配音已生成：audio/audio.mp3 ===== 结束：生成配音 ===== ===== 开始：生成字幕 ===== 字幕已生成：subtitle/subtitle.srt ===== 结束：生成字幕 ===== ===== 开始：合成视频 ===== 视频已生成：video/程序员为什么要学自动化.mp4 ===== 结束：合成视频 ===== 全部完成，视频文件位于：video/程序员为什么要学自动化.mp4

如何判断成功：

• 检查text/、audio/、subtitle/、video/下是否都有对应文件。
• 播放video/下的 MP4，确认有声音、有画面、字幕与配音同步。
• 打开subtitle/下的.srt文件，检查时间轴是否合理。

如果某一步失败，主控脚本会直接停止并抛出异常，这时可以单独运行对应的子脚本，把问题缩小到单个模块。

8. 常见问题与排查思路

9. 最佳实践与工程建议

上面已经给出了一条可运行的流水线，但工程化落地时还有几个建议值得注意。

9.1 断点续跑

流水线中途失败是常态。建议每个阶段都设置输出锁文件，例如audio/audio.mp3.done。主控脚本运行时，如果发现该标记文件存在且大小不为 0，就可以跳过对应步骤。这能节省大量重复调用 AI 的成本。

9.2 缓存与幂等性

AI 生成类的操作，比如文案生成和 TTS，通常不是免费的。如果测试时反复跑同一个主题，建议按主题名创建缓存目录，只有缓存不存在时才实际调用 API。这样不仅省钱，还能保证结果稳定。

9.3 日志与可观测性

在关键节点打印结构化日志，比如当前阶段名、输入文件、输出文件、耗时和错误信息。生产环境中可以接入日志文件或简单的 Web 监控面板，这样批量生成多条视频时你能快速发现问题出在哪一条。

9.4 版权与合规

这是最容易忽略的一点。素材版权问题一定要重视：优先使用 CC0 授权素材、官方 API 或自己拍摄的视频。AI 生成的文案和配音也建议在发布时进行人工审核，避免因内容不合规导致账号问题。不要把流水线做成“盲目批量发布机”。

9.5 并发与限流

批量生产时，不要同时发起大量并发请求，否则容易被服务商限流或封禁。建议使用简单的信号量或队列控制并发数，同时增加重试机制。示例中每个模块都是串行执行，已经足够稳妥。

9.6 配置管理

把可能变化的参数抽到配置文件里，比如config.yaml，包括模型名称、音色、语速、视频分辨率、字幕样式等。这样非技术人员也能通过修改配置来调整输出，而不需要改代码。

10. 收尾建议

想把这个流水线真正用起来，建议不要一开始就追求功能齐全。先跑通最小闭环：一段文字、一张图片、一个 MP4。跑通后，再逐步替换和优化模块。比如先用本地占位素材测试整条链路，再接入真实素材 API；先用现成文案测试 TTS 和字幕，再接入大模型 API。

我常和身边朋友说，自动化不是“一键生成爆款”的魔法，它的价值是让你把省下来的时间用在真正需要判断力的事情上。素材怎么选、文案怎么改、字幕怎么校对，这些依然需要你参与，但那些“把文件从 A 拖到 B”的重复动作，确实可以交给脚本完成。

如果你也打算搭一条类似的内容生产流水线，就从今天的代码开始，改成适合自己的路径和 API 服务。跑通一条视频后，你会对“脚本 + AI 能替代多少重复劳动”有更直观的感受。