一个人的 AI 视频生产线：从 MiniMax 到本地声音克隆与数字人
文章详细记录了作者构建个人 AI 视频生产线的全过程。包括从 MiniMax 云端声音克隆迁移到本地 IndexTTS2 以降低成本和延迟，解决参考音频漂移问题；接入 HeyGen 数字人实现虚拟分身，并通过脚本自动化视频合成与人脸裁切。文章分享了具体的代码配置、生产流程（脚本、配音、字幕、合成）以及避坑指南，适合高频视频创作者参考。
相关文档
我测试了5个声音克隆项目，最后留下了这一个
本文分享了作者在制作AI视频过程中，从使用MiniMax云端API转向本地部署IndexTTS2的实践经验。作者详细对比了两者在中英混排发音、音频格式、离线能力、声线一致性及成本等方面的优缺点，最终选择了IndexTTS2以保障视频工作流的可控性与稳定性。
开源项目 lanshu-create-ai-presenter-video：本地全自动 AI 数字人视频生成
作者分享了一个 GitHub 上两天获得两万多星的开源项目 lanshu-create-ai-presenter-video。该项目只需输入一段文案和一张人脸照片，即可在本地全自动完成 TTS 语音生成、口型对齐、字幕压制、竖屏封面生成及质检，直接输出 1080P 竖屏成片，口型匹配度高，几乎无需手动修改。全程本地运行，避免了网页版工具排队和按分钟收费的限制，适合批量短视频内容创作者使用。
普通人做 AI 视频必懂基础概念
面向 AI 视频制作新手的入门科普文章，去繁就简地讲解了四大模块的基础概念：音频部分（TTS、ASR、SRT 字幕、声音克隆等）、视频底层工具（ffmpeg、帧率、补帧、超分、人脸修复）、AI 生成画面核心概念（Prompt、Seed、LoRA、时序一致性、图生视频等）以及流水线工程概念（推理、量化、ComfyUI、智能体等）。每个概念只讲是什么与实操重点，并给出新手避坑建议：先跑通最小流水线、显存决定速度、理解文件流转逻辑，最后附完整专有名词速查表。
我的 55 个 AI视频 Skill 全部开源，这是每一个的用法
作者开源了 55 个用于视频生产的 AI Skill，涵盖选题、洗稿、配音、剪辑、动效及质检等全流程。通过 Skill 的自动串联，实现了“一句提示词出一条视频”的高效工作流，大幅降低了内容创作的时间成本。
Codex自动化剪辑基础篇：一条视频是怎样被自动做出来的？
本文深入解析了Codex进行自动化剪辑的底层逻辑，主要涵盖三部分：通过建立分类素材库解决画面问题；利用AI配音或TTS技术解决声音问题；借助参考视频和FFmpeg等工具实现画面与声音的合理编排。文章旨在帮助读者搭建专属的自动化视频剪辑工作流。
AI 全自动生成图书号短视频实战流程
本文详细拆解了使用 Codex、HyperFrames、VoxCPM 及 fast-whisper 等开源工具，全自动生成图书号短视频的完整技术链路。流程涵盖资料收集、文案生成、语音克隆、音频后期处理及字幕对齐等关键环节，旨在构建一套可复用的 AI 自媒体生产工作流。
本地配音：开源 VoiceStudio 把订阅制按在地上
文章介绍了开源项目 VoiceStudio（作者 debpalash），一个纯 Python、AGPL-3.0 协议的本地配音工具，定位为「开源、全程本地的 ElevenLabs 平替」。它支持声音克隆、声音设计、带时间轴对齐的视频配音、语音转写、有声书和批量任务，只需几十秒参考录音即可抽音色，官方支持六百多种语言。项目半年内获得约 6.7 万 Star，桌面端基于 Electron，数据全部留在本地不上传云端，兼容 NVIDIA CUDA 和苹果 Metal，并提供 Local API 和 MCP 供 Claude Code、Codex 等 Agent 调用。文章同时提醒性能受硬件限制、授权需分别确认，以及克隆声音必须取得对方授权。
基于 Claude Code 的视频自动化剪辑指南
本文介绍如何用 Claude Code（Opus 5.5）实现视频自动化剪辑：将原始 MP4 或文章丢入本地文件夹，让 AI 一次性完成去水词、加字幕、绘制解说动效并合成导出 MP4。与传统扩散模型 AI 视频工具不同，该方法采用可编程视频渲染路线，通过 HTML Canvas + Playwright + FFmpeg + F5-TTS 用代码逐帧画出视频。作者分享了三个实操诀窍：用交付清单代替复杂提示词、截图投喂视觉参考、丢案例库网址进行逆向工程并沉淀为 SOP。文中还拆解了完整的工程级渲染管线，包括分镜对齐、本地语音克隆、字级音画同步与自动化视觉 QA，并附上可直接复用的完整 Prompt 模板及适用场景边界建议。
让Muse全权运营微信视频号：手把手实操教程
作者详细分享了让AI助手Muse全权运营微信视频号的完整实操流程，涵盖选题去重、原创文案、剧情分镜、AI视频生成、豆包TTS配音、FFmpeg合成与字幕烧录、定时发布及发布后验证的全链路闭环。文章提出自动运营的四层架构（策略、生产、发布适配、守护审计），强调状态机管理与防重复发布机制，并深入讲解Cookie会话安全、固定出口配置，以及排查创建接口300002错误的完整过程。适合想搭建无人值守内容自动化流水线的读者参考。
2000+ Star开源项目重大更新：用Opus 5.5新增9种讲解视频风格
作者宣布其2000+ Star的开源项目迎来重大更新，经过多轮迭代，使用Opus 5.5新增了9种动画讲解视频风格并开源分享。使用流程包括：拉取最新代码、在harness中使用skill完成任意主题的动画讲解（推荐v1设计师风格）、可选使用TTS模型配音、可选生成数字人口播视频。测试发现用该skill模版，即使使用Codex也能产出类似效果。项目原生支持数字人口播，口播人物视频可按文稿生成后嵌入画面。
AI 视觉与影视必看的 59 篇文章
作者精心整理了一份 AI 视觉与影视领域的 59 篇精选文章合集，涵盖 AI 视频生成、AI 生图、数字人、动画制作、ComfyUI 工作流等多个方向。内容包括 Cursor + Remotion 动画制作、Seedance 视频模型玩法、Gemini 3 Flash Image 生图探索、Suno AI 音乐生成、Claude Skill 开发、GPT Image 实测、数字人口播教程、3D 预演台实操等。文章以保姆级教程为主，兼有开源项目与经验分享，适合 AI 视觉与影视创作爱好者系统学习参考。
不拍视频做口播：数字人怎么选、怎么调、怎么建（附实测对比）
作者实测了 14 个数字人生成方案，用同一段配音和素材对比后，认为同价位中 HeyGen Avatar 5 效果最好，嘴型、声音和肢体动作最自然。文章总结了让数字人更逼真的 4 个细节：参考图应追求好看而非像本人、口型不能有延迟、肢体动作要自然且参考照片中需包含手部、提示词难以弥补模型能力不足。最后手把手讲解如何免订阅创建 AV5 数字分身并调用 API 出片，并指出了清理旧形象、避免遮挡嘴巴、锁定 AV5 引擎、注意竖屏裁剪和账户余额等 4 个常见坑。
