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。
🏷️ TTS
17 篇从 0 搭建口播视频 Skill（1）
文章介绍了如何从零搭建口播视频的自动化流水线，拆解了HTML画面、TTS人声、Whisper字幕、Playwright录制和ffmpeg合成的技术原理，强调了手搓流程对理解本质的重要性，并提供了可复用的Skill结构。
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。
图书带货这赛道真香，我搭了条 0 元出片产线
文章介绍了一种基于本地工具链的图书带货视频自动化生产方案。作者利用 ffmpeg、Python、本地 TTS 等开源工具，替代了收费的 ChatCut，实现了从查书、文案、分镜到配音、剪辑的全流程零成本制作。文章详细拆解了六步操作流程及踩坑经验，旨在帮助创作者降低工具成本，聚焦内容选品。
构建客户支持语音代理实战指南
文章介绍了如何使用 Telnyx AI Assistant Builder 构建生产级客户支持语音代理。教程涵盖了低延迟音频流、中断处理等工程挑战，并演示了通过 FastAPI Webhook 注入实时业务上下文（如排队时间、系统状态）的方法，无需自行搭建 STT、LLM 和 TTS 管道。
CodeX + Remotion + Samantha 制作双语教学视频实战
本文详细介绍了如何使用 Codex 生成插画、Remotion 排版、FFmpeg 处理音频以及 Samantha 语音合成，制作双语教学视频。文章从故事拆分、人物固定到视频动画参数设置，提供了一套完整的 AI 视频制作工作流和避坑指南。
Skills从0到1：如何设计一个商用级Skill
本文分享了如何从零开始设计一个商用级AI Skill的一手实践经验。文章将Skill比作给新同事的工作说明书，详细介绍了两种设计方法（先沉淀后生成、直接调用Skill-Creator），并提出了善用GitHub寻找工具和内容分层两个迭代核心技巧。最后，作者以自动化剪辑Skill为例，拆解了视频拆解、素材匹配、配音生成和导入草稿等环节中的具体卡点与解决方案。
文章转视频实战：从音频处理到 Cue 校准的技术复盘
作者分享了将文章转化为网页视频的全过程。文章详细探讨了从使用 Voicebox 生成 TTS 音频的尝试，到发现逐段生成音色漂移、整段切分不准等问题，最终采用“整章音频 + cue 时间轴”的解决方案。内容涵盖了 TTS 技术选型、前端播放逻辑以及踩坑后的工具化思考。
Claude + Remotion 自媒体视频全流程制作教程
本教程介绍如何利用 Claude Code（AI 编程助手）和 Remotion（视频代码框架）自动化制作自媒体视频。用户无需编写代码，只需通过自然语言下达指令，即可完成从环境搭建、脚本生成、配音合成到最终视频渲染的全过程。文章详细解析了搭建流水线、单期制作及后期调整的提示词技巧，适合制作科普、资讯、教程等类型的短视频内容。
用 Codex + Hyperframes 拆解抖音爆款视频工作流
本文详细介绍了利用 Codex 和 Hyperframes 拆解并复刻抖音爆款视频的完整工作流。内容涵盖从工具准备、视频规格定义、旁白脚本生成、TTS 音频处理（使用剪映/Codex 优化磁性人声），到利用 Hyperframes 进行代码化视频生成及字幕对齐的全过程。作者强调通过 AI Agent 实现自动化批量生产，降低自媒体创作门槛，帮助普通人利用 AI 技术在视频领域获取收益。
免费开源TTS模型Confucius 4-TTS：本地声音克隆实战与WeSight集成
文章介绍了如何利用网易有道开源的免费TTS模型Confucius 4-TTS实现本地声音克隆。作者展示了将该模型集成到WeSight桌宠中，实时使用复刻音色进行任务播报的过程。该模型仅1.3B大小，支持14种语言的无参考文本克隆，并提供了详细的本地部署代码及在Mac和远程服务器上的运行方案。
2分钟复刻日销50万的数字人Agent：Pixelle-Video实战
本文介绍了利用开源项目 Pixelle-Video 快速复刻抖音热销数字人 Agent 的过程。该项目通过模块化设计（文案、画面、语音、合成）整合了 LLM、ComfyUI 和 TTS 技术，实现了从脚本到成片的自动化视频生产。
如何构建 AI 语音代理：全流程指南
文章揭示了构建语音代理的核心要素：并非追求最强模型，而是建立低延迟的实时管道。作者阐述了三种主流架构，并详细拆解了链条式流程中 STT（听力）、LLM（大脑）、TTS（嘴巴）、检索（记忆）与执行（手）这五个关键组件的选型、调优与避坑指南，强调对话设计的重要性。
20 个 Codex 替代不了的 GitHub 真神器
文章旨在寻找无法被 Codex 等通用 AI 编程工具替代的 GitHub 开源项目。作者确立了包括多 Agent 编排、本地化设备操作、特定硬技能及隐私保护在内的筛选标准，精选并介绍了 CrewAI、AppAgent、F5-TTS、Stable-Diffusion-WebUI 等 20 款工具，强调了它们在复杂协作、隐私安全和特定垂直领域的独特价值。
隆重推出 Violin：一款开源视频翻译技能
作者推出了名为 Violin 的开源视频翻译技能。该工具结合了语音识别（ASR）、LLM 翻译和语音合成（TTS）技术，旨在打破高质量视频内容的语言壁垒。Violin 支持个性化翻译、多语言处理及与视频互动，提供 Web、CLI 和代理技能等多种使用方式，并已在 MIT 协议下完全开源。
Voice Agents 101: 会说话的 AI 背后的架构
本文深入探讨了语音智能体的技术架构，指出语音工程不同于文本工程。文章对比了级联式与端到端两种语音模型，分析了全双工通信的难点，并详细解析了为了实现自然对话所需的流式处理与延迟优化策略。