AI自动化短视频生产：用Claude与FFmpeg搭建从脚本到成片的流水线

如果你做过短视频运营或内容工具开发，大概率遇到过这样一个困境：剪辑一小时的片子，发布后只有几十播放，而真正花十分钟写的脚本，反而成了爆款。问题往往不在创意，而在“执行链路的重复劳动”消耗了太多精力。更麻烦的是，哪怕你把自己训练成剪辑高手，一天也就能稳定产出三五条内容，想放大规模，几乎只能靠堆人力。

最近一段时间，AI 大模型和自动化脚本工具的能力已经走到一个新的阶段。以 Claude 为代表的大模型，不只是能“写文案”和“聊天”，它已经能承担内容选题、脚本生成、字幕整理、分镜拆解等工作；Claude Code 这类终端工具则进一步把“生成内容”变成了“可编排的自动化任务”。与此同时，Whop 这类数字商品发布与交易平台，又给内容和工具提供了一个相对轻量的承接出口。

这篇文章要讲的就是：如何把 Claude 的生成能力、FFmpeg 等传统工具链的批量处理能力，以及 Whop 这类平台的分发与交易能力，串成一条“从素材到成片，从流量到收益”的自动化短视频链路。

我会先拆解这套工作流里每个角色到底在解决什么问题，然后从环境准备、代码实现、效果验证到常见坑点，完整跑通一个最小示例。最后会聊一些更重要的东西：这套链路哪些环节该自动化，哪些环节必须人来审核，以及流量收益这件事在 2025 年这个时间点，到底还有哪些合规又可持续的做法。

1. 这篇文章真正要解决的问题

先说一个反直觉的判断：短视频自动化真正值得做的，不是“用 AI 生成画面”，而是“减少人类在中间环节的重复操作”。

过去你做一条短视频，流程大概是这样的：

1. 定选题，写脚本。
2. 找素材，可能是自己拍的，也可能是整理公开素材。
3. 打开剪辑软件，导入素材，按脚本顺序排列。
4. 加字幕、加配音、调转场、调背景音乐。
5. 导出成片，写标题和描述。
6. 发布到平台。
7. 隔几天看一次数据，再手动分析哪类内容表现好。

这个流程里，真正依赖人的创意判断和审美决策的，主要是第 1 步、第 2 步的最后判断，以及第 7 步的复盘优化。中间第 3 到第 6 步，大部分是重复性劳动。如果用一套自动化系统，把脚本生成后直接变成字幕文件、剪辑参数、转码命令，再批量输出成片，效率提升就不是一倍两倍的问题了。

这篇文章主要面向三类读者：

• 有 Python 基础、想给自己的内容账号搭建自动化管线的开发者。
• 正在做知识付费、数字工具、模板类产品的独立创作者。
• 对 AI Agent 工作流感兴趣，想找一个完整业务场景练手的技术爱好者。

另外也说一句：标题里的“变现”很容易让人联想到“躺赚”，但真实情况不是这样。平台规则、版权规范、内容质量审核，每一关都需要人来做判断。自动化能放大你的生产能力，但放大的是正向能力还是风险，取决于你搭的这条链路是否合规。

2. Claude、Whop 与自动化工作流：三个角色分别解决什么问题

很多教程喜欢把工具堆在一起讲，结果读者读完还是很懵。这里我先拆开，讲清楚三个角色的边界。

2.1 Claude：内容生成的大脑

Claude 是 Anthropic 推出的大语言模型，它的核心能力是理解和生成文本。在短视频工作流里，它负责的是“把需求变成内容”：

• 根据选题，生成口播脚本。
• 把长文章转成短视频分镜脚本。
• 生成字幕文案、标题、简介、标签。
• 根据数据反馈，改写新的脚本方向。

如果你只是在网页端用 Claude，那它只是一个对话工具。但 Claude 还有一套 API 和终端工具 Claude Code，可以让开发者把上述能力封装进自己的自动化流程。这也是“AI 自动化”的关键：模型不是终点，而是可以被调用的函数。

Claude Code 的出现让自动化流程更顺滑。你可以在终端里启动一个 Agent，让它读取素材文件目录、批量改写脚本、按规则格式化输出。这相当于给流水线加了一个能理解自然语言的“调度员”。

2.2 Whop：流量到收益的承接层

Whop 是一个面向创作者的数字商品分发与会员管理平台。创作者可以在上面创建数字产品页面，出售课程、模板、会员社群、软件订阅等。它的特点是：不需要自己开发支付系统，平台负责支付、交付和用户管理。

在短视频自动化链路里，Whop 通常承担“变现闭环”的最后一环：

• 视频流量引导至 Whop 商品页。
• 用户购买模板包、提示词包、剪辑工具订阅。
• 平台自动发货，减少人工客服成本。

你可以把 Whop 理解成一个“数字商品货架”。它不是流量平台，不会给你带来流量；它的价值在于，当流量到来时，你能有一个稳定、低门槛的承接出口。

2.3 自动化工作流：把生成与执行串起来

如果只有 Claude 和 Whop，中间是断的。你还需要一个工作流编排层，把“内容生成”“素材处理”“成片输出”串起来。完整的架构大致如下：

素材输入层（本地素材库 / 网络素材下载） → 内容生成层（Claude 生成脚本、字幕、标题） → 素材处理层（FFmpeg 剪辑、转码、加字幕） → 成品输出层（按日期 / 主题归档成片） → 发布与数据层（人工发布或调用公开接口，回收播放数据） → 收益承接层（Whop 商品页承接流量转化）

一句话总结：Claude 负责“想写什么”，自动化脚本负责“怎么执行”，FFmpeg 负责“怎么剪出来”，Whop 负责“怎么把钱收回来”。

2.4 与传统人工剪辑的对比

这个表格不是想说自动化绝对更好，而是帮你判断：如果你的场景是需要大量稳定输出、且内容结构相对统一的短视频（比如科普口播、知识分享、产品介绍），自动化工作流优势明显；如果你是做高度风格化的剧情内容，自动化只能辅助，不能替代。

3. 从素材到成片：一条可落地的自动化流水线设计

很多初学者会把“视频自动化”理解成“用 AI 直接生成视频”。但现阶段更稳的做法，是把视频生产拆成一个一个可执行的环节，然后逐步自动化。我们先设计一条流水线，再一步步实现它。

3.1 流水线的六个环节

1. 选题与脚本生成：给 Claude 一段主题描述，让它输出短视频脚本，包含开场、核心观点、例子、结尾引导。
2. 字幕文件生成：把脚本按句拆解，生成 SRT 格式字幕，确定每句的显示时间。
3. 素材准备：把本地的视频片段、图片素材，统一放进一个目录。
4. 自动化剪辑：用 FFmpeg 按脚本顺序拼接素材，加上字幕，统一输出竖屏 1080x1920。
5. 成片归档：输出文件按“日期_主题”命名，写入生成日志。
6. 数据回收与交付：人工发布到短视频平台，根据数据反馈迭代选题方向；流量引导到 Whop 商品页完成转化。

3.2 哪些环节必须人工介入

自动化不是“无人化”。下面几个环节，我强烈建议保留人工审核：

• 脚本事实核查：大模型可能一本正经地编造数据和引用。
• 素材版权确认：使用非原创素材前，必须确认授权范围。
• 成片质量抽检：字幕是否错位、画面是否低俗、是否涉及平台限制内容。
• 平台规则合规：每个平台的审核标准不同，发布前要人工判断。

从这个角度看，更准确的说法是：自动化解决的是“体能”问题，人工解决的是“判断”问题。

4. 环境准备与前置条件

在动手写代码之前，先把环境准备好。以下配置是基于常见实践整理的，具体版本请以你本机环境和官方文档为准。

4.1 需要准备的工具

1. Python 3.10 及以上版本。建议用虚拟环境隔离依赖，避免污染系统 Python。
2. Anthropic API Key。如果你还没有，可以在 Anthropic 官方控制台申请。注意：API 调用会产生费用，建议先设置好消费额度。
3. Claude Code（可选）：如果你希望用自然语言让终端 Agent 帮你做文件批处理，可以安装并配置它。
4. FFmpeg：视频处理的事实标准工具。Windows、macOS、Linux 都有对应版本，安装后确认ffmpeg -version可用。
5. Whop 账号：用于发布数字商品。这个在变现阶段再配置即可，前期可以先不注册。

4.2 创建项目目录结构

推荐这样组织项目：

short-video-pipeline/ ├── config.yaml # 全局配置：API Key、模型、目录 ├── scripts/ │ ├── generate_script.py # 调用 Claude 生成脚本 │ ├── make_srt.py # 脚本转字幕 │ └── render_video.py # 调用 FFmpeg 渲染成片 ├── input/ │ └── materials/ # 视频素材存放目录 ├── output/ │ ├── scripts/ # 生成的脚本 │ ├── subtitles/ # 生成的字幕 │ └── videos/ # 最终成片 └── logs/ └── pipeline.log # 运行日志

4.3 安装 Python 依赖

在虚拟环境中安装核心依赖：

python -m venv venv source venv/bin/activate # Windows 为 venv\Scripts\activate pip install anthropic pyyaml

Claude Code 的安装方式随版本迭代变化较快，建议直接参考官方文档。安装完成后，在终端里执行初始化，登录你的 Anthropic 账号。这里需要特别提醒：不要把 API Key 硬编码在源码里，建议使用环境变量管理。

export ANTHROPIC_API_KEY="sk-ant-你的密钥"

5. 完整示例与代码实现

下面我们用一个最小可运行的项目，把这套自动化流程跑通。这个版本只覆盖三个核心环节：脚本生成、字幕生成、视频渲染。跑通之后，你可以根据自己的需求扩展。

5.1 示例一：调用 Claude 生成短视频脚本

文件路径：scripts/generate_script.py

import os import sys import json import anthropic def generate_script(topic: str, style: str) -> dict: client = anthropic.Anthropic( api_key=os.environ.get("ANTHROPIC_API_KEY") ) prompt = f""" 你是一位资深短视频脚本策划。请根据下面的选题，创作一条口播短视频脚本。 选题：{topic} 风格：{style} 要求： 1. 总时长控制在 60 秒左右，大约 220-260 字。 2. 结构包含：吸睛开场、核心观点、一个具体案例、结尾引导。 3. 输出 JSON 格式，字段包括： - title：视频标题 - script：完整口播文字 - summary：一句话内容简介 - tags：3-5 个标签 只输出 JSON，不要输出其他内容。 """ message = client.messages.create( model="你的可用模型名称", # 请替换为当前 API 文档中可用的模型 max_tokens=2048, messages=[ {"role": "user", "content": prompt} ] ) content = message.content[0].text # 防止模型输出包含 ```json 包裹，做一次清理 content = content.strip() if content.startswith("```"): content = content.strip("`") if content.startswith("json"): content = content[4:] return json.loads(content) if __name__ == "__main__": topic = sys.argv[1] if len(sys.argv) > 1 else "如何用 AI 提升工作效率" style = sys.argv[2] if len(sys.argv) > 2 else "专业、口语化" result = generate_script(topic, style) print(json.dumps(result, ensure_ascii=False, indent=2))

运行方式：

python scripts/generate_script.py "为什么你的短视频总是没人看" "犀利、接地气"

这段代码的核心逻辑是：把视频脚本的需求写成一个结构化提示词，要求模型输出 JSON，方便后续程序直接解析。这里有两个容易踩坑的地方：

• 模型输出偶尔会带json代码块标记，需要清理。
• 不同模型能力不同，如果频繁出现 JSON 解析失败，可以在提示词里补充“不要包含任何解释文字”。

5.2 示例二：把脚本转成 SRT 字幕文件

文件路径：scripts/make_srt.py

import json import re import sys def split_sentences(text: str) -> list[str]: """按标点把口播脚本切成短句""" parts = re.split(r"(?<=[。！？!?])", text) sentences = [p.strip() for p in parts if p.strip()] return sentences def sentences_to_srt(sentences: list[str], start_time: float = 0.0, seconds_per_char: float = 0.28) -> str: """把短句转为简单 SRT 字幕，按字符数估算显示时长""" lines = [] idx = 1 current = start_time for sentence in sentences: duration = max(len(sentence) * seconds_per_char, 2.0) end = current + duration lines.append(f"{idx}") lines.append(format_srt_time(current) + " --> " + format_srt_time(end)) lines.append(sentence) lines.append("") idx += 1 current = end + 0.1 return "\n".join(lines) def format_srt_time(seconds: float) -> str: hours = int(seconds // 3600) minutes = int((seconds % 3600) // 60) secs = int(seconds % 60) millis = int((seconds % 1) * 1000) return f"{hours:02}:{minutes:02}:{secs:02},{millis:03}" if __name__ == "__main__": script_text = sys.stdin.read() sentences = split_sentences(script_text) srt_content = sentences_to_srt(sentences) print(srt_content)

运行方式：

echo "今天聊聊AI自动化。很多人以为它很复杂。实际上只需要几步就能跑通。" | python scripts/make_srt.py > output/subtitles/demo.srt

这个脚本采用的是“按字符数估算时长”的简化方案。真实项目中，建议结合语音识别或者配音文件的语速来校准时间轴，否则字幕和口播容易错位。

5.3 示例三：用 FFmpeg 批量渲染成片

视频素材的准备没有统一标准，这里给出两个最常用的命令。

把横屏素材转换为竖屏 1080x1920，并加黑色背景填充：

ffmpeg -i input/materials/demo.mp4 \ -vf "scale=1080:1920:force_original_aspect_ratio=decrease,pad=1080:1920:(ow-iw)/2:(oh-ih)/2" \ -c:a copy \ output/videos/demo_vertical.mp4

给视频烧录字幕：

ffmpeg -i output/videos/demo_vertical.mp4 \ -vf "subtitles=output/subtitles/demo.srt" \ output/videos/final_demo.mp4

注意：subtitles滤镜依赖 FFmpeg 编译时启用libass。如果你的 FFmpeg 版本不支持，需要换一个编译版本，或者改用其他字幕方案。

如果担心命令太长不好维护，可以把 FFmpeg 参数封装成一个 Python 函数：

import shlex import subprocess def render_video(input_path: str, srt_path: str, output_path: str) -> None: cmd = [ "ffmpeg", "-y", "-i", input_path, "-vf", f"subtitles={srt_path}", "-c:a", "copy", output_path ] result = subprocess.run(cmd, capture_output=True, text=True, encoding="utf-8") if result.returncode != 0: raise RuntimeError(f"FFmpeg 执行失败: {result.stderr[-500:]}") print(f"已生成成片: {output_path}")

5.4 一个简单的自动化主流程

有了上面的三个模块，就可以写一个主流程把它们串起来。文件路径：scripts/pipeline.py

import json import os import sys from datetime import datetime sys.path.insert(0, os.path.dirname(__file__)) from generate_script import generate_script from make_srt import split_sentences, sentences_to_srt def main(topic: str, input_video: str, output_base: str) -> str: today = datetime.now().strftime("%Y%m%d") # 1. 生成脚本 script_data = generate_script(topic, "专业口语化") script_text = script_data["script"] title = script_data["title"] # 2. 生成字幕 sentences = split_sentences(script_text) srt_content = sentences_to_srt(sentences) srt_path = os.path.join(output_base, "subtitles", f"{today}_{title[:10]}.srt") with open(srt_path, "w", encoding="utf-8") as fp: fp.write(srt_content) # 3. 渲染成片 output_video = os.path.join(output_base, "videos", f"{today}_{title[:10]}.mp4") cmd = [ "ffmpeg", "-y", "-i", input_video, "-vf", f"subtitles={srt_path}", "-c:a", "copy", output_video ] os.system(" ".join(cmd)) # 4. 输出生成报告 report = { "topic": topic, "title": title, "summary": script_data["summary"], "tags": script_data["tags"], "srt_path": srt_path, "video_path": output_video, "created_at": today } report_path = os.path.join(output_base, "reports", f"{today}_{title[:10]}.json") with open(report_path, "w", encoding="utf-8") as fp: json.dump(report, fp, ensure_ascii=False, indent=2) return report_path if __name__ == "__main__": topic = sys.argv[1] input_video = sys.argv[2] output_base = sys.argv[3] report_path = main(topic, input_video, output_base) print(f"流水线执行完成，报告文件：{report_path}")

运行方式：

python scripts/pipeline.py "AI正在改变短视频行业" input/materials/raw.mp4 output

这个主流程展示了自动化的基本骨架：生成内容 → 落入固定目录 → 调用外部命令 → 输出结构化报告。真实项目里，你还可以加入定时任务（cron 或 Windows 任务计划）、消息通知、失败重试等机制。

6. 运行结果与效果验证

跑完上面的示例后，你需要验证的不只是“有没有生成文件”，还要验证“生成的东西能不能用”。

6.1 预期输出

正常情况下，你会得到这样几个产物：

output/ ├── subtitles/ │ └── 20250101_AI正在改变短视频行业.srt ├── videos/ │ └── 20250101_AI正在改变短视频行业.mp4 └── reports/ └── 20250101_AI正在改变短视频行业.json

打开 JSON 报告，可以看到模型生成的标题、标签和简介。打开 SRT 文件，确认时间轴没有乱。打开视频文件，确认字幕正常显示、画面比例正确。

6.2 如何判断成片合格

可以按这个清单检查：

• 视频时长是否在预期范围内。
• 字幕文字是否完整，没有截断和乱码。
• 口播内容和字幕是否对齐。
• 画面是否有明显的黑边错误或拉伸变形。
• 生成的标题和标签是否符合平台规范。

6.3 运行失败的排查顺序

不要一上来就改代码，按下面的顺序排查：

1. 确认 API Key 是否生效，调用是否超过了当前账号的速率限制。
2. 查看 FFmpeg 返回的错误信息，是找不到输入文件，还是滤镜语法错误。
3. 检查目录结构和写入权限，output/videos是否存在。
4. 把 Python 脚本的异常捕获打开，看具体是哪一行报错。

这里特别提醒：FFmpeg 的命令里，文件路径如果包含中文和空格，很容易出问题。建议要么统一用英文命名，要么在代码里使用subprocess传入参数列表，而不是拼成一整个字符串，这样可以避免很多转义问题。

7. 常见问题与排查方法

额外提醒一句：Whop 这类平台涉及资金和账号，务必以官方最新的使用条款、结算周期和手续费说明为准。不要轻信非官方渠道给出的“快速提现”方案。

8. 从技术链路到变现闭环：流量收益不是“点了就生效”

如果你已经把上面的流水线跑通，恭喜你，这时候你已经拥有了一条内容生产线。但“有生产线”和“有收益”之间，还差一个关键设计：用户为什么会为你的内容或工具付费？

8.1 三种可以尝试的变现结构

第一种：卖模板和工具。把你在自动化过程中沉淀出来的提示词模板、字幕生成脚本、FFmpeg 参数配置，打包成数字商品，放在 Whop 上出售。这是最适合技术开发者的变现方式，因为你的优势不是演技，而是可复制的工程能力。

第二种：卖服务。你帮别人搭建同款自动化流水线，收取服务费。这种方式客单价高，但需要你持续交付和答疑，适合有技术服务能力的团队。

第三种：做订阅社群。通过免费短视频建立信任，Whop 商品页承接“进阶教程”和“模板更新”的订阅付费。这个模式的难点在于，你必须持续输出内容来维持订阅，而自动化流水线正好解决了“持续输出”的产能问题。

8.2 合规是变现的底线

需要特别强调：所有流量收益的前提是平台内容审核通过。以下行为风险极高，不展开讨论但必须提一句：使用无版权素材、搬运他人原创内容、夸大虚构收益、虚假宣传、诱导点击或绕开平台规则。这些不仅会导致账号处罚，还可能涉及法律纠纷。

更稳妥的做法是：素材来自自己拍摄、自己绘制、明确授权的商用素材库；脚本由大模型生成后，人工做事实核查和风格调整；发布前在小范围用户群里测试反馈。

8.3 算好边际成本

自动化不是零成本。你至少要核算这几项：

• Claude API 的调用费用，脚本、文案生成都会消耗 token。
• FFmpeg 渲染占用的 CPU/GPU 时间和电费。
• 云端存储素材和成片的费用。
• 人工审核成片的时间成本。

我的建议是：先手工做 20 条内容，找到一套稳定的选题和脚本结构，再自动化。不要一上来就搭庞大的流水线，否则你会在自动化工具本身的坑里消耗大量时间。

9. 最佳实践与工程建议

这套自动化链路虽然不是大型分布式系统，但一些工程化原则是通用的。下面是我认为最值得注意的几点。

9.1 密钥与配置管理

API Key 绝不能提交到 Git 仓库。这在很多初学者项目里是最常见的安全事故。推荐做法：

• 本机开发用环境变量或.env文件，并在.gitignore中忽略。
• 服务器部署用密钥管理服务或 CI/CD 的 secret 能力。
• 定期轮换密钥，发现泄露立即撤销。

9.2 日志和可观测性

自动化任务最怕“跑失败了但没人知道”。建议从第一步就做好日志设计：

• 每次运行记录时间、主题、生成结果、错误信息。
• 输出 JSON 报告，方便后续统计哪些选题类型表现更好。
• 关键步骤增加通知，比如通过 Webhook 或邮件发送运行结果。

9.3 界面与目录命名规范化

素材命名建议统一为“日期_主题_序号”的结构。举个例子：

input/materials/20250101_如何学好Python_01.mp4 input/materials/20250101_如何学好Python_02.mp4

这样写自动化和后来人工核查都会轻松很多。

9.4 审核机制不能省

即使代码完全正确，也不能跳过人工审核。内容是面向公众的，模型的输出可能有事实错误、隐藏偏见和不恰当表达。这里没有“自动化替代人工”的说法，只有“自动化减少重复劳动，人工专注判断”。建议在流水线中设置一个“待审核”中间状态，成片生成后先进入审核目录，审核通过后再发布。

9.5 渐进式自动化

不要试图一次自动化所有环节。推荐这样的推进顺序：

1. 先只自动化“脚本生成”。
2. 加入“字幕生成”，人工复制粘贴到剪辑软件。
3. 加入“FFmpeg 转码和烧录字幕”。
4. 加入“成片归档和报告”。
5. 最后再接入发布和数据回收。

每增加一个环节，都先用小批量样本验证稳定性，再扩大使用范围。这个过程很像持续集成里的灰度发布，能确保每一次改动都可回退、可验证。

10. 总结与后续学习方向

回到开头那句话：AI 自动化短视频项目，本质上是一门“用程序压缩重复劳动”的工程。Claude 负责内容生成，自动化脚本负责流程编排，FFmpeg 负责媒体处理，Whop 负责流量承接。这条链路真正降低的，不是创意的成本，而是“从创意到成片”的中间成本。

如果你接下来想继续深入，我建议按照下面的路径走：

第一步，把本文的最小示例跑通，理解 API 调用、字幕生成、FFmpeg 渲染这三个基础模块。第二步，找一个你真正感兴趣的垂直领域，做 20 条带人工审核的半自动内容，检验内容质量和平台反馈。第三步，把数据回收加入工作流，用播放量、完播率等指标反哺脚本生成提示词，形成“生成-发布-反馈-优化”的闭环。第四步，如果你发现自己的模板和工作流确实能帮到其他人，再考虑借助 Whop 这类平台做数字商品和订阅服务。

这条路的最终状态，不是“完全不用人”，而是“人只做最有创造性的事”。就像 Jenkins 自动化部署不是让程序员失业，而是把发布这件事变成一键完成，为更高质量的功能开发留出时间。短视频自动化也是一样：它的价值，是让你从重复剪辑中解脱出来，把精力投到真正稀缺的选题判断、内容审美和用户理解上。