假如要做一个短视频，我们可以怎么做。

在当前的技术以及个人可以掌握的资源下，如何搭建一套一键式短视频生成的程序。

作为文生视频的先锋，sora在刚刚出现时让人感觉非常惊艳，但是目前看来，距离一键式生成完成度高，质量好的作品，还是有很大的距离。并且浓浓的AI风很容易让人产生反感。

采用AI Agent的方式来剪辑生成一个短视频，利用个人有限的资源以及当前能够容易获取的技术，能做到什么程度呢？

文案生成

首先要有一段文案，这对于大模型来说是容易实现的，虽然往往缺乏创意，但还是很简单的就可以给出一个中规中矩的文案。给出提示词：写一段关于中秋节的中国古代诗词的短视频文案

【画面以古色古香的庭院为背景，淡雅的古琴声轻轻响起】

旁白（悠扬而古朴）： “当秋风轻拂过历史的长河，千年的文化在这一刻汇聚。中秋佳节，让我们跟随古人的足迹，一同感受那份穿越时空的诗意。”

【镜头缓缓推进，展示一幅描绘月下景色的水墨画】

旁白（缓缓吟诵）： ‘明月几时有？把酒问青天。’——苏轼《水调歌头》。在宋代诗人苏轼的眼中，中秋之月不仅是自然界的美景，更是寄托情感的载体。”

【画面切换至古代文人赏月的情景，背景配以诗句字幕】

旁白（继续吟诵）： ‘今夜月明人尽望，不知秋思落谁家。’——王建《十五夜望月寄杜郎中》。在这月光皎洁的夜晚，文人们举杯邀明月，共叙离愁别绪。”

【镜头转向现代人手捧古籍阅读，与古人形成时空交错】

旁白（深情地）： “虽然时光流转，但那份对美好的向往与追求却从未改变。在每一个中秋之夜，我们都能够从这些流传千古的诗句中找到共鸣。”

【视频最后，画面定格在一轮圆月之下，映衬出古诗文集的封面】

旁白（总结）： “让这些穿越千年的诗句，为我们带来无限的想象与感动。在这个中秋佳节，让我们一起品读古人的智慧，感受那份独特的韵味。”

【视频结束，屏幕出现一行文字：“中秋佳节，品味诗意人生。”】

任务拆解

我可以继续调用大模型接口，实现任务的拆分，提示词：

我希望用这个文案通过ai智能进行实现，我需要将这些都分成一个一个的小的任务，这些小的任务通过调用一些接口就可以实现，如，步骤一中，我需要的是一个古色古香的庭院为背景，可以是古建筑、石桌石凳等元素的视频，你就可以拆成，“生成一段以古色古香的庭院为背景，可以是古建筑、石桌石凳等元素的视频”，

生成结果，在程序中，这些被放到list中：

生成一段以古色古香的庭院为背景，可以是古建筑、石桌石凳等元素的视频。生成淡雅的古琴音乐作为背景音效。生成一段旁白音频，内容为：“当秋风轻拂过历史的长河，千年的文化在这一刻汇聚。中秋佳节，让我们跟随古人的足迹，一同感受那份穿越时空的诗意。”生成一幅描绘月下景色的水墨画或书法作品的视频片段。生成一段旁白音频，内容为：“明月几时有？把酒问青天。在宋代诗人苏轼的眼中，中秋之月不仅是自然界的美景，更是寄托情感的载体。”生成一段古代文人赏月的情景视频，如文人雅士举杯对月的画面。生成一段旁白音频，内容为：“今夜月明人尽望，不知秋思落谁家。在这月光皎洁的夜晚，文人们举杯邀明月，共叙离愁别绪。”生成一段现代人手捧古籍阅读或一家人围坐一起读书的情景视频。生成一段旁白音频，内容为：“虽然时光流转，但那份对美好的向往与追求却从未改变。在每一个中秋之夜，我们都能够从这些流传千古的诗句中找到共鸣。”生成一段定格在一轮圆月下的视频，映衬出一本古诗文集的封面或书页。生成一段旁白音频，内容为：“让这些穿越千年的诗句，为我们带来无限的想象与感动。在这个中秋佳节，让我们一起品读古人的智慧，感受那份独特的韵味。”生成一段显示文字“中秋佳节，品味诗意人生”的视频。生成一段旁白音频，内容为：“感谢您的观看，祝您中秋快乐！”将所有视频片段按顺序拼接起来，并确保每个环节之间的过渡自然流畅。调整背景音乐的音量，使其与旁白和视频内容相匹配。导出最终视频文件，格式为常用的MP4或MOV等格式。

拆分效果不错，除了一些地方需要调整，比如字幕的显示，画面中文字的显示等，但这些通过后面实现的步骤都可以调整过来。而在程序中，这些是很容易被结构化的，这就方便了后面我们的调用。

步骤实现

接下来就是按照步骤去一步一步实现。

第1步，获取一段视频

当前，好像很少有生成视频的接口。sora好像并没有提供对外使用的调用接口。假如有一天，有大模型平台能够提供程序调用接口，让其生成一段以古色古香的庭院为背景，可以是古建筑、石桌石凳等元素的视频这样小的视频片段是不难实现的。

另一种方案，就是通过检索，利用网络上的视频资源。但是对于个人来讲是不容易实现的，目前还没听说有对外开放的视频检索接口。不过对于拥有着大量视频资源的短视频平台等却是轻而易举的。

对于个人开发者来讲，实现的方法其实就是缩小生成短视频选题的范围，仅针对某一个方向的短视频制作，来搜集资源，通过本地的检索匹配来实现。

虽然大模型还不支持对于视频的识别，或者即使支持了，也将面对着消耗大量的算力。最简单的方式其实是对本地视频资源进行人工描述，然后通过对于文字的理解来应用大模型实现资源的索引。

还有一种更简单的方式，就是通过向量数据库实现向量匹配来实现，通过实践，这种方式是可取的，但是需要做一些额外的工作才能使效果好一些。比如人工对视频进行初步的分类。否则这种简单的匹配往往造成前后的视频不协调。

总之，这一步当前的技术是足够的，但是作为个人有限制。对于大的平台很容易实现。

第2步，获取一段音乐

音乐音频的获取和视频面对的是同样的问题，生成音频的大模型很多，但是目前好像还没有提供程序接口的。同样可以利用现成的音乐资源来替代解决。

第3步，生成语音

和生成音乐不同，语音生成可以通过很多平台的接口实现。很多平台都提供试用期限，即使购买也很便宜。

后面都是视频，音乐音频，旁白音频的生成，

第12步，文字的显示，这也使很容易实现的，通过moviepy等视频编辑软件可以实现。

第14，15，16几个步骤，都可以通过moviepy来实现。

这样看是可以实现一个低配版的短视频制作程序的。

其实，仔细看来，真正需要大模型参与的步骤并不多。从大的方面来讲，其实需要大模型参与的成分并不多。

1，文案的生成，2，步骤的拆解，3. 音视频的选择，这一步可以使用其他技术替换，如向量数据库。

在实现的步骤中，可能会有一些地方可以通过大模型的参与来简化流程。

其实从分析来看，即使除去AI的应用，也就是将1，2换做人工来实现，3采用其他技术，也依然可以完成一个视频剪辑的程序，况且AI生成的文案往往没有创意。但是一个一键式，丝毫不需要人参与的程序谁不爱呢。

实现

当各种因素由于技术或者资源方面的原因都做了妥协之后，就会导致整个作品（如果可以被叫做作品）的极度拉跨。通过实践，做出来的东西基本不符合脑海里看到文案时想象的场景。因此在整体上做了一个妥协，就是让程序面向的场景变得更窄。从而省去步骤的分解（这样大模型在整个程序中的占比更小了）变成一个统一的流程。完成了一版程序。

键入要求（这个要求也可以通过ai批量生成）

一个充满了程序味道的短视频很容易就制作成了.（不支持视频，截个图吧）图片的选择采用了向量数据库，做了人为的分类。音乐没有让程序选，而是给了一个固定的，当然也可以通过向量数据库进行选择。

后面还有几句

总结

当前的AI擅长做什么，能做到什么程度，适合在什么地方应用，如果亲自实现一遍，还是可以带来更深刻的理解的。

总起来讲，AI在程序中的应用带来了很多的可能性。

一方面，它可以提升程序的效率，比如，在传统程序中，为了提高程序的适用范围和应用场景，往往是以增加代码量，降低效率为代价的，而AI的引入可能打破这种状况，比如，它可以针对特定场景动态生成代码，而不是将代码提前准备好。

另一方面，它可以完成一些传统程序很难完成的任务。

但是，拥有这些潜在好处的同时，必须要面对程序中被引入的“不确定性”。这就决定，与传统的程序的基本准则之一背道而驰。

长期从事传统程序编写的程序员，设计者，以及需求的提出者往往延续着传统程序带来的惯性思维。把太多的心思花在了消除这种不确定性上。但是，在一些领域，这些不确定性往往是创意产生的条件。我们更应该追求的是在一定的框架中寻求可以预期的结果。

在今后的应用程序设计中，设计者，程序员，需求提出者往往需要展开一场对ai的博弈，这个博弈就是考量在程序中应该让ai参与到一个什么样的程度。

传统的程序和带有ai的程序应该被分开来看。在不同的层面上来看待。传统程序作为工具，而ai作为工具的使用者。