目录

1. 背景
2. 整体架构
3. 第一环：脚本生成
4. 第二环：画面生成
5. 第三环：数字人口播
6. 第四环：合成输出
7. 架构价值分析
8. 总结

背景

一人公司做短视频内容获客，最大的瓶颈不是创意，而是边际制作成本。传统流程需要编导写脚本、剪辑找素材、配音录声音、后期加字幕，单人操作至少半天到一天。

核心策略：不追求单条爆款，追求将单条视频生产成本降至接近零，用数量覆盖概率。

整体架构

WorkBuddy 短视频自动化流水线拆分为四个环节，输入为"选题关键词"，输出为"完整短视频文件"：

选题关键词 → 脚本生成 → 画面生成 → 数字人口播 → 合成输出 → 最终视频 ↓ ↓ ↓ ↓ ↓ ↓ 人工 自动化 自动化 自动化 自动化 完成

第一环：脚本生成

流程

1. 选题 Skill：输入关键词，自动生成 40 个选题方向
2. 脚本 Skill：根据选中的选题，生成完整短视频脚本
3. 结构固定：hook（3秒）→ 干货内容 → 引导关注

技术要点

• 输出格式为结构化 JSON，作为整条流水线的"配置清单"
• 后续环节从 JSON 中读取参数
• 选择 JSON 而非文本，因为工具链读取 JSON 效率远高于自然语言解析

第二环：画面生成

流程

1. 脚本 JSON 包含每一帧画面的描述词
2. 即梦 Skill 自动读取描述词，调用即梦 AI API
3. API 将文字描述转成画面图片

策略

• 生成 4-6 张画面
• 从中选取最优可用素材
• 不追求每张精修，能用即可
• 所有步骤由 Skill 自动完成，无需人工操作

第三环：数字人口播

解决的问题

一人公司最大痛点：没有"脸"出镜。

流程

1. 脚本文案直接喂给数字人 Skill
2. 数字人 Skill 调用平台 API 生成口播视频
3. 口型、表情、动作在后台渲染完成
4. 只需指定数字人形象

关键点：从"没人出镜"到"有一个数字人在替你说话"，中间只隔了一个 Skill。

第四环：合成输出

底层技术

• LibTV 做底层调度
• WorkBuddy 合成 Skill 统一接管

自动化步骤

架构价值分析

确定性优先

传统模式：每一步都需要人工决策（脚本质量、画面适配、配音效果、字幕校对），每一步都在消耗决策能量。

自动化模式：仅需决策选题，其余由 Skill 链自动执行。

决策与执行分离

一人公司最值钱的不是执行能力，而是决策能力。自动化流水线将执行层完全标准化，将人的精力集中在选题决策这一高价值环节。

总结

WorkBuddy 短视频自动化链路的本质不是技术堆叠，而是将制作流程固化为可复用的系统。

核心公式：一人公司做内容 = 一条能自动跑的生产线 + 一个能持续做决策的自己。

数字人不是替代真人，是替代真人做重复性劳动。真人做创意和决策，数字人做批量化产出。