我有个朋友，每个月要给客户做 30 条牛杂视频。
客户给素材，他先从里面挑几个能用的片段，再让 AI 写文案，丢进剪映，克隆声音、配字幕、加音乐，最后导出。
他已经做得很熟了，一条还是要花 5-10 分钟。
一个月做 30 遍，算下来要花 2.5-5 个小时，而且都是重复操作。我看了一遍，觉得这套流程可以自动化，就问他能不能让我试试。
我花了一天，把这套流程做成了一个 Skill。
现在生成一条大概 30 秒，MiniMax 的语音成本是 7 分钱。视频生成后不用再进剪映改，朋友直接发给客户。他现在已经拿它当主力工具用了。
入口只有一句话：“生成下一条视频”。需要一次做多条，就说“批量生成 5 条”。
先拆流程
做之前，我先问朋友：一条视频从收到素材到发给客户，中间要经过哪些步骤？
我照着他的说法，记了几条规则：
- 开头先放切料、热汤和牛杂近景，门头不能打头。
- 文案确实提到门面、招牌时，才用门头素材。
- 一条视频里尽量别重复同一个片段。
- 字幕只能重新断句，不能改字、漏字。
- 店名不用塞进配音，封面和水印已经有品牌。
- 声音克隆一次就够了，后面直接复用。
生成结果只保留三样：视频、封面、脚本。调试文件放进隐藏目录，不和成品混在一起。
技术选型
文案和任务状态我放在 Excel 里。一个月 30 条，表格够用，朋友也方便查看。Agent 生成标题、配音稿、字幕分行和封面文字，Python 用 openpyxl 追加内容。
配音接 MiniMax。第一次上传参考声音，生成 voice ID 后保存下来，后面直接复用。单条语音成本大约 7 分钱。
视频部分我选了 FFmpeg。素材都在本地，剪辑规则固定，命令行更适合批量跑。脚本按配音长度挑素材，裁成 720×1280，再拼画面、加 BGM 和滤镜。
封面和字幕先用 Pillow 渲染成图片，再交给 FFmpeg 合进视频。字体、描边、字号和位置都写在脚本里。
最后用 Python 把 Excel、MiniMax 和渲染脚本串起来。Skill 接收“生成下一条”或“批量生成 5 条”，脚本负责校验、生成文件和回写状态。
一句话生成
朋友说“生成下一条视频”，Skill 会先生成文案并追加到 Excel，再自动完成后面的配音、剪辑和封面。生成成功后，Excel 状态从“未使用”改成“已生成”，同时写入生成时间和输出目录。
一次要做多条，就说“批量生成 5 条”。
最费时间的是测试
主流程很快就跑通了，后面测试花的时间更多。
脚本不报错，只能说明它跑完了，不代表视频能发给客户。每生成一条，我都会从头看一遍。先看画面和素材，再检查字幕、声音、水印和封面，最后确认文件与 Excel 状态。
我还换了几种情况来测：文案提不提门头、第一次有没有 voice ID、生成指定编号还是连续批量生成。素材不够时怎么处理，也单独试过。
有些问题不会让程序报错，但成片看起来就是不对。这种情况只能打回去改规则或改脚本，再生成一条重新看。
发现问题就改，再重新生成。滤镜、字幕位置、封面大小和门头开场都做过单独检查。换了不同文案和素材组合，结果稳定后才交给朋友用。
30 秒，7 分钱
前后的差别大概是这样：
| 原来 | 现在 | |
|---|---|---|
| 单条时间 | 5-10 分钟 | 约 30 秒 |
| 每月 30 条 | 2.5-5 小时 | 机器运行约 15 分钟 |
| 单条成本 | 人工操作 + 剪映克隆声音积分 | MiniMax 语音约 0.07 元 |
| 剪映调整 | 需要 | 不需要 |
| 交付 | 剪完再导出 | 生成后直接发客户 |
30 条的语音费用加起来大概 2.1 元。
原来在剪映里克隆声音也会消耗积分，并不是零成本。因为我没有记录当时具体用了多少积分，所以这里不做金额对比，只记录现在 MiniMax 的实际费用。
表格里的 15 分钟是 30 条视频顺序生成的大致机器运行时间。批量任务开始后不需要一直守着，做完直接去输出目录拿成品。
最后
做完这次，我觉得可以先用四个问题判断一项工作适不适合做成 Skill：
- 这件事是不是会反复发生？
- 每次的输入和输出是不是比较固定？
- 中间依赖人工判断的地方，能不能讲成具体规则？
- 做完以后，能不能明确检查结果是否合格？
需求不一定要很大。有人长期在做，流程能够讲清楚，改完马上能用，就值得试试。