AI帮我做的100件小事：文字视频生成

有很多业务视频其实并不复杂：一个固定背景，加上口播音频和字幕就能完成。

今天在业务场景里，我尝试用 AI 搭建了一套自动化流程，结果发现比预想中简单很多，而且非常稳定。

核心流程

整个流程可以拆成两步：

1. 先生成音频和对应的字幕稿
2. 让 FFmpeg 把字幕、音频和背景图合成完整视频

具体来说，我会先让 AI 生成口播文案，再用 TTS 生成音频，同时输出对应的 SRT 字幕文件。素材准备好后，直接交给 FFmpeg 合成。

一条命令完成合成

下面是我现在常用的命令模板：

复制
bash
ffmpeg -loop 1 -i bg.jpg -i voice.mp3 \
-vf "subtitles=subtitle.srt:force_style='Fontsize=16,PrimaryColour=&Hffffff&,OutlineColour=&H40000000&,BorderStyle=3,Outline=1,Shadow=0,Alignment=2'" \
-c:v libx264 -tune stillimage -c:a aac -b:a 192k \
-shortest -pix_fmt yuv420p output.mp4

这条命令会把静态背景图、语音和字幕压成一个标准 MP4 文件，基本可以直接发布。

这件小事为什么值得做

• 效率明显提升：从手工对字幕到自动合成，制作时间从小时级降到分钟级
• 可复制：同一套流程换文案就能复用，适合批量制作知识类内容
• 门槛更低：不依赖复杂剪辑软件，团队成员也可以快速上手

一句话总结：

以前是手工剪视频，现在是结构化拼素材 + 自动化跑流程。