先明确视觉意图。
每段文案先说明关系、角色、道具、动作和黑板文字，而不是只拿关键词去猜素材。
CASE STUDY / LOCAL VIDEO PIPELINE
小猫讲知识
一套把 AI 知识短视频做成可审查生产线的本地工作流。它不追求“自动生成就结束”，而是让每个环节都能被检查、拦截和重做。
THE PROBLEM
自动化的价值，不是把视频做得更快。
真正困难的是：在批量生产时，仍然让每一句话、每一段画面、每一秒音频都维持可解释的质量。这个工作流把“生成”拆开，也把每一个容易失控的环节拆开。
让风格可以复用。
从注册素材库挑选已经验证的小猫、道具和布局，减少临时生图造成的画风漂移。
让真实时长说话。
配音和字幕以实际音频为准；不为了凑时长而慢放、拉伸或伪造节奏。
THE PIPELINE
八道步骤，八个可检查的点。
这不是一个黑箱式的“一键出片”按钮。每个节点都有确定输入、明确输出，以及可以定位问题的检查标准。
确认选题与文案
输入标题、确认的口播文案、风格包和素材库。
脚本与字幕审查
检查字数、语速、字幕断句和容易引发异常配音的拟声词。
分镜与视觉意图
定义谁出现、拿什么道具、怎么动，以及画面是否需要显示文字。
选择注册资产
从已验证的小猫、道具和布局中挑选，保证视觉语法保持一致。
配音与字幕对齐
豆包逐段合成原速语音，再用 Faster-Whisper 写出真实字幕时间轴。
Remotion 本地渲染
根据真实音频时间线合成画面、字幕、音效和 BGM。
自动质检
检查资产缺失、字幕偏差、音画同步与音频削波等问题。
人工审核发布
保留“通过 / 重做 / 发布”三种明确结果，作为最后一道质量门。
23s一次被正确拦截的测试
不把 23 秒文案慢放，硬凑成 30 秒。
上次测试中，系统发现文案对应的真实配音只有 23 秒。它没有把音频拉慢来伪装时长，而是拦截该结果，等待重新调整文案或时长。这件小事说明：工作流判断“合格”的依据是内容和时间线，而不是只要没有报错。
AUTOMATION BOUNDARY
自动化处理重复，人负责判断好坏。
这条边界是项目的一部分。把所有事都交给模型并不等于效率；真正可用的流程需要保留人工负责的判断门。
ALREADY AUTOMATED
系统稳定完成的事
- 分镜结构与已注册资产筛选
- 配音、字幕对齐、BGM 与本地渲染
- 自动质检、文件输出与异常检查
HUMAN JUDGMENT
仍然必须由人判断的事
- 选题角度与文案质量
- 视觉意图是否真正贴合语义
- 新风格、新素材需求与审美问题
- “没报错，但不好看”的情况
TECH STACK
在本机跑起来的组合，而不是概念图。
编排、生成、对齐、渲染与检查都在本机 PowerShell / Python 脚本和 Remotion 本地渲染环境中完成。
负责流程编排、结构校验与数据约束。
按照真实音频时间线组织和渲染视频画面。
承担视频与音频的底层处理、读取与检查。
按原速逐段生成配音。
在本地写出与真实语音对齐的字幕时间轴。
补功能型资产，并通过视觉语法规则维持一致性。