在实际内容创作领域尤其是短视频赛道如何高效、批量地生产高质量内容是一个核心挑战。手动制作视频从文案构思、素材搜集到剪辑配音耗时耗力难以规模化。而借助AI工具实现自动化将创意流程转化为可重复执行的工作流正成为提升效率的关键。本文将以“火柴人心理学视频”这一具体类型为例演示如何利用Coze平台的工作流功能构建一个从创意到成片的自动化生产线。这个工作流将整合AI生成文案、AI生成图片、AI生成语音以及自动化剪辑等环节目标是实现“五分钟生成一条”视频的快速产出。无论你是个人创作者希望提升效率还是对AI自动化流程感兴趣的开发者都可以通过本文的全程实操搭建掌握一套可复用的内容生成方法论。1. 理解Coze工作流与自动化视频生成链路在开始动手搭建之前我们需要先厘清两个核心概念什么是Coze工作流以及“火柴人心理学视频”的自动化生成链路是如何设计的。1.1 Coze工作流是什么为什么选择它Coze工作流是一个可视化的自动化流程编排工具。你可以将其理解为一个功能更强大、更灵活的“流程图”实现平台。它允许你将不同的功能节点Node通过连线的方式连接起来定义数据流动的方向和逻辑从而串联起一个完整的任务处理管道。与编写代码实现自动化相比工作流的优势在于可视化编排逻辑清晰可见无需深入编程即可构建复杂流程。丰富的节点库Coze内置了大量开箱即用的节点涵盖了大语言模型调用、条件判断、循环、HTTP请求、数据处理、文件操作等。集成AI能力无缝集成Coze平台自身的Bot对话能力也能方便地调用外部AI服务API。易于调试可以查看每个节点的输入输出快速定位流程阻塞或错误的位置。对于视频自动化生成这种涉及多步骤、多服务调用的场景工作流是理想的实现载体。它能把文案生成、素材准备、音视频合成等离散任务组织成一个有序、自动执行的流水线。1.2 “火柴人心理学视频”的生成链路拆解“火柴人心理学视频”通常具有结构固定、内容聚焦的特点非常适合自动化。一个典型的视频包含以下几个要素一个吸引人的心理学观点或问题标题。对观点的阐述或故事性讲解正文文案。与文案匹配的、风格统一的火柴人动画或简笔画插图视频画面。富有感染力的旁白配音音频。背景音乐BGM。将画面、旁白、BGM合成最终视频。因此我们的自动化工作流链路可以设计如下开始 - AI生成视频文案 - AI根据文案生成图片素材 - AI将文案转为语音 - 将图片、语音、BGM合成为视频 - 结束这个链路中的每个环节都可以通过调用相应的AI服务API来实现。接下来我们将进入具体的环境准备和实现阶段。2. 环境准备与核心服务配置要实现上述链路我们需要准备几个关键的AI服务。这里以国内可稳定访问的服务为例进行说明。请注意部分服务可能需要注册并获取API Key。2.1 服务账号与API Key申请你需要提前注册并获取以下服务的访问凭证服务名称用途关键配置项获取地址示例备注Coze平台工作流编排与核心AI文案生成无需登录Coze官网工作流搭建的主环境。百度千帆/文心一言或阿里云百炼或智谱AI生成视频文案标题正文API Key, Secret Key各平台控制台任选其一用于在Coze工作流中通过HTTP节点调用。通义万相或文心一格根据文案生成火柴人风格图片API Key各平台控制台用于生成视频画面素材。微软Azure TTS或阿里云智能语音交互将文案转换为语音旁白API Key, Region各平台控制台选择声音风格生成MP3文件。剪映/必剪等剪辑软件本地合成无本地安装若追求更高质量合成可工作流生成素材后手动合成。本文演示自动化合成方案。FFmpeg自动化音视频合成无FFmpeg官网开源音视频处理工具可通过命令行合成。需在能执行命令的环境中部署。注意API Key是访问服务的密码务必妥善保管不要在代码或配置中明文提交到公开仓库。Coze工作流支持将敏感信息配置为“环境变量”或“密钥”在实际配置时应使用此功能。2.2 本地或服务器环境准备用于最终合成如果选择完全自动化的方案你需要一个能够运行FFmpeg命令的环境来执行最终的视频合成。这可以是你的本地开发机安装FFmpeg。一台云服务器安装FFmpeg。支持执行命令的云函数/容器服务例如阿里云FC、腾讯云SCF将FFmpeg打包进运行环境。安装FFmpeg以Ubuntu为例sudo apt update sudo apt install ffmpeg -y安装后在终端输入ffmpeg -version验证是否成功。3. 在Coze中搭建“火柴人心理学视频”工作流现在我们进入Coze平台开始可视化搭建工作流。假设你已经登录Coze并进入了工作流编辑界面。3.1 创建工作流并设置触发在Coze中点击“创建” - “工作流”。为工作流命名例如“火柴人心理学视频生成器”。首先需要设置工作流的触发方式。Coze工作流可以由多种方式触发例如“手动触发”、“定时触发”、“当Bot被时触发”等。对于内容生成场景我们可以选择手动触发每次想生成视频时手动点击运行。适合学习和调试。定时触发配置Cron表达式例如每天上午10点自动运行一次实现日更。这是实现批量自动化的关键。这里我们先使用“手动触发”。拖动一个“手动触发”节点到画布上作为流程的起点。3.2 节点一调用大模型生成视频文案这个节点的目标是生成一段结构化的文案包含视频标题和分镜正文。从节点库中添加一个“HTTP请求”节点连接到手动触发节点之后。配置该HTTP节点调用你选择的大模型API例如百度千帆的ERNIE模型。关键配置示例以百度千帆为例URL:https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions?access_tokenYOUR_ACCESS_TOKENYOUR_ACCESS_TOKEN需要通过百度云认证接口获取这是一个需要前置步骤。更稳妥的做法是在工作流开始时先用一个HTTP节点获取Token再传递给文案生成节点。为简化演示我们假设已有一个有效的Token。方法: POSTHeaders:Content-Type: application/jsonBody (JSON):{ messages: [ { role: user, content: 你是一个心理学短视频文案专家。请生成一个关于‘拖延症’的短视频文案。要求1. 输出一个吸引人的标题不超过15字。2. 输出正文讲解文案约200字文案要口语化适合配音并明确标出哪里需要出现画面转折用‘[画面]’标注。格式请严格遵循标题xxx\n正文xxx } ], temperature: 0.8, stream: false }在这个HTTP节点后添加一个“JavaScript”节点用于解析API返回的JSON结果提取出标题和正文文本并存储为工作流变量供后续节点使用。JavaScript节点代码示例// 假设上一个HTTP节点的输出变量名为 llmResponse const response llmResponse; // 解析响应获取模型返回的文本内容 // 注意实际路径需根据API返回的实际JSON结构调整 const content response.choices[0].message.content; // 按预设格式解析 const lines content.split(\n); let title ; let body ; for (let line of lines) { if (line.startsWith(标题)) { title line.replace(标题, ).trim(); } else if (line.startsWith(正文)) { body line.replace(正文, ).trim(); } } // 将解析结果赋值给输出变量 return { videoTitle: title, videoScript: body };输出变量videoTitle和videoScript将在后续节点中被引用。3.3 节点二调用文生图API生成图片素材接下来我们需要根据文案正文生成一系列火柴人风格的图片。假设正文中我们已用[画面]标注了需要切换画面的地方。添加一个“文本处理”节点或继续使用“JavaScript”节点将videoScript按[画面]分割成多个段落每个段落对应一张图。const script videoScript; // 按‘[画面]’分割并过滤空字符串 const scenes script.split(/\[画面\]/).filter(s s.trim().length 0); // 为每个场景生成一个简短的图片描述提示词可以用另一个LLM调用这里简化处理 const imagePrompts scenes.map(scene { // 这里可以写更复杂的逻辑来生成提示词例如“火柴人简笔画风格表现” scene.substring(0, 30) “的场景白色背景” return 火柴人简笔画风格表现 ${scene.substring(0, 30)}... 的场景白色背景线条简洁; }); return { sceneTexts: scenes, // 保留原始文本段落可用于后续语音分段 imagePrompts: imagePrompts // 生成的图片提示词列表 };添加一个“循环”节点。将imagePrompts数组作为循环的输入项。在循环体内添加一个“HTTP请求”节点配置调用文生图API例如通义万相。URL:https://dashscope.aliyuncs.com/api/v1/services/aigc/text2image/image-synthesisHeaders:Authorization: Bearer YOUR_API_KEY,Content-Type: application/jsonBody:{ model: wanx-v1, input: { prompt: {{循环项}} // 这里会代入循环中的每个提示词 }, parameters: { style: cartoon, // 指定卡通或简笔画风格具体参数查文档 size: 1024*1024, n: 1 } }在文生图HTTP节点后添加节点处理返回的图片URL或Base64数据并将其保存。Coze工作流可能提供“存储”节点或“变量”节点来暂存这些图片URL。我们需要收集所有循环生成的图片URL。可以在循环外初始化一个数组变量在循环内将每个图片URL追加进去。3.4 节点三调用TTS API生成旁白语音我们需要将完整的videoScript转换为语音文件。添加一个“HTTP请求”节点配置调用TTS服务例如微软Azure TTS。URL:https://YOUR_REGION.tts.speech.microsoft.com/cognitiveservices/v1Headers:Ocp-Apim-Subscription-Key: YOUR_API_KEY,Content-Type: application/ssmlxml,X-Microsoft-OutputFormat: audio-24khz-96kbitrate-mono-mp3Body (SSML):speak version1.0 xml:langzh-CN voice namezh-CN-XiaoxiaoNeural {{videoScript}} /voice /speak这个API的响应体将是MP3格式的二进制数据。Coze工作流可能需要使用“文件”或“存储”类节点来处理二进制输出。你需要将返回的音频数据保存为一个临时文件或获取一个可访问的URL。假设我们得到一个音频文件URLaudioUrl。3.5 节点四组装素材并触发视频合成这是最复杂的一步因为Coze工作流本身可能不直接具备强大的视频合成功能。我们需要将素材图片列表、音频URL传递给一个能够执行FFmpeg命令的外部服务。方案A调用外部API推荐用于生产你可以自己搭建一个简单的Web服务接收图片URL和音频URL在服务器端用FFmpeg合成视频然后返回视频文件。在工作流中使用“HTTP请求”节点调用这个服务。工作流节点添加“HTTP请求”节点方法POSTBody包含images: [图片URL数组],audio: audioUrl,title: videoTitle。你的合成服务Python Flask示例from flask import Flask, request, send_file import subprocess import urllib.request import os import uuid app Flask(__name__) app.route(/合成视频, methods[POST]) def generate_video(): data request.json image_urls data[images] audio_url data[audio] title data.get(title, output) # 1. 下载所有素材到临时目录 temp_dir f/tmp/{uuid.uuid4()} os.makedirs(temp_dir, exist_okTrue) image_paths [] for i, url in enumerate(image_urls): path f{temp_dir}/img_{i:03d}.jpg urllib.request.urlretrieve(url, path) image_paths.append(path) audio_path f{temp_dir}/audio.mp3 urllib.request.urlretrieve(audio_url, audio_path) # 2. 使用FFmpeg合成 # 假设每张图片显示3秒根据音频长度动态调整更佳 output_path f{temp_dir}/final_video.mp4 # 生成图片列表文件 list_file f{temp_dir}/list.txt with open(list_file, w) as f: for img in image_paths: f.write(ffile {img}\n) f.write(fduration 3.0\n) # 每张图持续时间 # 最后一张图需要再写一次ffmpeg concat 要求 if image_paths: f.write(ffile {image_paths[-1]}\n) # 命令先按列表拼接图片为无声视频再混入音频 cmd1 fffmpeg -f concat -safe 0 -i {list_file} -vf fps25,formatyuv420p -c:v libx264 -r 25 {temp_dir}/video_no_audio.mp4 -y cmd2 fffmpeg -i {temp_dir}/video_no_audio.mp4 -i {audio_path} -c:v copy -c:a aac -shortest {output_path} -y subprocess.run(cmd1, shellTrue, checkTrue) subprocess.run(cmd2, shellTrue, checkTrue) # 3. 返回视频文件 return send_file(output_path, as_attachmentTrue, download_namef{title}.mp4) if __name__ __main__: app.run(host0.0.0.0, port5000)方案B简化方案素材准备如果暂时无法部署合成服务可以将工作流截止到“输出所有素材”。即工作流最终输出一个包含标题、文案、图片URL列表、音频URL的JSON对象。然后人工或通过本地脚本下载这些素材用剪影等工具快速合成。这仍然比完全手动创作效率高得多。3.6 工作流完整串联与测试将以上所有节点按照逻辑顺序连接起来手动触发-生成文案-解析文案-循环生成图片-生成语音-调用合成服务-输出视频。点击“运行”进行测试。仔细观察每个节点的输入输出确保数据格式正确传递。首次运行很可能会因为API格式、参数错误或节点配置问题而失败需要根据错误信息逐一调整。4. 关键配置详解与优化建议4.1 大模型提示词工程文案生成的质量直接决定视频的吸引力。上述示例提示词较为简单可以进一步优化你是一个爆款心理学短视频文案专家。请针对主题“{{主题}}”生成一个短视频文案。 要求 1. **标题**一个吸引人点击的标题12字以内使用数字、疑问句或颠覆常识的表述。 2. **正文**一段200字左右的口语化讲解。结构为开头抛出问题或现象 - 分析原因1-2点 - 给出一个简单易行的建议 - 结尾升华或互动引导。 3. **画面提示**在正文中需要切换画面的地方用“【画面】”明确标出大约每30-40字标一处。 请严格按照以下格式输出 标题【生成的标题】 正文【生成的正文】在工作流中可以将主题作为输入变量通过“变量”节点传递给HTTP请求的Body。4.2 图片生成风格控制为了保持视频风格统一文生图的提示词需要精心设计。除了“火柴人简笔画风格”还可以加入更多约束简约线条火柴人白色背景黑色线条表情夸张表现 [场景描述]扁平化矢量插图风格单色背景突出人物动作和情绪表现 [场景描述]可以在循环生成前用一个固定的“风格前缀”与每个场景描述拼接。4.3 语音合成参数选择TTS服务通常提供多种音色。选择适合心理学内容、语速适中、富有亲和力的音色如zh-CN-XiaoxiaoNeural。可以通过SSML标签微调控speak version1.0 xml:langzh-CN voice namezh-CN-XiaoxiaoNeural prosody ratemedium pitchmedium {{videoScript}} /prosody /voice /speakrate控制语速pitch控制音高。4.4 视频合成参数使用FFmpeg合成时关键参数-r 25设置视频帧率为25fps。-vf fps25,formatyuv420p确保图片序列转换为正确帧率和颜色格式。-c:v libx264使用H.264编码兼容性好。-c:a aac音频使用AAC编码。-shortest以音频和视频中较短者为准结束避免画面播完还有空白音频。5. 常见问题排查与优化在搭建和运行此工作流时你可能会遇到以下问题5.1 工作流运行失败排查表问题现象可能原因检查点与解决方案“生成文案”节点报错1. API Key或Token无效/过期。2. 请求URL或方法错误。3. 请求Body格式不符合API要求。1. 检查API Key配置确认是否有调用权限和余额。2. 打开节点详情查看发出的实际请求和收到的响应与官方API文档对比。3. 使用“调试”模式查看该节点的输入输出。“生成图片”节点循环出错1. 提示词触发生成限制如敏感词。2. 图片服务返回非图片数据如错误JSON。3. 循环逻辑错误变量未正确传递。1. 简化或修改提示词避免具体人名、暴力等敏感内容。2. 在HTTP节点后添加“判断”节点检查响应状态码是否为200Body是否包含image_url字段。3. 检查循环节点的“集合”输入是否正确绑定了数组变量。“生成语音”节点无音频输出1. TTS服务区域(Region)设置错误。2. SSML格式错误或音色不存在。3. 输出音频格式不支持。1. 确认Region与API Key匹配。2. 先在服务商提供的控制台试用SSML确保语法正确。3. 检查X-Microsoft-OutputFormat请求头尝试更换为audio-16khz-128kbitrate-mono-mp3等标准格式。“视频合成”服务调用超时或失败1. 合成服务未启动或网络不通。2. 图片/音频URL无法被合成服务下载。3. FFmpeg命令执行错误如图片尺寸不一致。1. 在服务器上直接测试合成接口。2. 确保图片和音频URL是公网可访问的且没有防盗链。3. 查看合成服务的日志定位FFmpeg报错信息。常见错误是图片尺寸不一需在生成图片时固定尺寸或在FFmpeg命令中使用scale滤镜统一尺寸。最终视频无声或音画不同步1. 音频文件损坏或编码问题。2. 图片持续时间与音频长度不匹配。1. 单独下载音频文件播放测试。2. 改进合成逻辑先用ffprobe探测音频时长再根据图片张数动态计算每张图应显示的时长。5.2 性能与成本优化异步处理图片生成和语音生成可以并行进行而非串行。Coze工作流支持“并行分支”节点可以提升整体流程速度。缓存素材对于常用的背景音乐、片头片尾素材可以存储在对象存储中直接使用固定URL避免每次生成。成本控制文生图和TTS通常是按次计费。可以在工作流开始前通过“条件判断”节点评估文案质量如果AI生成的文案质量太差则直接终止流程避免浪费后续的图片和语音生成费用。错误重试对于调用外部API的节点可以配置失败重试机制应对网络波动。6. 生产环境部署与扩展方向6.1 从手动触发到定时全自动在Coze工作流中将“手动触发”节点替换为“定时触发”节点。配置Cron表达式例如0 10 * * *表示每天上午10点自动运行。结合上述工作流即可实现每日自动生成一条心理学视频。6.2 素材管理与持久化存储目前生成的图片、音频和视频可能存储在临时地址。对于生产环境建议将生成的素材图片、音频、最终视频上传至云对象存储如阿里云OSS、腾讯云COS。在工作流中使用对应的“存储”节点或通过HTTP调用云存储的API完成上传。将文件的永久URL存储到数据库或记录到日志便于管理和分发。6.3 工作流健壮性增强输入验证在流程开始验证输入的“主题”是否有效。全面异常处理在每个可能失败的HTTP请求节点后添加“条件判断”和“错误处理”分支记录失败原因并发送通知如通过Coze Bot发送到群组。日志记录关键步骤如生成完成、合成开始通过“日志”节点输出信息便于后期审计和排查。6.4 内容扩展与个性化此工作流框架不限于“火柴人心理学视频”稍作修改即可用于其他领域更换提示词将文案生成提示词改为历史科普、书评、财经解读等。更换图片风格修改文生图提示词生成真实照片、3D渲染、动漫风格等素材。增加多语种支持在文案生成和TTS环节切换语言模型和语音。接入真实数据通过“网页抓取”节点获取新闻热点作为视频主题来源实现热点自动追更。通过Coze工作流你将内容生产的创意部分选题、文案和重复执行部分素材生成、合成解耦。人类负责定义规则、审核质量和把握方向AI和自动化流程负责高效执行。这种模式是应对未来内容生产规模化挑战的有效路径。搭建过程中遇到的每一个错误和调整都是对流程理解加深的过程。从成功生成第一条视频开始逐步迭代优化你的工作流最终构建起属于你自己的、稳定高效的AI内容生产线。 基于Coze工作流构建AI自动化视频生成生产线：以火柴人心理学视频为例
在实际内容创作领域尤其是短视频赛道如何高效、批量地生产高质量内容是一个核心挑战。手动制作视频从文案构思、素材搜集到剪辑配音耗时耗力难以规模化。而借助AI工具实现自动化将创意流程转化为可重复执行的工作流正成为提升效率的关键。本文将以“火柴人心理学视频”这一具体类型为例演示如何利用Coze平台的工作流功能构建一个从创意到成片的自动化生产线。这个工作流将整合AI生成文案、AI生成图片、AI生成语音以及自动化剪辑等环节目标是实现“五分钟生成一条”视频的快速产出。无论你是个人创作者希望提升效率还是对AI自动化流程感兴趣的开发者都可以通过本文的全程实操搭建掌握一套可复用的内容生成方法论。1. 理解Coze工作流与自动化视频生成链路在开始动手搭建之前我们需要先厘清两个核心概念什么是Coze工作流以及“火柴人心理学视频”的自动化生成链路是如何设计的。1.1 Coze工作流是什么为什么选择它Coze工作流是一个可视化的自动化流程编排工具。你可以将其理解为一个功能更强大、更灵活的“流程图”实现平台。它允许你将不同的功能节点Node通过连线的方式连接起来定义数据流动的方向和逻辑从而串联起一个完整的任务处理管道。与编写代码实现自动化相比工作流的优势在于可视化编排逻辑清晰可见无需深入编程即可构建复杂流程。丰富的节点库Coze内置了大量开箱即用的节点涵盖了大语言模型调用、条件判断、循环、HTTP请求、数据处理、文件操作等。集成AI能力无缝集成Coze平台自身的Bot对话能力也能方便地调用外部AI服务API。易于调试可以查看每个节点的输入输出快速定位流程阻塞或错误的位置。对于视频自动化生成这种涉及多步骤、多服务调用的场景工作流是理想的实现载体。它能把文案生成、素材准备、音视频合成等离散任务组织成一个有序、自动执行的流水线。1.2 “火柴人心理学视频”的生成链路拆解“火柴人心理学视频”通常具有结构固定、内容聚焦的特点非常适合自动化。一个典型的视频包含以下几个要素一个吸引人的心理学观点或问题标题。对观点的阐述或故事性讲解正文文案。与文案匹配的、风格统一的火柴人动画或简笔画插图视频画面。富有感染力的旁白配音音频。背景音乐BGM。将画面、旁白、BGM合成最终视频。因此我们的自动化工作流链路可以设计如下开始 - AI生成视频文案 - AI根据文案生成图片素材 - AI将文案转为语音 - 将图片、语音、BGM合成为视频 - 结束这个链路中的每个环节都可以通过调用相应的AI服务API来实现。接下来我们将进入具体的环境准备和实现阶段。2. 环境准备与核心服务配置要实现上述链路我们需要准备几个关键的AI服务。这里以国内可稳定访问的服务为例进行说明。请注意部分服务可能需要注册并获取API Key。2.1 服务账号与API Key申请你需要提前注册并获取以下服务的访问凭证服务名称用途关键配置项获取地址示例备注Coze平台工作流编排与核心AI文案生成无需登录Coze官网工作流搭建的主环境。百度千帆/文心一言或阿里云百炼或智谱AI生成视频文案标题正文API Key, Secret Key各平台控制台任选其一用于在Coze工作流中通过HTTP节点调用。通义万相或文心一格根据文案生成火柴人风格图片API Key各平台控制台用于生成视频画面素材。微软Azure TTS或阿里云智能语音交互将文案转换为语音旁白API Key, Region各平台控制台选择声音风格生成MP3文件。剪映/必剪等剪辑软件本地合成无本地安装若追求更高质量合成可工作流生成素材后手动合成。本文演示自动化合成方案。FFmpeg自动化音视频合成无FFmpeg官网开源音视频处理工具可通过命令行合成。需在能执行命令的环境中部署。注意API Key是访问服务的密码务必妥善保管不要在代码或配置中明文提交到公开仓库。Coze工作流支持将敏感信息配置为“环境变量”或“密钥”在实际配置时应使用此功能。2.2 本地或服务器环境准备用于最终合成如果选择完全自动化的方案你需要一个能够运行FFmpeg命令的环境来执行最终的视频合成。这可以是你的本地开发机安装FFmpeg。一台云服务器安装FFmpeg。支持执行命令的云函数/容器服务例如阿里云FC、腾讯云SCF将FFmpeg打包进运行环境。安装FFmpeg以Ubuntu为例sudo apt update sudo apt install ffmpeg -y安装后在终端输入ffmpeg -version验证是否成功。3. 在Coze中搭建“火柴人心理学视频”工作流现在我们进入Coze平台开始可视化搭建工作流。假设你已经登录Coze并进入了工作流编辑界面。3.1 创建工作流并设置触发在Coze中点击“创建” - “工作流”。为工作流命名例如“火柴人心理学视频生成器”。首先需要设置工作流的触发方式。Coze工作流可以由多种方式触发例如“手动触发”、“定时触发”、“当Bot被时触发”等。对于内容生成场景我们可以选择手动触发每次想生成视频时手动点击运行。适合学习和调试。定时触发配置Cron表达式例如每天上午10点自动运行一次实现日更。这是实现批量自动化的关键。这里我们先使用“手动触发”。拖动一个“手动触发”节点到画布上作为流程的起点。3.2 节点一调用大模型生成视频文案这个节点的目标是生成一段结构化的文案包含视频标题和分镜正文。从节点库中添加一个“HTTP请求”节点连接到手动触发节点之后。配置该HTTP节点调用你选择的大模型API例如百度千帆的ERNIE模型。关键配置示例以百度千帆为例URL:https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions?access_tokenYOUR_ACCESS_TOKENYOUR_ACCESS_TOKEN需要通过百度云认证接口获取这是一个需要前置步骤。更稳妥的做法是在工作流开始时先用一个HTTP节点获取Token再传递给文案生成节点。为简化演示我们假设已有一个有效的Token。方法: POSTHeaders:Content-Type: application/jsonBody (JSON):{ messages: [ { role: user, content: 你是一个心理学短视频文案专家。请生成一个关于‘拖延症’的短视频文案。要求1. 输出一个吸引人的标题不超过15字。2. 输出正文讲解文案约200字文案要口语化适合配音并明确标出哪里需要出现画面转折用‘[画面]’标注。格式请严格遵循标题xxx\n正文xxx } ], temperature: 0.8, stream: false }在这个HTTP节点后添加一个“JavaScript”节点用于解析API返回的JSON结果提取出标题和正文文本并存储为工作流变量供后续节点使用。JavaScript节点代码示例// 假设上一个HTTP节点的输出变量名为 llmResponse const response llmResponse; // 解析响应获取模型返回的文本内容 // 注意实际路径需根据API返回的实际JSON结构调整 const content response.choices[0].message.content; // 按预设格式解析 const lines content.split(\n); let title ; let body ; for (let line of lines) { if (line.startsWith(标题)) { title line.replace(标题, ).trim(); } else if (line.startsWith(正文)) { body line.replace(正文, ).trim(); } } // 将解析结果赋值给输出变量 return { videoTitle: title, videoScript: body };输出变量videoTitle和videoScript将在后续节点中被引用。3.3 节点二调用文生图API生成图片素材接下来我们需要根据文案正文生成一系列火柴人风格的图片。假设正文中我们已用[画面]标注了需要切换画面的地方。添加一个“文本处理”节点或继续使用“JavaScript”节点将videoScript按[画面]分割成多个段落每个段落对应一张图。const script videoScript; // 按‘[画面]’分割并过滤空字符串 const scenes script.split(/\[画面\]/).filter(s s.trim().length 0); // 为每个场景生成一个简短的图片描述提示词可以用另一个LLM调用这里简化处理 const imagePrompts scenes.map(scene { // 这里可以写更复杂的逻辑来生成提示词例如“火柴人简笔画风格表现” scene.substring(0, 30) “的场景白色背景” return 火柴人简笔画风格表现 ${scene.substring(0, 30)}... 的场景白色背景线条简洁; }); return { sceneTexts: scenes, // 保留原始文本段落可用于后续语音分段 imagePrompts: imagePrompts // 生成的图片提示词列表 };添加一个“循环”节点。将imagePrompts数组作为循环的输入项。在循环体内添加一个“HTTP请求”节点配置调用文生图API例如通义万相。URL:https://dashscope.aliyuncs.com/api/v1/services/aigc/text2image/image-synthesisHeaders:Authorization: Bearer YOUR_API_KEY,Content-Type: application/jsonBody:{ model: wanx-v1, input: { prompt: {{循环项}} // 这里会代入循环中的每个提示词 }, parameters: { style: cartoon, // 指定卡通或简笔画风格具体参数查文档 size: 1024*1024, n: 1 } }在文生图HTTP节点后添加节点处理返回的图片URL或Base64数据并将其保存。Coze工作流可能提供“存储”节点或“变量”节点来暂存这些图片URL。我们需要收集所有循环生成的图片URL。可以在循环外初始化一个数组变量在循环内将每个图片URL追加进去。3.4 节点三调用TTS API生成旁白语音我们需要将完整的videoScript转换为语音文件。添加一个“HTTP请求”节点配置调用TTS服务例如微软Azure TTS。URL:https://YOUR_REGION.tts.speech.microsoft.com/cognitiveservices/v1Headers:Ocp-Apim-Subscription-Key: YOUR_API_KEY,Content-Type: application/ssmlxml,X-Microsoft-OutputFormat: audio-24khz-96kbitrate-mono-mp3Body (SSML):speak version1.0 xml:langzh-CN voice namezh-CN-XiaoxiaoNeural {{videoScript}} /voice /speak这个API的响应体将是MP3格式的二进制数据。Coze工作流可能需要使用“文件”或“存储”类节点来处理二进制输出。你需要将返回的音频数据保存为一个临时文件或获取一个可访问的URL。假设我们得到一个音频文件URLaudioUrl。3.5 节点四组装素材并触发视频合成这是最复杂的一步因为Coze工作流本身可能不直接具备强大的视频合成功能。我们需要将素材图片列表、音频URL传递给一个能够执行FFmpeg命令的外部服务。方案A调用外部API推荐用于生产你可以自己搭建一个简单的Web服务接收图片URL和音频URL在服务器端用FFmpeg合成视频然后返回视频文件。在工作流中使用“HTTP请求”节点调用这个服务。工作流节点添加“HTTP请求”节点方法POSTBody包含images: [图片URL数组],audio: audioUrl,title: videoTitle。你的合成服务Python Flask示例from flask import Flask, request, send_file import subprocess import urllib.request import os import uuid app Flask(__name__) app.route(/合成视频, methods[POST]) def generate_video(): data request.json image_urls data[images] audio_url data[audio] title data.get(title, output) # 1. 下载所有素材到临时目录 temp_dir f/tmp/{uuid.uuid4()} os.makedirs(temp_dir, exist_okTrue) image_paths [] for i, url in enumerate(image_urls): path f{temp_dir}/img_{i:03d}.jpg urllib.request.urlretrieve(url, path) image_paths.append(path) audio_path f{temp_dir}/audio.mp3 urllib.request.urlretrieve(audio_url, audio_path) # 2. 使用FFmpeg合成 # 假设每张图片显示3秒根据音频长度动态调整更佳 output_path f{temp_dir}/final_video.mp4 # 生成图片列表文件 list_file f{temp_dir}/list.txt with open(list_file, w) as f: for img in image_paths: f.write(ffile {img}\n) f.write(fduration 3.0\n) # 每张图持续时间 # 最后一张图需要再写一次ffmpeg concat 要求 if image_paths: f.write(ffile {image_paths[-1]}\n) # 命令先按列表拼接图片为无声视频再混入音频 cmd1 fffmpeg -f concat -safe 0 -i {list_file} -vf fps25,formatyuv420p -c:v libx264 -r 25 {temp_dir}/video_no_audio.mp4 -y cmd2 fffmpeg -i {temp_dir}/video_no_audio.mp4 -i {audio_path} -c:v copy -c:a aac -shortest {output_path} -y subprocess.run(cmd1, shellTrue, checkTrue) subprocess.run(cmd2, shellTrue, checkTrue) # 3. 返回视频文件 return send_file(output_path, as_attachmentTrue, download_namef{title}.mp4) if __name__ __main__: app.run(host0.0.0.0, port5000)方案B简化方案素材准备如果暂时无法部署合成服务可以将工作流截止到“输出所有素材”。即工作流最终输出一个包含标题、文案、图片URL列表、音频URL的JSON对象。然后人工或通过本地脚本下载这些素材用剪影等工具快速合成。这仍然比完全手动创作效率高得多。3.6 工作流完整串联与测试将以上所有节点按照逻辑顺序连接起来手动触发-生成文案-解析文案-循环生成图片-生成语音-调用合成服务-输出视频。点击“运行”进行测试。仔细观察每个节点的输入输出确保数据格式正确传递。首次运行很可能会因为API格式、参数错误或节点配置问题而失败需要根据错误信息逐一调整。4. 关键配置详解与优化建议4.1 大模型提示词工程文案生成的质量直接决定视频的吸引力。上述示例提示词较为简单可以进一步优化你是一个爆款心理学短视频文案专家。请针对主题“{{主题}}”生成一个短视频文案。 要求 1. **标题**一个吸引人点击的标题12字以内使用数字、疑问句或颠覆常识的表述。 2. **正文**一段200字左右的口语化讲解。结构为开头抛出问题或现象 - 分析原因1-2点 - 给出一个简单易行的建议 - 结尾升华或互动引导。 3. **画面提示**在正文中需要切换画面的地方用“【画面】”明确标出大约每30-40字标一处。 请严格按照以下格式输出 标题【生成的标题】 正文【生成的正文】在工作流中可以将主题作为输入变量通过“变量”节点传递给HTTP请求的Body。4.2 图片生成风格控制为了保持视频风格统一文生图的提示词需要精心设计。除了“火柴人简笔画风格”还可以加入更多约束简约线条火柴人白色背景黑色线条表情夸张表现 [场景描述]扁平化矢量插图风格单色背景突出人物动作和情绪表现 [场景描述]可以在循环生成前用一个固定的“风格前缀”与每个场景描述拼接。4.3 语音合成参数选择TTS服务通常提供多种音色。选择适合心理学内容、语速适中、富有亲和力的音色如zh-CN-XiaoxiaoNeural。可以通过SSML标签微调控speak version1.0 xml:langzh-CN voice namezh-CN-XiaoxiaoNeural prosody ratemedium pitchmedium {{videoScript}} /prosody /voice /speakrate控制语速pitch控制音高。4.4 视频合成参数使用FFmpeg合成时关键参数-r 25设置视频帧率为25fps。-vf fps25,formatyuv420p确保图片序列转换为正确帧率和颜色格式。-c:v libx264使用H.264编码兼容性好。-c:a aac音频使用AAC编码。-shortest以音频和视频中较短者为准结束避免画面播完还有空白音频。5. 常见问题排查与优化在搭建和运行此工作流时你可能会遇到以下问题5.1 工作流运行失败排查表问题现象可能原因检查点与解决方案“生成文案”节点报错1. API Key或Token无效/过期。2. 请求URL或方法错误。3. 请求Body格式不符合API要求。1. 检查API Key配置确认是否有调用权限和余额。2. 打开节点详情查看发出的实际请求和收到的响应与官方API文档对比。3. 使用“调试”模式查看该节点的输入输出。“生成图片”节点循环出错1. 提示词触发生成限制如敏感词。2. 图片服务返回非图片数据如错误JSON。3. 循环逻辑错误变量未正确传递。1. 简化或修改提示词避免具体人名、暴力等敏感内容。2. 在HTTP节点后添加“判断”节点检查响应状态码是否为200Body是否包含image_url字段。3. 检查循环节点的“集合”输入是否正确绑定了数组变量。“生成语音”节点无音频输出1. TTS服务区域(Region)设置错误。2. SSML格式错误或音色不存在。3. 输出音频格式不支持。1. 确认Region与API Key匹配。2. 先在服务商提供的控制台试用SSML确保语法正确。3. 检查X-Microsoft-OutputFormat请求头尝试更换为audio-16khz-128kbitrate-mono-mp3等标准格式。“视频合成”服务调用超时或失败1. 合成服务未启动或网络不通。2. 图片/音频URL无法被合成服务下载。3. FFmpeg命令执行错误如图片尺寸不一致。1. 在服务器上直接测试合成接口。2. 确保图片和音频URL是公网可访问的且没有防盗链。3. 查看合成服务的日志定位FFmpeg报错信息。常见错误是图片尺寸不一需在生成图片时固定尺寸或在FFmpeg命令中使用scale滤镜统一尺寸。最终视频无声或音画不同步1. 音频文件损坏或编码问题。2. 图片持续时间与音频长度不匹配。1. 单独下载音频文件播放测试。2. 改进合成逻辑先用ffprobe探测音频时长再根据图片张数动态计算每张图应显示的时长。5.2 性能与成本优化异步处理图片生成和语音生成可以并行进行而非串行。Coze工作流支持“并行分支”节点可以提升整体流程速度。缓存素材对于常用的背景音乐、片头片尾素材可以存储在对象存储中直接使用固定URL避免每次生成。成本控制文生图和TTS通常是按次计费。可以在工作流开始前通过“条件判断”节点评估文案质量如果AI生成的文案质量太差则直接终止流程避免浪费后续的图片和语音生成费用。错误重试对于调用外部API的节点可以配置失败重试机制应对网络波动。6. 生产环境部署与扩展方向6.1 从手动触发到定时全自动在Coze工作流中将“手动触发”节点替换为“定时触发”节点。配置Cron表达式例如0 10 * * *表示每天上午10点自动运行。结合上述工作流即可实现每日自动生成一条心理学视频。6.2 素材管理与持久化存储目前生成的图片、音频和视频可能存储在临时地址。对于生产环境建议将生成的素材图片、音频、最终视频上传至云对象存储如阿里云OSS、腾讯云COS。在工作流中使用对应的“存储”节点或通过HTTP调用云存储的API完成上传。将文件的永久URL存储到数据库或记录到日志便于管理和分发。6.3 工作流健壮性增强输入验证在流程开始验证输入的“主题”是否有效。全面异常处理在每个可能失败的HTTP请求节点后添加“条件判断”和“错误处理”分支记录失败原因并发送通知如通过Coze Bot发送到群组。日志记录关键步骤如生成完成、合成开始通过“日志”节点输出信息便于后期审计和排查。6.4 内容扩展与个性化此工作流框架不限于“火柴人心理学视频”稍作修改即可用于其他领域更换提示词将文案生成提示词改为历史科普、书评、财经解读等。更换图片风格修改文生图提示词生成真实照片、3D渲染、动漫风格等素材。增加多语种支持在文案生成和TTS环节切换语言模型和语音。接入真实数据通过“网页抓取”节点获取新闻热点作为视频主题来源实现热点自动追更。通过Coze工作流你将内容生产的创意部分选题、文案和重复执行部分素材生成、合成解耦。人类负责定义规则、审核质量和把握方向AI和自动化流程负责高效执行。这种模式是应对未来内容生产规模化挑战的有效路径。搭建过程中遇到的每一个错误和调整都是对流程理解加深的过程。从成功生成第一条视频开始逐步迭代优化你的工作流最终构建起属于你自己的、稳定高效的AI内容生产线。