视频号做到6000粉，我每天只做一件事

今天讲一个我自己每天都在用的东西，视频号粉丝做到 6000，每天我只手动干一件事：发布

880c0206e68697eb76d0c24d8b168c4d.jpg 起因

做视频号之前算过一笔账，一条 5 分钟的口播视频，写稿、录音、剪辑、加字幕、加 BGM，最快 2 小时。一周三条，光是视频就得吞掉 6 小时

太重了，做不下去

后来我换了个思路：公众号文章已经在写，能不能让 Coding Agent 把文章直接变成视频？

折腾了几周，把整条链路全打通。现在每天早上写完公众号，对 Agent 说一句"文章转视频 + 路径"，喝杯茶回来 MP4 已经躺在那里，我只需要点"发布"

一句话生成视频，里面到底发生了什么

7 个 Agent Skills 串成一条流水线，互相调度，全程无人值守

你的文章（Markdown）
        │
        ▼
┌─────────────────────────────────┐
│ 口播稿改写              │
│  把书面语改成口语，去掉代码块， │
│  调整节奏，加开场白和结束语     │
│  内部还会调用一个标题生成器     │
└─────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────┐
│ 豆包 TTS 配音           │
│  调用 seed-icl-2.0 模型 +       │
│  你自己克隆的音色 → 输出 MP3    │
│  整条视频用你自己的声音         │
└─────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────┐
│ 火山 ASR 时间戳对齐     │
│  把 MP3 喂给 volc.seedasr.auc， │
│  返回每个字的出现时刻（毫秒级） │
└─────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────┐
│ Remotion 渲染竖版视频   │
│  Node.js + Remotion +           │
│  思源宋体，文字逐字出现，       │
│  9:16 竖版，干净利落            │
└─────────────────────────────────┘
        │
        ▼
┌─────────────────────────────────┐
│ BGM 混音                │
│  ffmpeg 把人声和 BGM 按比例混合 │
│  人声 1.0、BGM 0.15 → 成品 MP4  │
└─────────────────────────────────┘
        │
        ▼
   你只做这一步：发布

5 个 Skill，1 个标题生成器，1 个主编排 Skill，加起来 7 个文件，整条链路自动跑通

实测数据

• 1500 字公众号文章 → 2-3 分钟竖版视频

• 渲染耗时（Apple M2/M3 本地）：8-12 分钟

• 每条视频 API 成本：约 0.1 元（TTS + ASR）

• 字幕和声音的同步精度：肉眼无错位

• 声音是你自己的克隆音色，不是机器音

下载到的是一个 zip 包，约 31 MB（思源宋体字体已经塞在里面，不用再单独下）

article-to-video-skills-share.zip
├── README.md                       入口导航
├── INSTALL.md                      给 Coding Agent 看的安装指引
├── PROMPT-FOR-AGENT.md             开箱即用的安装提示词，复制粘贴给 Agent
├── SETUP-FOR-HUMAN.md              给你看的 API 申请清单 + 费用估算
├── requirements.txt                Python 依赖清单
└── skills/
    ├── 1-article-to-video/         主编排 Skill，触发词："文章转视频"
    │   ├── SKILL.md
    │   └── scripts/
    ├── 1-video-script-converter/   口播稿改写
    │   ├── SKILL.md
    │   ├── scripts/
    │   ├── references/
    │   └── assets/
    ├── 1-title_generator/          标题生成
    │   └── SKILL.md
    ├── 1-doubao-tts-voice-clone/   豆包 TTS + 音色克隆
    │   ├── SKILL.md
    │   ├── tts_voice_clone.py
    │   └── test_tts_voice_clone.py
    ├── 1-audio-to-video/           火山 ASR 时间戳
    │   ├── SKILL.md
    │   ├── scripts/
    │   └── assets/
    ├── 1-remotion-audio-to-video/  Remotion 渲染（含字体）
    │   ├── SKILL.md
    │   ├── scripts/
    │   └── assets/
    │       └── SourceHanSerifSC-VF.ttf   57MB，已内嵌
    └── 1-video-bgm-mixer/          ffmpeg BGM 混音
        ├── SKILL.md
        └── scripts/

所有代码都做了脱敏处理，我的 API Key、音色 ID、品牌名、工作区路径全部替换成占位符（${YOUR_VOICE_ID}、${YOUR_BRAND_NAME}、${WORKSPACE_ROOT}这种形式），安装时由 Agent 引导你填上自己的值

安装流程

1. 解压 zip 包

2. 把PROMPT-FOR-AGENT.md里那段提示词整段复制，粘给你的 Coding Agent

3. Agent 会问你：工作区在哪、API Key 是多少、音色 ID 填什么、品牌名叫什么

4. Agent 自动帮你复制 skill 目录、替换占位符、装 Python 依赖、装 npm 依赖、把字体复制到系统目录

5. 装完后对 Agent 说"文章转视频"，能跑通就是 OK

整个过程 15-30 分钟，绝大部分时间在等npm install

适合谁

• 已经在写公众号或博客，想低成本同步做视频号

• 有 Coding Agent 基础，知道 Claude Code 或 Cursor 怎么用

• 想用自己的声音做视频，不想露脸

• 不想每条视频耗 2 小时

• 完全没接触过 Coding Agent，需要先去看入门教程

• 想做真人出镜或剪辑花哨的视频，这套是固定竖版字幕口播风格

• 不愿意配置 API Key（这套依赖火山引擎，绕不开）

500 元，一次买断

包含：

• 完整的 31MB zip 包（7 个 Skill + 4 份文档 + 字体 + Python 依赖清单）

• 一对一安装答疑（48 小时内响应，把错误信息发我，大概率是路径或 Key 配置问题）

加我微信备注"视频技能包"

总结

这套东西的价值，不在于"AI 生成视频"这个功能本身，市面上工具一抓一大把

它的价值在于：和你已经在做的事（写公众号）无缝衔接，复用你的声音、你的文风、你的更新节奏，把视频号的更新成本压到接近于零

你写完文章，剩下的事 Agent 全包了，你只需要做最后一件事：发布