从 0 到 1 构建古诗词短视频流水线：FastAPI + Vue 3 + LLM 全流程实战

读完本文，你会得到一条可运行的短视频流水线：输入一首古诗词，输出带字幕的成片，以及按平台写好的发布文案。项目基于兼容 OpenAI 的 LLM 接口（文本 / 图像 / 视频生成）实现，从 200 万+ 首古诗词中智能选题，AI 生成文案与分镜，出图出视频，多平台适配，全流程可视化。

仓库地址（MIT 协议，GitHub / Gitee 双仓同步）：

• GitHub：https://github.com/liuchangng/verse-reel
• Gitee：https://gitee.com/liuchangng/verse-reel

一、项目效果

一条流水线把一首古诗词变成可直接发布到抖音、快手、小红书、B站、YouTube 的短视频。核心能力三块：

• 智能选题：从 200 万+ 首古诗词（CNKGraph 语料）中筛选，支持热搜匹配与诗词库检索两种入口
• AI 生产：文案、角色定妆照、分镜图、配音、视频、字幕，六环节自动串联，低分自动重写
• 多平台适配：一套生成多画幅，LLM 按各平台规范生成标题、描述、话题标签

二、技术选型

模型名、Base URL、API Key 均在设置页可配置，项目不绑定任何特定厂商，任何兼容 OpenAI 协议的服务均可接入。

三、项目结构

模块级结构如下（各模块内文件按功能组织）：

verse-reel/
├── server/        # 后端（FastAPI）
│   ├── app/api    # API 路由
│   ├── app/services # 业务逻辑（流水线/文案/图片/视频/TTS/发布）
│   ├── app/models # 数据模型
│   ├── scripts    # 数据导入 / ETL / 生成脚本
│   └── pyproject.toml  # uv 依赖声明（核心 + cosyvoice extra）
├── client/        # 前端（Vue 3）
│   ├── src/views  # 热点/任务/详情/诗词库/设置 五大页面
│   ├── src/api    # API 客户端
│   └── src/styles # 样式
└── docs/          # 设计文档与截图

后端各阶段拆成独立 service，替换或扩展某个环节时无需改动整条流水线。

四、安装与启动

环境要求：uv（含 Python 3.12 托管）、Node.js 18+、ffmpeg（需在 PATH，提供 ffmpeg / ffprobe）、任意兼容 OpenAI 的 LLM API Key。

# 后端依赖（uv 托管，不占全局 Python）
cd server
uv sync

# 如需启用 CosyVoice 高质量 TTS（可选）
uv sync --extra cosyvoice

# 前端依赖
cd client
npm install

# 配置 API Key（兼容 OpenAI 的接口，任意厂商）
cp server/.env.example server/.env
cp client/.env.example client/.env

# 启动（Windows 可一键）
start.bat

后端基于 SQLite（server/data/poems.db，9 张表），首次启动自动建表，无需额外数据库。

五、导入古诗词数据

数据源为 CNKGraph 古诗词语料（约 200 万+ 首）。下载后将 CNKGraph.Writings.xml 导入：

cd server
python scripts/import_xml.py --file "path/to/CNKGraph.Writings.xml"

导入后即可在诗词库检索与建任务。

六、流水线六环节

任务创建后自动执行一条六环节流水线：

文案 → 定妆照 → 分镜图 → 配音 → 视频 → 字幕

进度通过 WebSocket 实时推送到任务详情页，无需手动刷新。任一环节不满意，可单独重跑该阶段（/regenerate?stage=...），不必整条重来。

七、工程细节（三条设计决策）

以下三点是实际跑通后的取舍，均有可验证的依据：

• 并发不对称：文案、出图、评分各 5 并发；视频生成只开 1 并发。视频调用最贵、最易触发 API 限速，试过视频也上 5 并发后失败重试激增，压回 1 并发后稳定
• Generator-Critic 同模型：生成与评判角色由同一个 LLM 扮演，审美标准不冲突，成本显著低于双模型方案
• TTS 双引擎：默认 edge-tts（快、免费），高质量场景切 CosyVoice（可选依赖），字幕统一由 ffmpeg 烧录

模型名、Base URL、API Key、并发度都在设置页调整，无需改代码。

八、多画幅与发布文案

同一任务一次生成三种画幅，覆盖各平台竖屏与横屏要求：

成片生成后，LLM 按各平台字数与话题规范生成对应的吸睛标题、描述、话题标签，一键复制后粘贴到各 App 发布。需要说明：本系统不自动上传，"自动"止于可复制的发布文案，最终发布动作由操作人完成。

九、上手流程

完整跑一条片子按四步走：

1. 选题。两条入口任选：
   • 热点匹配：拉取当前热搜，LLM 把热搜词映射到库里最贴切的诗。热搜源基于 NowNews（ghcr.io/ourongxing/newsnow:latest 自建镜像）聚合，抓取失败时自动回退到内置的兜底数据源，不影响选题流程
   • 诗词库检索：直接按词、作者、朝代在已导入的库里定位，精准选题
2. 建任务。选中一首诗，填写角色设定与分镜偏好，提交后任务自动进入流水线
3. 看进度。任务详情页通过 WebSocket 实时推送六环节进度，任一环节可单独重跑
4. 审核发布。成片 + 各平台文案生成后，人工审核再复制到对应 App 发布

十、局限与适用

几点需要先说清楚，避免预期偏差：

• 视频环节最吃成本与时间：图生视频调用最贵、出片最慢，单条任务耗时取决于所接模型的响应速度，并发已压到 1 保证稳定
• 成片质量 = 模型上限 + 角色设定质量：接的 LLM / 视频模型越好，出片越好；提示词写得多具体，风格越稳定
• 面向"古诗→短视频"这一垂直场景，跨领域题材（如产品、生活）需自行调提示词模板

适用人群：有短视频矩阵内容需求、想用古诗词做差异化题材的团队与个人。想直接试跑，按第四节装好环境、导入诗词库，五分钟能出第一条片子。

项目基于 MIT 协议开源，欢迎 PR 与 Issue：

• GitHub：https://github.com/liuchangng/verse-reel
• Gitee：https://gitee.com/liuchangng/verse-reel