做 AI 短剧最烧钱的环节，从来不是剧本，而是出片。一个 5 秒的镜段如果丢给在线视频生成服务，按秒计价来算，一集短剧十几个镜段，几十集下来费用足够换一块中高端显卡了。我最近把平时做图用的本机节点式生成工作流 NodeFlow，和一套小型任务调度工具 WorkCraft 组合起来，把 AI 短剧的视频生成做成了一条零成本的批量流水线。这里的零成本指的是不再按次按秒为生成服务付费，所有采样、渲染、后处理都发生在自己的机器上。这篇文章不打算写成面面俱到的课程式教程，而是把搭建这套流水线时踩过的坑、调过的参数、实测的耗时原原本本记录下来，适合那些想把手头生图工作流扩展成批量出片工具的人参考。
1. 整体设计思路拆解
1.1 为什么要做本机流水线
先算一笔经济账。在线视频生成服务按次或按秒收费，一个 5 秒的镜段，如果分辨率稍微高一点，单次费用就能赶上本机工作流跑几分钟的电费。短剧的体量通常是几十集起步，每集少说十几个镜段，全部丢给在线服务，成本会变成一个吓人的数字。相比之下，本机自建流水线的主要成本是一次性的硬件投入，后续生成的边际费用几乎只有电费，批量产出越多，摊薄效果越明显。
除了钱的问题，还有调试成本。在线服务每次失败都意味着一次 request 来回，改 prompt、改参数，都要等待队列、重新提交，整个过程非常磨人。而本机工作流的所有中间结果都是即时可见的，关键帧生成对了再接下一步，哪里不对直接改，整个调试循环被压缩到本地范畴。这套模式对单次生成可能没什么优势，但对短剧这种需要反复打磨镜头、批量生产多集内容的应用场景，省下的不光是钱，还有大量沟通和等待时间。
不过我也得说清楚，本机不等于零门槛。12G 显存这种中端档位，跑视频生成任务时会面临分辨率限制、显存占满、长时间稳定运行的压力。如果你想追求 1080P 甚至 2K 输出，那硬件门槛会直接抬高一个量级。零成本是相对的，是建立在你愿意花时间去折腾部署、调试、排错的前提之上的。
1.2 为什么选"节点式工作流+调度器"两层结构
单写一个 Python 脚本也能批量跑视频生成，我自己一开始就是那么干的，但很快碰到了问题：短剧出片不是单个文生视频任务，而是拆解后的分镜生产流程。我先要生成每个镜段的起始关键帧和结束关键帧，然后做图生视频，再对视频做帧插值平滑，最后转成剪辑软件能直接用的编码格式。把这一整套环节写在一个脚本里，逻辑散乱，而且改一处分镜就得改一遍代码。
节点式工作流的好处是每个环节都是独立模块，关键帧生成、运动控制、后处理这些工序通过连线拼装起来，哪个环节出了问题，直接看节点颜色和日志就能定位。它有点像搭积木，积木本身不会自己移动，得靠人去摆，但至少每一块是可维护、可替换的。而调度器要解决的是另一个问题：节点式工作流手动跑一个任务很容易，但你没法一口气手动跑完几十上百个镜段。
所以我给自己分了两层。底层是 NodeFlow 负责具体的生成逻辑，上层是 WorkCraft 负责批量调度。调度器实际做的事情是：监听分镜参数表，把表格里的每一行变成一个独立任务，依次提交给底层工作流；任务中途掉线或者失败，自动重新排队；生成完成后把结果从临时目录搬到带命名的归档目录。这套分层结构让我能从"每一个镜段都要手点运行"里解放出来，真正把视频生成变成一条可批量化的生产线。
1.3 流水线的四段式拆分
我把整套短剧出片流程拆成四个阶段，这样的拆分让每个阶段都可以单独调试、单独优化。
第一阶段，镜头参数表。把剧本拆成结构化表格，每一行是一个镜段，包含镜头 ID、画面描述、镜头运动方式、时长、帧率、种子等字段。这个阶段看起来跟 AI 无关，却是整个流水线的命门所在，参数表不干净，后面所有环节都会出错。
第二阶段，关键帧生成。用文本生成图像，为每个镜段生成起始帧和结束帧。这两张帧图决定了整个镜段的内容、构图和角色特征，是所有后续工作的地基。
第三阶段，视频化。把刚才生成的关键帧喂给图生视频节点，通过运动控制参数让静止画面动起来。这一步是耗时大户，一个 5 秒的镜段往往要跑好几分钟。
第四阶段，后处理与归档。对成片做插帧平滑、抽帧校验、格式转换，然后按命名规则归档，变成剪辑软件能直接引用的素材。
四段式拆分的意义，在于任何一个镜段出了问题，我都能快速定位是拆解阶段的问题、关键帧阶段的问题，还是视频化阶段的问题，不用每次从头排查。
2. 本机部署与基础配置
2.1 硬件底线怎么定
先交代我的机器配置，12G 显存的中端 N 卡，32G 内存，系统安装在一块固态硬盘上。这套配置属于"能跑但必须省着点用"的档位。显存决定了三个东
335
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
