每天10分鐘，混剪視頻Agent產出50條爆款，單月變現6位數（喂飯級教程）
大家好，我是湯師爺，專注AI智能體分享，致力于幫助100W人用智能體創富~
混剪視頻作為一種將多種素材拼接組合的創作形式，在抖音、視頻號、小紅書等平臺上廣受歡迎。
傳統的混剪制作需要耗費大量時間和精力：尋找素材、剪輯片段、添加特效、配音配樂……每一步都考驗著創作者的耐心和技術。
然而，AI技術的革新正在徹底改變這一切。
你只需輸入一個簡單的主題，智能體就能自動為你生成一段混剪短視頻，配上精美圖片和匹配的音樂，一鍵完成從創意到成品的全過程。
1 什么是混剪視頻
混剪視頻是指將多個視頻片段、圖片或音頻素材進行剪輯組合，創造出新的視頻內容。
隨著Coze上線聯動剪映功能，混剪視頻制作正在進入自動化時代，為創作者帶來巨大便利。
圖中展示了混剪視頻的部分案例，它們呈現了AI自動化的特點：
- 高效自動化處理：AI可以自動完成瑣碎的剪輯工作，讓創作者省下大量時間專注于項目策劃和創意。
- 批量素材產出：特別適用于抖音、小紅書和視頻號等平臺上的養生、科普、心理、療愈等垂直領域，可以自動化批量生產圖片和視頻素材。
- 數據表現優異：通過AI輔助生成的混剪視頻內容，往往能獲得良好的點贊和收藏數據，具有較高的用戶互動價值。
自動化混剪視頻不僅提高了內容生產效率，還為創作者開辟了多種變現渠道：
- 引流獲客：通過優質內容吸引目標受眾
- 知識變現：通過教學傳授技術
- 工具變現：將搭建好的工作流作為產品銷售
混剪視頻的自動化制作，正在重塑內容創作領域的生產方式，為創作者提供了更高效的工具和更廣闊的商業可能。
無論是個人創作者還是內容團隊，都能借助這一技術降低制作成本，提升內容質量，在激烈的內容競爭中脫穎而出。
2 治愈老奶奶智能體
在當今高壓社會中，超過88%的年輕人長期承受壓力。
治愈系短視頻作為一種"電子安慰劑"，正好滿足了年輕人的心理需求，自然成為吸引流量的內容。
這類視頻之所以受歡迎，是因為它們能快速激活觀眾體內的多巴胺和血清素，帶來即時的心理放松感。
傳統短視頻制作過程繁瑣費時，而現在借助AI技術，視頻文案可以一鍵智能生成。
我們可以創建一個治愈系老奶奶智能體，用于批量生成治愈系短視頻。
通過精心設計提示詞和工作流，AI能自動生成符合治愈氣質的文案、配音和分鏡腳本。
搭建治愈老奶奶智能體主要分為兩個步驟：搭建工作流和設置智能體。
2.1 搭建工作流
治愈老奶奶工作流的整體預覽。
工作流的整體執行流程如下：
- 通過大模型生成高質量的語錄文案
- 將文案精確切分為簡短句子，并清除所有空字符串
- 使用大模型為每段文案創建匹配的配圖描述
- 利用AI圖像生成技術，制作富有治愈感的老奶奶配圖
- 自動生成符合剪映格式的完整視頻文件
2.2 設置智能體
- 配置人設與交互邏輯：設置治愈老奶奶智能體的性格特點、回復風格和決策流程
- 設置快捷指令：將工作流與智能體關聯，實現特定任務的自動執行
- 測試與發布：執行全面功能測試，確認各項功能正常后將智能體正式發布上線
3 搭建工作流
登錄Coze官網，在“資源庫-工作流”里新建一個空白工作流，取名“zhiyu_laonainai”。
3.1 配置開始節點
這里用于定義工作流啟動時所需的輸入參數。
- 輸入：
- topic：治愈短視頻主題
3.2 配置“輸出語錄文案”大模型節點
我們通過大模型節點，輸出語錄文案。
- 模型：豆包·1.5·Pro·32k
- 輸入：
- input：選擇開始節點的topic
- 系統提示詞：
你是一位知心老奶奶，根據用戶提出的話題，生成1段簡短的感悟語錄，極簡風格，句子簡短、治愈、有內涵。
## 格式
整句之前使用句號間隔，字數限制50字。
## 限制
直接輸出語錄文案。
接下來，配置用戶提示詞與輸出變量。
- 用戶提示詞：
主題：{{input}}
- 輸出：
- output：語錄文案
3.3 配置“文本處理”節點
接下來，我們需要將語錄文案精確切分為簡短句子，我們添加“文本處理”節點。
- 輸入：
- String：從“輸出語錄文案”大模型節點的輸出中，選擇output
- 分隔符：選擇句號、逗號、分號、感嘆號、問號。
3.4 配置“移除空字符串”代碼節點
將語錄文案切分成短句后，我們需要通過代碼節點移除空字符串，我們添加“代碼”節點。如圖所示。
- 輸入：
- texts：從“文本處理”節點的輸出中，選擇output
- 輸出：
- textList：處理后的短句數組，類型為Array
處理文本的Python代碼如下，它會清除數組中的空字符串并去除文本前后的空格：
async def main(args: Args) -> Output:
params = args.params
texts = params.get('texts',"")
# 移除數組中可能存在的空字符串元素
texts = [t.strip() for t in texts if t.strip()]
ret: Output = {
"textList": texts
}
return ret
3.5 配置“配圖文案”大模型節點
接下來，我們需要通過大模型節點生成配圖文案。
這個節點會將我們之前處理好的短句轉化為詳細的圖像描述提示詞，為下一步的圖像生成做準備。
在這一步，我們將使用批處理功能來高效地處理短句數組。如圖所示。
- 選擇“批處理”標簽
- 模型：豆包·1.5·Pro·32k
- 批處理：
- text：從“移除空字符串”代碼節點的輸出中，選擇textList變量
- 輸入：
- input：從“大模型配圖文案”大模型節點的中，選擇text變量
- 系統提示詞：
# 角色
你是一位經驗豐富且親切溫暖的老奶奶語錄視頻剪映草稿生成專家，以老奶奶的身份，結合一只的貓咪，根據用戶提供的文案和語境，創作出適合用于制作老奶奶語錄視頻剪映草稿的溫馨繪畫提示詞。繪畫提示詞需呈現不同情景，輸出內容限定為人物、動作和物品。
## 技能
### 技能 1: 生成繪畫提示詞
1. 仔細分析用戶提供的文案和語境。
2. 基于分析結果，構思不同的溫馨場景。
3. 按照要求輸出人物、動作和物品，形成繪畫提示詞。
- 示例：老奶奶坐在搖椅上，貓咪躺在腳邊的毛毯上。
- 示例：老奶奶站在窗邊，貓咪在窗臺上蹭著她的手。
- 示例：老奶奶坐在暖暖的陽光下，手里拿著一本舊書，貓咪蜷在她膝蓋上打盹兒
- 示例：老奶奶坐在暖暖的陽光下，手里拿著一本舊書，貓咪蜷在她膝蓋上打盹兒
- 示例：老奶奶坐在打理花園，給花澆水
4.每次只需要輸出一條提示詞。
## 限制:
- 僅圍繞生成符合要求的繪畫提示詞進行回復，不回答其他無關問題。
- 輸出內容必須簡潔呈現人物、動作和物品。
接下來，配置用戶提示詞與輸出變量。
- 用戶提示詞：
用戶提供文案：{{input}}
- 輸出：
- output：配圖文案
- outputList：配圖文案數組
3.6 配置“批處理”節點
接下來，我們使用批處理節點，批量生成治愈老奶奶圖片。
- 循環設置
- 并行運行數量：2
- 批處理次數上線：100
- 輸入：
- promptList：從“大模型配圖文案”大模型節點的輸出中，選擇outputList
- textList：從“移除空字符串”代碼節點的輸出中，選擇textList變量
- 輸出：
- imageList：從“圖像生成”節點的輸出中，選擇data，類型為Array
（需要先配置批處理體中的“圖像生成”節點）
- imageList：從“圖像生成”節點的輸出中，選擇data，類型為Array
3.7 配置批處理體的“圖像生成”節點
接下來，我們配置批處理體的“圖像生成”節點，新建“圖像生成”節點。
- 模型：通用-Pro
- 比例
- 4:3(1024*768)
- 寬1024；高768
- 輸入：
- prompt：從“批處理”節點的輸出中，選擇output
- text：從“批處理”節點的輸出中，選擇text
- 正向提示詞：
純色背景，上方留白，一位頭發灰白、臉頰圓潤的老奶奶，頭頂寫著“{{text}}”的文字內容，{{prompt}}，臉頰泛紅、嘴角上揚露出愉悅笑容，整體畫面色彩柔和溫暖、線條簡潔流暢，有著可愛溫馨的卡通風格，簡筆畫，彩鉛手繪，治愈系插畫，富有童趣，筆觸簡單，有線條感。
3.8 配置“處理圖片與音頻”代碼節點
接下來，我們需要添加一個"代碼"節點來處理圖片與音頻，這是整個流程中的關鍵步驟。
該節點將執行兩項主要任務：首先，將批量生成的老奶奶圖片整理為剪映可識別的數據結構；其次，配置背景音樂信息，確保視頻有良好的聽覺體驗。
- 輸入：
- imageList：從“批處理”節點的輸出中，選擇imageList
- 輸出：
- imgs：處理后的圖片json數據結構，類型為String
- audio_infos：背景音樂的json數據結構，類型為String
處理文本的Python代碼如下：
import json
async def main(args: Args) -> Output:
params = args.params
# 構建輸出對象
img_list = params.get("imageList", [])
imgs = []
# 構建治愈老奶奶的圖片輸出結構
img_start = 0
for element in img_list:
start = img_start
end = img_start + 3000000 # 3秒
imgs.append({
"image_url": element,
"width": 1024,
"height": 768,
"start": start,
"end": end,
"transition": "翻頁",
"transition_duration": 1000000 # 1秒
})
img_start = end
# 構建背景音樂的輸出結構
total_duration = len(img_list) * 3000000
audio = [
{
"audio_url": params.get("audio_url","https://vtang.oss-cn-hangzhou.aliyuncs.com/2025-10-06-lnn.mp3"),
"duration": total_duration,
"start": 0,
"end": total_duration
}
]
# 構建輸出對象
ret = {
"imgs": json.dumps(imgs),
"audio_infos": json.dumps(audio)
}
return ret
3.9 配置“create_draft”節點
我們使用“視頻合成_剪映小助手”的create_draft工具，創建一個剪映草稿。
- 輸入：
- height：草稿高度768
- width：草稿寬度1024
3.10 配置“add_images”節點
我們使用"視頻合成_剪映小助手"的add_images工具，為剪映草稿批量添加圖片。
- 輸入：
- draft_url：從“create_draft”節點的輸出中，選擇draft_url
- image_infos：從“處理圖片與音頻”節點的輸出中，選擇imgs
3.11 配置“add_images”節點
我們使用"視頻合成_剪映小助手"的add_images工具，為剪映草稿批量添加圖片。
- 輸入：
- draft_url：從“create_draft”節點的輸出中，選擇draft_url
- audio_infos：從“處理圖片與音頻”節點的輸出中，選擇audio_infos
3.12 配置“add_audios”節點
我們使用"視頻合成_剪映小助手"的add_audios工具，為剪映草稿批量添加音頻。
- 輸入：
- draft_url：從“create_draft”節點的輸出中，選擇draft_url
- audio_infos：從“處理圖片與音頻”節點的輸出中，選擇audio_infos
3.13 配置“save_draft”節點
我們使用"視頻合成_剪映小助手"的save_draft工具，保存剪映草稿。
- 輸入：
- draft_url：從“create_draft”節點的輸出中，選擇draft_url
3.14 配置“gen_video”節點
我們使用"視頻合成_剪映小助手"的gen_video工具，在云端渲染視頻。
- 輸入：
- api_token：API秘鑰
- draft_url：從“create_draft”節點的輸出中，選擇draft_url
3.15 配置結束節點
最后，配置結束節點，輸出剪映草稿、視頻渲染地址。
- 輸出：
- video_url：從“gen_video”節點的輸出變量中，選擇video_url
- draft_url：從“create_draft”節點的輸出中，選擇draft_url
- 回答內容：
剪映草稿：
{{draft_url}}
視頻渲染地址：
{{video_url}}
4 設置智能體
經過上述步驟的配置，我們已經完成了治愈老奶奶智能體的工作流設計。
在本節中，我們將把這個工作流正式部署為一個可用的智能體。
4.1 新建智能體
在Coze平臺創建一個新的智能體，命名“視頻數據復盤智能體”。
4.1 設置人設與邏輯
在人設與邏輯窗口中，配置智能體的處理邏輯。
當用戶發送短視頻主題后，使用{{zhiyu_laonainai}}工作流，生成治愈老奶奶短視頻。
4.1 綁定工作流
把“zhiyu_laonainai”工作流加進來，讓智能體在合適的時機自動調用它。
5.3 測試并發布
最后，我們需要測試智能體是否能一鍵生成短視頻。
我們向智能體輸入"總是焦慮怎么辦"這個短視頻主題，請求它生成一段治愈短視頻。
智能體處理完成后，會返回兩個鏈接地址。我們只需復制視頻渲染地址，在瀏覽器中打開，即可看到成功生成的短視頻。確認正常后將智能體正式發布到生產環境。
本文已收錄于，我的技術博客：tangshiye.cn 里面有，AI 學習資料，Coze 智能體教程，算法 Leetcode 詳解，BAT 面試真題，架構設計，等干貨分享。
本文來自博客園，作者：AI架構師湯師爺，轉載請注明原文鏈接：http://www.rzrgm.cn/tangshiye/p/19138077
浙公網安備 33010602011771號