用 AI 自动化 YouTube 视频制作

哪些是自动的，哪些不是

自动化的部分：把脚本拆成场景，为每个场景生成视觉提示，生成图像或视频片段，录制配音，按词对齐字幕，添加背景音乐，并渲染最终文件。

非自动化的部分：上传。ClipPilot 不会连接到你的 YouTube 账号也不会代你发布。你需要下载 MP4，并用自己的标题、封面图和描述自行上传。如果你专门在找能无人值守替你发帖到频道的工具，这不是它，最好现在就知道这一点。

还有非自动化的：判断。频道成败取决于脚本，生成的脚本只是一个起稿，不是最终稿。

端到端流程

你粘贴脚本或给出一个想法。脚本会被分析并在自然节奏处拆成场景。每个场景都会基于你选择的视觉风格写一个提示语。

配音一次性生成并返回逐词时间戳。这些时间戳是整个视频的权威时钟：场景切换和字幕高亮都以此为准，所以切换会落在句子边界，字幕也不会漂移。

每个场景生成视觉素材，整段内容按你选择的转场和音乐音量合成，最后渲染并存为可下载的 MP4。从开始到完成通常 2 到 5 分钟。

同一工具做长片和 Shorts

默认是竖版 9:16，因为短视频主要在这里，但 16:9 完全支持标准 YouTube 上传，也支持图像视频的 1:1 和 4:5 以适应方形与肖像流。

实用做法是为主投稿写较长的 16:9 脚本，为 Shorts 写更短的竖版稿，两者使用相同的配音和视觉风格，这样从 Short 过来的观众就能认出主频道。

让整个目录保持一致

有三个设置能大幅让频道看起来像一个统一体：视觉风格、配音和如果使用的话角色参考。每个视频都会保存这三项，以便以后重新编译旧视频时能还原出原有的外观和声音，而不是当前的默认设置。

为每次上传附上相同的角色参考，同一个叙述者形象就会贯穿整个频道。选定十种风格中的一种并保持一致，观众在看缩略图之前就能认出来。

修视频而不是重做它们

每个视频之后都会在编辑器中打开。重写旁白后，配音和字幕会在一次对齐的流程中一并重新生成。只需重新生成某个视觉不满意的场景，场景窗口会保持原位，后面的内容不会错位。

重新编译会收取渲染费用，如果你改了文本则还会收取新的配音费用。它不会对你保留的场景重复收费。

规划每月预算

计划价格为每月 $19 得 3,000 点数，$49 得 10,000，$99 得 25,000，$199 得 60,000，Starter 以上的额度支持结转。

从你要的发布形式往回算。一分钟的图像视频大约需要 100 点数，所以 10,000 点数大概能做 100 个上传。动画视频在高清下是每秒 35 点数，同样的点数大约能做 14 个 20 秒的视频。一个频道如果每天上传配音讲解视频并且每周做两个动画开场，$49 的计划完全可以满足。