视频号日更太折磨，WorkBuddy 6个版本踩坑后终于全自动了

每天更视频号是什么感觉。

选话题, 找配图, 写文案, 打开剪映, 拖时间线, 调字幕, 导出。两个小时没了。

日更一个月后我开始怀疑人生。凌晨一点坐在电脑前，选题没定, 配图没找, 视频没剪。第二天还得早起上班。

这活儿能不能让机器干。

我花了两周, 用 WorkBuddy 搭了一套全自动流水线。从搜新闻到成片, 一条命令搞定。中间踩了 6 个版本的坑, 每个坑都让人想砸键盘。

今天把踩坑过程完整写出来。如果你也在做视频号日更, 这篇能帮你少走很多弯路。

先看效果

最终产出的视频长这样, 28 秒竖屏, 4 条 AI 科技新闻, 每条都有标题、原文配图和详情简介。

上面是标题区, 中间是新闻原文配图, 下面是详情简介。三区布局, 信息层次清晰。文字逐行淡入, 有科技感的视觉风格。

从搜索新闻到生成视频, 全程不需要手动操作。图片自动从新闻原文抓取, 水印自动检测移除, 文字自动排版, 最后合成 MP4。

听起来很丝滑对吧。但走到这一步, 我经历了 6 个版本的反复折磨。

第一个坑, 图片根本对不上内容

第一版跑通的时候我很兴奋。搜新闻, 抓图片, 合成视频, 流程跑通了。

但点开视频一看, 问题大了。

字节 Seedance 那条新闻, 配图是一张 2020 年的旧模板图。跟 AI 视频生成没有半毛钱关系。4 条新闻用的竟然是同一张图。

这就尴尬了。你跟观众说这是今日 AI 热点, 结果配图全是错的。 credibility 直接归零。

我翻了翻代码, 发现问题出在图片选择逻辑上。脚本从文章页面提取所有图片 URL, 然后选分辨率最高的那张。听起来没毛病, 但实际运行时, 文章正文里那些真正跟内容相关的图片全被 CDN 挡住了。

第二个坑, CDN 的反爬墙

这是整个项目里最让人崩溃的一个坑。

量子位的文章页面里, 正文图片的 URL 都指向 i.qbitai.com 这个 CDN 域名。代码去下载这些图片, 返回的只有 27 个字节。

27 个字节能是什么。一张图片至少也得几 KB。

我把这 27 个字节打印出来一看, 差点气笑。返回的内容是, 百家号登录校验失败。

CDN 的反爬机制把这些图片全锁死了。不管我怎么加 Referer 头, 怎么模拟浏览器请求, 返回的永远是这 7 个字。

我试了 curl, 试了 session cookies, 试了换 www 域名, 全部失败。

就在快要放弃的时候, 我发现了一个细节。HTML 里有少量 webp 和 jpeg 格式的图片 URL, 这些 URL 藏在 JavaScript 和 JSON 数据中, img 标签里压根找不到它们。这些 URL 下载起来完全正常, 没有反爬限制。

原来 CDN 只锁了 png 格式, jpg 和 webp 是放开的。

解决方案来了。我用正则表达式搜索文章正文区域的 HTML, 把所有图片格式的 URL 都提取出来, 不局限于 img 标签。然后优先选择跟文章同年同月的图片, 避免选到旧模板图。

改完之后, 4 条新闻终于各自有了不同的配图。字节 Seedance 那条配上了一张 1080×769 的正文图, Claude 那条配上了论文截图。每张图都跟内容强相关。

v6_preview_slide2

v6_preview_slide2

但高兴了没两分钟, 新的问题来了。

第三个坑, 水印洗不干净

图片是抓到了, 但上面带着量子位的水印。

底部一条文字水印, 右下角一个 logo。放在视频里特别碍眼。

我得想办法把水印去掉。手动 P 图肯定不行, 日更的视频不可能每天手动修图。必须自动化。

我用了三层检测机制。第一层, 扫描图片底部 15% 的区域, 逐行计算边缘密度。如果底部某些行的边缘密度明显比图片中部高, 说明那里有文字。然后用 Tesseract OCR 做文字识别, 确认是不是水印关键词。

第二层, 检测底部左右两个角落的 logo 水印。同样用 OCR 确认, 如果识别到量子位、新智元这些媒体名称, 就判定为水印。

第三层, 用 OpenCV 的二维码检测器扫描全图。发现二维码就用图像修复算法抹掉。

逻辑写好了, 跑了一下, 结果又翻车了。

Claude 那条新闻的配图是一张论文截图, 四个角都有内容。脚本把四个角全判定成了水印, 用修复算法糊了一遍。图片直接报废。

问题出在角落检测太激进了。只要角落的边缘密度比中心高就判定为水印, 但很多截图和图表的角落本来就有内容。

修复方案, 角落检测改为只检测底部两个角, 而且必须 OCR 确认包含水印关键词才动手。不搞边缘密度逃逸那套, 严格靠文字识别来判定。

Meta 那条新闻又出了另一个问题。OpenCV 的二维码检测器把图片 50% 的区域当成了二维码。一个横跨半个图片的二维码, 这显然是误报。

我又加了合理性校验。二维码面积不能超过图片的 15%, 宽高比不能超过 2.5, 最小尺寸 60×60 像素。三个条件同时满足才认定为真二维码。

v6_preview_slide3

v6_preview_slide3

这些边界条件调好之后, 水印检测终于稳定了。该删的删, 不该碰的不碰。

第四个坑, 字大到溢出

水印搞定了, 视频能看了。但总感觉哪里不对。

盯着看了半天, 发现问题。字太大了。

标题占了小半个屏幕, 详情文字也大得夸张。图片区域被挤得很小, 整个画面头重脚轻。

我查了一下参数。标题字号是屏幕高度的 4.8%, 也就是 92 像素。详情是 3.2%, 61 像素。在 1080×1920 的竖屏上, 这个尺寸确实偏大。

之前调大字体是为了可读性, 但矫枉过正了。视频号用户在手机上看, 字太大反而显得粗糙, 像老年人专用模式。

我把标题从 4.8% 降到 3.6%, 也就是 69 像素。详情从 3.2% 降到 2.4%, 46 像素。整体缩小了 25%。行距微调加大一点, 让文字之间有呼吸感。阴影偏移也跟着缩小, 从 3 像素降到 2 像素, 适配小字号。

改完之后对比一下就明显了。

v5_preview_slide4

v5_preview_slide4

上面这张是改之前的, 字大到溢出。下面这张是改之后的, 比例舒服多了。

v6_preview_slide3

v6_preview_slide3

字体这东西, 差几个像素感受完全不同。小一号之后, 整个画面从粗糙变成了精致。

最后的成品

6 个版本迭代下来, 最终的流水线是这样的。

第一步, WebSearch 搜索量子位、机器之心、新智元等主流科技媒体的最新 AI 新闻。筛 3 到 5 条, 写成 manifest 文件。

第二步, 运行抓图脚本。脚本访问每篇文章, 从正文区域提取图片 URL, 优先选择同期图片, 下载后自动检测移除水印。

第三步, 运行视频合成脚本。三区布局渲染, 渐进式文字动画, 科技风装饰元素, 输出 1080×1920 的 H.264 MP4。

4 条新闻, 各自配有不同的原文配图, 水印全部移除, 字体大小适中。

v6_preview_slide4

v6_preview_slide4

整个流程从搜索到成片, 不需要手动找图, 不需要手动剪辑, 不需要手动排版。一条命令, 等两分钟, 视频就出来了。

写在最后

做完这套流水线, 我最大的感受是, 自动化的价值在于把机械劳动剥离出去, 创造力的事情还是得靠人脑。

选什么话题, 怎么写标题, 用什么角度切入, 这些是需要人脑的。但找配图、修水印、调字号、渲染导出, 这些纯机械操作, 交给机器做就好。

有人可能担心, 全自动化会不会让内容同质化。我觉得取决于你怎么用。流水线保证的是下限, 每条视频的基本质量到位。上限还是看选题和文案。

如果你也在做视频号日更, 或者想做但被工作量吓退了, 可以试试这套方案。把重复劳动交给代码, 把精力留给真正重要的判断。

毕竟, 凌晨一点该睡觉的时候, 谁也不想坐在那里调字幕。