short-video-factory

你是一个电商小卖家，每天为一条30秒的产品推广视频头疼：写文案、找素材、配音、加字幕、剪辑拼接……每一步都要花钱找人做，一周下来视频成本轻松破千。但如果你能在一台电脑上，花10分钟，把一段文字描述自动变成一条完整的短视频呢？短视频工厂（Short Video Factory） 正是为解决这个问题而生的开源工具。

项目背景：短视频创作的成本困境

随着抖音、TikTok、快手等平台持续增长，短视频已成为产品营销的标配。但高质量短视频的制作门槛并不低——需要脚本创意、素材搜集、配音合成、视频剪辑、字幕特效等多个环节，每个环节都可能产生额外成本。传统方案要么雇佣专业团队（单条视频500-3000元），要么购买SaaS平台会员（每月299-999元），对于小卖家和个人创作者而言，长期使用这笔开销并不友好。

短视频工厂的开发者 YILS 正是看到了这个痛点，决定做一款完全本地化运行的开源工具，让用户无需依赖任何云端服务、不需要支付月费，只需一台电脑，就能把文字描述自动生成完整的短视频。

技术架构：Electron + Vue 3 的桌面端AI工具

从技术选型来看，这是一个典型的现代桌面应用架构：

前端层 采用 Vue 3 + TypeScript 构建用户界面，搭配 Vuetify 3 组件库实现高颜值 Material Design 风格，UnoCSS 做原子化样式处理，Pinia 做状态管理，Vue Router 做路由。Vite 7 作为构建工具，配合 vite-plugin-electron 实现 Electron 与前端的热更新开发体验。国际化由 i18next 接管，支持中文、英文等多语言。

后端/主进程层 是 Electron 主进程，负责处理所有本地 I/O 操作。主进程通过 IPC（Inter-Process Communication）与渲染进程通信，处理文件读写、数据库操作、FFmpeg 调用等底层任务。数据库选用 better-sqlite3，在本地持久化存储项目数据和配置。

AI能力层 集成了两个核心AI能力：

• AI文案生成：通过 @ai-sdk/openai 和 ai SDK 调用 OpenAI API 接口（兼容通用 OpenAI 格式），根据用户输入的提示词自动生成短视频文案和脚本。接口设计兼容通用 OpenAI 格式，意味着你可以对接本地部署的 Ollama、SiliconFlow、硅基流动等第三方 API 服务，灵活性很高。
• 语音合成（TTS）：使用 EdgeTTS（微软Edge浏览器的语音合成引擎），在 electron/lib/edge-tts.ts 中实现，无需第三方API，纯本地调用即可生成自然流畅的中英文语音。EdgeTTS 相比传统 TTS 在中文语境下效果优秀，音色选择丰富。

视频处理层 依赖 ffmpeg-static 提供静态 FFmpeg 二进制文件，处理视频的剪辑、拼接、混音、字幕烧录等操作。这是业界标准的视频处理方案，稳定性有保障。字幕处理使用 subtitle npm 包，音频元数据解析用 music-metadata。

整体架构可以用一句话概括：Vue 3 渲染进程负责 UI 交互，Electron 主进程负责 AI 调用+视频处理，两者通过 IPC 异步协作。这种架构保证了 UI 的流畅响应，同时让重型任务在主进程中安全执行。

核心功能：从文字到短视频的全自动流水线

基于上述架构，项目实现了完整的短视频生成流水线：

第一步：文案生成 — 用户输入产品关键词或场景描述，AI 自动生成适合短视频传播的文案脚本。用户可对接本地部署的 Ollama、SiliconFlow、硅基流动等第三方 API 服务，灵活性很高。

第二步：语音合成 — 将生成的文案通过 EdgeTTS 转换为自然语音。支持中文标准女声、男声、情感合成等多种音色，生成速度取决于本地网络（EdgeTTS 调用微软云服务），但完全免费。

第三步：视频剪辑与合成 — 用户提供视频分镜素材（或由工具自动抓取），系统根据文案时间轴自动将视频片段拼接、裁剪，并叠加字幕。ffmpeg-static 在底层处理所有视频编解码工作，支持 MP4、MOV、AVI 等常见格式输出。

第四步：字幕与特效 — 自动生成 SRT/ASS 字幕文件并烧录到视频中，支持基础字幕样式定制。

第五步：批量处理 — 支持批量任务队列，设定好模板后可持续自动合成多条视频，适合产品矩阵账号的批量内容生产。

整个流程对用户来说，只需准备好文字描述 + 视频素材，点击开始即可坐等成品。

上手体验：桌面端 GUI 的优势与门槛

相比纯命令行工具或 Web 应用，短视频工厂的 Electron 桌面端带来了明显的体验优势：

优势方面，本地运行意味着数据完全私密——视频素材、文案内容、生成的视频都存储在本地硬盘，不上传任何服务器，对注重内容保密的商家来说尤为重要。跨平台支持（Windows / macOS / Linux）也让团队协作不受操作系统限制。electron-builder 提供了 macOS DMG、Windows NSIS 安装包、Linux AppImage 三种格式，下载安装包后几分钟即可开始使用，无需配置任何开发环境。

门槛方面，需要预先安装 FFmpeg（项目通过 ffmpeg-static 绑定，但仍建议系统级安装），以及 Node.js >= 22.17.0 和 pnpm >= 10.12.4 两个开发工具链。不过从 GitHub Release 页面可以直接下载编译好的安装包，完全绕过开发环境配置，适合非技术用户。

内存占用方面，Electron 应用本身较重（Chromium 内核），建议配置 4GB 以上 RAM；FFmpeg 视频编码会额外消耗 CPU 资源，但 GPU 不是必须的——这是一款以 CPU 计算为主的工具。磁盘占用约 2GB（包含预编译的 FFmpeg 和 Electron 运行时）。

项目亮点与局限性

亮点方面，作者将完整的本地 AI 工作流整合到了一个开箱即用的桌面应用中，这种"AI能力本地化"的思路在小工具中很有价值。EdgeTTS 的集成省去了昂贵的商业 TTS API 费用，是非常实用的设计决策。代码结构清晰，前端 Vue 3 + 后端 Electron 的模块边界明确，TypeScript 的使用也保证了类型安全。跨平台打包配置完善，Windows/macOS/Linux 三端用户都能直接受益。

局限性方面，没有提供 Docker 部署方案，对于服务器端使用场景（如自动化流水线）不太友好。ffmpeg-static 的捆绑导致安装包体积偏大（单个平台安装包通常超过 200MB）。AI 文案生成依赖 OpenAI API（或兼容接口），国内用户可能需要额外配置代理或使用国内模型服务。批量处理功能的模板系统相对简单，大规模企业级视频生产可能需要更复杂的编排能力。

总结：一款诚意十足的AI视频工具

短视频工厂代表了 AI 视频工具的一个有趣方向——不上云、完全本地化、零月费。对于有视频营销需求的个人卖家、小微团队、独立创作者来说，它提供了一条绕过 SaaS 平台高额月费的替代路径。虽然功能不如专业Adobe全家桶丰富，但在"快速生成产品短视频"这个具体场景下，它的效率优势和零成本特性足以弥补专业功能的缺失。

项目维护活跃（最新版本 1.2.2），开发者持续更新，社区反馈积极。如果你正在为视频内容生产效率发愁，不妨下载体验一下——它可能比你想象的更实用。