首页指南
更新于
基于 LLM API 的 AI 视频脚本生成器
AI 视频脚本生成器是一个带有良好提示词的文本模型。本指南展示了如何在 OpenAI 兼容 API 上构建此类工具,包含 Python 模板及每份脚本的实际成本。


要点
- API 仅生成文本:脚本、分镜列表和旁白。它不渲染视频。
- 请求 JSON 格式,以便每个场景都能进入你的编辑器或视频工具可读取的字段中。
- 60 秒的分镜脚本成本约为 0.1 美分,按每 100 万 token $0.15 和 $0.50 计算。
- 在提示词中保留简报、基调及过往场景;上下文窗口为 100,000 token。
无需绑卡。注册后,一键领取 $0.50 的免费试用额度(每人限领一次)。
获取 API 密钥脚本生成器实际执行的操作
AI 视频脚本生成器接收简短创意并返回视频所需的文本:钩子、场景、旁白、屏幕文字及视觉备注。模型负责写作,你的代码负责其余部分:构建提示词、发送请求、检查结果,并将各部分交付给生成画面的工具。
此 API 仅支持文本,不会生成图像、音频或视频。这非常契合任务需求,因为脚本是大多数视频项目停滞的步骤,也是最适合自动化的步骤。图片和声音由你已使用的其他工具提供。该模型由独立提供商运行,倾向于回答而不拒绝内容,针对合法成人用途进行了调整,如果你的脚本涵盖成熟题材小说、恐怖、犯罪故事或黑色幽默,这一点很重要。如果你想了解文本如何融入视频管线,请参阅 AI 视频 API 指南。
一次调用值得请求三个输出:旁白文本(旁白者说的话)、分镜列表(观众看到的内容)以及每个场景的时间估计。将它们拆分为不同字段可使后续步骤更简单。
设置客户端
该接口兼容 OpenAI,因此标准 SDK 可用。在 API 密钥页面获取密钥,然后将客户端指向基础 URL 并使用模型 ID uncensored。
from openai import OpenAI
client = OpenAI(
base_url="https://api.aivideogenapi.com/v1",
api_key="YOUR_KEY",
)
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Write a 3-line hook for a video about night trains."}],
)
print(resp.choices[0].message.content)
print(resp.usage)
相同的请求在 curl 或 Node 中也可运行,只需更改基础 URL 和密钥。完整参数详情见 API 文档。新账户可在密钥页面一键领取 $0.50 的试用额度,足以多次测试本文中的所有功能。
可返回可用场景的提示词模板
模糊的请求会产生模糊的脚本。良好的模板需明确四点:受众、长度、基调和输出格式。将规则放入系统提示词,将创意放入用户提示词。
import json
from openai import OpenAI
client = OpenAI(base_url="https://api.aivideogenapi.com/v1", api_key="YOUR_KEY")
SYSTEM = """You write short video scripts.
Return JSON only, with this shape:
{"title": str, "hook": str,
"scenes": [{"n": int, "seconds": int, "voiceover": str,
"shot": str, "on_screen_text": str}]}
Rules:
- Total length matches the requested duration.
- Voiceover is spoken language: short sentences, no stage directions.
- 'shot' describes what the camera shows, in one sentence.
- First scene is a hook that works without sound."""
def make_script(idea, seconds=60, tone="dry, curious", audience="adults"):
user = f"Idea: {idea}\nDuration: {seconds} seconds\nTone: {tone}\nAudience: {audience}"
r = client.chat.completions.create(
model="uncensored",
temperature=0.8,
response_format={"type": "json_object"},
messages=[{"role": "system", "content": SYSTEM},
{"role": "user", "content": user}],
)
return json.loads(r.choices[0].message.content), r.usage
script, usage = make_script("why night trains are coming back")
for s in script["scenes"]:
print(s["n"], s["seconds"], s["voiceover"])
JSON 模式(response_format 设为 json_object)可确保回复可解析。但仍需将 json.loads 包裹在 try 块中,并在失败时重试一次,因为任何模型偶尔都会产生格式错误的字符串。温度设为 0.7 到 0.9 可获得多样的措辞;当需要在批处理中保持结构高度一致时,将其降至 0.3。
在信任之前先检查长度
模型在秒数计数方面表现不佳。对于语速平稳的旁白,可靠的标准约为每分钟 150 个单词,快节奏的短视频会稍多。每次调用后,统计所有旁白字段的单词数,并与目标字数进行对比。
def spoken_seconds(script, wpm=150):
words = sum(len(s["voiceover"].split()) for s in script["scenes"])
return round(words / wpm * 60)
est = spoken_seconds(script)
if abs(est - 60) > 8:
print("Off target:", est, "seconds. Ask for a rewrite.")
如果脚本过长,发送第二条消息并附上具体数字:“旁白时长约 78 秒;请将其缩短至 60 秒,同时保留亮点。”具体的反馈比“缩短一点”更有效。保留第一条回复在消息列表中,以便模型看到它之前的输出。
分镜列表和旁白作为独立的步骤
对于较长的视频,一次调用处理所有内容会导致内容单薄。请改用两轮处理。首先要求生成场景标题和单行目标的提纲。然后在各自的调用中生成每个场景,传入提纲和前一个场景的旁白,以保持语调连贯。
- 步骤 1,大纲: 6 到 12 个场景,每个场景包含目标和粗略时长。
- 步骤 2,场景: 一次处理一个场景的旁白和分镜,上下文中包含提纲和最后两个场景。
- 步骤 3,润色: 重新阅读完整旁白,并要求对重复短语进行多样化处理。
上下文窗口为 100,000 token(提示词加回复),因此即使包含完整大纲的 20 分钟纪录片脚本也能容纳在一次对话中。关于长会话中记忆的行为,上下文窗口页面涵盖了实际限制。流式输出(stream: true)在将脚本展示给人时很有用。
脚本的成本
定价为每 1M 输入 token $0.15,每 1M 输出 token $0.50,从预付额度中支付。以典型的包含分镜列表的 60 秒脚本为例。假设提示词为 1,200 个 token(规则加创意),回复为 1,800 个 token。
| 部分 | Token | 数学 | 成本 |
|---|---|---|---|
| 输入 | 1,200 | 1,200 / 1,000,000 x $0.15 | $0.00018 |
| 输出 | 1,800 | 1,800 / 1,000,000 x $0.50 | $0.0009 |
| 总计 | 3,000 | $0.00108 |
每个脚本的成本约为 0.1 美分。制作 1,000 个脚本的频道需支付约 $1.08 的模型费用。重试和润色步骤会增加成本,但即使每个脚本调用三次,成本也接近 1 美分。失败或被拒绝的请求不收费。额度永不失效,定价页面列出了充值金额,从 $20 到 $500,以及奖励层级。
每次回复中的 usage 字段提供精确的 token 计数,因此你可以记录每份脚本的实际成本,而非估算。
节省时间的限制和习惯
完整密钥允许 8 个并发请求和每分钟 300 个请求。试用密钥允许 2 个并发和每分钟 60 个请求。当你批量处理许多脚本时,使用大小为 4 到 6 的小工作池,并在看到 HTTP 429 时退避。错误代码告诉你触发了哪个限制:rate_limited 表示每分钟请求数超限,concurrency 表示同时请求过多。在临时过载时,回复会携带 Retry-After: 5 标头,因此等待五秒后重试。
- 保存每份脚本及其提示词,以便复现优质结果。若希望可重复运行,可通过
seed参数传递种子值。 - 在系统提示词中保留风格指南(禁用短语、重复角色名称、品牌语调),并在不同视频中复用。
- 记录每次回复中的
X-Request-Id;在就特定调用联系支持团队时会有帮助。 - 发布前阅读每份脚本。模型生成流畅文本,而非经过验证的事实。
import time
def call_with_retry(fn, tries=4):
for i in range(tries):
try:
return fn()
except Exception as e:
if "429" in str(e) and i < tries - 1:
time.sleep(5 * (i + 1))
continue
raise
提示词不用于训练。禁止涉及未成年人的性内容,无论何种呈现方式。
更多指南
问答
该 API 能直接生成视频吗?
不能。它仅生成文本。用于脚本、分镜列表、字幕和旁白文本,然后将这些内容传递给你已使用的视频和语音工具。
脚本最长可以有多长?
上下文窗口为 100,000 token(提示词和回复合计),且 max_tokens 是可选的,因此超长脚本也能容纳。对于超过几分钟的内容,先进行大纲生成,再逐场景调用可获得更高质量的结果。
我需要付费才能试用吗?
不需要。新用户注册后,可在 API 密钥页面一键领取 $0.50 的试用额度。后续充值通过加密货币进行(TRC20 网络上的 USDT 或 Base 链上的 USDC)。
它会拒绝黑暗或成人向的故事题材吗?
该模型经过调整,可在合法成人用途下无内容审查地回答。涉及未成年人的性相关内容始终不允许。
只差一张表单,即可获得密钥
创建账户,复制密钥,更改基础 URL。这就是全部设置。