
一个每天早上自动做出来的 AI 日报视频,你愿意看吗?
我猜你没时间回答——所以我更想知道另一个问题的答案:这样的视频,做的人需要花多少时间?
我的答案是:第一次,79 分钟。其中 25 分钟,我的自动化生产线试图杀死它自己。
这条视频就是那条生产线昨天的成片:真人开场收尾加动画解说,全程无人值守。
先说这条生产线是什么
目标:每天 8 点前,一条 80 秒左右的 AI 资讯口播视频自动躺在我的素材目录里。我的声音,我的选题标准,我只要决定发不发。
流程听起来很美:92 个 RSS 源扫一圈,AI 从两千多篇文章里挑出 3 条,写成 370 字口播稿,用我的声音克隆合成配音,再自动生成 19 个镜头的解说动画,最后一道机器门禁验收。
10 月 26 日下午 5 点 35 分,我按下启动键。5 点 47 分,TTS 第一轮合成成功。
然后一切开始变得有趣。
它是怎么试图杀死自己的
第二轮合成,进程刚起来就被杀。日志只有一行:
SAFE_DELETE_BULK_CONFIRM_REQUIRED
我的 Mac 上跑着一个安全守卫,专门拦”批量删除文件”的操作——一天删掉几十个文件以上的进程,直接处决。问题是,我当时没有在删任何东西。
重试。被杀。换 venv 启动。被杀。换缓存目录。被杀。关掉 JIT。还是被杀。
那 25 分钟里我试遍了所有常规手段,像在跟一个看不见的守卫玩打地鼠。最后用最笨的办法定位到真凶:在进程里埋了个临时文件抓调用堆栈。
答案有点荒诞——凶手是 numba 的缓存。
TTS 模型第一次运行时,numba 会把 JIT 编译结果写进缓存。但某种原因导致缓存失效了,于是之后每次进程启动,它都要重写几十个缓存文件——用”写临时文件再原子替换”的方式。在守卫眼里,这就是”一个进程批量 unlink 几十个文件”,标准的恶意行为特征。
换句话说:一个为了让我变快的机制,长得太像一个攻击者,被另一个为了让我安全的机制处决了。
解法反而简单:告诉 numba 别写缓存(JIT 每次现算,慢一点点,但零文件操作)。一行补丁,世界和平。
这件事我越想越觉得是自动化运维的完美隐喻:你的系统越自动化,故障就越不像故障,像玄学。
红灯,差一线
排完坑,视频顺利生成。然后我的验收门禁给了它一个红灯,理由冷冰冰:整片快速运动帧占比 0.001,判定:翻页感。
什么意思?我全用了”白板书写”式的镜头——粉笔在写,镜头不动。AI 审片逻辑的说法是:你在翻 PPT,不是在做视频。
要过线,需要 0.035。我改了 5 个镜头,换成真实图表满幅展示。0.0353。过线了,离红线只有 0.0003。
更刺激的在后头:修字幕时重渲了两个镜头,占比掉回 0.034——又红了。最后在一个镜头里补了个数字砸落动画,0.037,才算站稳。
这一天我学到的最有用的一课:机器门禁不讲情面,但它讲道理。”翻页感”这种我原以为是玄学的东西,它给了一个可量化的定义。而量化之后,你就能在设计阶段避免它——比如镜头表阶段就规定每 3-4 镜必须有一次整幅画面运动。
人工审片靠老师傅的直觉,机器门禁靠指标。直觉会累、会放水、会看走眼,指标不会。这是我觉得无人值守比人工流水线更可靠的根本原因——不是 AI 多聪明,是它比我狠。
一个差点发出去的错误
还有个坑跟技术无关,但最值得说。
资讯 AI 给某条新闻的摘要是”模型降价,并非价格战”。我写口播稿时直接引用了。发布前鬼使神差去查了原文——人家白纸黑字写的是”价格战与真实成本下降并存“。
意思几乎相反。如果发出去,评论区会教我做人。
修起来倒是不难:改两句稿子,只重合成受影响的 2 段音频(逐段合成的架构在这一刻体现出价值)。但这件事让我把一条铁规矩写进了管线:AI 给的摘要,只能当线索,不能当事实。要引用,必须回到原文。
自动化的悖论就在这:跑得越快,错得越快。速度放大一切,包括错误。
那,值得吗
拆完这一天,账是这样的:
人工做一条这样的视频,快的人两三个小时。这条生产线正常跑一遍 42 分钟,机器时间不算人力,我的时间趋近于零。
但真正的收益不是省这 2 小时。是三样东西:
质量下限被锁死了。 人会偷懒、会看走眼、会”差不多得了”。门禁不会。快动帧不够就是不够,0.034 就是红灯,差一线也不行。
每个坑只踩一次。 numba 的补丁、渲染器的正确调用姿势、”每 3-4 镜一次整幅运动”的设计规则,全部写进了脚本和规范。下一次运行,这些坑就不存在了。人做重复工作会麻痹,系统不会。
失败的代价变得便宜。 审片会话卡死?加个超时降级。某天源站挂了?失败计数告警。无人值守系统的每一次小故障,最终都会变成一段防呆代码。
所以”好用,才算做完”这句话,我现在有了更具体的理解:跑通不算做完,第二天还能跑通才算做完。自动化系统的完成态不是”能工作”,是”能一直工作”。
明天早上 6 点半,它会自己醒来再跑一遍。我到时候只需要做一件事——像今天一样,先去查查它有没有试图杀死自己。
技术细节:IndexTTS-2.5 声音克隆(CPU 推理,零样本)、豆包模型做资讯评分、自研镜头表 lint + deliver 门禁。全线跑在一台 Mac Mini 上。
本篇是「AI 日报自动化」系列第 1 篇。下一篇:把这条管线做成每天定时跑的 cron,需要补哪几块骨头。