用AI工具链做自媒体自动追世界杯热点：这套组合我觉得值得抄

## 前言

我有很多学弟最近毕业了找不到工作，都在家做自媒体“灵活就业”。最近有一个老哥用AI在家做体育类账号自动追世界杯热点的案例让我印象比较深，我觉得对做体育类自媒体的、也想整个副业朋友应该有参考价值。

## 这位老哥的情况

应届毕业，工作没着落，在家做体育类自媒体。他确实懂球——战术分析、球员评价都说得头头是道，解说风格也有个人特色。但视频数据一直起不来，卡在两个点：

1. **世界杯/赛事素材有版权风险**，用比赛录像随时可能被下架

2. **剪辑水平有限**，内容不错但画面质感差，完播率上不去

世界杯期间流量大，他不想错过这个窗口期，就开始密集尝试各种AI工具。折腾了一个多月，摸出了一套能跑通的工作流。

他的工具链

整体思路是：**用AI补齐自己在素材和剪辑上的短板，把精力集中在自己擅长的内容策划和解说上。**

工作流大概分三个环节：

```

赛事数据/高光时刻抓取 → AI生成解说文案 → 花生AI生成视频（MG动画补画面）

```

下面逐个说。

---

### 环节一：高光时刻自动抓取

他用的是GitHub上的开源项目来辅助获取赛事相关数据和片段。这类项目其实挺多的：

- [SoccerNet](https://github.com/SoccerNet) — 学术界做的足球视频理解数据集，带事件标注

- [AutoClip](https://github.com/zhouxiaoka/autoclip) — 国人做的AI高光提取工具，支持从长视频中自动截取精彩片段

- [SportHighlightsAutoEditor](https://github.com/T4w51f/SportHighlightsAutoEditor) — 自动从体育直播中挑选最佳片段生成集锦

他主要参考了AutoClip的思路，针对自己的需求做了些调整。环境搭建大概是这样：

```bash

# Python 3.10 ，建议用conda隔离环境

conda create -n sports_clip python=3.10

conda activate sports_clip

# 核心依赖

pip install torch torchvision# PyTorch，高光检测模型需要

pip install opencv-python# 视频帧处理

pip install whisper# 解说音频转文字，辅助判断精彩时刻

pip install ffmpeg-python# 视频裁剪拼接

# 如果要用AutoClip

git clone https://github.com/zhouxiaoka/autoclip.git

cd autoclip

pip install -r requirements.txt

```

他跟我说的一个经验是：**不要想着全自动**。这类开源工具检测精度没那么高，他的做法是先让AI粗筛出候选片段，自己快速过一遍确认，比纯手动翻录像快很多。

> Tips：如果你没有GPU，AutoClip跑起来会很慢。他的做法是租了一台AutoDL的4090实例（大概2块钱/小时），批量处理完再下载结果到本地。

---

### 环节二：AI生成短视频文案

解说文稿他自己写大纲，但具体到短视频的节奏化文案（hook、转折、结尾引导），他用LLM来辅助生成。

这块工具选择很多，他试过直接用ChatGPT/DeepSeek的API写脚本，也看了[MoneyPrinterTurbo](https://github.com/harry0703/MoneyPrinterTurbo)（GitHub 80k stars的全自动短视频生成项目）和[NarratoAI](https://github.com/linyqh/NarratoAI)（一键解说 剪辑）的思路。

最终他没有直接用这些项目的完整pipeline，而是借鉴了它们的prompt工程部分，自己写了个简单的文案生成脚本：

```python

import openai# 或者用dashscope调deepseek

def generate_timeline_script(player_name, key_events):

"""

生成适合时间线MG动画的结构化文案

key_events: [{"year": "2018", "event": "世界杯决赛进球", "detail": "加时赛任意球破门"}]

"""

prompt = f"""你是一个体育短视频文案写手。请为{player_name}生成一段时间线回顾文案。

要求：

1. 每个时间节点格式：年份 8字以内标题 20字以内具体描述

2. 描述必须包含具体数据或事实，不要用"开启辉煌生涯"这种空话

3. 选取最有戏剧性的3-5个节点

4. 语言风格：克制、客观、稍带情绪

素材事件：

{key_events}

"""

# 调用LLM API

response = openai.chat.completions.create(

model="deepseek-chat",# 或gpt-4o-mini，成本低

messages=[{"role": "user", "content": prompt}]

)

return response.choices[0].message.content

```

成本方面，DeepSeek的API非常便宜，一条视频文案生成大概几分钱。

---

### 环节三：花生AI生成视频 MG动画

这是他工具链里最关键的一环，也是解决"没有素材怎么让画面好看"这个问题的核心方案。

他的原话大概是这个意思：

> "我没有版权素材，之前就是配图 文字，画面很单调。用了花生AI之后发现MG动画这个功能基本上解决了我的问题——它能在没有实拍素材的情况下，用动态图形把信息可视化，画面质感直接上了一个档次。等于把短板变成了长板。"

他说世界杯期间做球星回顾类视频，时间线MG动画用得最多。我让他给我的观众分享一份好用的提示词，他直接甩了官方最近发的：

```

给分镜xx添加一个“按时间轴梳理素材”的框架型MG动画。

动画版式为：居中垂直中轴线纵向时间轴，X组信息单元沿竖线从上至下顺序递进串联，按照时序排布。每组信息都由大号醒目年份数字 加粗标题 简短小字说明 配套图片 / 视频素材组成。

```

他说自己之前摸索的提示词写法没有官方这个简洁有效，"官方的版式结构比我自己描述出来的好，信息层级很清晰"。

我看了他发的视频里的图，确实比他之前自己拼的画面好看不少。

---

## 完整工作流串起来

他日常出视频大概是这个节奏：

```

早上：检查赛事热点，确定当天选题（1-2个球星/事件）

↓

上午：写解说大纲，跑文案生成脚本，确认时间线节点

↓

中午：把结构化文案喂给花生AI，生成时间线MG动画

必要时手动微调个别节点的描述让素材匹配更准

↓

下午：录制解说音频，合成最终视频，发布

```

日更1-2条，单条视频从选题到发布大概2-3小时，其中真正需要他动手的主要是选题判断和解说录制——这恰恰是他的强项。

几个值得注意的点

**关于版权**：MG动画是程序生成的图形动画，不存在赛事转播素材的版权问题。这对做体育内容但没有版权合作的个人创作者来说确实是个可行的路径。

**关于技术门槛**：整套工具链里，只有第一步（高光时刻抓取）需要一点编程基础。如果你不需要自动抓取素材，只是人工整理时间节点然后用花生AI生成MG动画，那零代码基础也能跑通。

**关于效果**：他跟我说世界杯期间单条最高播放量到了5万 ，稳定在3000-8000之间。对一个刚起步的账号来说，这个数据不算炸裂但已经能跑正循环了。

写在最后

这个案例让我觉得有意思的点在于：他不是技术大佬，编程基本是现学的，但他很清楚自己的优势（懂球、能说）和劣势（没素材、不会剪辑），然后用AI工具精准补位。

MG动画这个思路确实巧妙——当你没有实拍素材的时候，与其用低质量的素材凑合，不如换一种视觉表达形式，让"没有素材"本身不再是问题。

有做体育自媒体的朋友可以试试这个思路，不一定要照搬他的全套工具链，适合自己的才是最好的。

","createTime":1783501232,"ext":{"closeTextLink":0,"comment_ban":0,"description":"","focusRead":0},"favNum":0,"html":"","isOriginal":0,"likeNum":0,